JP6849873B2 - Ａｉ技術を用いた成約予測装置、成約予測プログラム及び成約予測方法 - Google Patents

Description

本発明は、例えば顧客リストに基づいて販売成約率や成約数などの予測を行うＡＩ技術を用いた成約予測装置、成約予測プログラム及び成約予測方法に適用して好適なものである

従来、電話による営業業務、いわゆるテレフォンアポイントメントを業務にするコールセンター会社が知られている。このコールセンター会社では、クライアントである商品提供会社から提供された顧客リスト及び商品情報に基づいて、電話を掛ける電話対象に対して電話を掛けるようになされている（例えば特許文献１参照）。

特開２００５−１０１８１２号

ところで、コールセンター会社は、多数の商品提供会社から顧客リスト及び商品情報の提供を受け、電話対象に対して実際に電話を掛ける。このため、コールセンター会社は、多様な商品に関する大量の属性情報及び成約情報を保有することになる。この大量の保有情報（いわゆるビッグデータ）についての活用が要望されていた。

本発明はこのような問題を解決するためになされたもので、その目的は、保有情報の活用が可能なＡＩ技術を用いた成約予測装置、成約予測プログラム及び成約予測方法を提供するものである。

かかる課題を解決するため、本発明のＡＩ技術を用いた成約予測装置は、
過去に電話を掛けた過去電話対象及び該過去電話対象に対して過去に提案された過去商品の属性を表す過去属性情報と、前記過去電話対象に対して過去に電話をかけたときの契約の成立の可否である過去成約情報とが対応付けられて個人対応情報として登録された過去データベースを記憶する記憶部と、
電話を掛ける予定の予定電話対象及び該予定電話対象に対して提案する予定契約の属性を表す予定属性情報とを入力させる入力部と、
前記過去データベースにおいて前記予定属性情報に類似する前記過去属性情報の組み合わせを有する個人対応情報を抽出個人対応情報として抽出し、前記抽出個人対応情報が有する過去成約情報に基づいて、前記予定電話対象に対する前記予定契約の成立確率である予定成約率を予測する予測部とを備えることを特徴とする。

また、本発明のＡＩ技術を用いた成約予測プログラムは、コンピュータに対し、
電話を掛ける予定の予定電話対象及び該予定電話対象に対して提案する予定契約の属性を表す予定属性情報とを入力させる入力ステップと、
過去に電話を掛けた過去電話対象及び該過去電話対象に対して過去に提案された過去商品の属性を表す過去属性情報と、前記過去電話対象に対して過去に電話をかけたときの契約の成立の可否である過去成約情報とが対応付けられて個人対応情報として登録された過去データベースにおいて前記予定属性情報に類似する前記過去属性情報の組み合わせを有する個人対応情報を抽出個人対応情報として抽出し、前記抽出個人対応情報が有する過去成約情報に基づいて、前記予定電話対象に対する前記予定契約の成立確率である予定成約率を予測する予測ステップと
を実行させることを特徴とする。

さらにＡＩ技術を用いた成約予測方法は、電話を掛ける予定の予定電話対象及び該予定電話対象に対して提案する予定契約の属性を表す予定属性情報とを入力させる入力部と、
過去に電話を掛けた過去電話対象及び該過去電話対象に対して過去に提案された過去商品の属性を表す過去属性情報と、前記過去電話対象に対して過去に電話をかけたときの契約の成立の可否である過去成約情報とが対応付けられて個人対応情報として登録された過去データベースにおいて前記予定属性情報に類似する前記過去属性情報の組み合わせを有する個人対応情報を抽出個人対応情報として抽出し、前記抽出個人対応情報が有する過去成約情報に基づいて、前記予定電話対象に対する前記予定契約の成立確率である予定成約率を予測する予測部と
を実行させることを特徴とする。

本発明は、保有情報の活用が可能なＡＩ技術を用いた成約予測装置、成約予測プログラム及び成約予測方法を実現できる。

コールセンターシステムの構成（１）を示す略線図である。 コールセンターシステムの構成（２）を示す略線図である。 システムサーバの構成を示すブロック図である。 入力画面の構成を示す略線図である。 グラフ表示画面の構成を示す略線図である。 検索対象項目の指定の説明に供する略線図である。 成約率予測処理を示すフローチャートである。 電話営業システムの構成を示す略線図である。 オペレータ端末の構成を示すブロック図である。 マニュアル画面の構成（１）を示す略線図である。 マニュアル画面の構成（２）を示す略線図である。 マニュアル画面の構成（３）を示す略線図である。 マニュアル自動生成処理を示すフローチャートである。

