AdaデータエクスポートAPIの実践ガイド：制限と代替案

カスタマーサポートを改善したいなら、まず会話データに深く踏み込むのが最善の方法の一つです。それらのチャットに埋もれたインサイトは、より賢く働き、顧客がどこでつまずいているかを突き止め、最終的には顧客をより幸せにするのに役立ちます。Adaを含むほとんどのプラットフォームは、この情報をシステムから引き出すためのデータエクスポートAPIを提供しています。

しかし、問題はここからです。大量の生データを入手することは第一歩に過ぎません。本当に大変な作業は、そのすべてをどうやって意味のあるものにするかです。

このガイドでは、AdaのデータエクスポートAPIについて、要点を絞って解説します。それが何であるか、どのように使えるか、そしてもっと重要なこととして、始める前に知っておくべき重大な制約について説明します。また、データパイプラインをゼロから構築する手間をかけずに必要なインサイトを得るための、異なるアプローチも見ていきます。

AdaデータエクスポートAPIとは？

AdaデータエクスポートAPIは、基本的には、技術チームがAdaチャットボットから会話とメッセージのデータをプログラムで引き出すことを可能にするツールです。Adaから自社のデータベースや分析ツールにチャットログをストリーミングできるデジタルなパイプのようなものだと考えてください。

Adaのチャットボットビルダーの画面。AdaデータエクスポートAPIで利用できるデータのソースです。

Ada自身のドキュメントによると、チームは主に3つの理由でこれを使用しています：

• ビジネスインテリジェンス: TableauやPower BIのようなツールにデータを取り込み、サポートのトレンドを追跡するカスタムレポートやダッシュボードを構築できます。

• コンプライアンス: 規制の厳しい業界の企業にとって、データ保持規則を満たすためにすべての顧客チャットの内部アーカイブを作成する方法となります。

• 顧客からの要求: GDPRのようなプライバシー法の下で一般的な要件である、特定のユーザーが自身のデータを要求した場合に、その会話履歴を引き出すことができます。

技術的な面では、データをJSON形式で提供する標準的なREST APIです。主に2つの部分（エンドポイント）があり、一つは「会話」全体を取得するためのもの、もう一つはその中の個々の「メッセージ」を引き出すためのものです。一つ注意点として、APIへのアクセスが常に保証されているわけではありません。Adaの契約プランを確認する必要があるかもしれません。有料アドオンの場合もあります。

AdaデータエクスポートAPIの始め方

アクセス権があると仮定すれば、始めるのは非常に簡単です。APIキーを生成し、最初のリクエストを行うだけです。しかし、すぐにわかるように、厄介なのはセットアップではなく、後々深刻な問題を引き起こす可能性のある制約です。

AdaデータエクスポートAPIキーの生成

まず最初に、データを要求する権限があることをAdaに証明するためのAPIキーが必要です。キーを作成できるのはアカウント管理者のみです。

1. Adaのダッシュボードにログインし、Settings > Integrations > APIsに移動します。

2. New API keyをクリックします。一度も作成したことがない場合、このボタンは「Get started」と表示されているかもしれません。

3. 後で認識できるような名前をキーに付けます。例えば、「Data-Warehouse-Export-Key」のような名前です。

4. Generate keyをクリックします。Adaはキーを一度しか表示しないので、すぐにコピーして、チームのパスワードマネージャーのような安全な場所に保管してください。

リクエストを行う際には、このキーをヘッダーに「Authorization: Bearer 」という形式で含めます。

AdaデータエクスポートAPIの主要な制約と制限事項を理解する

さて、ここからが重要な話です。APIはデータにアクセスする方法を提供してくれますが、タイムリーで有用な分析を非常に困難にする大きな制約がいくつかあります。このプロジェクトにエンジニアを割り当てる前に、何に手を出そうとしているのかを知る必要があります。

データは常に24〜48時間古い

新しい会話データは、APIに表示されるまでに丸1日か2日かかります。これは、今現在起こっていることを見ているわけではないことを意味します。新しいバグが突然サポートチケットの洪水を引き起こした場合でも、データエクスポートには最大48時間、その兆候は現れません。その頃には、すでに損害は発生しています。リアルタイムのモニタリングは全く不可能です。

レート制限があなたの足を引っ張る

APIは、各エンドポイントで1秒あたりわずか3リクエストに制限されています。これだけあれば十分だと思うかもしれませんが、会話量が多い場合、すべてをエクスポートしようとすると非常に遅くなります。開発者は、ブロックされるのを避けるためにリクエストの間に慎重に一時停止を挟む複雑なスクリプトを構築する必要があり、単純なエクスポートが長く、手間のかかるプロセスに変わってしまいます。

一度にクエリできるのは60日間の期間のみ

1回のクエリで60日以上の期間をカバーすることはできません。過去1年間のトレンドを見たいですか？最低でも6回は別々のリクエストを行い、その後、それらすべてのデータを自分でつなぎ合わせる方法を見つけなければなりません。これは、複雑さとエラーの可能性を高めるもう一つの手動ステップです。

