JP2014191539A - コンタクト支援システム、及びコンタクト支援方法 - Google Patents

Abstract

【課題】顧客の状態を事前に把握し顧客の状態に応じたコンタクトを行うための支援を行う。
【解決手段】コンタクト支援システムは、顧客の行動から得られる顧客行動情報に基づいて、予め定められた複数の心理状態のうち顧客がいずれの心理状態にあるかを推測する顧客状態推測部と、どのように顧客と連絡を行うかを示す情報が含まれるアプローチ情報を複数の心理状態ごとに記憶しているアプローチ情報記憶部と、顧客状態推測部が推測した心理状態が前回の心理状態と異なる顧客を検出し、検出した顧客の心理状態に対応するアプローチ情報をアプローチ情報記憶部から読み出して提示するアプローチ情報提示部とを備える。
【選択図】図１

Description

本発明は、コンタクト支援システム、及びコンタクト支援方法に関する。

サービスや商品を提供する事業者は、電話やメール等を通じて顧客から寄せられた問い合わせや要望に応じた顧客対応を行っている。顧客から具体的な困りごとや問題に関して問い合わせを受けた場合には、その内容に応じた対処、対策を行うことができる。しかし、具体的な問題や要望として得られない顧客の不満や潜在的な不満などについては、顧客から情報を得にくいため、事業者が把握することが困難であった。そこで、顧客の不満や潜在的な不満を把握するために、事業者においてはサービスの開始から一定期間（例えば１ヶ月後など）が経過した後に、コンタクトセンタや顧客窓口係が顧客に電話やメール等を通じて、困りごとや要望などを伺っていた。

例えば、顧客との電話等を用いた対話において、顧客の言動などから顧客の状況を推測する技術の検討が行われている（非特許文献１、非特許文献２）。これらの技術では、顧客との対話に基づいて、顧客のサービスに対する感情や、サービスに対する知識量などの状況を把握することが行われている。

野本済央、小橋川哲、田本真詞、政瀧浩和、吉岡理、高橋敏、「発話の時間的関係性を用いた対話音声からの怒り感情推定」、電子情報通信学会論文誌Ｄ、Ｖｏｌ．Ｊ９６−Ｄ Ｎｏ．１、１５頁−２４頁、２００３年１月 宮崎千晶、東中竜一郎、牧野俊朗、松尾義博、「コールセンタ対話における話者の知識量推定」、言語処理学会第１８回年次大会発表論文集、１１６６頁−１１６９頁、２０１２年３月

しかし、一定期間が経過した後に顧客に連絡をとる場合、顧客が必要としていないタイミングで連絡を受けることがあり、顧客に不要な負担を強いてしまうことになる。また、一定期間で連絡をとる場合、顧客が必要とするタイミングで連絡を取れないことが多く、顧客からの連絡を受けた段階では既に不都合や問題がある状態になっている。顧客が不都合や問題を認識した段階では、サービスの停止や解約を希望する状態になっていることがあり、事業者としては顧客の状況を把握したいという要求がある。しかしながら、上記の技術では顧客の状況や状態を事前に把握できない。

上記事情に鑑み、本発明は、顧客の状態を事前に把握し、顧客の状態に応じたコンタクトを行うための支援を行うことができるコンタクト支援システム、及びコンタクト支援方法を提供することを目的としている。

本発明の一態様は、顧客の行動から得られる顧客行動情報に基づいて、予め定められた複数の心理状態のうち顧客がいずれの心理状態にあるかを推測する顧客状態推測部と、どのように顧客と連絡を行うかを示す情報が含まれるアプローチ情報を前記複数の心理状態ごとに記憶しているアプローチ情報記憶部と、前記顧客状態推測部が推測した心理状態が前回の心理状態と異なる顧客を検出し、検出した顧客の心理状態に対応するアプローチ情報を前記アプローチ情報記憶部から読み出して提示するアプローチ情報提示部とを備えることを特徴とするコンタクト支援システムである。

また、本発明の一態様は、上記のコンタクト支援システムにおいて、顧客の属性を示す顧客属性情報を予め記憶している顧客属性記憶部を更に備え、前記顧客状態推測部は、顧客行動情報の履歴と顧客属性情報とをｎ次元ベクトルで表現した情報に基づいて、ｎ次元空間において各顧客を前記複数の心理状態のいずれかに分類することを特徴とする。

また、本発明の一態様は、上記のコンタクト支援システムにおいて、顧客の属性を示す顧客属性情報を予め記憶している顧客属性記憶部を更に備え、前記顧客状態推測部は、顧客行動情報の履歴に基づいて、前記顧客属性情報にて分類される顧客が次に行う行動を推移確率として推測することを特徴とする。

また、本発明の一態様は、上記のコンタクト支援システムにおいて、前記顧客状態推測部は、顧客行動情報を用いて生成されたモデルであって前記複数の心理状態を内部状態とするモデルと、顧客行動情報の履歴とに基づいて、各顧客を前記複数の心理状態のいずれかに分類することを特徴とする。