以下、本発明を実施するための形態について図面を参照して説明する。

＜全体構成＞
図１に示すコールセンターシステム１０１のように、コールセンター会社１０３は、商品提供会社１０２からの委託により指定された電話対象に対して電話を掛ける。このとき、コールセンター会社１０３は、商品提供会社１０２から電話を掛ける予定の予定電話対象のリストである顧客リスト及び商品についての情報が記載された商品情報の提供を受ける。顧客リストには、電話対象の氏名や電話番号の他に電話対象の性別や年齢など顧客に関する特性である属性情報が含まれる。また、商品情報にも、商品に関する特性である属性情報が含まれる。

コールセンター会社１０３は、顧客リスト及び商品情報に基づいて電話対象１０５に電話をし、商品の提案を行う。図２に示すように、コールセンター会社１０３は、電話掛けの結果、契約の可否を表す成約情報を商品提供会社１０２に供給する。この成約情報に基づいて、商品提供会社１０２は提案した商品を電話対象１０５に提供する。なおこの商品は、形のある製品であってもサービスであっても良い。

コールセンター会社１０３は、顧客リストのうち電話対象を具体的に特定できないが電話対象の特性を表す属性情報と、商品情報のうち商品の特性を表す属性情報とを抽出し、商品の売買契約の可否を表す過去成約情報と共に過去属性情報として過去データベースとして登録する。

コールセンター会社１０３は、商品提供会社１０２から新たな委託依頼や委託依頼の相談があるときなど、過去データベースに基づいて成約予測処理を行う。

図３に示すように、コールセンター会社１０３が保有するシステムサーバ４は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）から構成される制御部４１がシステムサーバ４の全体を統括的に制御し、予めＲＯＭに記憶された成約予測プログラム及びマニュアル自動生成プログラムに従って成約予測処理及びマニュアル自動生成処理を実行するようになされている。記憶部４５には、過去データベースが記憶されている。

過去データベースには、過去に電話を掛けた過去電話対象及び該過去電話対象に対して過去に提案された過去商品の属性を表す過去属性情報と、前記過去電話対象に対して過去に電話をかけたときの応対日時情報及び前記過去商品の売買成立の可否である過去成約情報とが対応付けて登録されている。すなわち、一個人に関する過去属性情報及び過去成約情報とか１つの個人対応情報として登録されている。

過去属性情報としては、過去電話対象に関する情報として、電話対象に関する属性情報としては、顧客の種別を表す顧客種別（個人、法人、個人事業主の屋号など）、性別（男、女など）、年代、電話種別（携帯電話、固定電話）、初回購入経路（ダイレクトメール、ウェブ広告、友達紹介など）、休眠期間（最終購買日からの経過日数など）、購入回数などが挙げられる。

過去属性情報としては、過去商品に関する情報として、販売方法の種別を表す販売方法種別（定期購入商品、都度購入商品など）、提案方法を表す提案方法種別（休眠掘り起こし、定期引き上げ、無料サンプル請求など）、商品の大雑把な分類である商品大分類（健康食品、化粧品、生活用品など）、商品の詳細な分類である商品小分類（青汁、野菜ジュース、サプリメント、基礎化粧品、メイクアップ化粧品、毛染め剤など）、商品価格帯などが挙げられる。

コールセンター会社１０３は、多数の商品提供会社から顧客リスト及び商品情報の提供を受け、電話対象に対して実際に電話を掛ける。このため、コールセンター会社１０３は、多様な商品に関する大量の属性情報及び成約情報（過去データベース）を保有することになる。この大量の保有情報（いわゆるビッグデータ）についての活用が要望されていた。本発明は、ＡＩ（人工知能）を用いてビッグデータを活用する方法である。

＜成立予測処理＞
システムサーバ４の制御部４１は、外部インターフェース４３を介した管理者の操作入力により、成約予測処理を実行する旨の要求がなされると、電話を掛ける予定の予定電話対象及び該予定電話対象に対して提案する予定商品の属性を表す予定属性情報とを入力させる。

例えば、図４に示すように、入力画面５０には、入力項目欄５１（５１Ａ〜５１Ｅ）と、ブランク５２（５２Ａ〜５２Ｅ）が表示される。ブランク５２は、数値入力が可能な自動入力方式と、プルダウンメニューから一つを選択する選択入力方式があり、入力項目に応じて設定されている。この入力項目欄５１には、入力すべき属性情報の項目が表示される。この入力画面５０における入力項目欄５１及びブランク５２の数に制限は無く、任意の数だけ表示される。１頁に全て収められてもよく、２頁以上に跨がってもよい。また、スクロールにより１頁内により多くの入力項目欄５１及びブランク５２を表示することも可能である。

制御部４１は、管理者の操作入力に応じて入力操作が終了したと認識すると、類似抽出条件に従って入力項目として入力された入力値と類似する値を有する過去属性情報を検索し、該過去属性情報に対応する個人対応情報を過去データベースから抽出する。なお、本明細書で「類似する」とは、「完全一致」も含むものとする。

