JP6941590B2 - 情報処理装置及び情報処理プログラム - Google Patents

Description

本発明は、オペレータの状態を予測する情報処理装置及び情報処理プログラムに関する。

従来、ユーザの生体情報に基づいて、ユーザの状態を推定する装置が知られている。特許文献１には、心電・脈波に関するデータに基づいて被験者の疲労・ストレス状態を解析し、疲労・ストレスが高い被験者に改善のアドバイスを提示する技術が開示されている。

特開２０１５−５４００２号公報

ところで、コールセンターに勤務するオペレータは、マニュアルに従って顧客応対を行っている。しかし、オペレータは、ストレスが高く、過度に緊張した状態である場合に、マニュアルから逸脱した不適切な行動を起こしてしまう場合がある。また、オペレータは、ストレスが低く、緊張感がない状態である場合においても、マニュアルから逸脱した不適切な行動を起こしてしまう場合がある。

特許文献１のような技術を用いることにより、オペレータが、ストレスが高く、緊張した状態であることを解析することができる。しかしながら、このような解析結果を用いて、オペレータが顧客に対して不適切な行動を起こす蓋然性を予測した場合、ストレスが高い状態において起こす不適切な行動を予測することはできても、ストレスが低い状態において起こす不適切な行動を予測することは困難である。

そこで、本発明はこれらの点に鑑みてなされたものであり、オペレータが顧客に対して不適切な行動を起こす蓋然性を予測する精度を向上させることができる情報処理装置及び情報処理プログラムを提供することを目的とする。

本発明の第１の態様に係る情報処理装置は、オペレータの顧客に対する応対として禁止されている複数の行動を規定した行動規定に該当する行動のうち前記オペレータが顧客応対時に起こした行動である問題行動と、前記オペレータが顧客応対を開始してから前記問題行動を起こすまでに経過した時間である問題発生時間と、前記オペレータが顧客応対を開始する前に計測された前記オペレータの生体情報と、を対応付けた顧客応対データを取得する応対データ取得部と、前記顧客応対データに含まれる前記問題行動と前記問題発生時間とに基づいて、前記オペレータの状態を示す指標値である状態指標値を取得する指標値取得部と、前記顧客応対データと前記状態指標値とを教師データとして、前記生体情報を入力として前記状態指標値を出力する機械学習モデルを生成するモデル生成部と、を有する。

前記指標値取得部は、前記顧客応対データに含まれる前記問題発生時間の長短に応じて変動する前記状態指標値を取得してもよい。
前記指標値取得部は、前記顧客応対データに含まれる前記問題行動の数の多少に応じて変動する前記状態指標値を取得してもよい。

前記行動規定には、前記複数の行動それぞれに、前記行動に対する重大度が関連付けられてもよいし、前記指標値取得部は、前記顧客応対データに含まれる前記問題行動に該当する前記行動規定に規定されている前記行動に関連付けられた前記重大度の高低に応じて変動する前記状態指標値を取得してもよい。

前記情報処理装置は、前記オペレータの生体情報を取得する生体情報取得部と、前記生体情報取得部が取得した前記生体情報を前記モデル生成部が生成した前記機械学習モデルに入力して前記状態指標値を取得するモデル適用部と、前記モデル適用部が取得した前記状態指標値を、前記生体情報取得部が取得した前記生体情報に対応する前記オペレータが使用する端末に送信する送信部と、をさらに有してもよい。

前記情報処理装置は、異なる前記状態指標値ごとに、一の前記状態指標値と、前記オペレータが顧客応対を行っていない休憩中の休息方法を示す一以上の休息情報それぞれとを関連付けて記憶する記憶部をさらに有してもよいし、前記送信部は、前記モデル適用部が取得した前記状態指標値に関連付けて前記記憶部に記憶されている前記一以上の休息情報のうちのいずれかの前記休息情報を前記端末に送信してもよい。

前記記憶部は、前記一以上の休息情報それぞれに、前記オペレータが、前記休息情報が示す前記休息方法に基づいて休憩した場合において、休憩前の前記生体情報に基づく前記状態指標値から、休憩後の前記生体情報に基づく前記状態指標値を減算した差分値である優先度をさらに関連付けて記憶してもよいし、前記送信部は、前記モデル適用部が取得した前記状態指標値に関連付けて前記記憶部に記憶されている前記一以上の休息情報のうち、前記優先度が大きい一の前記休息情報を前記端末に送信してもよい。

本発明の第２の態様に係る情報処理プログラムは、コンピュータを、オペレータの顧客に対する応対として禁止されている複数の行動を規定した行動規定に該当する行動のうち前記オペレータが顧客応対時に起こした行動である問題行動と、前記オペレータが顧客応対を開始してから前記問題行動を起こすまでに経過した時間である問題発生時間と、前記オペレータが顧客応対を開始する前に計測された前記オペレータの生体情報と、を対応付けた顧客応対データを取得する応対データ取得部、前記顧客応対データに含まれる前記問題行動と前記問題発生時間とに基づく、前記オペレータの状態を示す指標値である状態指標値を取得する指標値取得部、及び前記顧客応対データと前記状態指標値とを教師データとして、前記生体情報を入力として前記状態指標値を出力する機械学習モデルを生成するモデル生成部、として機能させる。

