進行状況の追跡を始めよう
Trailhead のホーム
Trailhead のホーム

Einstein ケース分類について

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。

  • ケース分類とは何かを説明する。
  • ケース分類の利点を説明する。
  • ケース分類の計画を立てる。

Einstein ケース分類とは?

Ursa Major Solar の事業は急成長を遂げ、ソーラーパネルの売り上げが飛躍的に伸びています。南西部以外にも事業が拡大していることから、さらに何千人ものお客様を満足させ、ロイヤリティを維持することが求められます。Ursa Major Solar の CEO である Sita Nagappan-Alvarez が Salesforce Research のある統計を見つけ、「顧客の 84% は、企業が創出するエクスペリエンスはその商品やサービスと同じくらい重要であると思っている」という結果に関心を持ちました。

Sita は Service Cloud を使用して、会社が優れたカスタマーエクスペリエンスを実現できるようにしています。このサービスプラットフォームは次の機能を備えています。

  • 多様なエンゲージメントチャネル (メール、電話、Web など) にまたがるケース管理を集約する。
  • お客様やサポートエージェントが知識ベースにアクセスし、有益な情報を取得して共有できるようにする。
  • ボットや人工知能 (AI) を利用して、お客様からのよくある質問にオンラインですばやく回答する。

Sita はサービスを向上させるために他にできることはないかと思案します。そして、優秀なシステム管理者である Maria Jimenez にアドバイスを求めます。

Ursa Major Solar のロゴを挟んで立っている Sita と Maria。

Salesforce Research によると、お客様の 62% はカスタマーエクスペリエンス向上のために企業が AI を使用することに抵抗を感じてはいないと Maria は説明します。AI を活用して日常的なアプリケーションに予測インテリジェンスを組み込めば、日々のエクスペリエンスがよりスマートなものになります。

ここで登場するのが Einstein ケース分類です。この機能は予測インテリジェンスを駆使して、過去のデータを基に新規ケースの項目値を推奨する、入力する、または保存する、のいずれかを行います。機械学習 (使い続けるうちに予測精度が向上していく AI テクノロジ) の利用により、ケース項目の入力時に推測することがなくなり、サポートエージェントの時間を節約できます。つまり、サポートエージェントがお客様への対応により多くの時間を充てられるということです。

ケースが作成されると、エージェントがそのケースを開いたときに Einstein のおすすめが使用できることを示すアラートが表示されます。エージェントがおすすめを表示する場合は、このアラートをクリックします。Lightning Experience の [Einstein 項目のおすすめ] コンポーネントにこれらのおすすめが表示されます。

Lightning サービスコンソールのケースに表示されたケース分類の項目のおすすめ

ケース分類では、各項目の予測をどのように適用するかも完全に管理できます。1 つの項目に対して Einstein は少なくとも上位 3 つのの値を推奨します。また、Einstein によって次のことを行うこともできます。

  • Einstein が最適な値を選択し、エージェントが確認と保存を行う。
  • Einstein が最適な値を選択して保存し、エージェントの確認は不要になる。

どのような場合に Einstein が項目値を選択または保存するかを制御するには、予測の信頼性しきい値を設定します。アクションが自動化されているほど、必要とされる予測の信頼性が高くなります。予測が 1 つのオプションのしきい値に達しないと、Einstein は自動化の割合がより低い次のオプションに移行しようとします。

それだけではありません。必要に応じて、Einstein によって自動更新されたケースにケース割り当てルールを適用し、ケースが適切なエージェントに転送され、迅速に解決されるようにすることもできます。さらに、更新を判断するユーザを選択することもできます。

ケース分類と人工知能

ケース分類では機械学習を使用しますが、優れた結果を得るためには優れたデータを入力する必要があります。つまり、機械学習の良し悪しはデータに左右されます。クローズケースのデータが正確で、十分な件数を使用して学習モデルを作成すれば、Einstein ケース分類が正確な項目値を予測する可能性が高まります。機械学習の大半において、データセット (この場合は特定の Salesforce 組織のケース) の特性を識別して説明するのは人間です。

