Zendeskメッセージングの会話リストフィルターの使い方：完全ガイド

顧客との会話を効率的に管理するには、適切なチケットをすばやく見つけることから始まります。エスカレーションの追跡、担当者のワークロードの監視、品質保証のための過去のやり取りのレビューなど、会話フィルターは整理されたサポート業務のバックボーンです。

しかし、ここで多くのチームが混乱します。Zendeskは、担当者が日常的に使用するライブメッセージングインターフェイスと、完了した会話のレビューに使用される品質保証（QA）モジュールの2つの異なるコンテキストで会話フィルターを提供しています。これらのフィルターは異なる目的を果たしており、その違いを理解することで、ワークフローのニーズに実際に一致するビューを設定できます。

このガイドでは、両方のタイプのフィルターについて説明し、カスタムフィルターの構築と管理の方法を説明し、サポートチームが日常的に使用する実用的な組み合わせを検討します。また、Zendeskのネイティブフィルタリングにギャップがある場所と、eesel AIのような代替手段が会話の整理にどのように異なるアプローチをとるかについても見ていきます。

ZendeskメッセージングとQAの会話フィルターの違いを理解する

フィルターの種類に入る前に、Zendeskでフィルターが表示される2つの異なるコンテキストを明確にしておく価値があります。混乱するのは当然です。どちらも会話と呼ばれていますが、まったく異なる目的を果たします。

Zendeskメッセージングとは、顧客と担当者の間でリアルタイムで行われるライブの非同期会話を指します。これらは、チームが担当者ワークスペースを通じて積極的に処理しているやり取りです。顧客がWebウィジェット、WhatsApp、またはInstagram経由でメッセージを送信すると、ここに表示されます。

Zendesk QAは、完了した会話をレビューおよびスコアリングするための別のモジュールです。ここでは、マネージャーと品質コーチが担当者のパフォーマンスを評価し、コーチングの機会を特定し、キャリブレーションセッションを実行します。QA会話ビューは、ライブのやり取りではなく、過去のデータから取得されます。

なぜこれがフィルタリングにとって重要なのでしょうか？利用可能なフィルターの種類は、2つのコンテキスト間で大きく異なります。ライブメッセージングワークスペースでは、主にステータス、担当者、チャネル、およびワークロードを管理するための基本的なメタデータでフィルタリングします。QAでは、感情分析、エスカレーション検出、AutoQAカテゴリスコアなどのAI搭載のインサイトを含む、はるかに高度なフィルターにアクセスできます。

チームが手動フィルターの複雑さなしに会話のトリアージとルーティングを改善する方法を探している場合は、当社のAIトリアージ機能が、既存のヘルプデスク設定と連携する代替アプローチを提供します。

Zendeskのコアな会話フィルターカテゴリ

フィルターの構築を開始するときに実際に利用できるものを分解してみましょう。正確なオプションはプランによって異なりますが、ここで遭遇する主なカテゴリを次に示します。

日付ベースのフィルター

これらを使用すると、会話を期間で絞り込むことができます。ライブメッセージングビューでは、作成日、最終アクティビティ、または会話が解決された日時でフィルタリングできます。これは、停滞した会話を見つけたり、毎週のボリュームのパターンを特定したりするのに役立ちます。

QAでは、日付フィルタリングがより細かくなります。レビューされた日付でフィルタリングして、すでにスコアリングされた会話を見つけたり、フィードバックが残されたコメントの日付、さらにはCSATアンケートの日付でフィルタリングして、品質スコアと顧客満足度のタイミングを関連付けることができます。

ステータスと割り当てフィルター

ライブ会話管理の基本です。オープン、保留、解決済み、または保留中のステータスでフィルタリングします。これを担当者フィルターと組み合わせて、各担当者が処理している内容を正確に確認したり、ルーティングが必要な未割り当ての会話を特定したりします。

担当者フィルターは、包含ロジックと除外ロジックの両方をサポートしています。たとえば、Tier 2エスカレーションチームに割り当てられているものを除く、すべてのオープンな会話を表示するビューを作成できます。

チャネルとメタデータフィルター

メッセージングの会話をメール、音声、またはソーシャルチャネルから分離します。メッセージングのやり取りには異なる特性があるため、これは重要です。多くの場合、より短く、よりトランザクション的であり、メールチケットよりも異なる応答時間の期待が必要になる場合があります。

また、Zendeskインスタンスで構成した優先度レベル、タグ、およびカスタムフィールドでフィルタリングすることもできます。

カスタムフィルターの作成と管理方法

便利なフィルターの構築は、手順を知っていれば簡単です。Zendesk QAでフィルターを作成するプロセスを次に示します（ワークフローはライブメッセージングビューの場合と似ています）。

ステップ1：会話ビューにアクセスする

Zendesk管理サイドバーの[品質保証]に移動し、[会話]をクリックします。左側のサイドバーには、[公開]セクションと[非公開]セクションに分割された既存のフィルターが表示されます。

