Intercom
Shopify
Stripe
Slack
Notion
Google Workspace
Confluence
ひとつのAI分析を
数千件のレコードへ。
Studyは、レコード群にAI抽出器を向け、定義した列を埋めて、表を返します。レコード1件につき1行、知りたい項目1つにつき1列です。
| チケット | 根本原因 短文テキスト | 返金の申し出 真偽値 | 製品領域 単一選択 | 感情 単一選択 |
|---|---|---|---|---|
| #20831 | 配送業者が荷物を紛失、5日間スキャンなし | はい | 配送 | 不満 |
| #20847 | 誤ったサイズを出荷、倉庫のピッキングミス | はい | フルフィルメント | 中立 |
| #20852 | 決済前に割引コードが失効 | いいえ | 請求 | 中立 |
| #20861 | 再試行した決済で二重請求 | はい | 請求 | ネガティブ |
| #20874 | 分析中… | |||
自分で埋める必要のなかった表。 すでに終えた仕事についての。
チケットを1件ずつ開いて尋ねる代わりに、Studyをレコード群に向け、欲しい列を記述すれば、全レコードが並列で分析されます。手作業なら1週間。チャットならチケット1件につき1回の会話が必要です。
1 · 入力
対象レコード
対象範囲は、Zendeskの検索クエリと任意の期間指定で決まります。Zendesk検索に入力できる式は、そのまま使えます。
2 · スキーマ
列の定義
各列には型とラベルがあり、任意で「どう埋めるか」をモデルに伝えるガイダンスを付けられます。曖昧な問いを、再現可能な問いに変えるのがこの部分です。
3 · 出力
結果の表
レコード1件につき1行、内容が入力済みで並べ替えも可能。閲覧・絞り込み・エクスポートのほか、ナレッジソースとしてMachaに戻すこともできます。
Studyを向ける価値のある 問い。
どれも、サポート責任者がすでに抱えていながら、答えられずにいる問いです。答えるには数千件のチケットを読まねばならないからです。
収益
私たちは実際、何に対して返金しているのか？
返金に言及したすべてのチケットで実行し、チケットを閉じたマクロではなく、その裏にある本当の理由を把握します。
埋まる列
自己解決化
そもそも人に届くべきでなかったチケットはどれか？
四半期分の問い合わせを、既存のヘルプセンター記事ですでに答えられていたかどうかで分類します。その一覧が自動化のバックログになります。
埋まる列
プロダクト
サポートは製品について何を語っているか？
各チケットに機能領域と、それがバグか機能不足か誤解かのラベルを付け、逸話ではなく優先順位付きの一覧をプロダクトチームに渡します。
埋まる列
コンプライアンス
言うべきでないことを言っていないか？
送信済みの返信を監査し、配送日・返金・医療的または金融的な断定に関する約束を洗い出します。該当チケットが引用付きで返ります。
埋まる列
品質
キューは実際どこで崩れているのか？
1か月分の解決品質と初回接触での完結率を採点し、同一の基準で週・ブランド・チームを比較します。
埋まる列
顧客の声
私たちが扱っていない何を、お客様は求めているのか？
まだ提供していない製品・サイズ・地域・連携について、お客様が明示的に求めた内容を、その言葉づかいのまま抽出します。
埋まる列
肝心なのはスキーマ。
列は単なるラベルではありません。出力を機械的に扱えるよう型を持ち、さらにお客様自身の言葉でガイダンスを添えられるため、モデルはお客様と同じように列を埋めます。
平易な言葉による列のガイダンス
“お客様が明確に返金を求めた場合にのみ true とすること。遅延への苦情は返金の依頼ではない。”
trueかfalseか。数を数えたいときに使います。
自分で定義した一覧から1つの値を選びます。グループ化できる程度に分類を整えられます。
一覧から複数の値を選びます。本当に2つの用件が含まれるチケット向けです。
本文から取り出した数値。金額、件数、日数など。
短いフレーズ。根本原因や、ひと目で読みたい名称に向いています。
1段落。ラベルだけでなく、判断の理由まで必要な場合に使います。
その先で、結果を活かす。
完了したStudyは、一度読んで終わりのレポートではありません。データセットであり、そのまま製品へ戻せます。
表のまま読む
その場で並べ替えと絞り込みができます。定義した列がそのまま絞り込みの軸になるので、答えは2クリック先です。
CSVで書き出す
表計算ソフト、BIツール、経営会議の資料へ持ち出せます。ロックインのない、ごく普通の表形式データです。
エージェントに与える
結果をナレッジソースとしてMachaに戻せば、今日行った分析が、明日エージェントが返す回答に反映されます。
似た名前の4つの機能。中身はまったく違います。
Studyはレコードから構造化された事実を抽出します。エージェントは動かず、ツールも呼ばれず、採点も行いません。得られるのは一覧表です。
こちらについてのご質問 Studies について。
簡潔にお答えします。記載のない点はお問い合わせください。率直にお伝えします。
チームを AI で加速する準備はできましたか?
数分で始められます。ツールを接続し、エージェントを設定すれば、あとは AI が引き受けます。
$50分の無料クレジット · 期限なし、クレジットカード不要