AIで古いヘルプセンターコンテンツを検出するステップバイステップガイド

貴社のサポートチームは素晴らしいです。難しい質問を巧みにこなし、不満を抱えた顧客をなだめ、製品を手のひらのように知り尽くしています。しかし、彼らが最前線で忙しくしている間、ヘルプセンターはほこりをかぶっているのではないでしょうか。古い記事、忘れ去られたチュートリアル、そしてもう存在しないUIのスクリーンショットで徐々に埋まっていくのを、誰もが目にしたことがあるはずです。

これは典型的な問題につながります。顧客は誤った情報に苛立ち、エージェントはそれを訂正するために時間を浪費し、導入しようとしたAIチャットボットは、結局同じ間違ったアドバイスを増幅させるだけになってしまいます。

まさに「ゴミを入れればゴミが出てくる」ということわざの通りです。陳腐化したナレッジベースは、質の低いセルフサービス体験を生むだけでなく、AIや自動化の取り組みを開始する前からつまずかせます。もちろん、手作業での監査で修正を試みることもできますが、それらは時間がかかり、コストも高く、顧客が実際に何に混乱しているのかを見逃しがちです。

幸いなことに、AIは単に質問に答える以上のことができます。ナレッジベースを常に最新の状態に保つためのパートナーになり得るのです。このガイドでは、AIを使って古いヘルプセンターのコンテンツを検出するための実践的なステップバイステップのプロセスを解説し、ドキュメントを頭痛の種から真の資産に変える方法をご紹介します。

必要なもの

このプロセスを開始するのは、皆さんが思うよりずっと簡単です。データサイエンティストのチームや6ヶ月にわたる導入計画は必要ありません。必要なものはほんの数点です：

• 既存のヘルプセンター：Zendesk GuideやIntercom Articlesなど、どこにあるものでも構いません。これがあなたの記事のコレクションです。

• サポートチケットの履歴：これが重要な要素です。過去の顧客との会話は宝の山であり、どのコンテンツが古いのか、紛らわしいのか、あるいは完全に欠けているのかを正確に示してくれます。

• 両方に接続できるAIプラットフォーム：ヘルプセンターの記事とサポートチケットの両方を見て、あなたが言っていることとチームがやっていることの違いを把握できるツールが必要です。eesel AIのようなツールはまさにこのために作られており、ZendeskやFreshdeskのようなヘルプデスクとの簡単な連携機能を使えば、数分で自分で設定できます。

AIによる古いヘルプセンターのコンテンツ検出のために、複数のデータソースに接続するeesel AIプラットフォームのスクリーンショット。

5つのステップガイド

これは、一夜にしてすべてを解決する魔法の箱を接続するような話ではありません。スマートで再現可能なプロセスを構築することが重要です。ここでは、始めるためのシンプルなフレームワークをご紹介します。

ステップ1：すべてのナレッジを接続する（公式なものだけでなく）

まず、AIに会社のナレッジの全体像を把握させる必要があります。公式のヘルプセンターから始めるのは当然ですが、正直なところ、すべての答えがそこにあるわけではありません。ほとんどの企業では、重要な情報が至る所に散在しています。何が時代遅れになっているのかを正確に把握するためには、それらすべてをAIに与える必要があります。

必ず含めるべきもの：

• ヘルプセンターの記事： これは公式の信頼できる情報源であり、他のすべてのベースラインとなります。

• 過去のサポートチケット： ここに真実があります。優秀なエージェントが実際にどのように問題を解決しているかを見ることができ、これは公式ガイドよりもはるかに役立つことが多いです。この情報源は絶対不可欠であり、最も見過ごされがちなものです。

• 社内Wiki： チームの集合知は、おそらくConfluenceやNotionのようなツールに存在します。これらを接続することで、エージェントが日常的に使用する技術的な詳細や社内プロセスを取り込むことができます。