ステップ2：新しいフィルターを作成する

クリックして新しいフィルターを追加します。公開（すべてのQAレビュー担当者に表示）または非公開（自分のみ）を選択します。公開フィルターは、標準化されたレビュープロセスに最適です。非公開フィルターは、個人の生産性向上のためのショートカットとして機能します。

ステップ3：フィルター条件を設定する

利用可能なカテゴリからフィルター条件を選択します。複数の条件を重ねることができます。たとえば、過去7日間に作成され、プレミアムサポートグループに割り当てられ、ステータスが解決済みで、「refund_request」でタグ付けされた会話などです。

ステップ4：保存して整理する

フィルターに明確な名前を付けます。「プレミアム払い戻し - 過去7日間」のような名前は、他のレビュー担当者に何を見ているかを正確に伝えます。サイドバーでフィルターをドラッグして並べ替え、最も使用するビューを上部に配置できます。

既存のフィルターの管理

フィルターを編集するには、フィルターの横にあるオプションメニューをクリックし、[編集]を選択します。条件の変更、名前の変更、または表示設定の変更を行うことができます。[複製]オプションは、バリエーションを作成するのに便利です。既存のフィルターとほぼ同じフィルターが必要な場合は、最初から構築するのではなく、複製して条件を調整します。

構造化された設定プロセスに従うことで、カスタムフィルターが整理され、一貫した品質保証レビューのためにアクセスできるようになります。このアプローチは、チームが標準化されたレビュープロセスを維持しながら、非公開フィルターを通じて個人の生産性向上のためのショートカットを可能にするのに役立ちます。

一般的なワークフローの実用的なフィルターの組み合わせ

フィルターの真の力は、それらをインテリジェントに組み合わせることから生まれます。サポートチームが実際に整理するために使用する組み合わせを次に示します。

エスカレーションの監視

エスカレーショングループに割り当てられた優先度の高いオープンな会話のフィルターを作成し、最も長い待ち時間で並べ替えます。これにより、緊急の問題に迅速に対応できます。3回以上の返信がある会話の条件を追加して、解決せずに何度もやり取りされている会話をキャッチします。

担当者のワークロードのバランス調整

担当者別にグループ化されたすべてのオープンなメッセージングの会話を表示するビューを構築します。会話数と平均待ち時間列を含めます。マネージャーは、過負荷の担当者を一目で確認し、それに応じて作業を再分配できます。

SLA違反の防止

SLAしきい値に近づいているオープンな会話をフィルタリングします。ステータス（オープンまたは保留）、優先度（高または緊急）、および時間ベースの条件を組み合わせます。正確な時間枠はSLAポリシーによって異なりますが、違反する前にこれらをキャッチすることは、後で説明するよりも常に優れています。

チャネル固有のトリアージ

メッセージングキューをメールから分離します。メッセージングの会話は、多くの場合、より迅速な応答が期待されます。専用ビューを使用すると、メールチケットのノイズを混在させることなく、適切な緊急性でこれらを処理できます。

フォローアップキュー

顧客が24時間以上返信していない保留中の会話のフィルターを構築します。これらは、多くの場合、プロアクティブなチェックインが必要であるか、問題が解決した場合は閉じることができます。

Zendesk AIとスポットライトインサイトによる高度なフィルタリング

上位層のZendeskプランのチームは、基本的なメタデータを超えるAI搭載のフィルターにアクセスできます。これらは、特にQAコンテキストで役立ちます。

感情ベースのフィルタリング

ZendeskのAIは、会話で肯定的な感情と否定的な感情を検出できます。QAでは、否定的な感情を持つ会話をフィルタリングして、顧客が不快な経験をした品質レビューを優先することができます。これにより、基本的な指標では見逃される可能性のあるトレーニングの機会をキャッチできます。

AutoQAカテゴリフィルター

AutoQAシステムは、挨拶、理解、共感、提供されたソリューション、クロージングなどの事前定義されたカテゴリ全体で会話を自動的にスコアリングします。特定のカテゴリでしきい値を下回るスコアリングの会話をフィルタリングできます。「提供されたソリューション」のスコアが低いすべての会話を見つけることは、単に応答するだけでなく、実際に問題を解決するためのコーチングが必要な担当者を特定するのに役立ちます。

スポットライトインサイト

これらのAIが検出したパターンは、興味深い会話を自動的に表面化させます。

• 解約リスク：顧客が離脱またはキャンセルする意向を表明した会話
• エスカレーション：顧客がより高いレベルの支援を要求した会話
• 優れたサービス：異常に肯定的な顧客からのフィードバックがある会話
• 無音：問題のある沈黙のギャップがある会話
• SLA違反：サービスレベル契約に違反した会話

