お客様導入イメージ

食料品製造会社 様

コールセンターで収集したお客様の声を30分毎に分析し、特定文言と商品の組み合わせで閾値を超えたものを自動アラートする(大量回収抑止)。また通常のテキストマイニング分析を行い、商品の改善を行う。

課題
  • ・「食の安全」を確保することは食品製造業としては経営の最も重要な課題の一つであるが、コールセンターに集まる大量の「お客様の声」から、リコールによる大量の商品回収など、経営そのものに影響を及ぼし兼ねないリスクを早期に漏れなく把握することが困難だった。
  • ・経営層に、発生リスクへの対応策を判断する情報が適切なタイミングで伝わりにくかった。
解決策
  • ・「お客様の声」をWEXが自動的に品詞単位に分割、分類を行い、通常では発生しにくい品詞の組み合わせ(例:「乳製品」×「苦い」等)を瞬時に抽出する。
  • ・特定キーワードと商品名の組み合わせパターンを表記の揺れや同義語も考慮したうえで、WEXが自動抽出する。
  • ・自動抽出した、リスクにつながり兼ねないキーワード組み合わせの受付件数が一定の閾(しきい)値を超えた場合は、リスク判定担当の経営層にリアルタイムにメールを自動送付する。
効果
  • ・大量の「お客様の声」を全件、一定期間で網羅的に把握し、正確なリスク判定ができるようになった。
  • ・これまでは、担当者の経験値で判定していた「表記の揺れ」や「同義語、類義語」を共通のルールで網羅的に把握できるようになり、リスクの可能性の漏れを最小化することができた。
  • ・閾値設定によるアラートメールがリアルタイムで発行されることで、大量回収につながり兼ねないリスクを早期に把握し、対策することで利益や信頼の損失を未然に防げるようになった。
文意まで理解して通常では起こり得ない事象を、早期に検知
大規模リコールを未然に防止、食の安全に貢献
事例に関するお問い合わせはこちら

某製造業 様

国内、海外特許を分析し、自社製品、他社製品のポジショニングと自社の将来の方向性を掴む。最新の学術文献を分析し共有することにより最新の技術動向をキャッチアップする。

課題
  • ・新製品の研究~試作~開発には莫大な投資が必要となるが、新商品開発が進行した後に、同様の既得特許が発覚がすると、大きな投資ロスになってしまう。
  • ・既得の類似特許を探索し、重複リスクの存在を事前チェックしようにも、膨大な特許文書を相手に人手やDB検索での探索では、多大な時間を要し、しかも、「見逃し」が多く発生してしまう。
  • ・特許文書は日本語だけでなく、多国語で全世界に存在するため、多国語に堪能で、技術力の高い社員が必要であるが、要員確保がままならない。
解決策
  • ・Watson Knolwledge Studioを用いた分析準備を行うことで、WEXが機械学習をし、自社商品/技術用語の言語集(コーパス)を作成する。
  • ・この機械学習されたコーパスとWEXの分析/探索機能により、熟練した技術者同様の精度の高い特許検索が実現できる。
  • ・機械検索エンジン(WEX)を用いた特許検索により、大量の特許検索を実現する。
効果
  • ・自社の技術に精通した熟練技術者と同等の精度検索が可能となり、慢性的な高度技術者不足による、リスクを回避できた。
  • ・人手では到底実現できない全量の特許検索を短時間で実現し、「見逃しリスク」が低減すると共に、検索結果の早期把握サイクルが機能し、開発スピードが向上した。
  • ・グローバル化が急速に加速する製造業では、特許の多言語化対応が必須であったが、WEXの多国語検索でグローバル視点での商品開発力が向上した。
人の目では到底読みきれない文章量を漏れなくサーチし、
全体傾向を押さえた意思決定が可能に
事例に関するお問い合わせはこちら