また、本発明の一態様は、上記のコンタクト支援システムにおいて、前記アプローチ情報提示部が提示したアプローチ情報に基づいてオペレータが顧客に連絡を行った結果を取得し、取得した結果から該アプローチ情報に対する該オペレータの適性を評価し、前記アプローチ情報記憶部に記憶させる適合度合取得部を更に備え、前記アプローチ情報提示部は、前記検出した顧客の心理状態に対応するアプローチ情報に対する適性に基づいてオペレータを選択することを特徴とする。
また、本発明の一態様は、上記のコンタクト支援システムにおいて、前記適合度合取得部は、オペレータが顧客に連絡を行った際の手法と、前記アプローチ情報提示部が提示したアプローチ情報との適合度を算出し、算出した適合度が基準以上の場合にオペレータの適性を評価することを特徴とする。

また、本発明の一態様は、どのように顧客と連絡を行うかを示す情報が含まれるアプローチ情報を予め定められた複数の心理状態ごとに記憶しているアプローチ情報記憶部を備えるコンタクト支援システムが行うコンタクト支援方法であって、顧客の行動から得られる顧客行動情報に基づいて、前記複数の心理状態のうち顧客がいずれの心理状態にあるかを推測する顧客状態推測ステップと、前記顧客状態推測ステップにおいて推測した心理状態が前回の心理状態と異なる顧客を検出し、検出した顧客の心理状態に対応するアプローチ情報を前記アプローチ情報記憶部から読み出して提示するアプローチ情報提示ステップとを有することを特徴とするコンタクト支援方法である。

本発明により、顧客の行動に基づいて顧客の心理状態が推測することにより顧客の状態を把握することができ、心理状態が変化したタイミングをとらえて顧客からの連絡を受ける前に、顧客の心理状態に応じたコンタクトの提示を行うことができる。

本発明に係る実施形態におけるコンタクト支援システム１０の構成例を示すブロック図である。 実施例１において協調フィルタリングを用いて顧客のベクトルを分類した一例を示す図である。 同実施例におけるコンタクト支援システム１０が行うコンタクト支援処理のフローチャートである。 実施例２における行動ｘ１から行動ｘ４の状態遷移図の一例を示す図である。 実施例３における顧客の心理状態（状態ｓｉ）と顧客の行動履歴との組み合わせの一例を示す図である。

以下、図面を参照して、本発明の実施形態におけるコンタクト支援システム、及びコンタクト支援方法を説明する。図１は、本発明に係る実施形態におけるコンタクト支援システム１０の構成例を示すブロック図である。コンタクト支援システム１０は、顧客やユーザ（以下、顧客という。）の行動などに基づいて顧客の状況を推測し、推測結果に応じて顧客へのアプローチ手法を担当者やオペレータに提示する。コンタクト支援システム１０から提示されたアプローチ手法に基づいて担当者やオペレータが顧客に対してコンタクトした結果を、コンタクト支援システム１０は受け付け、その結果をアプローチ手法にフィードバックする。

コンタクト支援システム１０は、顧客行動取得部１１、行動履歴記憶部１２、顧客属性記憶部１３、顧客状態推測部１４、アプローチ情報記憶部１５、アプローチ情報提示部１６、及び、適合度合取得部１７を具備している。顧客行動取得部１１は、顧客接点において得られた情報や顧客の行動を示す情報を含む顧客行動情報を取得し、取得した顧客行動情報を行動履歴記憶部１２に記憶させる。顧客行動情報は、例えば、顧客との対応を記したテキスト情報や、顧客との対話における音声を音声認識してテキスト化した情報、サービスを顧客が利用した際の情報（アクセス記録や、利用内容、問い合わせ履歴など）、電子メールやＷｅｂページ等を通じて受け付けた情報などが含まれる。また、これらの情報におけるキーワードの有無、及びキーワードの個数などを含めるようにしてもよい。

顧客行動取得部１１による顧客行動情報の取得は、ネットワークを介してサーバ装置等にアクセスし、各情報を取得してもよいし、オペレータや担当者がコンタクト支援システム１０に各情報を入力することにより取得してもよい。また、顧客行動取得部１１は、非特許文献１に記載の技術を用いて、対応における顧客の怒り度合の情報を取得したり、非特許文献２に記載の技術を用いて、顧客の知識量を推定した情報を取得したりしてもよい。この場合、取得した情報は顧客に紐付けられる。

行動履歴記憶部１２は、事業者がサービスを提供している顧客ごとに、顧客行動取得部１１が取得した顧客行動情報を記憶する。すなわち、行動履歴記憶部１２には、営業接点で得られた顧客行動情報が顧客ごとに蓄積される。

顧客属性記憶部１３は、顧客が事業者に対してサービスの申し込みをした際に提供した顧客の属性を示す顧客属性情報や、サービスの利用において提供した顧客属性情報などが顧客ごとに対応付けられて予め記憶されている。顧客属性情報には、例えば、性別、年齢、居住地域、職業、趣味などが含まれる。顧客状態推測部１４は、行動履歴記憶部１２に記憶されている顧客行動情報と、顧客属性記憶部１３に記憶されている顧客属性情報とに基づいて、顧客の状態を推測する。顧客状態推測部１４が推測する顧客の状態には、例えば、サービスの品質に不満を持っている状態や、サービスの価格が高いと考えている状態などが含まれる。