これらのフィルターは、手動フィルターを置き換えるのではなく、補完します。プレミアム顧客の手動フィルターを実行し、それらの結果内で、AIによって解約リスクがあるとフラグが立てられた会話を探すことができます。

制限事項と考慮事項

Zendeskのフィルタリングは強力ですが、制約がないわけではありません。これらを理解することで、現実的な期待を設定し、回避策が必要な場合を特定できます。

グループベースのフィルタリングのギャップ

コミュニティのフィードバックで表面化された一般的な不満：担当者のグループによるフィルタリングは制限されています。現在のシステムでは、個々のレビュー担当者を手動で選択する必要があります。「すべてのレビュー担当者」は存在しますが、すべてのメンバーを個別に確認せずに、特定のチームまたは部門でフィルタリングすることはできません。これにより、大規模またはクロスファンクショナルチームの作業が追加されます。

高度なニーズに対応するためのAPIの制限

一部のチームは、標準インターフェイスで公開されていないデータでフィルタリングする必要があります。APIは追加のアクセスを提供しますが、チャット完了ステータスやエンゲージメント割り当てデータなどの特定のフィールドでは、単純なフィルタリングではなく、回避策または増分APIエクスポートが必要です。

スケール時のパフォーマンス

会話量が非常に多い場合、複数の積み重ねられた条件を持つ複雑なフィルターは、インターフェイスを遅くする可能性があります。遅延が発生した場合は、フィルターを簡素化するか、個別の、より焦点を絞ったビューに分割することを検討してください。

フィルターが不十分な場合

フィルターは、すでにシステムにあるものを整理します。受信した会話を自動的に分類したり、チケットをインテリジェントにルーティングしたり、会話の内容に基づいて適応したりすることはありません。より多くの自動化を必要とするチームの場合、これが代替手段が登場する場所です。

高度な会話フィルタリングの代替手段

Zendeskのネイティブフィルタリングがワークフローにとって制限されていると感じる場合は、「手動フィルターの作成」から「インテリジェントな自動整理」にパラダイムをシフトするアプローチがあります。

eesel AIは、ツールを構成するのではなく、AIチームメイトを雇うように会話処理にアプローチします。静的なフィルターを構築する代わりに、過去のチケット、ヘルプセンター、およびドキュメントでeeselをトレーニングします。AIは、ビジネスコンテキスト、トーン、および一般的な問題パターンを学習し、会話のトリアージ、ルーティング、さらには応答のドラフト作成を自動的に処理します。

主な違いは、モーションと自動化です。Zendeskフィルターは、会話を検索するのに役立ちます。AI搭載の代替手段は、厳格なルールではなく、学習したパターンに基づいて、会話が到着すると行動し、タグ付け、ルーティング、およびエスカレーションを行います。

すでにZendeskを使用しているチームの場合、eesel AIは既存の設定と直接統合されます。ヘルプデスクを置き換えることはありません。反復的なトリアージとフィルタリング作業を処理するAIレイヤーを追加し、人間の担当者が共感と判断を必要とする複雑な問題に集中できるようにします。

価格も大きく異なります。Zendeskは担当者ごとに料金を請求し、高度なAI機能はアドオンとして提供されます。eesel AIは、インタラクションごとに料金を請求し、最大1,000回のAIインタラクションで月額239ドルから始まります。ボリュームの変動や季節的なパターンがあるチームの場合、このモデルは担当者席を追加するよりも予測可能になる可能性があります。

会話フィルターを最大限に活用する

ネイティブのZendeskフィルタリングを使用するか、AIの代替手段を検討するかに関係なく、いくつかのベストプラクティスが適用されます。

フィルターには、そのメカニズムではなく、その目的の名前を付けます。「ステータスオープンAND優先度高ANDグループエスカレーション」よりも「優先度の高いエスカレーション」の方が役立ちます。チームメイトは、条件を読まなくても、フィルターが何を示しているかを理解する必要があります。

**四半期ごとにレビューしてクリーンアップします。**フィルターは時間の経過とともに蓄積されます。6か月前に意味があったことが、現在は廃止されている可能性があります。誰も使用していないフィルターを削除して、サイドバーの乱雑さを軽減します。

**フィルターロジックについてチームをトレーニングします。**多くの担当者は、デフォルトのビューのみを使用します。カスタムフィルターの構築に関する15分間のトレーニングセッションは、多くの場合、生産性の向上につながります。

**影響を測定します。**フィルターされたビューが実際に応答時間の改善に役立つかどうかを追跡します。「緊急フォローアップ」フィルターが数時間待機している会話を特定する場合、問題はフィルターではありません。ワークフローです。

手動フィルタリングを完全に超える準備ができているチームの場合、eesel AIは異なるアプローチを提供します。会話量を管理するためにますます複雑なフィルターを構築する代わりに、ビジネスを学習し、ルーティング、タグ付け、および最初の応答を自動的に処理するAIチームメイトを招待します。AIは最高の担当者から学び、すべて