機械学習の典型的なソリューションで、何千あるいは何百万もの特性が手動で設計されていることもあります。人間がこの識別業務をすべて手作業で行った後、機械が学習アルゴリズムを使用して各特性の重み付けを調整し、精度の高い予測を行います。Maria が Einstein ボットを導入したときは、人間が作成したコンテンツに依存する自然言語理解 (NLU) という別の AI テクノロジを活用しました。

ケース分類の利点

CEO である Sita は、卓越したサービスエクスペリエンスをお客様に届け、売上向上を図るという自身のビジョンの実現に Einstein ケース分類が役立つことを察知します。

  利点   説明
エージェントの時間が節約される サポートエージェントがケースに対応時、スクロールや適切な項目値を見つけるために費やす時間が減少します。ケースの自動ルーティングにより、エージェントが上位のタスクに重点的に取り組むことができます。
データの品質が向上する 予測モデルでは人為的なミスが生じる可能性が低いため、ケースデータの精度が向上します。
ケースが迅速に解決される ユーザの履歴やトレンドに基づいてケースが自動的に分類されるため、ケースが適切なサポートエージェントに転送され、迅速な解決につながります。
カスタマーサービスが向上する エージェントの対応時間が増大し、データの精度が向上して、ケースが迅速に解決されるため、確固たる顧客関係の構築や顧客満足度 (CSAT) スコアの向上に注力することができます。

ケース分類の計画

Service Cloud の一般的な設定プロセスにおいて、AI の追加は 4 番目のフェーズです 。(復習する必要がある場合は、「Lightning Experience の Service Cloud」モジュールを参照してください)。

同心円で表された Service Cloud の実装プロセス。矢印が AI とボットの一番外側の円を指しています。

Ursa Major Solar のケース管理機能も設定している Maria は、システム管理者が AI を最初に設定しないほうが望ましい理由を理解しています。適切なケース項目、ケース通知、ケース割り当てルール、ケースルーティングプロセスが実装されていなければ、Einstein ケース分類でサポートエージェントの時間がどれだけ節約されても意味がありません。適切な情報をどのように取得するか思案し、各ケースに誰が対応すべきかを判断することに時間を取られるためです。わかりづらいケース管理プロセスでお客様やエージェントを煩わせるようなことはしたくありません。

Ursa Major Solar が AI に対応可能であることを Maria は認識しています。けれども、ケース分類の [設定] で作業に取りかかる前に、Ursa Major Solar のサービスチームに会い、その業務の遂行方法を詳しく確認することにします。

  質問   回答
ケースにある選択リスト、チェックボックス、参照項目のうち、予測インテリジェンスに特に適しているものはどれですか? 予測が役立つ項目は、[原因][言語][エスカレーション済][優先度] などでしょうか。Einstein ではカスタムの選択リスト、チェックボックス、参照項目の値も予測できます。

[言語] を予測する場合、過去のケースデータがその言語で設定されている必要はありません。
エージェントに予測を表示する項目ごとに、その項目に値が入力されているクローズケースが 400 件以上ありますか? どうでしょう…。誰かが確認してみないとわかりませんが、予測する各項目を使用するクローズケースが 400 件あるとみて間違いないでしょう。
クローズケースのデータを予測モデルの作成に使用する前に、チームの誰がそのデータの正確性を確認することができますか? Ryan De Lyon でしょうか。カスタマーサービスマネージャで、ケースについて掌握しています。
Einstein によって項目値が自動的に保存されるようにしますか? それとも、サポートエージェントがまずおすすめを確認するようにしますか? とりあえず、エージェントがまずおすすめを確認するようにしたいと思います。後々、Einstein が高い信頼度で予測する項目値の自動化を検討します。
ケース分類にアクセスできる特定のサポートエージェントを任命しましたか? はい。Tier 1 サポートチームがアクセスできるようにする必要があるため、実装時にこのメンバーに「Einstein ケース分類ユーザ」権限を割り当てます。


このような計画を立て終えた Maria は次のステップに進み、Ursa Major Solar にケース分類を実装して、予測モデルを作成するためのデータの準備に取りかかります。

リソース

Rights of ALBERT EINSTEIN are used with permission of The Hebrew University of Jerusalem. (ALBERT EINSTEIN の権利は、ヘブライ大学の許可を受けた上で使用しています。)Represented exclusively by Greenlight. (Greenlight が排他的に代理人を務めています。)