アプローチ情報記憶部１５には、顧客状態推測部１４が推測する顧客の状態ごとに、顧客に対するアプローチ手法を示す情報と、当該アプローチ手法に適したオペレータとが対応付けられたアプローチ情報が予め記憶されている。アプローチ手法には、顧客の心理状態がどのような状態であるか、また、その状態に対する提案や対策や、連絡を行う際の手段などが含まれる。例えば、サービスの品質に不満を持っている状態の顧客に対する提案としては、現在契約しているサービスより品質の高いサービスを提供するプランやオプションを勧めることや、その際に用いるトークスクリプト（台本）がアプローチ手法になる。また、サービスの価格が高いと考えている顧客に対する提案としては、現在契約しているサービスより価格の低いプランを勧めることや、その際に用いるトークスクリプトがアプローチ手法になる。すなわち、アプローチ情報には、どのように顧客と連絡を行うかを示す情報が含まれている。

アプローチ情報提示部１６は、顧客状態推測部１４が推測した顧客の状態に対応するアプローチ情報をアプローチ情報記憶部１５から読み出す。アプローチ情報提示部１６は、コンタクトセンタのオペレータや担当者に対して、読み出したアプローチ情報を提示して、オペレータや担当者に顧客に連絡をとることを指示する。なお、アプローチ情報に含まれる手段であってオペレータや担当者が顧客に対して連絡をとる手段としては、電話や電子メール、ダイレクトメール（郵便等）、訪問などがある。

適合度合取得部１７は、オペレータや担当者が顧客に連絡をとった結果を取得し、取得した結果に基づいてアプローチ情報を更新する。適合度合取得部１７が取得する結果としては、例えば、顧客が感じていたサービスの品質に対する不満を解消する提案ができたか否か、又は、他のサービスを追加する契約が得られたか否かなどがある。また、適合度合取得部１７は、オペレータや担当者に対して提示したアプローチ手法に沿って、オペレータや担当者が顧客に連絡をとったか否かに基づいて、アプローチ情報を更新するか否かを判定する。

提示したアプローチ手法に沿った連絡が行われたか否かの判定は、例えば、電話による対話においては音声情報を解析し、提示したアプローチ手法におけるキーワードが含まれているか否かなどによって算出した適合度が基準以上か否かによって行う。キーワードには、価格の低いプランを勧める場合における当該プラン名などが含まれる。このように、提示したアプローチ手法に沿って顧客との連絡が行われなかった場合にはアプローチ情報の更新を行わないことで、オペレータや担当者に提示するアプローチ手法の精度を向上させる。なお、オペレータの会話とトークスクリプトとの一致度合に基づいて判定するようにしてもよい。

（実施例１）
以下、実施例１として前述のコンタクト支援システム１０の顧客状態推測部１４が協調フィルタリングを用いて顧客の状態を推測する構成について説明する。顧客状態推測部１４が用いる協調フィルタリングは公知の技術であり、例えば参考文献１（David Goldberg, David Nichols, Brian M. Oki and Douglas Terry: "Using collaborative filtering to weave an information Tapestry," Communications of the ACM, vol.35, no.12, pp.61-70, Dec. 1992.）などに記載されている。顧客状態推測部１４は、行動履歴記憶部１２に記憶されている顧客行動情報のうち、サービスを停止又は解約した顧客の行動履歴及び顧客属性情報と類似した顧客行動情報及び顧客属性に対応する顧客を検出する。顧客状態推測部１４は、検出した顧客がサービスの停止又は解約を希望している又は希望する可能性が高い状態にある顧客であると推測する。

顧客状態推測部１４は、前述の推測を行うために、行動履歴記憶部１２に記憶されている顧客行動情報と、顧客属性記憶部１３に記憶されている顧客属性情報とをｎ次元のベクトル（ｘ１，ｘ２，…，ｘｎ）として処理する。例えば、ベクトルの要素ｘ１を月々のサービス利用料金、要素ｘ２を顧客向けＷｅｂページへのアクセス頻度、要素ｘ３を過去３ヶ月におけるコンタクトセンタに電話を掛けた回数、などと定める。顧客ごとにｎ次元のベクトルを定めると、ｎ次元空間において各顧客を点として表される。また、ｎ次元空間において、類似する傾向を有する顧客は互いに近い距離に集まって存在し、類似しない顧客は互いに散らばって存在することになる。

図２は、実施例１において協調フィルタリングを用いて顧客のベクトルを分類した一例を示す図である。同図には、３つのクラスタＡ、Ｂ及びＣが示されている。例えば、クラスタＡに属するユーザは過去の統計情報から解約に至る確率が低く、クラスタＢに属するユーザは過去の統計情報から解約に至る確率が高いとする。このとき、クラスタＡに属していた顧客（星印で示されている顧客）が、当該顧客の顧客行動情報の蓄積に伴い、クラスタＢに分類されたとき、コンタクト支援システム１０は当該顧客に対して連絡をとることを提示する。このとき、過去に蓄積した理由であってクラスタＢの顧客が解約した際の理由に基づいて、連絡を行う際のアプローチ手法が選択される。例えば、クラスタＢに分類された顧客の解約理由のうち料金に対する不満が高い場合には、現在のサービスより安価なサービスのプランを勧めるアプローチ手法が選択されることになる。

