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(前編)

クレーム対応時間を短縮するために、ビッグデータ活用

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ていましたが、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。

それまでは、エンドユーザーの声を受けた担当者が管理フォームに入力することでワークフローに流していたのですが、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。

たとえば「箱が潰れていた」というクレームは出荷時の問題であり、「製品が機能しない」という声は、技術的な問題となります。当時のシステムでは生産ライン、技術ラインなど個々の担当部署へ自動的に分岐しないため、管理フォームの処理に長時間費やしていました。

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と組み合わせたテキストマイニングを実施し、「入力したテキストで自動的に振り分ける」システムを構築しました。

問い合わせ内容から、クレームをルール化

KSKでは、まず、問い合わせ内容を担当部署ごとに振り分けるための分類ルールを作成しました。F社様と打ち合わせを重ねながら、問い合わせ内容に含まれるキーワードを拾いあげていくのです。

抽出されたキーワードだけではなく、あわせて、それに紐づく単語を拾いだし、どの担当部署へ回す案件なのかをルール化します。ルール化にあたっては、主語(名詞)と動詞(形容詞)をチェックしながら、「何が」「どうした」というセンテンスの状態で推敲を重ねながら、徐々に精度を上げていきます。

ルールを改善し精度がある程度の基準になった段階で、それぞれキーワードが自動的に振り分けられるシステムに導入します。

これによってエンドユーザーの声を「要望」と「苦情」に分類し、さらに、その内容を「出荷」、「技術」、「営業」などの担当部署ごとに分岐させることができるようになりました。