ブラックミラーのエピソードはCXとNPSについて何を教えてくれるのか？顧客の感情の幅を1つの基本的な指標に最小化することの厄介な性質に飛び込んでみよう。

もし『ブラック・ミラー』のファンではない方や、Netflixの有料会員になる気になれないという方がいらっしゃっても、どうか最後までお付き合いください。特に、顧客フィードバックの管理に関心をお持ちの方には、ぜひお読みいただきたいです。

私の心に強く残っているのは、シーズン4の「ブラック・ミュージアム」のエピソードで、中でもサブストーリーの一つである『モンキー・ラブズ・ユー』です。このエピソードでは、主人公の亡き妻の意識がテディベアのような機械仕掛けの猿に移され、彼女は「モンキー・ラブズ・ユー」か「モンキー・ニード・ア・ハグ」という2つの基本的なフレーズでしか自分を表現できないという、不気味なシナリオが描かれています。

このコンセプトを通じて、このエピソードは、テクノロジーによって人間の表現がいかに制限され、歪められ、人間同士のつながりが機械的なものへと変質し、真の深みを失ってしまうかを描き出しています。 

このエピソードの意図は、私たちがどのようにアンケートのフィードバックを収集し、分析しているかを取り上げることではなかったのは確かだが、私たちは分析において、どの程度まで顧客の経験を減らしているのだろうか？

NPSの罠、プロモーターの盲点、その他の調査分析の落とし穴

ネット・プロモーター・スコアは、世界中の企業が使用する標準的なベンチマークであり、企業が競合他社と比較して自社のパフォーマンスを測定するための良い方法である。しかし、この単純化の弊害は、NPSの罠とも呼ばれるトンネルビジョンを生み出すことである。本質的には、カスタマー・エクスペリエンスという複雑な状況を単純化しすぎることの危険性を警告している。

調査分析では、批判的な意見だけに注目し、一見良好に見える指標の背後に潜む微妙な不満を見落としてしまうことがあまりにも多い。その結果、「推奨者の盲点」と呼ばれる状況が生じ、スコアが高いという理由だけで、ロイヤルティの高いインサイト 貴重なインサイト 過ごされてしまうことがある。多くの場合、こうした顧客もまた、利用上の摩擦や失望、あるいは逃した機会について言及しているが、その声には十分な注目が向けられていない。 

不満が必ずしも低い評価につながるわけではないこと、また、ロイヤリティがあるからといって、改善すべき点について黙っているわけではないということを認識しておくことが重要です。

コンタクトセンター に関しても、同様の課題に直面しています。通話後のアンケートは、多くの場合、カスタマー・エクスペリエンス把握するための主要な手段となっています。CSATスコア、解決率、さらには自由記述のコメントなどがそれにあたります。しかし、これらはすべて、その瞬間が過ぎ去った後に得られるものです。実際に何が起きたかについては部分的な見方しか提供せず、その理由についての洞察はさらに乏しいのです。

私たちが見落としがちなのは、カスタマーサービスで最も人間的な部分、つまり会話そのものである。コンタクトセンターは単なるサポート業務ではない。リアルタイムの質問、混乱、フラストレーション、ニーズ、そして重要な瞬間に満ちている。しかし、私たちは本当に耳を傾けているだろうか？顧客は、エージェントが親切だったという理由でアンケートに好意的な点数をつけるかもしれないが、その電話の原因となった本当の問題は、アンケート欄ではなく、会話の中に埋もれている。

顧客の声をより深く聞くには

指標のみに焦点を当てた場合のカスタマー・エクスペリエンス に内在する盲点や限界について見てきたところで、次はテキスト分析を活用してこれらの課題をどのように克服できるかについて掘り下げていきましょう。 

テキスト分析は、非構造化データや会話そのもの、あるいはアンケートにおける自由記述欄のコメントを体系化し、優先順位をつけるのに役立ちます。これらは従来の指標インサイト 最も豊富なインサイト を含んでおり、顧客が実際に何を伝えようとしているのかを真に理解することを可能にしてくれるからです。 

トピックス 

基本的なことから始めましょう。非構造化データに適用するトピックです。トピックは、基本的にキーワードの組み合わせのセットであり、顧客フィードバックの中の特定のコメントを捕捉するように設計されています。例えば、トピックは、「私を助けてくれた人は、私にせっかちだった」などのフレーズにフラグを立てることができます。このアプローチにより、構造化されていないテキストをトピックと呼ぶ意味のあるカテゴリに整理することができます。

効果的なテキスト分析の基盤となるのは、自社のコアビジネスを反映したトピックリストを作成することです。業界特有のトピックを取り入れることで、インサイト 製品、サービス、および顧客体験の文脈において、関連性が高く、実用的なものとなることが保証されます。