また、コンタクト支援システム１０が提示するアプローチ手法に基づいた連絡を顧客に対して行った結果に基づいて、各クラスタに属する顧客と相性がよいオペレータを選定するようにしてもよい。例えば、顧客との相性を示す指標として、顧客に連絡をとることにより解約に至る確率や件数の削減数や、新たなサービスの契約を獲得した件数又は成功率、顧客の反応を数値化したものなどを用いることができる。顧客の反応の数値化は、例えば、顧客との対話における音声データを解析し、感謝の文言（例えば「ありがとう」）などを顧客が発した回数や頻度を用いることができる。

図３は、本実施例におけるコンタクト支援システム１０が行うコンタクト支援処理のフローチャートである。コンタクト支援システム１０においてコンタクト支援処理が開始されると、顧客行動取得部１１は、顧客行動情報を取得し、取得した顧客行動情報を行動履歴記憶部１２に記憶させる（ステップＳ１０１）。

行動履歴記憶部１２に新たな顧客行動情報が記憶されると、顧客状態推測部１４は、行動履歴記憶部１２に記憶されている顧客行動情報と、顧客属性記憶部１３に記憶されている顧客行動情報とに基づいてｎ次元ベクトルを顧客ごとに生成する。顧客状態推測部１４は、生成した各顧客のｎ次元ベクトルを複数のクラスタに分類して顧客状態の更新を行う（ステップＳ１０２）。

アプローチ情報提示部１６は、分類されたクラスタが顧客状態の更新によって変更された顧客を検出し、検出した顧客の状態が不満や要望を持っている推測されるクラスタに属しているか否かを判定する（ステップＳ１０３）。すなわち、アプローチ情報提示部１６は、顧客状態の更新によってアプローチ（連絡）をすべき顧客が存在する否かを判定している。

アプローチすべき顧客が存在しない場合（ステップＳ１０３：ＮＯ）、アプローチ情報提示部１６は、処理をステップＳ１０１に戻して、ステップＳ１０１からステップＳ１０３間での処理を繰り返させる。一方、アプローチすべき顧客が存在する場合（ステップＳ１０３：ＹＥＳ）、アプローチ情報提示部１６は、アプローチすべき顧客から、アプローチ対象の顧客を選択する（ステップＳ１０４）。例えば、アプローチ情報提示部１６は、アプローチすべき顧客のうち前回連絡をとってからの一定の期間が経過している顧客を選択する。

アプローチ情報提示部１６は、選択した顧客が属しているクラスタ（顧客の状態）に対応するアプローチ情報をアプローチ情報記憶部１５から読み出す。アプローチ情報提示部１６は、読み出したアプローチ情報に含まれるアプローチ手法とオペレータとを示す情報をディスプレイに表示するなどして提示する（ステップＳ１０５）。

適合度合取得部１７には、ステップＳ１０５において提示したアプローチ手法を適用した結果がオペレータや担当者の操作などに応じて入力される（ステップＳ１０６）。適合度合取得部１７は、入力された結果に応じて、アプローチ情報提示部１６に記憶されているアプローチ情報を更新し（ステップＳ１０７）、処理をステップＳ１０１に戻してステップＳ１０１からステップＳ１０７の処理を繰り返させる。

アプローチ情報の更新としては、顧客へのアプローチにより、顧客の状態がアプローチすべき顧客のクラスタから外れたり、顧客が新たなサービスを契約したりした場合に、オペレータの当該アプローチに対する適性、又は当該クラスタに属する顧客への適性、あるいはその両方の適性があるとして評価する。これにより、同じアプローチ手法を提示する場合、又は同じクラスタの顧客に対してアプローチを指示する場合において、アプローチ情報提示部１６は、適性が高いオペレータや担当者を優先的に提示することができる。

このように、コンタクト支援システム１０は、顧客行動情報及び顧客属性情報に基づいて、サービスに対して不満を抱いていると推測される顧客やサービスの利用において問題を抱えていると推測される顧客を事前に検出する。コンタクト支援システム１０は、検出した顧客に対して、顧客の状態に応じたアプローチ手法を用いて当該顧客と連絡をとることをオペレータや担当者に指示することにより顧客に対して、不満や問題を解決する提案や勧めを行うことができる。すなわち、コンタクト支援システム１０は、顧客行動情報及び顧客属性情報に基づいて顧客の状態を推測することにより、事前に顧客の状態を把握し、顧客の状態に応じたコンタクトを行うための支援をオペレータや担当者に対して行うことができる。