移動体通信網会社 様

コールセンター、全国ショップに集められたお客様から苦情、故障情報を分析し、商品の改善、マニュアルの改善、Webサイトの改善、大量回収事故の早期発見を行う。

課題
  • ・携帯電話の技術革新の目まぐるしいスピードは留まることなく進行していくが、このスピードに即したお客様からの故障問合せ(コールセンター)対応がなかなかできない。
  • ・高度な問合せ内容が増加しているが、対応できる高スキルのオペレータの数が不足して、十分なお客様対応ができていない。
  • ・対応品質の劣化で顧客離反(他社乗り換え)のリスクが高まってしまう可能性が高まっている。
  • ・コールセンターでのお客様との接点で把握できた故障内容データは貴重な情報であるが、非常に大量のデータであり、有効的に活用ができていない。
解決策
  • ・お客様との会話模様をテキストデータで仔細に記録を残す。(運用対処)
  • ・日々発生する故障データ、テキストデータを毎日WEXに取り込み分析を実施し、未知の故障事象を抽出する。
  • ・未知のキーワードや言い回しは、いち早く受付システムの定型項目に取り入れ、発生傾向のデータ集計を可能にすると共に、オペレータ支援用FAQやマニュアルに取り入れナレッジ化を図る。
  • ・未知の故障のうち、PL法の対象になり得る重大キーワードを指定しWEXで自動抽出する。抽出後は端末メーカーに提示し、改善要求を行う。
効果
  • ・端末機メーカーや通信キャリアが想定していない、ユーザー操作で生じた故障や誤動作の傾向を早期に発見/把握でき、コールセンター全体の品質向上のためのナレッジ化が可能となった。
  • ・お客様の最先端の声を日次で把握でき、WEXの高度なテキスト分析で未知の事情を抽出できるようになり、製品不具合の予兆を早期に発見できるようになった。
メーカーが想定していない操作による、未知の故障を早期に検知し、
製品回収などのリスクを低減
事例に関するお問い合わせはこちら

精密機器製造業 様

精密機器部品のメンテナンス・故障レポートから自社製品の不具合傾向を分析し、製品改善に活用。蓄積された分析結果から故障受付オペレータの応対レベルの向上を実現。

課題
  • ・技術進化に伴い、市場への製品投入サイクルの短期化が進行しているため、自社製品(精密機器)の不具合傾向、パターンが把握できなくなってきている。
  • ・故障の早期発見の確立が低下すると、大規模回収などの大きなリスクが高まってきている。
  • ・製品の多品種化、短サイクル化でお客様からの問い合わせも多用化、複雑化しているため、お客様からの故障受付品質の低下を抑止し、品質向上を実現したい。
解決策
  • ・日々蓄積される、「故障報告データ」(日本語/英語の社内データ)をWEXに格納し、テキスト解析を実現する。
  • ・社員の気づきやお客様申告で生成された「故障報告データ」だけでなく、Web上の「クチコミサイト」や「専門掲示板」、「SNS」等もWEXに格納し分析可能にする。
  • ・WEXの分析結果をお客様接点のコールセンターオペレータに展開し、情報を共有する。
効果
  • ・これまで利活用ができていなかった「故障報告データ」をWEXで有効活用し、故障の早期発見の精度が大きく向上した。
  • ・Web上の自社製品コメントデータもWEXで併せて分析することで、故障の予兆把握も可能となり、故障早期発見確率が更に向上した。
  • ・Web上のコメントを取り込むことで、自社製品の情報だけでなく、競合製品のコメントも入手/分析が可能となり、商品競争力の向上につながった。
  • ・より多くの、鮮度の高いWEXでの故障分析データをコールセンターオペレータに共有することで、お客様への対応の品質が向上し、満足度も向上した。
メンテナンス/故障データを分析し製品改善
問い合わせ窓口に情報共有し対応品質も向上
事例に関するお問い合わせはこちら

讀賣新聞東京本社 様

2013年に実施された第23回参議院議員通常選挙のネット選挙分析。200の政策キーワード、500の政党、候補者キーワードを元にTwitter上から全件データを取得し分析。

課題
  • ・国政選挙では日本初となる「ネット選挙運動」において、従来の電話調査(RDD)方式での世論調査結果とTwitter上での世論(選挙関連のつぶやき)との差異を調査し紙面掲載したいが、Twitterデータ分析の手段がない。
  • ・国政選挙では初めてのネット選挙運動であるため、どの程度のつぶやき数が発生するかを想定できず、どの程度の分析基盤が必要となるか予測できない。
解決策
  • ・「選挙関連のつぶやき」の抽出条件を讀賣新聞社様から提示いただき、サンプル抽出を実施し、WEXのクレンジング条件を試行錯誤の上、チューニングして精度向上を図った。
  • ・WEXが稼働する分析基盤をクラウド上に構築し、候補者の問題発言や開票直後のつぶやき数をピークにあわせて増減対応し、分析処理を行った。
効果
  • ・従来の電話による世論調査とTwitterの選挙関連のつぶやきには一定の差異がみられ、紙面掲載をすることができた。
  • ・クラウド基盤を即座に拡張することで、開票直後のつぶやき投稿ピーク時のデータも取得/分析を実施することができた。
選挙期間中のTwitter上の関連データを分析し、
政党別、候補者別のつぶやき件数や投稿内容を分析
事例に関するお問い合わせはこちら

事例に関するお問い合わせはこちら