今回はコールセンターの「応対品質」について取り上げます。今、電話でのやり取りをテキスト化し、そのデータをもとに品質向上につなげる動きが進んでいます。そんな中、オペレーターの応対品質を自動でモニタリングする取り組みに注目が集まっています。SV（スーパーバイザー）の負担軽減や品質の改善など、現場では一定の成果が出ているようです。

コールセンターにおいて、電話で交わされるやり取りは発話（音声）によるものですが、それをテキスト化することで応対品質の向上が期待できます。活用できるテキストデータの種類は大きく分けて2つあります。それは「リアルタイム」と「蓄積」です。

「リアルタイム」のテキストデータを活用する場合、オペレーターはお客様との応対中にテキストを確認することで聞き間違いが減ります。その結果、会話に安心感が生まれ、品質向上につながります。
また、通話終了後にオペレーターが自席で音声の聞き起こしする際も、応対時のテキストを見てチェックすべき場所の目星を付けた上で行えば、作業に要する時間を短縮できます。

SVも、リアルタイムのテキストデータからキーワードアラート機能を使えます。これは「解約」「キャンセル」などのNGワードを登録しておくと、その言葉が発話された際に知らせてくれる機能です。「〇〇キャンペーン」や「新商品」などのポジティブなワードを登録しておくこともできます。SVはオペレーター全員のやり取りを逐一チェックすることは不可能ですが、キーワードアラート機能を使うことで、必要な人に素早くフォローができます。

もう一方の「蓄積」によるテキストデータの活用方法では、オペレーター全員分のやり取りについて一定期間データを貯めたものを用います。この蓄積したデータは主にVOC（顧客の声）分析に活用します。どういった問い合わせの傾向があるかを分析して、サービス品質の向上などにつなげるのです。

蓄積データの活用方法は、長らく上記のようなVOC分析に限られていました。しかし、最近になって新しい活用方法が登場しました。

蓄積されたテキストデータによるVOC分析は、コールセンターに寄せられた問い合わせ内容を分析するという意味で、お客様側に軸足を置いて応対品質を改善しようというものです。
一方、オペレーターやSVといった現場側に軸足を置いて、応対品質向上のために蓄積されたテキストデータを活用する動きが生じています。それが「応対品質の自動モニタリング」です。

これまでオペレーターの応対品質を評価する際は、SVが実際のやり取りを耳で聞いて評価していました。通常、応対を評価するために音声を確認するには、通話時間の3倍の時間が必要と言われています。つまり5分間の応対を評価するには、SVは最低3回聞く必要があり、聞く時間だけでも15分かかるわけです。

というのも、コールセンター業界で広く使われている応対品質の評価項目は、およそ15～20項目程度あり、それらの評価をしっかりとオペレーターに伝えるにはそのくらいの時間が必要になるからです。
加えて、店舗など目に見える接客に比べて、コールセンターの応対は外部からは把握しづらいため、評価をして改善につなげるにはSVはしっかりと応対履歴をチェックしなければいけないという面もあります。

しかし、このように耳で聞いて評価する作業はかなりの時間を要する仕事です。ただでさえ忙しいSVが、現場運営の合間を縫って時間を割かなければいけないわけです。
このような課題に対して、テキストデータの力を借りて作業を効率化できないかと考えて生まれたのが、応対品質評価の自動化（自動モニタリング）です。

自動モニタリングでは、蓄積されたテキストデータをもとにオープニングやクロージングの名乗り、敬語の間違い、長文傾向、受け止めの言葉、クッション言葉、話すテンポなど11項目を自動で評価します。

この応対品質の自動モニタリングについては、ビーウィズが社内で実際に運用して一定の成果が出たことから、外部向けに「Qua-cle（クオクル）」というサービスで提供しています。
「クオクル」はテキスト分析のため、「柔らかい」「冷たい」などの声のトーンは評価できませんが、これらの「印象」に対する評価についてビーウィズでは、滋賀大学と産学連携で研究を進めています。

SVが応対品質を評価して指導する際、新人のオペレーターであればSVのフィードバックに素直に反応します。しかし、オペレーターのキャリアが半年、1年と経過していくと、SVが基礎的な事柄を指導しても改善が難しくなってきます。こうしたことは、現場では起こりがちです。

ところが、ある現場で「クオクル」を使って自動モニタリングを行い、機械に指摘させたところ、オペレーターが自分の癖に気付き、改善につながりやすいという結果が出ました。
人から注意されるのではなく、機械に指摘されることで自身の改善点を客観的に把握し、すんなりと受け入れることができたと推測されます。

応対品質の自動モニタリングを使うことで、言い回しや敬語の使い方、テンポなど基礎的な評価は機械化し、余ったリソースで表現力や提案力などの改善を人が補うという形で、機械と人ですみ分けすることが理想でしょう。自動化によって生まれた時間で、人によって改善できることを追求することで付加価値を生み出すことが可能になるかもしれません。

自動モニタリングであれば、評価面談の際に上述したような5分の応対履歴を15分かけて聞く必要がなくなります。基礎的なことはオペレーター自身で評価レポートに目を通してもらい、SVは限られた時間でより踏み込んだ提案力やマインドの部分をフィードバックすることができます。

このようにテキストの蓄積データは、VOC分析だけでなく、オペレーターの応対品質の自動モニタリングという先進事例を生み出しています。
今後は、印象分析のような音声から分析出来る分野にも期待しましょう。