類似抽出条件としては、特に制限は無く、入力項目の一部の検索対象項目についての入力値又は入力値に基づく類似範囲（２５歳なら２５−３０歳といった年代など予め定められた類似範囲、以下、この入力値及び類似範囲を合わせて入力値範囲と呼ぶ）の一部又は全部が過去データベースにおける過去属性情報と一致するものが検索される。このとき、入力値範囲と一致した過去属性情報（以下、これをマッチ属性情報と呼ぶ）の合計数に応じて抽出個人対応情報が抽出される。

例えば予め定められた抽出予定数になるまで、マッチ属性情報の多い順から抽出個人対応情報が抽出されても良い。また予め定められたマッチ属性情報の合計数（以下、これを充足マッチ数と呼ぶ）だけ入力値範囲と一致した抽出個人対応情報が抽出されても良い。また、充足マッチ数だけ入力値範囲と一致したものが所定の充足抽出数に満たない場合のみ充足マッチ数を低下させることにより、抽出個人対応情報の数を担保するようにしても良い。

また、類似抽出条件として、検出対象項目に対して予め重み付けがなされていてもよい。例えば、検出対象項目に対して予め重み付け係数が設定されており、マッチ属性情報に対応する重み付け係数の合計数が多いものから抽出個人対応情報を選択することができる。なお重み付け係数は、検索対象項目に対応付けた状態で係数ファイルとして記憶部４５に記憶されており、制御部４１は係数ファイルから読み出して重み付け係数の乗算を行う。

また、多段的（２段又はそれ以上）に類似抽出条件を設定することもできる。例えば検索対象項目のうち、一部を一次検索対象項目とし、残りを二次検索対象項目に設定する。一次検索対象項目のマッチ属性情報が入力値範囲と全て一致した個人対応情報を母集団とし、該母集団のうち入力値範囲と一致した部分検索対象項目のマッチ属性情報の合計数などに応じて抽出個人対応情報が抽出される。もちろん、一次検索対象項目及び二次検索対象項目に対して上述した重み付け係数を用いたり、充足マッチ数に応じて母集団を抽出することも可能である。

一次検索対象項目としては、成約率を大きく左右することの多い項目（顧客種別、販売方法種別、提案方法種別、商品大分類、商品小分類、商品価格帯など、例えば販売形式に依存する要素項目）が設定される。また、二次検索対象項目としては、成約率に与える影響が比較的少ない項目（休眠期間、購入回数、性別、年代、電話種別、初回購入経路など、例えば各電話対象に依存する要素項目）が設定される。

また、入力項目に入力された入力値に応じて検索対象項目を変更したり、重み付け係数を変更したりできる。例えば、提案方法種別として「休眠掘り起こし」が選択された場合には、検索対象項目である休眠期間の重み付け係数を大きくする。これにより、休眠期間の近い個人対応情報を多く抽出でき、予定成約率の精度を向上させることができる。

さらに制御部４１は、過去成約情報における応対日時情報を予定成約率に考慮することも可能である。消費傾向は年齢層だけでなく、世代の要素も含まれる。例えばバブル世代であれば同じ年齢層であっても成約率が高い傾向がある。従って、応対日時情報の新しいデータの方が、古いデータと比較して現在のその年齢層の行動パターンをより反映している。そこで制御部４１は、応対日時情報に応じた日時重み付け係数を掛けたり、応対日時情報が新しい日付けを有する対応個人情報を優先的に使用することにより、予定成約率の予測精度を向上させることができる。

制御部４１は、抽出個人対応情報における過去成約情報に基づき予定成約率を予測する。具体的に、制御部４１は、抽出個人対応情報における過去成約情報を集計し、抽出個人対応情報における成約率を算出し、これを予定成約率とする。予定成約率に対し、予定電話対象の数を乗算することにより予測成約数を、該予測成約数に販売価格を乗算することにより予測売上を算出する。

制御部４１は、算出された予定成約率に基づいて、予定成約率をグラフ表示するグラフ表示画像データを生成し、表示部４４に供給する。この結果、表示部４４に、グラフ表示画面６０が表示される。グラフ表示画面６０には、成約率を表すグラフ６１と、予測売上高の金額を示す売上高表示欄６２と、検索対象項目の一部が表示される検索項目表示欄６３とが表示されている。このように、グラフ表示を行うことにより、ユーザに予想成約率を一目で理解させることができる。

このように、成約率予測プログラムでは、これから電話営業を行う予定電話対象に対する予測を行うことができる。ここで、本実施の形態におけるコールセンター会社１０３には、種々の商品や価格帯に関するビッグデータ（大量の過去属性情報及び過去成約情報）を所有している。商品提供会社１０２は、これまでと相違する価格帯、種類の商品、顧客の年齢、これまでとは相違する提案方法種別を行う場合などであっても、コールセンター会社１０３が保有する他社由来のデータ（過去属性情報及び過去成約情報）を使って予定成約率を算出することができる。また、コールセンター会社１０３は、ビッグデータを保有しているため、データの偏りが少なく、精度の高い予定成約率を算出することができる。

