ベテランが辞めても安全。AIで対応品質のブレを平準化するには。

働いていて結構衝撃的なこと。

そのひとつとしてあてはまるのは、ベテランの退職ではないでしょうか。


「ベテランさんに次ぐ方っているのか…?残されたメンバーでは同じレベルの対応は厳しいんじゃないか…。」


…となると同時に、自分たちがカバーしなければならない焦燥感。みなさんも感じたことはないでしょうか。

世に存在するありとあらゆる職業全般につきまとうこの悩み。

コールセンターではどうでしょう。


言葉づかいや話す速度に共感性といったある種一個人でしかできない領域ゆえに、コールセンターではベテランオペレーターの退職が、組織全体の対応品質に大きな影響をおよぼしてしまうことがあります。個人のスキルやノウハウに依存した運用体制の場合、担当者が変わるたびに対応品質にブレが生じ、顧客満足度の低下を招きかねないためです。特例扱いはそもそもNGと思うので別枠として「あれ、どことなく話が通じにくいぞ…?」といった違和感が元となってしまいます。

このような属人化のリスクを解消し、誰が対応しても安定したサービスを提供するために必要なもの…そう!AIの活用が有効な解決策となります。この記事ではAIを活用して対応品質を平準化するにはどうすればいいか?を考えていきます。

この記事でわかること

  • コールセンターの対応品質が安定しない構造的な原因
  • AIで品質のブレを解消し、平準化する具体的な仕組み
  • 品質向上と業務効率化を実現するAI導入のメリット
  • AIによる品質管理の導入効果を最大化するためのポイント

このような方におすすめ

  • コールセンターのセンター長、マネージャー、SV
  • オペレーターの退職で人員不足が火急の課題である管理職
  • 応対品質向上のヒントを知りたい方

この記事は基礎的な内容となります。
以下のような方には、別の記事をおすすめします。

  • もうコールセンターを退職しようと考えている方
  • コールセンターチームの人事権に関与しない方
プロフィール画像
清水 輝
クラウド型CTIコールセンターシステム「BlueBean」マーケティング担当しています。
コールセンターの今を探りながら、様々な表現でBlueBeanの魅力を伝える仕事をしています。

BlueBeanの持ち味である「圧倒的な小回りの良さ」を活かし、お客様の課題を一つでも多く解決したいと考えています。 業務効率化はもちろん、理想の働き方やDXを実現するための架け橋となれるよう努めてまいります。
健康オタクです。ヤサイが乗ったおいしくヘルシーな麺がスキを通り越していきがい。好きな場所は目黒と三田。

すぐに試せる!小回りが利く、コールセンターシステム。

料金シミュレーション

365日
すぐお見積りいただけます

14日間無料デモ

すぐに試せる
14日間の無料デモです

BlueBeanパートナー

ただいま募集中
ぜひお問い合わせください

\電話を活用した業務にお困りではありませんか…?/

どうしてコールセンターで対応品質に「ブレ」が生じてしまうのか

人が仕事をするが故…ですが、それぞれの個性があるためといえます。

現状、対応品質を維持するためにあらゆる努力をしても、どうしても対応品質はぶれてしまうものです。早口なのか遅すぎるのか、口調がサバサバしているのか、ゆったりしているのか。人こそロボットではないので各個人の対応のクセはどうしても出てしまいます。

個人ベースだけでもありません。統制できるものは確かにできます。
ただ、評価者の主観に左右されるモニタリング体制、オペレーター個々のスキルセットへの依存、そして全体像を把握しきれない評価手法なども、品質のバラつきを生む主な原因となってしまうところも事実あります。

これらが複雑に混ざり合ってしまうがゆえに、対応品質がまとまらない。
人ベースの気質やクセはとにかく、まずは統制がとれるのになかなかとれないところを考えていきましょう。

評価者によって基準が変わる属人化したモニタリング評価

コールセンターの品質管理でごく一般的に使われている評価としてモニタリング評価があります。文字通りスーパーバイザー(SV)などの評価者がオペレーターの応対を観察し評価していく手法です。…ただ、無意識にバイアスが生じて評価が揺らいでしまったり、複雑な評価基準に対して解釈が揺らいでしまうことで、評価に差が生まれることも考えられます。

