サポートにおけるAIによる対応回避と人による対応回避の測定方法：ステップバイステップガイド

さて、あなたはAIサポートエージェントを導入しました。ダッシュボードには、非常に高い「デフレクション率」が誇らしげに表示されています。しかし、サポートチームに目を向けると…相変わらず忙しそうです。心当たりはありませんか？これは、間違った指標を追跡している際によくある不満です。

問題は、ほとんどのプラットフォームがデフレクション、つまり作成される前に止められたチケットの数に固執させようとすることです。この指標だけでは全体像はわかりません。答えを見つけた顧客と、単に諦めて去ってしまった顧客を区別できないのです。

真の目標は単なるデフレクションではなく、解決です。あなたのAIが実際に問題を解決しているのか、そしてそれがチームが作成した従来のヘルプセンター記事と比べてどうなのかを知る必要があります。

このガイドでは、AIと人によるサポートチャネルが本当にどれだけ機能しているかを正確に測定・比較するための簡単なプロセスを解説します。これにより、単なる見栄えの良い指標を眺めるのではなく、自動化への取り組みがもたらす真のリターンをようやく確認できるようになります。

はじめに準備するもの

本題に入る前に、いくつか準備しておきましょう。これらを手元に用意しておくと、すべてがずっとスムーズに進みます。

• ヘルプデスクの分析ツールへのアクセス。Zendesk、Freshdesk、Intercomのようなツールがこれにあたります。

• AIサポートプラットフォームの分析ダッシュボード。

• ナレッジベースのトラフィックを監視するための、Google Analyticsのようなウェブサイト分析ツール。

• 既存のチケットタグとカテゴリに関する基本的な知識。

正直なところ、これらすべての異なる場所からのデータをやりくりするのは面倒です。統合されたAIプラットフォームがあれば、これがずっと簡単になります。たとえば、eesel AIはヘルプデスクやナレッジソースに直接接続し、実際に何が解決されているのか、どこにナレッジのギャップがあるのかを明確に示す単一のダッシュボードを提供します。これにより、レポートをまとめるのに費やしていた多くの時間を節約できます。

AIと人のデフレクション率を比較する方法

それでは、サポートのパフォーマンスを正しく把握する方法を見ていきましょう。

ステップ1：目標を顧客の「解決」に切り替える

あなたが行うべき最大の変更は、考え方を変えることです。主な目標はチケットを*逸らす（deflect）ことではなく、顧客の問題を解決する（resolve）*ことです。逸らされたチケットは、勝利（答えを見つけた満足した顧客）にも敗北（不満を抱いて離脱したユーザー）にもなり得ます。デフレクションの数値だけを見ていては、どちらなのかを知る術はありません。

• 真のデフレクション（解決）： これが目指すべきものです。顧客はエージェントと話すことなく、セルフサービスチャネルを通じて問題を解決します。

• 偽のデフレクション（放棄）： これは静かなるキラーです。顧客はセルフサービスを試み、行き詰まり、チケットを作成せずに去ってしまいます。デフレクションの統計上は成功に見えますが、顧客体験としては失敗です。

解決率に焦点を当てることで、成功の全体像がより明確になります。それは、真に重要な唯一の問いに答えるものです。「私たちは顧客の問題を解決できたか？」

多くのAIツールは高いデフレクション率を自慢しますが、実際の解決について尋ねると不審なほど静かになります。ここでこそ、批判的な視点を持つ必要があります。それらの数値を額面通りに受け取る代わりに、eesel AIのようなプラットフォームはシミュレーションモードを提供します。これにより、過去の何千ものチケットでAIをテストし、本番稼働前に実際の解決率とコスト削減を鋭く予測できます。もう推測は不要です。

eesel AIのシミュレーションモードの画面。導入前に解決率を予測することで、サポートにおけるAIデフレクションと人的デフレクションの比較測定を支援します。

ステップ2：人が提供するセルフサービスのベースラインを把握する

AIのパフォーマンスを評価する前に、現在使用している、人が作成したリソースがどの程度機能しているかを知る必要があります。これには、ナレッジベース、FAQ、コミュニティフォーラムなどが含まれます。

測定方法は以下の通りです：

1. ナレッジベースのトラフィックを確認する： Google Analyticsのようなツールを使って、どのヘルプ記事が最も人気があるかを確認します。パスワードリセットに関する記事が月に何千回も閲覧されているなら、それが多くの簡単なチケットを単独で解決していると確信できるでしょう。

2. 記事読了後のフィードバックを求める： こういったものはどこでも見かけますね。各コンテンツの最後に簡単な「この記事は役に立ちましたか？（はい/いいえ）」という投票を設置するだけで、多くのことがわかります。完璧な科学ではありませんが、「はい」の投票率が高ければ、コンテンツが的を射ている強力な証拠です。

3. セルフサービススコアを計算する： ベンチマークを素早く得る方法として、ヘルプセンターへのユニークビジター総数を、同期間に作成されたチケット総数で割る方法があります。

