テキストマイニングでクレームの要因を特定し顧客満足を向上させた、ビッグデータ活用事例～大手オフィス用品メーカーF社様(後編)　

精度9割の単語ベースのマイニングで、データをルール化

テキストマイニングでクレームの要因を特定し顧客満足を向上させた、大手オフィス用品メーカーF社様のビッグデータ活用事例をご紹介します。

F社様の顧客サポート部門(お客様窓口)では、電話や手紙、メールなど複数経路から届くエンドユーザーの声をデータベース化して分析しましたが、対応に長時間を費やしており、顧客満足を図ることができない状態でした。クレーム内容によって対応する部門が異なるにもかかわらず、担当部署へのワークフローが機能していなかったのです。

クレーム対応時間を短縮させたいという依頼を受けたKSKでは、クロス集計やクラスター分析を用いながら、「入力したテキストで自動的に振り分ける」システムを構築し、クレームの内容をテキストマイニングしていきました。

テキストマイニングには、単語ベースで行う方法と文脈ベースで行う方法の2種類があります。

文脈ベースで行う手法は全体像を把握することが容易ですが、分析精度は70％程度に落ちます。一方、単語ベースでは、80～90％の精度を保つことができます。

現在、F社様では単語をベースに日々、ルール化の改善を行いながら運用しています。

ビッグデータ活用で、クレーム処理スピードが40％向上

この仕組みづくりによって、クレーム内容別の担当部署への分岐が容易になっただけでなく、製品の不具合のパターンも分類できるようになりました。

ある程度データが溜まった時点で、クレームの内容にも一定の傾向が見えてきます。たとえば「製品Aは7～9月、気温35℃以上でインク漏れが多発している」という不具合のパターンが散見されている場合は、このデータに成形加工をすることで、以降は自動的にパターンが抽出されるようになります。

エンドユーザーからの声をカテゴリ化、要約化できるようになり、さらに該当部署への伝達がスムーズになったことで、F社様のクレーム対応の処理スピードは40％アップしました。

さらに製品の不具合パターンが明確になったことで、事前の対策も打てるようになり、全体的の顧客満足度が向上したのです。

システムにクレーム情報を入力して傾向の把握をしたいという場合、このようなテキストマイニングの手法が取られます。

分析システムを用いて統計的に解析することで、より多くのパターンを浮かび上がらせることができるようになります。「どういう製品にクレームが偏っているのか」、「どのような不具合が頻出しているのか」という目先の問題だけでなく、顧客の生の声から企業としての新たな課題を抽出し、それを経営判断の指針にすることも可能なのです。

【ケーススタディまとめ】
―要望・苦情をカテゴリ（製品／出荷／営業の問題etc）に分類できた。
―製品の不具合パターンを把握できた（製品Aは7～9月、気温35℃以上でインク漏れが多発しているetc）
―カテゴリ化、要約化でき、該当部署への伝達がスムーズになり対応箇所・スピードが向上した。