例えば、あるSVからは高く評価された応対が、別のSVからは改善点を指摘されるといったこと。それぞれで見てきた視座も景色も違うので割と生じる事柄ではあります。…ただ、評価をうける側のオペレーターはどうでしょう?何が正しいのかわからなくなってしまい、評価に対する納得感も得られにくくなってしまいますね…。

評価指標がとりとめなかったり、評価する側の意識見解がばらついていたりしてしまうと、このような評価上決して良くないバラつきを助長する一因となっています。

オペレーター個々のスキルや経験への過度な依存

では、オペレーターの応対品質はどのように向上するものでしょうか。
個人の成長という意味で見るならオペレーターに限らず世の中全般に言えるところと思いますが、たとえば本人の知識量・経験年数・コミュニケーションスキルが成長に大きく関わる所といえます。
新人オペレーターとベテランオペレーターとをみてみましょう。複雑なお問い合わせやクレーム対応など難易度の高い対応をみると…顧客への説明のわかりやすさや知識量、問題解決能力に必ず差が出てきます。
※知識量がなさ過ぎて混乱する機会が多かった自分としては痛く染み入るところです…。

「まだまだ新人はこれからだから!」…と思うかもしれません。
逆を見てみましょう。「新人だから…!」といってスキルが熟練しているベテランさん頼みになってしまっても、対応するのはたったのひとり。センター全体はひとりでなく集団。となると、サービスレベルを一定に保つことが難しくなり、お客さまの満足を得ることもむずかしくなってしまいます。

サンプリング評価では見抜けない全体的な品質のバラつき

モニタリング評価をもうちょっと深くみていきましょう。このモニタリング評価にもいろいろな手法があり、サンプリング評価といわれるものが主流です。これは、時間やコストの制約で全通話の一部を無作為に抽出して行うものになります。
しかしこの方法、センター全体の応対のうち、ごく一部しか確認できません…!
そのため、評価対象にならなかった応対に潜む課題や、特定の時間帯・曜日に集中して発生する品質の低下などを見逃してしまう可能性がどうしても生じてしまいます。

木を見て森を見ず。部分的な評価だけだと、仮説は立てられても根本的な原因を特定することはむずかしいかもしれません。

コールセンターの対応品質のブレをAIで解消する仕組みを3つ教えて

人で見ずして、じゃあ何で見ればいいんだという話になります。そこでAIの出番です。
AI技術は昨今大幅に進化し、電話におけるインバウンドからアウトバウンド、通話後処理に至るまであらゆる電話対応ができるまでに進化しました。

AIは、人間のように自身の主観でものをみたり見落としをすることなく、一貫した基準で業務を遂行することできます。3つほど例を挙げると「全通話の自動評価」「リアルタイムの回答支援」「応対履歴の自動要約」という仕組みを通じて、オペレーターのスキルレベルに依存しない安定した品質管理体制を構築していくことができます。
※サービスによっては機能の有無に差があります。

すべての通話をAIが均一な基準で自動評価する

通話中の通話音声をテキスト化したり、音声データを録音することできれば、これらをAIに評価してもらうことによって、評価軸がぶれることなく平準化を図ることもできます。
例えば、必ず伝えなければならない案内事項を漏れなく伝えているか?丁寧な言葉遣いができているか?…といった項目を以て、AIが客観的に判定します。
これにより、評価者によるバイアスが排除され、すべてのオペレーターに対して公平で一貫した評価をすることができます。

※個人情報が学習に使われないよう、契約プラン・設定等を念入りにご確認ください。


重要なのは使い方です。
評価のベースとなるデータや見方についてはAIで遂行。そこから先のオペレーターへのコーチングや、応対品質改善のための戦略立案といった、人でしかできないかつ重要性がより高い業務に専念することで棲み分けすることと言えます。

「人でしかできないことに専念するためにAIを活用する。」ここが重要です!

