投資収益率 (ROI) と顧客満足度の向上 (CSAT) は、Copilot Studio エージェントを実装する組織にとって最優先事項です。
エージェントの偏向率の最適化は、ROIやCSATに関するビジネス目標達成、そしてエージェントのパフォーマンス全体向上のための組織の最重要課題の一つです。 エージェントのパフォーマンス向上に役立つ Copilot Studio の主要なインジケーターには、解決率、エスカレーション 率、CSAT があります。
指標は進化し続ける中で、エージェントの回避率を改善するために開発者としていくつかのステップを実行できます。 これらの記事では、会話型AIにおける回避の重要性と、エージェントの回避最適化のための一般的な技術や考慮事項について扱っています。
チップ
会話型AIの文脈では、 回避 は、ライブ担当者が対応するセルフサービス方式で完了したリクエストの割合を示す指標です。 言い換えれば、自動化の結果としてチームが対処する必要がなくなる項目の数を指します。
偏向を最適化する理由
Copilot Studio エージェントの偏向率を最適化すると、明確な利点があります。
- より良い顧客体験:より多くの顧客や従業員が、チャットや電話で担当者を待つ代わりに、担当者と問題を解決できるようになります。 この利点により顧客体験が向上し、CSATスコアが上昇します。 この利点は待ち時間の短縮に役立ちますが、生の担当者はより複雑で価値の高い作業に集中することも可能です。
- コスト削減:偏向率を使ってエージェントのROIの重要な部分を測定しましょう。 コンタクトセンター業界では、人間の担当者によるコールサポートは通常5ドルから10ドル程度ですが、顧客のリクエストを解決するエージェントセッションは約50セントです。 このコスト差により、高いたわみ率はコスト削減につながります。
Copilot Studio 分析の主なコンポーネントを理解して偏向を改善する
組織にとってディフレクションが何を意味するのかを判断するには、利用可能な分析データの基本的な理解が必要です。 次の表では、Copilot Studio の主要なメトリックについて説明します。
| 説明 | 詳細 |
|---|---|
| 合計セッション | 指定された期間内の 分析セッション の合計件数。 エージェントとの会話では、1 つまたは複数の分析セッションを生成でき、それぞれに独自のエンゲージメント ステータスと結果があります。 最初の会話が完了した後で (たとえば、会話の終了のトピックに到達した場合)、ユーザーが新しい質問をしたときに、分析セッションが開始されます。 |
| エンゲージメント率 | 全体セッションに対するエンゲージメントセッションの割合。 従事セッションは、カスタム トピックがトリガーされるセッション、またはエスカレーションでセッションが終了する分析セッションです。 参加したセッションの結果は、解決、エスカレーション、または放棄の3つのいずれかになります。 |
| 解決率 | 解決された参加セッションの割合。 解決済みセッションは、ユーザーが "ご質問に対する回答は適切でしたか?" と尋ねる会話終了の質問を受け取り、ユーザーが応答しないか、または "はい" と応答した、エンゲージメント セッションです。 |
| エスカレーション率 | エスカレートされた関与セッションの割合。 エスカレートされたセッションとは、人間の担当者にエスカレートされた参加型セッションです。 |
| 破棄率 | 放棄された有効セッションの割合。 破棄されたセッションとは、セッション開始から 1 時間後に解決もエスカレーションもされない従事セッションです。 |
| CSAT | 顧客が会話の終了時にアンケート調査に回答するセッションの CSAT スコア平均のグラフ表示。 |
エージェントのROIを最適化するために、これらの指標を継続的に改善する必要があります。 組織ごとに偏向率の定義は異なります。 例えば、ある組織は放棄率とエスカレーション率を逸脱計算の一部として考慮する一方、別の組織はエスカレーション率のみを重視するかもしれません。
たわみ率の定義は異なる場合がありますが、これらの指標はたわみを計算する基礎となります。 さまざまなお客様との経験に基づくと、 解決 率と エスカレーション 率がケースフレクションにおいて重要な役割を果たします。 解決率を上げ、エスカレーション率を下げることで、エージェント全体の偏向指標が直接的に改善されるのが一般的です。
次の図は、Copilot Studio エージェントの偏向率を最適化するための主な手法を示しています。
次のステップ
組み込みおよびカスタム分析ツールを活用してエスカレーションパターンを分析する方法を学び、影響の大きいトピックを特定し、ユーザーがなぜエスカレーションするのかを理解し、エージェントの回避率を高めるためのターゲットを絞った改善を行えます。