さらに、成約率予測プログラムでは、予定電話対象のリストである顧客リストを使って予定成約率を算出することが可能である。

例えば、顧客リストをデータ（例えばＣＳＶファイル、ＥＸＣＥＬファイルなどの表計算ファイル）として入手し、外部インターフェース４３を介してシステムサーバ４の記憶部４５に記憶する。例えば初めて電話営業を委託する場合など、顧客リストの項目が検索対象項目と一致していないことがある。そこで制御部４１は、管理者の操作入力による要求に応じて顧客リストに対して電話対象リスト生成処理を実行し、自己（成約率予測プログラム）の仕様に合わせた電話対象リストを作成する。

具体的に、制御部４１は、入力されるべき過去属性情報のうち、販売予定の商品に関する情報について、図４を用いて上述したように、操作入力によって入力させる。さらに制御部４１は、電話を掛ける予定の電話対象に関する情報について、検索対象項目に対応する項目を指定させる。例えば図６に示すように、検索対象項目６５及び顧客リストを同時に表示して顧客リストのどの列が検索対象項目６５に対応するのかを指定させたり（図ではプルダウン一覧６６からの選択）、対応する検索対象項目が存在しない場合には、検索対象項目として使用する値として任意の値を入力させることができる。

これにより、成約予測プログラムでは、実際に電話する予定の電話対象に関する予定属性情報を用いて成約率を予測できるため、予測の精度を向上させることができる。

なお、検索対象項目の手入力による成約率予測と、顧客リストを用いた成約率予測とを組み合わせることもできる。例えば、ＷＥＢサイトには手入力の簡易版を公開し、そのときに問い合わせフォームにユーザの連絡先を入力させる。コールセンター会社１０３は、連絡先に問い合わせることにより新規顧客獲得の足がかりを掴むことができる。また、顧客リストを用いた詳細版は顧客に対してのみ使用することにより、電話営業の委託に対して付加価値をつけることができる。

次に、システムサーバ４の制御部４１が成約予測プログラムに従って実行する成約予測処理ＲＴ１について、図７のフローチャートを用いて説明する。

システムサーバ４の制御部４１は、管理者又はユーザの操作入力により、成約予測処理を実行する旨の要求がなされたことを認識すると、成約予測処理を開始し、ステップＳ１１に移る。

ステップＳ１１において、制御部４１は、予定属性情報（入力対象項目）の入力を待ち受け、予定属性情報が入力されると、次のステップＳ１２へ移る。

ステップＳ１２において、制御部４１は、過去データベースを検索し、入力された予定属性情報と類似する過去属性情報を有する個人対応情報を抽出個人対応情報として抽出し、次のステップＳ１３へ移る。

ステップＳ１３において、制御部４１は、抽出個人対応情報を集計し、予定電話対象に対する成約率を予測し、終了ステップへ移って処理を終了する。

＜マニュアル自動生成処理＞
次に、予定電話対象に対して電話を掛けたときに行われるマニュアル自動生成処理について説明する。

従来、予定電話対象に対して電話をかける際には、電話対象に合わせたマニュアルを選択して使用するが、マニュアルが紙ベースのため、電話対象に応じてマニュアルが挟まれたファイルを取り出したり、電話対象に合わせてファイルの頁をめくったりなどしてオペレータ自身が逐次マニュアルを選択しなければならず、オペレータにとって取り扱いが煩雑であるという問題があった。

本発明では、図８に示す電話営業システム１１０に示すように、システムサーバ４に複数のマニュアル、電話対象リスト及び過去データベースが記憶されている。システムサーバ４は、電話を掛けるオペレータに割り当てられたオペレータ端末１２０に対し、過去データベースと電話対象リストに基づいて電話対象を割当てる。このときシステムサーバ４は、割り当てられた電話対象に対して使用するべきマニュアルをオペレータ端末１２０に表示させるようになされている。

図９に示すように、コールセンター会社１０３が保有するオペレータ端末１２０は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）から構成される制御部１２１がオペレータ端末１２０の全体を統括的に制御し、予めＲＯＭに記憶されたマニュアル自動生成プログラムに従ってマニュアル自動生成処理を実行するようになされている。

オペレータ端末１２０は、無線又は有線による電気通信回路を通じてシステムサーバ４と相互通信可能に接続されている。システムサーバ４とオペレータ端末１２０は、連携してマニュアル自動生成処理を実行する。各オペレータ端末１２０には、マイク及びスピーカを有するヘッドセット１２７が相互通信可能に接続されており、オペレータ端末１２０を介して電話対象に電話が掛けられるようになされている。