なお、図３において示したコンタクト支援処理では、顧客行動情報の取得（ステップＳ１０１）と顧客状態の更新（ステップＳ１０２）とを含む手順を示したが含まずともよい。この場合、ステップＳ１０１とステップＳ１０２とはコンタクト支援処理と並列に行われるようにし、コンタクト支援処理ではアプローチすべき顧客を検出する処理から始めるようにする。更にこの場合、顧客が属するクラスタが変化した場合だけでなく、アプローチを要するクラスタに属している期間などに基づいてアプローチ対象として選択するようにしてもよい。

（実施例２）
実施例２では、コンタクト支援システム１０の顧客状態推測部１４を、マルコフモデルを適用したアルゴリズムにて実現する構成について説明する。本実施例では、顧客の行動を時系列でとらえる点が実施例１と異なる。ここでは、顧客接点において得られる顧客の行動をｘｉ（ｉ＝１，２，…，ｎ）として扱う。例えば、行動ｘ１をサービスの契約とし、行動ｘ２をコンタクトセンタへの問い合わせとし、行動ｘ３をＷｅｂ明細（請求書）の確認とし、行動ｘ４を解約入電とする。この場合、顧客がサービスの契約をしてから、サービスの解約をするまでの行動履歴を、例えば、行動ｘ１、行動ｘ３、行動ｘ２、行動ｘ４の順に遷移すると表すことができる。すなわち、顧客の行動を行動ｘｉの時系列で表すことができる。行動履歴記憶部１２には、顧客ごとに行動ｘｉが時系列に記憶される。図４は、本実施例における行動ｘ１から行動ｘ４の状態遷移図の一例を示す図である。

本実施例では、顧客状態推測部１４は、顧客属性情報をｍ次元のベクトルＡ＝（ａ１，ａ２，…，ａｍ）として扱う。例えば、ベクトルＡの要素ａ１を顧客の年齢とし、要素ａ２を性別とし、要素ａ３を顧客の居住地域とし、要素ａ４を顧客がサービスを利用して貯めたポイント数とする。顧客属性記憶部１３には、顧客ごとに顧客属性情報がｍ次元のベクトルＡとして記憶される。

顧客状態推測部１４は、行動履歴記憶部１２に記憶されている顧客行動情報と、顧客属性記憶部１３に記憶されている顧客属性情報とに基づいて、ある顧客属性情報（ベクトルＡ）に対応する顧客が、サービスの停止や解約に至る推移確率をＰ（Ａ，Ｘ）とする。Ｘは顧客の状態を示す情報であって当該顧客の行動ｘｉの時系列、すなわち行動の履歴である。顧客状態推測部１４は、新たな顧客行動情報が顧客行動取得部１１により取得されて顧客の状態が遷移した際、又は顧客の状態が遷移した際に当該顧客の確率Ｐ（Ａ，Ｘ）を算出する。サービスの停止や解約に至る確率Ｐ（Ａ，Ｘ）が予め定められた閾値を超えた顧客は、アプローチすべき顧客として選択される。なお、アプローチすべき顧客であるか否かの判定において、確率Ｐ（Ａ，Ｘ）に対して、各顧客の１ヶ月あたりの利用料金（ＡＲＰＵ；Average Revenue Per User）や、各顧客が生涯に支払うと予測される利用料金（ＬＴＶ；Life time value）などに基づいて定められる係数Ｖを乗じたＶ・Ｐ（Ａ，Ｘ）の値が大きい顧客をアプローチすべき顧客としてもよい。

本実施例では、アプローチ情報に含まれるアプローチ手法を識別する識別子をｙｊ（ｊ＝１，２，…，Ｊ）とする。顧客属性情報Ａであり状態ｘｉである顧客に対してアプローチ手法ｙｊを用いて対応した場合における、サービスの停止や解約を抑止した又はサービス加入の契約を獲得したなどの成功確率をＰ（ｙｊ｜Ａ，Ｘ）とする。成功確率Ｐ（ｙｊ｜Ａ，Ｘ）は、適合度合取得部１７によりフィードバックされ、アプローチ情報を更新する際に各アプローチ手法ｙｉに対応付けてアプローチ情報記憶部１５に記憶される。

アプローチ情報提示部１６は、確率Ｐ（Ａ，Ｘ）に基づいて選択された顧客に対するアプローチ手法のうち、成功確率Ｐ（ｙｊ，Ａ，Ｘ）が最大となるアプローチ手法を含むアプローチ情報をオペレータや担当者に提示する。更に、顧客に連絡をとるオペレータを識別する識別子をｚｋ（ｋ＝１，２，…，Ｋ）とする場合において、顧客属性情報Ａであり状態ｘｉである顧客に対してオペレータｚｋがアプローチ手法ｙｊを用いて対応した場合における成功確率をＰ（ｚｋ｜ｙｊＡ，Ｘ）とし、Ｐ（ｚｋ｜ｙｊ、Ａ，Ｘ）が最大になるアプローチ情報をオペレータや担当者に提示するようにしてもよい。

