チャネル別のZendeskディフレクション：セルフサービス成功を測定するための完全ガイド

顧客が自分で問題を解決できる場合、誰もが得をします。顧客はすぐに回答を得られます。サポートチームは、繰り返しの多いチケットの処理を減らすことができます。しかし、ここに落とし穴があります。すべてのセルフサービスチャネルが同じように機能するわけではありません。ヘルプセンターでは、送信されるチケット1件に対して40件のディフレクションが発生するかもしれませんが、メールチャネルでは5：1程度にしかなりません。

チャネル別のZendeskディフレクションを理解することは、単一の指標を追跡することだけではありません。セルフサービス戦略がどこで機能し、どこで不十分で、各チャネルを最適化して最大のインパクトを得る方法を知ることです。このガイドでは、Zendesk設定のすべてのチャネルでディフレクションを測定する方法、目指すべきベンチマーク、および数値を改善する方法を正確に説明します。

Zendeskのネイティブレポートを超えることを検討している場合は、eesel AIが提供するシミュレーションツールを使用すると、変更を顧客に展開する前に、過去のチケットデータを使用してディフレクションの改善をテストできます。

チャネル別のチケットディフレクションとは？

チケットディフレクションは、顧客がサポートに連絡する代わりに、自分で回答を見つけた場合に発生します。典型的な例を次に示します。顧客がヘルプセンターを検索し、適切な記事を見つけて、チケットを送信しません。

ただし、ディフレクションはチャネルによって異なって見えます。

• ヘルプセンターディフレクション：顧客が記事を読み、サポートに連絡せずに問題を解決します。
• チャットディフレクション：AIチャットボットが人間のエージェントが関与する前に質問に答えます。
• メールディフレクション：自動化された記事の推奨事項が、エージェントが応答する前に問題を解決します。
• ソーシャルディフレクション：顧客はソーシャルメディアのセルフサービスオプションを通じて回答を見つけます。

各チャネルには、異なるディフレクションの可能性があります。ヘルプセンターは、顧客が積極的に情報を探しているため、通常は最高のパフォーマンスを発揮します。メールディフレクションは、顧客がすでに連絡を取ることを決めているため、低くなる傾向があります。これらの違いを理解することは、最適化の取り組みにどこに投資するかを決定するため重要です。

私たちは、何千ものZendeskアカウントでこのパターンを見てきました。チャネル別にディフレクションを追跡するチームは、コンテンツ投資、AIロールアウト戦略、およびリソース配分についてより良い意思決定を行います。

Zendeskのディフレクション指標を理解する

Zendeskは、セルフサービスの有効性を測定するためのいくつかの方法を提供しています。主要な指標と、それらが実際に何を示しているかを詳しく見ていきましょう。

セルフサービススコア

これは、古典的なディフレクションの計算式です。ヘルプセンターの総ユーザーセッション数を、チケットを送信する総ユーザー数で割ります。4：1の比率は、サポートに連絡する人1人に対して、4人の顧客がセルフサービスを利用することを意味します。

Zendesk自身は、ピーク時に40：1のセルフサービススコアを達成しました。ほとんどの組織は、4：1から15：1の範囲に落ち着きます。計算には、Google Analyticsの統合とZendesk Exploreが必要です。

ディフレクション率

これは、顧客が最初に回答を見つけたために送信されなかった潜在的なチケットの割合を測定します。Zendeskは、チャネルに応じてこれを異なる方法で計算します。

• ヘルプセンター：設定された時間枠内で記事の閲覧後にチケットが送信されなかったことに基づきます。
• チャット：人間のハンドオフなしでAIエージェントまたはAnswer Botによって解決された会話に基づきます。
• メール：記事を含む自動返信で解決されたチケットに基づきます。

自動解決率

これは、従来のディフレクションとは異なります。AIエージェントが人間の介入なしにエンドツーエンドで処理する会話を追跡します。Zendesk AIエージェントは、サポートされているチャネルで80％以上の自動解決率を目指しています。

重要な違い：ディフレクションはチケットが存在する前に発生し、自動解決は会話内で発生します。どちらもエージェントのワークロードを削減しますが、異なる測定アプローチが必要です。

チャネル別のディフレクションの内訳

ヘルプセンターとナレッジベース

ヘルプセンターは通常、最もディフレクション率の高いチャネルです。そこにたどり着いた顧客は、すでに問題解決モードになっており、積極的に回答を探しています。

追跡する主要な指標：

• 総記事閲覧数とユニーク閲覧者数
• 検索からチケットへのコンバージョン（検索してからチケットを送信する顧客）
• 記事の投票とコメント
• セルフサービススコア

Zendesk Exploreのナレッジベースダッシュボードは、これらのほとんどを追跡します。アクセスするには、Guide ProfessionalまたはEnterpriseが必要です。ダッシュボードには、チャネル（ヘルプセンター、モバイルSDK、エージェントワークスペース）別のビュー、ユーザーロール別のビュー、および経時的なエンゲージメントトレンドが表示されます。