ここではシステムサーバ４の記憶部４５には、上述した電話対象リスト生成処理により、顧客リストに基づく電話対象リストが予め記憶されている場合について説明する。なお、電話リスト生成処理の実行されるタイミングに制限はなく、例えばマニュアル自動生成処理の前段に実行されてもよい。

オペレータ端末１２０の制御部１２１は、例えば開始画面（図示しない）において、外部インターフェース１２３を介したオペレータの操作入力により開始ボタン（図示しない）が選択操作されると、マニュアル自動生成処理を開始する。制御部１２１は、システムサーバ４に対して、電話対象の割当要求信号を送信する。

システムサーバ４の制御部４１は、オペレータ端末１２０から供給される割当要求信号に応じて、該オペレータ端末１２０に対して割り当てる電話対象（以下、これを割当電話対象と呼ぶ）を選択する。ここでシステムサーバ４の記憶部４５には、複数の商品提供会社１０２から提供された顧客リストに基づく複数の電話対象リストが記憶されている。

制御部４１は、オペレータ端末１２０ごとに一又は複数の電話対象リストを割当て、割り当てられた電話対象リストの中から割当電話対象を選択する。制御部４１は、割当電話対象に対応付けられている予定属性情報及び商品情報とから、オペレータに伝えるべき項目を表示項目情報（例えば、割当電話対象の氏名、性別、年齢、電話種別など）として抽出する。

さらに、制御部４１は、予定属性情報及び商品情報とから、マニュアルを選択するときに参照されるマニュアル対象項目を抽出する。ここで、システムサーバ４の記憶部４５には、マニュアル対象項目とマニュアルを識別するマニュアルＩＤ（Identification）とが対応付けられたマニュアル対応表が登録されている。マニュアル対応表は、過去データベースに基づいて生成されている（詳しくは後述する）。

制御部４１は、マニュアル対象項目の組み合わせから一のマニュアルＩＤを選択することにより、過去データベースに基づいてマニュアルを選択する。そして制御部４１は、割当電話対象の電話番号及び割当電話対象を識別する割当電話対象ＩＤと共に、表示項目情報とマニュアルＩＤとをオペレータ端末１２０に供給する。

オペレータ端末１２０のの記憶部１２５には、予めマニュアルの雛形が記憶されている。制御部１２１は、システムサーバ４から供給されたマニュアル及び表示項目情報に基づいてマニュアル画像データを生成し、マニュアル画面１３０を表示部１２４に表示させる。

図１０〜図１２に示すように、マニュアル画面１３０では、表示項目情報が表示される表示項目情報欄１３１と、開始ボタン１３２と、マニュアル文１３３〜１３４、１３７〜１３８が表示されている。表示部１２４に表示しきれない分は、オペレータのスクロール操作に応じて表示される矢印１３５は、表示されている画面より下側に続きのマニュアル文が存在することを示している。従って、オペレータは、割当電話対象に関する属性情報の一部と、マニュアル文とを予め視認することができる。

マニュアル文１３３では、割当電話対象が電話口に出たときの会話文が表示され、マニュアル文１３４、１３７では、割当電話対象の返答に応じた複数の回答文が表示されている。マニュアル文１３８では、割当電話対象が購入意思を示した場合の購入手続の確認文が表示されている。

マニュアル文１３３〜１３４、１３７〜１３８において、名前や住所など割当電話対象に関する個人情報、商品提供会社１０２の名前や商品名などの商品情報などの表示項目情報が入る部分には、表示項目情報が自動的に嵌め込まれて表示される。これにより、オペレータが割当電話対象の氏名や住所などの個人情報を顧客リストと逐次照合しながら確認する作業を省略でき、オペレータの負担軽減を軽減できる。

制御部１２１は、開始ボタン１３２が操作されると、割当電話対象の電話番号に電話をかける。オペレータは、オペレータ端末１２０の表示部１２４に表示されたマニュアル画面１３０を見ながら応答を行う。

図１２に示すように、マニュアル画面１３０では、成約ボタン１３９Ａ及び非成約ボタン１３９Ｂが表示されている。オペレータは、割当電話対象の最終判断に応じて、成約の可否を確認すると、該成約の可否に応じて成約ボタン１３９Ａ又は非成約ボタン１３９Ｂのいずれか一方を操作する。

オペレータ端末１２０の制御部１２１は、成約ボタン１３９Ａ又は非成約ボタン１３９Ｂが操作されたことを認識すると、成約情報を生成し、使用したマニュアルのマニュアルＩＤと割当電話対象ＩＤとを対応付けてをシステムサーバ４に供給する。

システムサーバ４の制御部４１は、オペレータ端末１２０から成約情報とマニュアルＩＤと割当電話対象ＩＤが供給されると、割当電話対象ＩＤから電話対象リストにおける割当電話対象の属性情報を過去属性情報として抽出し、成約情報とマニュアルＩＤと共に過去データベースに登録する。この結果、過去データベースには、実際に電話が掛けられた過去電話対象に対応する属性情報、成約情報及び使用されたマニュアルＩＤが登録される。