本実施例におけるコンタクト支援システム１０が行うコンタクト支援処理を図３のフローチャートを用いて説明する。コンタクト支援システム１０においてコンタクト支援処理が開始されると、顧客行動取得部１１は、顧客行動情報を取得し、取得した顧客行動情報で行動履歴記憶部１２に記憶されている顧客行動情報を更新する（ステップＳ１０１）。

行動履歴記憶部１２に記憶されている顧客行動情報が更新されると、顧客状態推測部１４は、行動履歴記憶部１２に記憶されている顧客行動情報と、顧客属性記憶部１３に記憶されている顧客行動情報とに基づいて、確率Ｐ（Ａ，Ｘ）を顧客ごとに算出して顧客状態を更新する（ステップＳ１０２）。

アプローチ情報提示部１６は、顧客状態推測部１４が算出した確率Ｐ（Ａ，Ｘ）のうち予め定められた閾値を超える確率Ｐ（Ａ，Ｘ）が存在するか否かを判定する（ステップＳ１０３）。すなわち、アプローチ情報提示部１６は、顧客状態の更新によってサービスの停止や解約に至る可能性が高くなった顧客、つまりアプローチ（連絡）をすべき顧客が存在するか否かを判定している。

閾値を超える確率Ｐ（Ａ，Ｘ）が存在しない場合（ステップＳ１０３：ＮＯ）、アプローチ情報提示部１６は、処理をステップＳ１０１に戻して、ステップＳ１０１からステップＳ１０３間での処理を繰り返させる。一方、閾値を超える確率Ｐ（Ａ，Ｘ）が存在する場合（ステップＳ１０３：ＹＥＳ）、アプローチ情報提示部１６は、閾値を超える確率Ｐ（Ａ，Ｘ）に対応する顧客から、アプローチ対象の顧客を選択する（ステップＳ１０４）。例えば、アプローチ情報提示部１６は、実施例１と同様にアプローチすべき顧客のうち前回連絡をとってからの一定の期間が経過している顧客を選択したり、顧客のＡＲＰＵやＬＴＶを確率Ｐ（Ａ，Ｘ）に乗じて乗算結果の大きい顧客を選択したりする。

アプローチ情報提示部１６は、選択した顧客に対して成功確率Ｐ（ｙｊ｜Ａ，Ｘ）又はＰ（ｚｋ｜ｙｊ、Ａ，Ｘ）が最も大きいアプローチ情報をアプローチ情報記憶部１５から読み出す。アプローチ情報提示部１６は、読み出したアプローチ情報に含まれるアプローチ手法とオペレータとを示す情報をディスプレイに表示するなどして提示する（ステップＳ１０５）。

適合度合取得部１７には、ステップＳ１０５において提示したアプローチ手法を適用した結果がオペレータや担当者の操作などに応じて入力される（ステップＳ１０６）。適合度合取得部１７は、入力された結果に応じて、アプローチ情報提示部１６に記憶されているアプローチ情報を更新し（ステップＳ１０７）、処理をステップＳ１０１に戻してステップＳ１０１からステップＳ１０７の処理を繰り返させる。アプローチ情報の更新においては、成功確率Ｐ（ｙｊ｜Ａ，Ｘ）又はＰ（ｚｋ｜ｙｊ，Ａ，Ｘ）の更新が行われる。

（実施例３）
実施例３では、コンタクト支援システム１０の顧客状態推測部１４を隠れマルコフモデルを適用したアルゴリズムで実現し、観測可能な顧客の行動の履歴を基に顧客の状態（心理状態）を推測する構成について説明する。本実施例では、顧客の心理の状態を「満足」、「料金に不満」、「品質に不満」などと予め定義し、それぞれの状態をｓｉとする。また、観測可能な顧客の行動を実施例２と同様に行動ｘｉの時系列で表す。すなわち、行動履歴記憶部１２には、顧客ごとに行動ｘｉが時系列に記憶される。

顧客の行動は行動ｘｉの時系列で観測されるが、顧客の心理状態（内部の状態ｓｉ）がその行動を引き起こしたと考えると、行動ｘｉの時系列に基づいて顧客の心理状態ｓｉを推測することができる。行動ｘｉの履歴に基づいて顧客の心理状態ｓｉを推測する方法としては、例えばＶｉｔｅｒｂｉアルゴリズムを用いることができる。すなわち、本実施例では、顧客行動取得部１１が取得して行動履歴記憶部１２に蓄積された顧客の行動の時系列（行動履歴）に基づいて、顧客状態推測部１４は隠れマルコフモデルを適用し、各心理状態ｓｉを内部状態としたモデルを事前に生成する。顧客状態推測部１４は、生成したモデルを用いて、行動履歴から心理状態ｓｉを顧客ごとに推測する。図５は、本実施例における顧客の心理状態（状態ｓｉ）「満足」、「料金に不満」、「品質に不満」と、顧客の行動履歴「コンタクトセンタへの問い合わせ」、「Ｗｅｂ明細チェック」、「解約入電」との組み合わせの一例を示す図である。