• マクロと定型返信： これらは、効果が実証済みの、チームが持つ簡潔な解決策です。AIは間違いなくこれらから学習すべきです。

ここでの目的は、会社のために統一された一つの頭脳を作り出すことです。eesel AIのようなツールを使えば、数回のクリックでこれらの異なるソースをすべて接続できるため、このプロセスは非常に簡単です。

eesel AIがヘルプセンター、サポートチケット、Wikiなどのソースからナレッジを一元化し、AIによる古いヘルプセンターコンテンツの検出を行う方法を示したインフォグラフィック。

ステップ2：分析を実行してナレッジのギャップを見つける

すべてが接続されると、AIはギャップ分析という大変な作業を開始できます。新しいサポートチケットで顧客が尋ねている質問をスキャンし、既存のコンテンツと比較します。

AIが主に探しているのは次の2つです：

1. 回答のないよくある質問： AIは、対応するヘルプ記事がないチケットのテーマを素早く見つけ出します。例えば、先週十数人の顧客が新しいツールとの連携方法について質問したのに、その記事がなければ、それはギャップです。

2. 役に立っていない記事： 期待される役割を果たしていない記事にもフラグを立てます。例えば、エージェントが「パスワードをリセットする方法」の記事へのリンクを顧客に頻繁に送っていても、その顧客がさらなる助けを必要としている場合、その記事は機能していません。AIはそのパターンを認識し、そのコンテンツを効果がないものとしてフラグを立てます。

これは、生データに溺れさせるためのものではありません。eesel AIにあるような優れた分析ダッシュボードは、これらのギャップを視覚的に表示し、明確なToDoリストを提供します。どの新しい記事を書くべきか、あるいはどの古い記事を修正すればチケット量に最大の影響を与えられるかが正確にわかります。

eesel AIのダッシュボードに表示されたナレッジギャップに関するレポート。これはAIによる古いヘルプセンターコンテンツの検出に不可欠です。

ステップ3：実際の会話を使って問題を特定する

ここからが本当に面白い部分です。欠けているものを見つける段階から、単に間違っているものを見つける段階へと移行します。ここで、サポートチケットの履歴でAIをトレーニングした成果が本当に発揮されます。

想像してみてください。ヘルプセンターに機能の設定方法を説明する記事がありますが、使われているスクリーンショットはアプリの古いバージョンのものです。サポートエージェントはそれを知っているので、顧客から質問があると、「ああ、その記事は少し古いですね。そちらは無視して、新しいインターフェースでの実際のやり方はこちらです…」といった返信をします。

基本的なAIはこれに決して気づきません。ただ古い記事を人々に示し続けるだけです。しかし、人間のエージェントから学習するAIは、その違いを見抜きます。チームが公式ドキュメントと矛盾する回答を一貫して提供していることを検出し、その記事を古いものとしてフラグを立てるのです。このようにして、積極的に混乱を生み出し、チームの時間を浪費しているコンテンツを発掘します。

チームが実際にどのように問題を解決しているかから学習するこの能力は、非常に重要です。多くのツールはドキュメントをスキャンすることしかできませんが、eesel AIは優秀なエージェントが提供する現実世界の解決策から学習し、ドキュメントが製品に追いついていない、そうした微妙で重要な瞬間を見つけ出すことができます。

AIが過去のサポートチケットを分析し、人間のエージェントがどのように問題を解決するかを学習することで、AIによる古いヘルプセンターコンテンツの検出を支援します。

ステップ4：解決済みのチケットから更新された記事を生成する

問題を見つけることと、それを解決することは別問題です。多くのチームはここで立ち往生し、コンテンツ作成に常に追われ続けます。ここもAIが大きな力を発揮できる分野です。

ナレッジのギャップや古い記事にフラグが立てられると、AIはそのトピックに関する成功した、人間主導の会話をすべてふるいにかけます。トップエージェントがどのように解決策を説明したか、どのような言葉を使ったか、どのような手順を示したかを確認します。