アクセスできるのは過去12ヶ月間のデータのみ

APIは1年以上前のデータを提供しません。これにより、長期的な前年比分析が不可能になります。詳細な戦略計画を立てようとしたり、複数年にわたるコンプライアンス監査に対応しようとしたりする場合、お手上げです。

1リクエストあたり10,000レコードに制限

各APIコール、つまり「ページ」は、最大10,000レコードしか返すことができません。履歴に何百万もの会話がある場合、完全なデータセットを取得するためだけに、何百、場合によっては何千もの個別のリクエストを管理することになります。

これらは単なる些細な技術的ハードルではありません。これらは、あなたができることを根本的に制限します。データの遅延だけでも、問題が発生してからずっと後になって対応するという、常に後手に回ることを意味します。

課題：生のデータダンプを真のインサイトに変える

APIから巨大なJSONファイルを取得することは一つのことです。実際にそれが何か有用なことを教えてくれるようにするのは、まったく別の話です。データのエクスポートは、長く、そしてしばしば高価な旅の第一歩に過ぎません。

実際の現場では、そのプロセスは通常次のようになります：

1. スクリプトの作成と保守： チームのエンジニアが、APIキーを処理し、コールを行い、先ほど話したすべてのページネーションとレート制限を慎重に管理するコードを書かなければなりません。これは一度きりのタスクではありません。AdaがAPIを変更するたびに、スクリプトは更新され、保守される必要があります。

2. ETLプロセスの構築： 次に、その生のJSONデータをExtract（抽出し）、Transform（データベースのテーブルのような整理された構造化形式に変換し）、そしてSnowflakeやBigQueryのようなデータウェアハウスにLoad（読み込む）必要があります。これは専門的なスキルセットです。

3. データのクリーンアップとモデリング： 生データはほとんど常に乱雑です。その後、データアナリストが時間をかけてそれをクリーンアップし、分析に使用できるようにデータモデルを構築する必要があります。

4. 最後に、分析と視覚化： これらすべてが終わってから、BIツールをウェアハウスに接続し、最初から欲しかったダッシュボードの構築を始めることができます。

そして、これだけの努力をしても、本当に必要なものがデータに欠けていることに気づくかもしれません。例えば、Fivetranのコミュニティフォーラムのあるユーザーは、「自動解決分類」のような重要な情報がAdaのデータエクスポートに含まれていなかったと不満を述べています。これは、チャットのトランスクリプトは得られても、ボットが実際に顧客の問題を解決したかどうかのコンテキストが得られないことを意味します。

そこで、疑問が湧きます。もし、このすべてをスキップできたらどうでしょうか？

より良いアプローチ：遅延データから即時アクションへ

不格好なデータパイプラインを立ち上げるのに数週間から数ヶ月を費やす代わりに、必要な分析と予測をワークフローに直接組み込むプラットフォームを使用できます。eesel AIのようなツールは、ZendeskやFreshdeskなどのヘルプデスクやナレッジソースに直接接続します。数ヶ月ではなく、数分で必要なインサイトを提供します。

実用的なレポートで即座にインサイトを得る

AdaデータエクスポートAPIでは最大48時間待たされるのに対し、eesel AIの分析ダッシュボードはサポート業務のライブビューを提供します。自動化率やエージェントアシストのパフォーマンスなどを追跡し、トレンドが発生したその瞬間に見つけることができます。

しかし、それだけではありません。eesel AIは単にグラフを提示するだけではありません。AIが答えを見つけられなかった会話を自動的に分析し、ナレッジベースのギャップを特定します。これにより、顧客が実際に何について尋ねているかに基づいて、作成すべきヘルプ記事の明確で優先順位付けされたリストが得られます。どのコンテンツを作成すべきか推測するのをやめ、チケット数を減らすことがわかっている記事を書き始めることができます。

強力なシミュレーションでパフォーマンスを予測

過去のデータを見ることは役立ちますが、将来のパフォーマンスを正確に予測できることは大きな利点です。eesel AIのシミュレーションモードでは、完全に安全な環境で、何千もの実際の過去のチケットに対してAIエージェントをテストできます。

AIが実際の顧客と話す前に、過去の問題をどのように処理したかを正確に見ることができます。これにより、期待される解決率と潜在的なコスト削減に関するデータに基づいた予測が得られます。これは、自信をつけ、AIの応答を微調整し、データ分析の受動的なプロセスを、より良くするための積極的な戦略に変えるリスクのない方法です。

エクスポートをやめて、改善を始めよう

AdaデータエクスポートAPIは、生の会話ログだけが必要な場合には機能的なツールです。しかし、データの遅延やレート制限といった大きな制約と、データを有用なものにするために必要な膨大なエンジニアリング作業を合わせると、答えを得るまでの道のりは遅く、コストがかかるものになります。

eesel AIのような最新のAIプラットフォームは、はるかに賢い道を提供します。分析とシミュレーションをサポートワークフローに直接組み込むことで、手作業のデータ処理ではなく、継続的な改善に集中できます。すべてのオーバーヘッドなしに、必要なインサイトを即座に得ることができます。

エンジニアリングの手間をかけずにサポートデータから答えを得る準備はできましたか？ eesel AIを無料で試して、数分でサポート業務の改善を始める方法をご覧ください。