これにより、システムサーバ４では、過去データベースに継続的に新しいデータ（個人対応情報）を追加することができ、時代に沿った過去データベースの構築が可能となる。

このため、例えばシステムサーバ４は、最新の過去データベースの状況に応じて、成約率予測処理やマニュアル自動生成処理における各種条件を変更することも可能である。例えば、最新の過去データベースにおける過去成約情報に基づき、過去成約情報における重み付け係数を算出し直して係数ファイルを更新することができる。

このように、割当電話対象に対して使用するマニュアルを自動的に選んで表示することにより、電話対象の属性や商品に応じてマニュアルを選択させる作業をオペレータにさせずに済むため、オペレータの作業負担を軽減でき、オペレータの電話掛け作業を効率化することができる。

次に、過去データベースに基づいて生成されるマニュアル対応表の生成処理について説明する。このマニュアル対応表の生成処理の実行されるタイミングに制限は無く、例えば管理者の指定による任意のタイミングで実行されたり、タイマー設定などにより定期的に実行されたりする。

システムサーバ４の制御部４１は、マニュアル対応表の生成処理を開始すると、過去データベースからマニュアル対象項目と成約情報とマニュアルＩＤを抽出する。制御部４１は、マニュアル対象項目の組み合わせ及びマニュアルＩＤの各組み合わせごとに、成約情報を集計する。

そして制御部４１は、マニュアル対象項目の組み合わせにおいて、最も成約率が高いマニュアルＩＤを選択し、該マニュアルＩＤをマニュアル対象項目の組み合わせに対して登録する。すなわちマニュアル対応表には、マニュアル対象項目の全組み合わせとマニュアルＩＤとが対応付けられて登録される。

このマニュアル対応表は、例えば商品提供会社１０２がマニュアルを指定することにより、商品独自のものが作成される場合もある。このため、過去データベースには、商品を識別するための商品識別ＩＤも併せて登録されている。この場合、制御部４１は、該当する商品識別ＩＤに対応する個人対応情報を対象にしてマニュアル対応表の生成処理を実行すれば良い。

例えば、新たな商品提供会社１０２がマニュアルを指定して電話営業を委託する場合、顧客リストの一部（例えば５〜２０％）に対し、マニュアル対象項目の組み合わせに対してマニュアルを変更しながら電話掛けを行う。そして制御部４１は、マニュアル生成処理により、マニュアル対応表を生成する。これにより、最初の５〜２０％によって適切なマニュアル対応表を生成でき、電話対象に合った適切なマニュアルを使用して成約率の向上を図ることができる。

次に、システムサーバ４の制御部４１及びオペレータ端末１２０の制御部１２１がマニュアル自動生成プログラムに従って実行する成約予測処理ＲＴ２について、図１３のフローチャートを用いて説明する。なお各ステップの主体について制限は無く、制御部４１又は制御部１２１のいずれか一方が各ステップを実行する。

開始ステップにおいては、オペレータの操作入力に応じてマニュアル自動生成処理が開始される。ステップＳ２０においては、顧客リストに基づいて予定電話対象及び商品情報の属性情報が入力される。ステップＳ２１においては、属性情報に基づいてマニュアルが選択される。

ステップＳ２２においては、マニュアル画面に対応するマニュアル画像データが生成される。ステップＳ２３においては、マニュアル画像データがマニュアル画面として出力される。

ステップＳ２２においては、電話を掛けたときの成否情報と電話対象の属性情報が過去データベースに登録され、過去データベースが更新される。

＜動作及び効果＞
以下、上記した実施形態から抽出される発明群の特徴について、必要に応じて効果等を示しつつ説明する。なお以下においては、理解の容易のため、上記各実施形態において対応する構成を括弧書き等で適宜示すが、この括弧書き等で示した具体的構成に限定されるものではない。また、各特徴に記載した用語の意味や例示等は、同一の文言にて記載した他の特徴に記載した用語の意味や例示として適用しても良い。

本発明のＡＩ技術を用いた成約予測装置では、過去に電話を掛けた過去電話対象及び該過去電話対象に対して過去に提案された過去商品の属性を表す過去属性情報と、前記過去電話対象に対して過去に電話をかけたときの前記契約の成立の可否である過去成約情報とが対応付けられて個人対応情報として登録された過去データベースを記憶する記憶部（記憶部４５）と、
電話を掛ける予定の予定電話対象及び該予定電話対象に対して提案する予定契約の属性を表す予定属性情報とを入力させる入力部（外部インターフェース４３）と、
前記過去データベースにおいて前記予定属性情報に類似する前記過去属性情報の組み合わせを有する個人対応情報を抽出個人対応情報として抽出し、前記抽出個人対応情報が有する過去成約情報に基づいて、前記予定電話対象に対する前記予定契約の成立確率である予定成約率を予測する予測部とを備えることを特徴とする。

