Einstein 返信のおすすめについて知る
学習の目的
この単元を完了すると、次のことができるようになります。
- Einstein 返信のおすすめについて説明する。
- Einstein 返信のおすすめの主な利点を説明する。
- 返信のおすすめのデータを準備する。
Einstein 返信のおすすめとは?
ソーラーソリューション企業の Ursa Major Solar は、前四半期も成功裏に終え、さらに多くのお客様の暮らしに電力を供給しています。CEO の Sita Nagappan-Alvarez が最近、メキシコのエネルギー企業と過去最大規模の契約を締結したことから、Ursa Major の顧客ベースは 2 倍に拡大される見込みです。Sita は顧客の増大を見据えて、サポートチームができる限り効率的にケースを解決できる最適なツールを装備したいと考えています。信頼するシステム管理者の Maria Jimenez がちょうど、Salesforce Service Cloud を使用してお客様をサポートする新しい手法を検討していることを Sita も聞いていました。
Maria が Sita に、Service Cloud でカスタマーエクスペリエンスを向上させるさまざまな方法を説明します。実際 Salesforce Research によると、人工知能 (AI) を駆使したカスタマーサービスを導入した企業の 79% で、全般的な顧客満足度 (CSAT) スコアが向上しているということです。Sita があるツールに目を留めます。
Einstein 返信のおすすめは、メッセージングやチャットチャネルでエージェントに推奨する返信のリストをリアルタイムで表示します。推奨の返信は、深層学習と自然言語処理 (NLP) を使用してチャットトランスクリプト履歴データから生成されます。
Einstein はサポートチームのニーズに応じて、挨拶やフォローアップの質問などを提案できます。
Einstein 返信のおすすめと AI
お客様からの信頼の獲得を優先事項とする Sita は、チームが日常業務で使用するテクノロジーに投資することの重要性を認識しています。Einstein 返信のおすすめが AI 機能であることを Sita は知っていますが、具体的にどういうことなのか定かではありません。そこで Maria にこのしくみの詳細を質問します。
Einstein 返信のおすすめは実にスマートなツールながら、自力で問題を修正するものではないと Maria が説明します。Einstein 返信のおすすめは、完了したチャットトランスクリプトからデータを収集してパターンに分類します。このスマートな分類テクノロジーを自然言語処理 (NLP) または自然言語理解 (NLU) といいます。この体系化されたパターンについては、Einstein が問題のリストとソリューションのリストを別々に作成し、両者を突き合わせて特定のデータセットを形成するものと考えることができます。この組み合わせがカスタマーサービスの成功につながります。
最初に、Einstein が組織のチャットデータを分析し、チャット時にサポートチームが使用する一般的な返信リストを生成します。返信を確認して微調整したうえで公開し、Einstein がエージェントに推奨できるようにします。後からいつでも新しい返信を追加したり、既存の返信を更新したりすることができます。
チャットまたはメッセージングセッションでお客様が質問やメッセージを入力すると、Einstein が起動して、メッセージ/返信データのリストをスキャンします。次に、Einstein によって公開済みの返信が 1 つまたは複数提案され、エージェントはその提案を会話に直接挿入することができます。必要であれば、エージェントは言語も編集できます。こうした自動返信を使えば、サポートエージェントがメモを漁ったり、同僚に問い合わせたりする必要がなくなります。
Einstein 返信のおすすめの利点
Sita は第一印象が大切であることを心得ています。お客様にソーラーエネルギーを信頼してもらうには、お客様に迅速なフィードバックや優れたサービスを実施する必要があります。太陽光発電は競争の激しい業界であるため、Ursa Major Solar はロイヤルカスタマーを維持するためにできる限りのことをしたいと考えています。
Einstein 返信のおすすめによって適切な応答がエージェントに表示され、数回のクリック操作で挿入できるため、エージェントに次の利点があります。
- 適切なタイミングで適切なおすすめをすべて 1 か所に表示して、応答時間を短縮する。
- 応答の精度を高める。
- 一般的な問題でなく、複雑なソリューションに注力する。
- お客様へのコミュニケーションを標準化する。
そして何よりも重要な点は、Einstein によってチャットが短時間で終了することです。付箋に書き留めたり、アプリケーションを切り替えたり、一般的な問題のソリューションを見つけるために上級職に相談する必要がなくなります。Sita は Einstein 返信のおすすめによってエージェントの業務が簡便になることを楽しみにしています。
Einstein 返信のおすすめを準備する
Einstein 返信のおすすめを使い始める前にデータが必要です。
データが成功の鍵を握るのはなぜでしょうか? AI モデルを作成する場合、データがその出来を左右します。Einstein に、チームのコミュニケーションスタイルのパターンを見つけ出す十分なデータが必要です。Einstein が学習するデータが多ければ多いほど、おすすめの精度が高まります。
開始するには、Einstein が英語のチャットトランスクリプトを 1,000 件以上分析する必要があります。完了したチャット件数が足りない場合や、チャットが短すぎて意味のあるデータにならない場合は、Einstein がモデルの作成開始時期を通知します。
システム管理者が Einstein 返信のおすすめを設定して稼働する次の 6 つの手順を Maria と一緒にみていきましょう。
- データ要件を確認する。
- Einstein 返信のおすすめをオンにする。
- モデルを作成する。
- 返信を確認して公開する。
- エージェントにアクセス権を付与する。
- モデルを有効にする。
次は、AI を駆使してお客様に満足を届ける準備を整えます。