   • 「セルフサービススコア = (ヘルプセンターの総ユーザー数) / (送信された総チケット数)」

   • 例えば4:1のような高いスコアは、作成されたチケット1件あたり、他の4人が自分で答えを見つけている可能性を示唆します。これにより、AIのパフォーマンスと比較するための確かな数値が得られます。

ステップ3：AIの真の解決率を測定する

次に、AIエージェントのパフォーマンスを掘り下げていきましょう。曖昧な統計では役に立ちません。AIプラットフォームの分析で、特定のデータポイントに注目する必要があります。

追跡すべき主要な項目は以下の通りです：

1. AIが処理した会話数： AIエージェントが参加したユニークなチャットの総数。

2. 成功した解決数： AIが人間に引き継ぐことなく完全に解決した会話の数。これを追跡する最善の方法は、会話の最後に「これで問題は解決しましたか？」といったプロンプトでユーザーから直接確認することです。

3. エージェントへのエスカレーション数： AIが行き詰まり、人間に会話を引き継がなければならなかった回数。

これらの数値を使えば、AI解決率を計算できます：

• 「AI解決率 = (AIによる成功した解決数 / AIが処理した総会話数) * 100」

高い解決率（50%を超えれば素晴らしい）は、あなたのAIが不満を抱いたユーザーを追い払っているだけでなく、真の価値を提供している明確なシグナルです。

ここで、適切なツールを持つことが大きな違いを生みます。長い営業電話やオンボーディングにあなたを縛り付ける多くのプラットフォームは、そのパフォーマンスを複雑で分かりにくいレポートの裏に隠しがちです。対照的に、eesel AIは明確さを重視して作られています。数分でセットアップでき、重要なこと、つまり空虚なデフレクションではなく解決に焦点を当てたレポートにすぐにアクセスできます。

ステップ4：パフォーマンスを比較し、機会を見出す

人が作成したコンテンツとAIのパフォーマンスの両方に関する明確なデータが得られたら、サポート戦略全体を改善するための賢明な意思決定を開始できます。

いくつかの主要な質問に答えるための簡単なレポートをまとめましょう：

• AIがナレッジベースよりも上手く解決できるトピックは何か、またその逆は？これにより、最大の成果を得るためにAIをどこに向けるべきかを判断できます。

• AIが人間にエスカレーションしなければならない主な理由は何か？これは純金のような情報です。エスカレーションは失敗ではなく、学習の機会です。ナレッジベースにどこにギャップがあるかを正確に示してくれます。

この情報を使って、強力な改善ループを作成できます：

1. AIは答えを持っていないため、質問をエスカレーションする。

2. レポートがこれをナレッジギャップとしてフラグ付けする。

3. そのトピックをカバーするために、新しいヘルプ記事を作成するか、古い記事を更新する。

4. 次にその質問が出たとき、AIは新しい記事を使って自動的に解決できる。

最高のAIツールは、これを支援するために作られています。たとえば、eesel AIはすべての会話を自動的に分析して傾向を特定し、ダッシュボード上で特定のナレッジギャップを直接指摘します。これは基本的に、AIとヘルプセンターの両方をより賢くするためのToDoリストをあなたに手渡してくれるようなものです。

eesel AIのダッシュボード画面。ナレッジギャップを特定し、解決率を追跡することで、サポートにおけるAIデフレクションと人的デフレクションを比較測定する方法を示しています。

避けるべきよくある間違い

作業を進めるにあたり、これらのよくある落とし穴を避けるようにしてください。

• 間違い1：すべてのセルフサービスをひとまとめにする。 顧客がAIによるガイド付きワークフローで複雑な請求問題を解決することと、FAQページで営業時間を見つけることとでは、価値が全く異なります。データをセグメント化して、真のインパクトを確認しましょう。

• 間違い2：「お問い合わせ」ボタンを隠す。 人間への連絡を困難にすることは、人々を怒らせ、先ほど話した「偽のデフレクション」につながるだけです。常に顧客が人と話すための簡単で明確な方法を提供しましょう。それが信頼を築きます。

• 間違い3：顧客満足度（CSAT）を忘れる。 自動化による解決の後には、必ずフィードバックを求めましょう。高い解決率と低いCSATスコアが組み合わさっている場合、何かがおかしいという大きな危険信号です。

本当に重要なことを測定する

「チケットデフレクション」のような見栄えの良い指標から焦点を移すことが、機能するサポート自動化戦略を構築するための最初の真のステップです。解決率に集中し、AIと人が提供するヘルプセンターのパフォーマンスを明確に分けることで、何が機能していて、何に改善が必要なのかをようやく見極めることができます。

このデータ駆動型のアプローチにより、顧客体験を継続的に向上させ、エージェントをより複雑な業務に専念させ、AI投資の真の最終的な価値を証明することができます。

サポートの自動化をコントロールする

曖昧な指標やブラックボックスのように感じるAIプラットフォームにうんざりしていませんか？eesel AIは、重要なことを測定するためのツールを提供します。強力なシミュレーションモード、明確な解決レポート、数分で立ち上げ可能なセルフサービス設定により、自動化の真のインパクトをようやく確認できます。

eesel AIを無料で試すか、簡単なデモを予約して、今日からより多くのチケットを解決する方法をご覧ください。