ヘルプセンターのディフレクションを最大化するためのベストプラクティス：

• 最初に最も閲覧されている上位20の記事を最適化します。
• 検索分析を使用して、コンテンツのギャップを特定します。
• 関連する記事に顧客を誘導する明確な行動喚起を追加します。
• 閲覧数が多く、満足度が低い記事を定期的に見直します。

チャットとメッセージング

リアルタイムチャネルは、異なるディフレクションの機会を提供します。顧客は即時の応答を期待しており、AIエージェントはここで特に効果的です。

Zendeskは、2つの主要なアプローチを提供します。

1. Answer Bot：会話のコンテキストに基づいて関連する記事を提案します。
2. AIエージェント：注文状況の確認や返品処理などのアクションを含む、完全な会話を自律的に処理します。

チャットディフレクション率は、実装の成熟度によって大きく異なります。新しいデプロイメントでは20〜30％のディフレクションが見られることが多く、適切にトレーニングされたAIエージェントを備えた成熟した実装では60〜80％に達する可能性があります。

チャネル固有の考慮事項も重要です。Webウィジェットの会話は、通常、ソーシャルメッセージングよりもディフレクション率が高くなります。これは、Webサイトの顧客が製品に関するコンテキストをより多く持っているためです。モバイルSDKのディフレクションは、ナレッジベースが小さな画面でどれだけ適切にレンダリングされるかに大きく依存します。

メール

メールディフレクションは、他のチャネルとは異なる方法で機能します。誰かがメールを送信するまでに、すでにサポートに連絡することを決めています。目標は、連絡を防ぐことから、エージェントの関与なしに迅速に解決することに移行します。

Zendeskの記事付き自動返信機能は、機械学習を使用して受信メールのテキストをスキャンし、関連するナレッジベースの記事で自動的に応答します。これにより、単純な問題をすぐに解決し、チケットになるはずだったものをディフレクションに変えることができます。

メールディフレクション率は、通常、他のチャネルよりも低く、10〜20％の範囲であることがよくあります。しかし、多くの組織でのメールサポートの量は、わずかな改善でもエージェントの時間を大幅に節約できることを意味します。

ソーシャルチャネルとサードパーティチャネル

WhatsApp、Facebook Messenger、Slack、およびその他のソーシャルチャネルは、独自のディフレクションの課題を提示します。顧客は、これらのプラットフォームを詳細な調査ではなく、迅速な会話型のインタラクションに使用します。

ここでの効果的なディフレクション戦略には、次のものがあります。

• 顧客を一般的な回答に誘導するクイックリプライメニュー
• 会話形式で応答できるナレッジベースでトレーニングされたAIエージェント
• 必要に応じて、人間のエージェントへのシームレスなハンドオフ

顧客は1つのチャネルで開始して別のチャネルに移動することが多いため、クロスチャネル追跡が重要になります。誰かがヘルプセンターを検索し、回答が見つからない場合はチャットを開き、チャットで問題が解決しない場合はメールにエスカレーションする可能性があります。

Zendesk Exploreでディフレクションレポートを設定する

チャネル固有のディフレクションを可視化するには、適切なダッシュボード構成が必要です。主要なレポートを設定する方法を次に示します。

ナレッジベースダッシュボード

Zendesk製品メニューの分析からこれにアクセスします。ダッシュボードには、総閲覧数、閲覧された記事、記事ごとの閲覧数などのヘッドライン指標が表示されます。

チャネルでフィルタリングして、ヘルプセンター、モバイルSDK、およびエージェントワークスペース全体でディフレクションがどのように異なるかを確認します。ユーザーロール別のビューレポートは、スタッフメンバー（検索パターンが異なる可能性がある）がデータを歪めているかどうかを示します。

検索ダッシュボード

これは、顧客が何を検索し、検索後に何が起こるかを示します。検索ボリュームが多く、チケット作成が続く場合は、コンテンツのギャップを示します。検索からチケットへのコンバージョン指標は、どの検索がサポートへの連絡につながるかを特定するのに役立ちます。

カスタムディフレクションレポート

チャネル固有の分析を行うには、カスタムレポートを作成する必要があります。含める主要な属性：

• チャネル：インタラクションが発生した場所
• チケットソース：チケットがどのように作成されたか（作成された場合）
• ディフレクションステータス：インタラクションがチケットなしで解決されたかどうか
• 解決までの時間：チャネル別のディフレクションにかかった時間

これらの指標を組み合わせた統合ダッシュボードを作成すると、すべてのチャネルでのディフレクションパフォーマンスの全体像を把握できます。

ベンチマークと優れたディフレクションの見た目

業界のベンチマークは、現実的な目標を設定するのに役立ちます。Zendeskを使用している組織全体で通常見られるものを次に示します。

これらの数値に影響を与えるいくつかの要因：

• 業界の複雑さ：技術製品は通常、単純な小売製品よりもディフレクションが低くなります。
• 顧客の属性：技術に精通した顧客は、より簡単にセルフサービスを利用します。
• コンテンツの品質：適切に整理された包括的なナレッジベースは、より高いディフレクションを促進します。
• AIの成熟度：トレーニングされたAIエージェントを使用している組織は、ルールベースのシステムを使用している組織よりも良い結果が得られます。