リアルタイムの回答支援で新人でもベテラン並みの対応を実現する

トークスクリプトをリアルタイムで見れるようになれれば、迷った時や詰まる回数も減らすことができるかもしれません。

—-

*トークスクリプトの考え方が気になる方はこちらの記事もお力になれるかもしれません
BlueBean|新人を入社1日目で即戦力化するトークスクリプトの考え方

—-

これもサービスによりけりではありますが、お客さまとの応対中にAIが会話内容をリアルタイムで解析し、関連するFAQや最適なトークスクリプトをオペレーターのPC画面上に自動で表示する。この仕組みをつかうことで経験の浅い新人オペレーターでも、複雑な問い合わせに対してベテランのようにすばやく確実な回答ができるようになります。わからないことを聞く回数も減り、確認のために保留する回数も減り、最終的に平均通話時間の削減や顧客満足度の向上も図ることができるかもしれません。

ここまで見られるのはちょっと…。と思うオペレーターもいるかもしれません。が、データの元で改善を重ねていけば、最終的に熟練度をチーム全員で底上げすることもできるようになります。

応対履歴の自動要約で後処理業務の品質を標準化する

通話後の処理に通話内容の整理であったり、入力作業であったり…後処理って相当手間がかかるものですよね。やっている最中に別の電話や声掛けがあり、何をやっていたか吹っ飛んでしまった方も多いと思います。通話後の処理は重要でありながらも、オペレーターにとって負担の大きい業務のひとつであり、記載内容の質や量にも個人差が出やすいところでもあります…。

ここで怖いのが後処理時の記載ミス。誤ったことを書いてしまったり、誤ってはいないものの誤解を招くことを書いてしまい、他のオペレーターが担当した際に解釈を誤りトラブルにもなりかねず、応対品質を下げてしまう要因になりかねません。
そこでAIによって通話とともに文字起こしを並行にすることによって、議事録とともにどのような話をしたのかを確実に振り返ることもでき、ヒューマンエラーによる応対品質低下を未然に防ぐことができるようになります。
—-
*BlueBean AIであれば通話も後処理も実は自動でできてしまいます…!
https://www.bluebean-ai.jp/
—-

\サービス開始 18 年!/

小回りが利くコールセンターシステム「BlueBean」

BlueBean管理画面スクリーンショット BlueBean紹介資料表紙

気になる読者に、
資料を無料で配布中!

  • 契約期間の縛りなし
  • CTI/PBX/CRM がワンセット
  • ID数ではなく同時利用人数で契約可能
資料をダウンロードする

AIによる品質管理を成功させるための導入ポイントとは?

ここまでAIすごい!つかえる!!と言ってきましたが、AIツールを導入すれば、自動的にすべての問題が解決するわけでは決してありません。効果を出すには、導入前の準備と導入後の運用設計が重要です。

実際の分析そのものに目を向けたときに重要なのは、自社のコールセンターが抱える課題を正確に分析し、AIに何をさせるべきかを明確に定義することといえます。AIと人間の棲み分けに目を向けつつ、AI導入を成功させるための2つの重要なポイントを解説します。

まず解決したい課題とAIで評価する項目を明確にする

まず「なぜ導入するのか」という目的を明確にすることです。
「クレーム発生率を下げたい」「平均通話時間を短縮したい」「成約率を上げたい」など、自社が抱える具体的な課題や在りたい姿を特定してみます。
特定が済んだら「課題解決のためにAIで何を評価・分析すべきか」を定めます。
例えば…「クレーム削減を20%減らす!」という目的であったとします。そのための評価項目を「共感の言葉」や「NGワード」の使用状況に設定するなど、目的と評価項目を連動させることによって効果的なAI活用につなげることができます。

AIの自動評価とSVによる定性的なフォローを組み合わせる

AIは、設定された基準に従って客観的な評価を行うことは得意ですが、オペレーターの努力や成長を認め、モチベーションを高めるような声かけはできません。
AIによるスコアリングなどの定量的な評価結果を基に、SVが「この表現はとても良かった」「次はこの点を意識してみよう」といった、個々の状況に合わせた定性的なフォローを行うことが重要です。
AIの客観的なデータと、人間の温かみのあるコミュニケーションを組み合わせることで、オペレーターの育成効果を最大化できます。

まとめ

コールセンターにおける対応品質のブレは、評価基準やオペレータースキルの属人化が主な原因でした。
それももう昔。今はAIを導入することで、全応対を均一な基準で自動評価し、リアルタイムでの回答支援や、個人のスキルに依存しない安定した教育も含めた品質管理体制を構築できます。
もし、ベテランのあの方が退職したとしても、応対レベルを落とすことなく、新人でも安心して働けるチームのつくり方の参考になれましたら幸いです!


最後までお読みいただきありがとうございました!
コールセンターシステムの運用や導入でお困りではありませんか…?