これにより、成約予測装置では、類似した過去属性情報に基づいて予定成約率を予測することができるため、高い精度で予定成約率を予測することができ、保有情報である過去データベースを活用することができる。

ＡＩ技術を用いた成約予測装置において前記過去データベースは、
複数の契約提供会社から提供された前記過去電話対象及び過去商品属性が登録されていることを特徴とする。

これにより、成約予測装置では、保有するビックデータとして保有する過去データベースを活用することができ、種々の商品・電話対象に対して高い精度で予定成約率を予測することができる。

ＡＩ技術を用いた成約予測装置において、前記予測部は、
前記抽出された過去属性情報における前記予定属性情報との類似度に応じて、前記過去成約情報を重み付けすることを特徴とする。

これにより、成約予測装置では、より類似性の高い過去属性情報に対応する過去成約情報に基づいて予定成約率を予測でき、予定成約率の予測精度を向上させ得る。

ＡＩ技術を用いた成約予測装置において、前記予定電話対象に対して電話を掛けたときの前記予定契約属性及び前記契約の成立の可否を前記過去データベースに記憶する登録部を有することを特徴とする。

これにより、成約予測装置では、過去データベースに継続的に新しいデータ（個人対応情報）を追加することができ、時代に沿った過去データベースの構築が可能となる。

ＡＩ技術を用いた成約予測装置において、前記予測部は、
前記予定電話対象に対して実際に電話を掛けたときの前記契約の成立確率である実際成約率に基づいて、前記過去成約情報における重み付け（重み付け係数）を変更することを特徴とする。

これにより、成約予測装置では、直近の実際成約率の状況を過去データベースに反映できるため、予定成約率の予測精度を向上させ得る。

ＡＩ技術を用いた成約予測装置において、前記予測部は、
前記過去電話対象に対して電話を掛けた時期を表す応答情報が新しいほど前記予定成約率に対する影響が大きくなるように調整処理を施すことを特徴とする。

これにより、成約予測装置では、新しい個人対応情報に対応する過去成約情報の影響を大きくできるため、予定成約率に時代の状況をいち早く反映させることができる。

＜他の実施の形態＞
なお上述実施形態では、予定成約率を表示部４４に表示するようにしたが、必ずしもその限りではない。例えば音声出力や印刷などにより、予定成約率を出力するようにしても良い。この場合であっても本発明の効果は上述実施形態と同様である。

上述実施形態では、コールセンター会社が商品提供会社から電話営業の委託を受けるようにしたが、必ずしもその限りではない。例えば商品の提供を行い、自前のコールセンターを有する企業においても本発明を使用することができる。この場合であっても本発明の効果は上述実施形態と同様である。

上述実施形態では、コールセンター会社が実際に電話をかけたときに、成約情報を追加登録する追加登録処理を実行したが、この限りではない。例えば、顧客リストに対応する電話対象に電話掛け作業が終了した後、まとめて成約情報を過去データベースに登録しても良い。この場合であっても本発明の効果は上述実施形態と同様である。

上述実施形態では、電話営業を始める前に成約率予測処理を実行したが、この限りではない。例えば電話営業の途中経過報告として、成約率予測処理を実行することもできる。この場合、過去データベースの個人対応情報として電話対象ファイルのＩＤを記録しておくことにより、すでに電話を掛けた電話対象の数及び成約情報を抽出する。そして成約率予測処理の結果に電話を掛けた電話対象の数及び成約情報を表示する。

上述実施形態では、既に作成済のマニュアルを選択し、表示項目情報のみを嵌め込むことによりマニュアル画像データを生成するようにしたが、この限りではない。例えばマニュアル画面として使用されるマニュアル文ごとにトークＩＤを付しておき、マニュアルの識別子として過去データベースに登録しておく。過去データベースの集計により属性情報の組み合わせごとに成約率の高いトークＩＤを選択して組み合わせてマニュアル画像を生成するようにしても良い。

従来トークマニュアルの作成は属人的に行うものであるため、作成する人の考えや感覚が多く入っていることから、成果に適したトークマニュアルかどうかは、使用開始前には分からなかった。またマニュアル作成にかかる工数、時間も多くかかり担当する人の労力も多大であった。

これにより、ビッグデータを活用したＡＩ技術を用いた自動生成により、従来の属人的なマニュアル作成よりも、精度が高く、成果に結びつくマニュアルの作成が実現される。
また、作成労力も大幅に削減されることから、労働生産性の向上も可能となる。