業界の平均ではなく、現在のベースラインに基づいてチャネル固有の目標を設定します。5：1のヘルプセンタースコアを10％改善すると5.5：1になり、15：1に直接ジャンプするよりも達成可能です。

チャネル別のディフレクション率の改善

ヘルプセンターの最適化

検索データから始めます。検索ダッシュボードは、顧客が探しているが見つけられないものを明らかにします。これらは、最優先のコンテンツギャップです。

コンテンツの最適化戦術：

• 顧客の検索語句に合わせて記事のタイトルを書き換えます。
• トラフィックの多いコンテンツに「関連する記事」リンクを追加します。
• スキャン可能性を高めるために、明確な見出しと箇条書きを使用します。
• 複雑なプロセスについては、スクリーンショットとビデオを含めます。

検索の改善も重要です。Zendeskの生成検索（Suiteプランで利用可能）は、キーワードを照合するだけでなく、AIを使用して顧客の意図を理解します。

チャットの最適化

インテントトレーニングが基礎です。AIエージェントが人間にエスカレーションした会話を確認します。パターンを探します。AIが理解に一貫して失敗する特定の質問タイプはありますか？これらをトレーニング例として追加します。

会話フローの最適化には、次のものが含まれます。

• AIが支援できない場合の明確なエスカレーションパス
• 人間のエージェントに転送する際のコンテキストの保持
• 顧客の行動に基づくプロアクティブな提案

メールの最適化

記事の推奨事項の調整には、継続的な注意が必要です。どの記事が最も頻繁に送信され、実際にチケットを解決するかを確認します。送信率が高く、解決率が低い記事は改善が必要です。

件名行の分析も役立ちます。Zendeskの機械学習はメールコンテンツをスキャンしますが、明確で具体的な件名行は推奨事項の精度を向上させます。

クロスチャネル戦略

必要に応じて、顧客をディフレクション率の高いチャネルに誘導します。たとえば、チャットウィジェットは、エージェントとの接続を提供する前に、関連するヘルプセンターの記事を提案する場合があります。

変更を本番環境にロールアウトする前に、テストします。eesel AIは、過去のチケットデータを使用してディフレクションの改善をシミュレートするのに役立ちます。これにより、変更をライブにする前に、予測される影響を確認できます。

チャネルディフレクションレポートの一般的な課題

アトリビューションの問題は、多くの組織を悩ませています。顧客がヘルプセンターを検索し、チャットを開き、チケットを送信した場合、ディフレクションの失敗についてどのチャネルがクレジット（または非難）を受けますか？

Zendeskのレポートは、チケット作成前に使用された最後のチャネルにインタラクションを帰属させます。これは、顧客が最終的にチャットを通じてサポートに連絡した場合、ヘルプセンターが数値に表示されない貴重な早期教育を行っている可能性があることを意味します。

真のディフレクションを放棄と区別することも、もう1つの課題です。顧客が10秒後にヘルプセンターを離れた場合、おそらく回答を見つけていません。ただし、チケットが送信されない場合、Zendeskはこれを成功したディフレクションとしてカウントする可能性があります。

時間遅延ディフレクションは、測定をさらに複雑にします。顧客は今日記事を読み、一晩考えて、明日サポートに連絡することなく問題を解決する可能性があります。ほとんどのレポートはこれを見逃しています。

よりクリーンなデータの回避策には、次のものがあります。

• 合理的な時間枠を設定する（たとえば、24時間以内にチケットが作成されない場合にのみディフレクションをカウントする）
• 顧客が実際に回答を見つけたかどうかを判断するために、記事の投票とフィードバックを使用する
• 未解決の問題の潜在的な指標として、同じユーザーからのリピート訪問を追跡する

Zendeskディフレクション戦略をさらに進める

Zendeskのネイティブレポートは堅固な基盤を提供しますが、高度なチームはより多くのものを必要とすることがよくあります。ここで、専門的な分析ツールが登場します。

eesel AIは、Zendeskチームが基本的なディフレクション指標を超えるのに役立ちます。当社のAIエージェントは、Zendeskインスタンスと直接統合し、変更を顧客に展開する前に、過去のデータを使用してディフレクションの改善をテストできるシミュレーション機能を提供します。

アプローチは簡単です。Zendeskアカウントを接続すると、過去のチケットとヘルプセンターの記事を分析して、チャネル別のディフレクションを改善するための具体的な機会を特定します。さまざまなAI構成、コンテンツの変更、およびルーティングルールをシミュレートして、ディフレクション率への予測される影響を確認できます。

セルフサービスの最適化に真剣に取り組むチームにとって、このシミュレーションファーストのアプローチはリスクを軽減します。新しいチャットボットフローが役立つかどうかを推測する代わりに、実際のチケット履歴に基づいたデータに基づいた予測が得られます。

チャネル別のZendeskディフレクションを改善する準備はできましたか？eesel AIがZendeskと連携してどのように機能するかを確認して、変更をライブにする前にセルフサービス戦略をテストおよび最適化してください。eesel AIを無料で試すか、デモを予約するして、実際に動作する様子をご覧ください。