なお、顧客状態推測部１４は、Ｂａｕｍ−Ｗｅｌｃｈアルゴリズム（参考文献２：村上仁一、「Ｂａｕｍ−Ｗｅｌｃｈアルゴリズムの動作と応用例」、電子情報通信学会基礎・境界ソサイエティ、Ｖｏｌ．４、Ｎｏ．１、４８頁−５６頁、２０１０年４月）を用いるようにしてもよい。これにより、心理状態の推測精度を向上させることができる。
また、顧客状態推測部１４は、顧客属性記憶部１３に記憶されている顧客属性情報に基づいて、顧客を複数のクラスタに分類し、分類ごとにモデルを事前に生成するようにしてもよい。

推測された心理状態ｓｉがサービスに対して「満足」している状態から何らかの不満を抱えている状態に遷移した顧客を検出すると、アプローチ情報提示部１６は、状態ｓｉが遷移したタイミングにおいて当該顧客をアプローチ対象の顧客として選択し、オペレータや担当者に対して当該顧客に連絡をとる指示やアプローチ手法を提示する。このとき、提示するアプローチ手法は、顧客状態推測部１４が推測した顧客の状態ｓｉに対応する手法が選択される。例えば、料金に不満を抱いていると推測された顧客に対しては、より安価なサービスのプランを提案するアプローチ手法が提示され、品質に不満を抱いていると推測された顧客に対しては、より高品質なサービスのプランを提案するアプローチ手法が提示される。

本実施例におけるコンタクト支援システム１０が行うコンタクト支援処理を図３のフローチャートを用いて説明する。コンタクト支援システム１０においてコンタクト支援処理が開始されると、顧客行動取得部１１は、顧客行動情報を取得し、取得した顧客行動情報で行動履歴記憶部１２に記憶されている顧客行動情報を更新する（ステップＳ１０１）。

行動履歴記憶部１２に記憶されている顧客行動情報が更新されると、顧客状態推測部１４は、行動履歴記憶部１２に記憶されている顧客行動情報に基づいて、顧客の心理状態ｓｉを顧客ごとに推測する（ステップＳ１０２）。
アプローチ情報提示部１６は、顧客状態推測部１４が推測した各顧客の心理状態ｓｉにおいて、何らかの不満を抱いていると推測された顧客のうち、今回新たに不満を抱いていると推測された顧客が存在するか否かを判定する（ステップＳ１０３）。これにより、アプローチ情報提示部１６は、新たに不満を抱いている心理状態になった顧客、つまりアプローチ（連絡）をすべき顧客が存在するか否かを判定している。

新たに不満を抱いていると推測された顧客が存在しない場合（ステップＳ１０３：ＮＯ）、アプローチ情報提示部１６は、処理をステップＳ１０１に戻して、ステップＳ１０１からステップＳ１０３間での処理を繰り返させる。一方、新たに不満を抱いていると推測された顧客が存在する場合（ステップＳ１０３：ＹＥＳ）、アプローチ情報提示部１６は、当該顧客からアプローチ対象の顧客を選択する（ステップＳ１０４）。例えば、アプローチ情報提示部１６は、実施例１と同様にアプローチすべき顧客のうち前回連絡をとってからの一定の期間が経過している顧客を選択する。

アプローチ情報提示部１６は、選択した顧客の心理状態ｓｉに対応するアプローチ情報をアプローチ情報記憶部１５から読み出す。アプローチ情報提示部１６は、読み出したアプローチ情報に含まれるアプローチ手法とオペレータとを示す情報をディスプレイに表示するなどして提示する（ステップＳ１０５）。

適合度合取得部１７には、ステップＳ１０５において提示したアプローチ手法を適用した結果がオペレータや担当者の操作などに応じて入力される（ステップＳ１０６）。適合度合取得部１７は、入力された結果に応じて、アプローチ情報提示部１６に記憶されているアプローチ情報を更新し（ステップＳ１０７）、処理をステップＳ１０１に戻してステップＳ１０１からステップＳ１０７の処理を繰り返させる。アプローチ情報の更新としては、顧客へのアプローチにより、顧客の心理状態ｓｉがアプローチすべき心理状態ｓｉから外れたり、顧客が新たなサービスを契約したりした場合に、オペレータの当該アプローチに対する適性、又は当該心理状態ｓｉにある顧客への適性、あるいはその両方の適性があるとして評価する。

前述したように、コンタクト支援システム１０は、顧客と接した際の情報や、顧客の行動履歴から、不満や不具合を感じているなどの顧客の心理状態を推測し、前回推測した心理状態と異なる顧客にアプローチすることを提示する。これにより、オペレータや担当者は、顧客の心理状態が変化したタイミングをとらえた上で、顧客から連絡を受ける前に対応することができる。また、コンタクト支援システム１０は、推測した心理状態に対応するアプローチ手法を提示する。これにより、オペレータや担当者は、顧客に対して漠然とした伺い（例えば、「何か問題はございませんか？」など）を行うのではなく、顧客の心理状態に応じた伺い（例えば、「価格にご不満はございませんか？」など）を行うことができる。また、コンタクト支援システム１０は、オペレータが顧客に連絡を行った結果に基づいて、アプローチ手法又は顧客の心理状態に対するオペレータの適性を評価する。これにより、コンタクト支援システム１０は、顧客との相性がよいオペレータが連絡を行うように提示することができる。これらの結果、顧客の心理状態に応じたコンタクトを行うことが容易になり、サービスの停止や解約を抑止したり、顧客を満足させる対応したりすることが可能となる。