適切なトピックリストが出来上がったとしても、それをコメントごとに読むことがゴールではありません。その代わりに、どのトピックに注意を払う必要があるのかを素早く把握できるように整理します。トピックのボリューム、NPSの平均値、センチメントに基づく指標（後で説明します）を強調します。

このような業界特有のトピックの他にも、データに対してユニークな切り口を持つ トピックは、さらなる洞察のレイヤーを提供します。例えば、Emotionトピック、Mental Crisisトピック、Customer Suggestionトピックなどです。これらのユニークなトピックは、既存のトピックに価値あるレイヤーを見つけようとする際に大いに役立ちます。その方法を説明しましょう！

トピック 共同開催

Medallia Text AnalyticsのTopic Co-occurrence（トピック共起）モジュールは、顧客フィードバックの中で異なるトピックや問題がどのように一緒に表面化しているかを明らかにするのに役立ちます。このツールは、トピックを単独で見るのではなく、同じフィードバックの中に2つ以上のトピックが出現するパターンを特定します。このような詳細なレベルは、標準的なトピック分析では明らかにならないつながりを明らかにするのに役立ちます。

例えば、自社の業界特有の主要トピックリストと感情シグナルのトピックを組み合わせることで、製品のセットアップ、請求、エージェントによるサポートといった一般的な問題が、どのような強い感情的反応と頻繁に関連しているかを把握できます。例えば、「請求内容の分かりやすさ」というトピックは、感情トピックの「不安」と共起することが多いかもしれません。 また、会話データを分析する際には、共起関係を感情の種類や、さらには発言者（エージェント対顧客）ごとにフィルタリングすることも可能です。これにより、コンタクトセンター 、特定の問題が顧客によって提起されているのか、エージェントによって対応されているのか、あるいはその両方なのかを正確に特定することができます。

このような階層的な洞察は、根本原因を特定し、新たな問題を追跡し、さまざまな経験が顧客の全体的な認識にどのように影響するかを理解するための鍵となる。トピックの共起を利用することで、企業は製品、サービス、コミュニケーションに対して、より的を絞った、情報に基づいた改善を行うことができる。

センチメント分析 

非構造化データをどのように紐解くことができるかのもう一つのレイヤーは、トピックレベルのセンチメントモデルを使用することである。

Medalliaセンチメント・エンジンは、アンケートコメント、チャット、書き起こされたスピーチなど、フィードバックの各フレーズのトーンを評価し、強く否定的なものから強く肯定的なものまで、その中間のカテゴリーで分類します。

テキスト分析レポートでは、このフレーズレベルのセンチメントをロールアップして、各トピックがセンチメントレベルでどのように機能しているかを表示します。例えば、「Find Products Online」というトピックが60%のネガティブなパーセンテージを持っていることがすぐにわかるかもしれません。 

しかし、センチメントはネガティブな経験を強調するだけではない。優先順位を決める上で重要な役割を果たします。1つの重要な指標はネットセンチメントスコア（NSS）で、これは単純にポジティブなセンチメントの割合からネガティブなセンチメントの割合を引いたものです。このスコアは、あるトピックが肯定的か否定的かを素早く理解するのに役立ちます。

NSSは非常に貴重で使いやすい指標ですが、トピックが話題になる頻度については考慮されていません。優先順位をつけるために、特に何千ものコメントがある非常にネガティブなトピックと数件しかないトピックを比較する場合、NSS インパクトスコアを使用します。この指標は、センチメントスコアと特定のトピックのボリュームを組み合わせて、ネットセンチメントスコアへの全体的な影響力を計算します。つまり、あるトピックがどれだけ強く顧客センチメントを上下させているかを知ることができ、最も重要な問題に集中することができます。

NPSを越えて 

ブラック・ミラー』の「サルはあなたを愛している」「サルはハグが必要だ」というフレーズが人間の感情を限定的に表現したものであるように、顧客フィードバックの分析も同じ罠にはまらないようにしなければならない。 

顧客が私たちを「愛している」と理解するだけでは十分ではない。なぜそう感じているのかを深く理解する必要がある。複数のテキスト分析を使って分析することで、私たちの強みと改善点の両方について、より豊かで完全なイメージを得ることができます。 

テキスト分析の世界は驚くほど豊かで、より深く、より有意義に耳を傾ける無数の方法を提供している。要約やテーマ検出のような新しいAI機能により、私たちはセンチメントを超え、スコアの背後にある本当のストーリーを明らかにするためのツールをこれまで以上に手に入れることができる。 

しかし、ここで重要なのは、モンキーがあなたを愛していると聞くことだけにとどまらず、その愛を育み、発展させ続ける方法を学ぶことにあるのです。

ちょっと…アンケートの回答率が急速に低下していることに気づきましたか？ そこで、この新しい現実を乗り切るための この新たな現実を乗り切るためのガイドをご紹介します。