そこから、ブランドのトーンに合わせた記事の下書きを自動生成し、正しく実証済みの解決策を提示できます。これにより、ナレッジマネージャーやコンテンツチームの仕事は、白紙の状態から書くことから、単にレビュー、推敲、公開することへと変わります。

これがeesel AI内の「ナレッジベース自動生成」機能の役割です。問題を見つけるだけでなく、解決策も作り出すことでサイクルを完結させ、ヘルプセンターが効果のあるコンテンツで常に改善され続けるようにします。

ステップ5：更新されたナレッジベースをシミュレーションしてテストする

新規または更新された記事を公開する前に、それが機能することを確信したいものです。以前は、公開してうまくいくことを祈り、そのトピックに関するチケット量が減るかどうかを何週間も待つしかありませんでした。

今日では、シミュレーション環境を使用して、自社の過去のデータに対して変更をテストできます。AIは、あるトピックに関する何千もの過去のチケットを処理し、新しい情報でどのように応答したかをシミュレートします。AIが提供したであろう正確な回答を確認し、人間を必要とせずにどれだけのチケットが解決されたかの確かな予測を得ることができます。

これがeesel AIのシミュレーションモードの全体像です。これは、コンテンツの更新をリスクなしで確認し、自動化計画への自信を築き、顧客が変更を目にする前に正確なROI予測を得るための方法です。これは以前では不可能だったレベルのテストです。

eesel AIのシミュレーションモードでは、更新されたナレッジベースの記事を公開前に過去のデータと照らし合わせてテストできます。

避けるべきよくある間違い

これを始めるとき、いくつかのよくある罠に陥りがちです。注意すべき点は以下の通りです：

• ページビューだけを追わないこと。 トラフィックが多いからといって、その記事が役立つとは限りません。単にGoogleでのランキングが高いだけかもしれません。もしそのトラフィックの多いページが紛らわしいものであれば、実際にはより多くのチケットを生み出している可能性があります。常に単純なビュー数ではなく、解決データに注目してください。

• 「非構造化」ナレッジを無視しないこと。 最新の回答は、Slackのスレッド、社内のGoogleドキュメント、古いチケットの返信の中に存在することがよくあります。これらのソースを含めなければ、AIは不完全で、場合によっては時代遅れの会社のナレッジ像から学習することになります。

• 学習できないAIを使わないこと。 多くの基本的なAIツールは、高度な検索エンジンにすぎません。ドキュメントに書かれていることを繰り返すことしかできません。ドキュメントが間違っていれば、AIは永遠に間違ったままです。物事がおかしいときにそれを察知し、時間とともに自己改善できる、人間のエージェントから学習できるツールが必要です。

• 人間によるチェックを忘れないこと。 AIは素晴らしいアシスタントですが、最終決定権を持つべきではありません。下書きの生成には優れていますが、最終的なコピーを作成するわけではありません。公開前に必ず人がAI生成コンテンツのトーン、正確さ、明確さをレビューするようにしてください。

ナレッジベースは優れたサポートの基盤です

手入れの行き届いたナレッジベースは、もはや「あれば良いもの」ではありません。それは、顧客にとって役立つセルフサービス、エージェントにとって効率的なツールキット、そしてあなたが構築したいあらゆる自動化の頭脳として、サポートの世界における他のすべてを動かすエンジンです。

受動的で手作業によるコンテンツ監査という、終わりのない作業から抜け出す時が来ました。プロアクティブでAI主導のアプローチを取ることで、自社の顧客との会話を活用し、本当に人々の助けとなるナレッジベースを構築できます。

このプロセスは大きなプロジェクトのように聞こえるかもしれませんが、現代のツールはそれをかつてないほど簡単にしています。eesel AIはセルフサービスで使えるように設計されており、ソースを接続し、実際の会話でAIをトレーニングし、そのパフォーマンスを数ヶ月ではなく数分でシミュレーションできます。今日からよりスマートなナレッジベースの構築を始め、それがサポート業務全体にもたらす違いを実感してください。