上述した実施形態におけるコンタクト支援処理をコンピュータで実現するようにしてもよい。その場合、この機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。更に「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、更に前述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるものであってもよく、ＦＰＧＡ（Field Programmable Gate Array）等のプログラマブルロジックデバイスを用いて実現されるものであってもよい。

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。例えば、前述の実施形態では、コンタクト支援システム１０を１つの装置として説明したが、各機能部が独立した装置として存在し、各装置がネットワークを介して通信可能に接続されていてもよい。

また、顧客の心理状態ごとに複数のアプローチ手法（又はトークスクリプト）を含むアプローチ情報をアプローチ情報記憶部１５に記憶させておき、各アプローチ手法の成功頻度又は確率を適合度合取得部１７が更新するようにしてもよい。これにより、顧客にアプローチする際のアプローチ手法を選択する精度を向上させることができる。

顧客の状態を顧客の行動から推測し、サービスに対する顧客の満足度を高めたり、不満を解消したりすることが必要なシステムに適用できる。

１０…コンタクト支援システム
１１…顧客行動取得部
１２…行動履歴記憶部
１３…顧客属性記憶部
１４…顧客状態推測部
１５…アプローチ情報記憶部
１６…アプローチ情報提示部
１７…適合度合取得部

Claims (7)

1. 顧客の行動から得られる顧客行動情報に基づいて、予め定められた複数の心理状態のうち顧客がいずれの心理状態にあるかを推測する顧客状態推測部と、
   どのように顧客と連絡を行うかを示す情報が含まれるアプローチ情報を前記複数の心理状態ごとに記憶しているアプローチ情報記憶部と、
   前記顧客状態推測部が推測した心理状態が前回の心理状態と異なる顧客を検出し、検出した顧客の心理状態に対応するアプローチ情報を前記アプローチ情報記憶部から読み出して提示するアプローチ情報提示部と
   を備えることを特徴とするコンタクト支援システム。
2. 請求項１に記載のコンタクト支援システムにおいて、
   顧客の属性を示す顧客属性情報を予め記憶している顧客属性記憶部を更に備え、
   前記顧客状態推測部は、
   顧客行動情報の履歴と顧客属性情報とをｎ次元ベクトルで表現した情報に基づいて、ｎ次元空間において各顧客を前記複数の心理状態のいずれかに分類する
   ことを特徴とするコンタクト支援システム。
3. 請求項１に記載のコンタクト支援システムにおいて、
   顧客の属性を示す顧客属性情報を予め記憶している顧客属性記憶部を更に備え、
   前記顧客状態推測部は、
   顧客行動情報の履歴に基づいて、前記顧客属性情報にて分類される顧客が次に行う行動を推移確率として推測する
   ことを特徴とするコンタクト支援システム。
4. 請求項１に記載のコンタクト支援システムにおいて、
   前記顧客状態推測部は、
   顧客行動情報を用いて生成されたモデルであって前記複数の心理状態を内部状態とするモデルと、顧客行動情報の履歴とに基づいて、各顧客を前記複数の心理状態のいずれかに分類する
   ことを特徴とするコンタクト支援システム。
5. 請求項１から請求項４のいずれか一項に記載のコンタクト支援システムにおいて、
   前記アプローチ情報提示部が提示したアプローチ情報に基づいてオペレータが顧客に連絡を行った結果を取得し、取得した結果から該アプローチ情報に対する該オペレータの適性を評価し、前記アプローチ情報記憶部に記憶させる適合度合取得部を更に備え、
   前記アプローチ情報提示部は、
   前記検出した顧客の心理状態に対応するアプローチ情報に対する適性に基づいてオペレータを選択する
   ことを特徴とするコンタクト支援システム。
6. 請求項５に記載のコンタクト支援システムにおいて、
   前記適合度合取得部は、
   オペレータが顧客に連絡を行った際の手法と、前記アプローチ情報提示部が提示したアプローチ情報との適合度を算出し、算出した適合度が基準以上の場合にオペレータの適性を評価する
   ことを特徴とするコンタクト支援システム。
7. どのように顧客と連絡を行うかを示す情報が含まれるアプローチ情報を予め定められた複数の心理状態ごとに記憶しているアプローチ情報記憶部を備えるコンタクト支援システムが行うコンタクト支援方法であって、
   顧客の行動から得られる顧客行動情報に基づいて、前記複数の心理状態のうち顧客がいずれの心理状態にあるかを推測する顧客状態推測ステップと、
   前記顧客状態推測ステップにおいて推測した心理状態が前回の心理状態と異なる顧客を検出し、検出した顧客の心理状態に対応するアプローチ情報を前記アプローチ情報記憶部から読み出して提示するアプローチ情報提示ステップと
   を有することを特徴とするコンタクト支援方法。

Images