本発明は、例えば電話営業を行うコールセンターに適用することができる。

４ ：システムサーバ
４１、１２１ ：制御部
４３、１２３ ：外部インターフェース
４４、１２４ ：表示部
４５、１２５ ：記憶部
５０ ：入力画面
５１ ：入力項目欄
５２ ：ブランク
６０ ：グラフ表示画面
６１ ：グラフ
６２ ：売上高表示欄
６３ ：検索項目表示欄
６５ ：検索対象項目
６６ ：プルダウン一覧
１０１ ：コールセンターシステム
１０２ ：商品提供会社
１０３ ：コールセンター会社
１０５ ：電話対象
１１０ ：電話営業システム
１２０ ：オペレータ端末
１２７ ：ヘッドセット
１３０ ：マニュアル画面
１３１ ：表示項目情報欄
１３２ ：開始ボタン
１３３、１３４、１３７、１３８：マニュアル文
１３５ ：矢印
１３９Ａ ：成約ボタン
１３９Ｂ ：非成約ボタン

Claims (8)

1. 過去に電話を掛けた過去電話対象及び該過去電話対象に対して過去に提案された過去商品の属性を表す過去属性情報と、前記過去電話対象に対して過去に電話をかけたときの契約の成立の可否である過去成約情報とが対応付けられて個人対応情報として登録された過去データベースを記憶する記憶部と、
   電話を掛ける予定の予定電話対象及び該予定電話対象に対して提案する予定商品の属性を表す予定属性情報とを入力させる入力部と、
   前記過去データベースにおいて前記予定属性情報に類似する前記過去属性情報の組み合わせを有する個人対応情報を抽出個人対応情報として抽出し、前記抽出個人対応情報が有する過去成約情報に基づいて、前記予定電話対象に対する前記予定契約の成立確率である予定成約率を予測する予測部と
   を備えることを特徴とするＡＩ技術を用いた成約予測装置。
2. 前記過去データベースは、
   複数の契約提供会社から提供された前記過去電話対象及び過去商品属性が登録されている
   ことを特徴とする請求項１に記載のＡＩ技術を用いた成約予測装置。
3. 前記予測部は、
   前記抽出された過去属性情報における前記予定属性情報との類似度に応じて、前記過去成約情報を重み付けする
   ことを特徴とする請求項１〜請求項２のいずれかに記載のＡＩ技術を用いた成約予測装置。
4. 前記予定電話対象に対して電話を掛けたときの前記予定属性情報及び前記成約情報を前記過去データベースに記憶する登録部
   を有することを特徴とする請求項１〜請求項３のいずれかに記載のＡＩ技術を用いた成約予測装置。
5. 前記予測部は、
   前記予定電話対象に対して実際に電話を掛けたときの前記契約の成立確率である実際成約率に基づいて、前記過去成約情報における重み付けを変更する
   ことを特徴とする請求項３に記載のＡＩ技術を用いた成約予測装置。
6. 前記予測部は、
   前記過去電話対象に対して電話を掛けた時期を表す応答情報が新しいほど前記予定成約率に対する影響が大きくなるように調整処理を施す
   ことを特徴とする請求項１〜請求項５のいずれかに記載のＡＩ技術を用いた成約予測装置。
7. コンピュータに対し、
   電話を掛ける予定の予定電話対象及び該予定電話対象に対して提案する予定商品の属性を表す予定属性情報とを入力させる入力ステップと、
   過去に電話を掛けた過去電話対象及び該過去電話対象に対して過去に提案された過去商品の属性を表す過去属性情報と、前記過去電話対象に対して過去に電話をかけたときの契約の成立の可否である過去成約情報とが対応付けられて個人対応情報として登録された過去データベースにおいて前記予定属性情報に類似する前記過去属性情報の組み合わせを有する個人対応情報を抽出個人対応情報として抽出し、前記抽出個人対応情報が有する過去成約情報に基づいて、前記予定電話対象に対する前記予定契約の成立確率である予定成約率を予測する予測ステップと
   を実行させることを特徴とするＡＩ技術を用いた成約予測プログラム。
8. 電話を掛ける予定の予定電話対象及び該予定電話対象に対して提案する予定商品の属性を表す予定属性情報とを入力させる入力ステップと、
   過去に電話を掛けた過去電話対象及び該過去電話対象に対して過去に提案された過去商品の属性を表す過去属性情報と、前記過去電話対象に対して過去に電話をかけたときの契約の成立の可否である過去成約情報とが対応付けられて個人対応情報として登録された過去データベースにおいて前記予定属性情報に類似する前記過去属性情報の組み合わせを有する個人対応情報を抽出個人対応情報として抽出し、前記抽出個人対応情報が有する過去成約情報に基づいて、前記予定電話対象に対する前記予定契約の成立確率である予定成約率を予測する予測ステップと
   をコンピュータが実行することを特徴とするＡＩ技術を用いた成約予測方法。
   
   

Images