本発明の第３の態様に係る情報処理装置は、オペレータの生体情報を取得する生体情報取得部と、前記生体情報を入力として、前記オペレータの状態を示す指標値である状態指標値を出力する機械学習モデルに、前記生体情報取得部が取得した前記生体情報を入力して前記状態指標値を取得するモデル適用部と、前記モデル適用部が取得した前記状態指標値を、前記生体情報取得部が取得した前記生体情報に対応する前記オペレータが使用する端末に送信する送信部と、を有する。

本発明によれば、オペレータが顧客に対して不適切な行動を起こす蓋然性を予測する精度を向上させることができるという効果を奏する。

情報処理システムの概要を説明するための図である。 情報処理装置の構成を示す図である。 行動規定を模式的に表した図である。 オペレータが顧客対応時に起こした問題行動を模式的に表した図である。 オペレータの業務の流れを模式的に表した図である。 心電図波形を模式的に表した図である。 休息情報データベースの構成を示す図である。 オペレータ端末に出力された休息情報を模式的に表した図である。 学習フェーズにおける情報処理装置の処理の流れを示すフローチャートである。 運用フェーズにおける情報処理システムの処理の流れを示すシーケンス図である。

［情報処理システムＳの概要］
図１は、情報処理システムＳの概要を説明するための図である。情報処理システムＳは、コールセンターに勤務するオペレータが、顧客に対して顧客満足度を低下させる要因となる所定の行動を起こす蓋然性を示す指標値を提示するシステムである。オペレータは、電話又はチャットにより顧客応対を行う。本明細書においては、オペレータが電話により顧客応対を行うことを前提として説明する。

情報処理システムＳは、オペレータ端末１と、情報処理装置２とを有する。オペレータ端末１は、オペレータが使用する端末であり、例えばコンピュータである。オペレータ端末１は、オペレータが装着する機器（例えば、ヘッドセット又はウェアラブルデバイス等）に取付けられたセンサーからオペレータの生体情報を計測するセンサー部を備える。

情報処理装置２は、コールセンターの管理者が管理する装置であり、例えばサーバである。情報処理装置２は、オペレータが顧客応対において所定の行動を起こしたときの情報である顧客応対データと、状態指標値（以下、ＩＩＰＢ（問題行動誘発指標：Indicators that induce problem behavior）という）とに基づいて学習させた機械学習モデルＭを生成する。また、情報処理装置２は、生成した機械学習モデルＭにオペレータの生体情報を入力することによって出力されるＩＩＰＢをオペレータに提示する。

顧客応対データは、顧客に対して顧客満足度を低下させる要因となる所定の行動と、オペレータが顧客応対を開始してから問題行動を起こすまでに経過した時間である問題発生時間と、オペレータが顧客応対を開始する前に計測されたオペレータの生体情報と、を対応付けたデータである。ＩＩＰＢは、オペレータの状態を示す指標値であり、顧客応対データに基づいて取得される。所定の行動は、例えば、マニュアルで決められた応対を行わなかった行動、又は歯切れの悪い印象を与える口癖を頻繁に発言した行動等である。

ここで、所定の行動には、オペレータのストレスが高い状態で起こしうる行動と、ストレスが低い状態で起こしうる行動とが含まれる。例えば、オペレータが、前の顧客応対時に顧客から叱責を受けてストレスが高くなった状態で次の顧客応対を行った場合、顧客応対に集中できずに所定の行動を起こしてしまうことが考えられる。また、例えば、オペレータが、ストレスが低い状態であっても、単調な内容の顧客応対を繰り返し行うことにより緊張感が無くなった状態で次の顧客応対を行った場合、うっかりして所定の行動を起こしてしまうことが考えられる。

情報処理装置２は、顧客応対データとＩＩＰＢとに基づいて学習させた機械学習モデルＭから出力されたＩＩＰＢをオペレータに提示することにより、オペレータのストレスが低い状態である場合であっても、オペレータが顧客に対して不適切な行動を起こす蓋然性を認識させることができる。

まず、情報処理装置２は、顧客に対して顧客満足度を低下させる要因となる所定の行動を起こしたときの情報である顧客応対データを取得する（図１の（１））。情報処理装置２は、取得した顧客応対データに基づいてＩＩＰＢを取得する（図１の（２））。

情報処理装置２は、顧客応対データと、ＩＩＰＢとを教師データとして、オペレータの生体情報を入力としてＩＩＰＢを出力する機械学習モデルＭを生成する（図１の（３））。情報処理装置２は、コールセンターに勤務する複数のオペレータそれぞれに対応する複数の機械学習モデルＭを生成する。情報処理装置２は、生成した機械学習モデルＭを記憶する。情報処理装置２は、このようにして生成された機械学習モデルＭを用いることにより、機械学習モデルＭに入力する生体情報が計測された時点におけるオペレータが、顧客に対して不適切な行動を起こす蓋然性を予測する精度を向上させることができる。

続いて、情報処理装置２は、オペレータが顧客応対を開始する前に計測されたオペレータの生体情報を取得する（図１の（４））。情報処理装置２は、生体情報を取得したオペレータに対応する機械学習モデルＭを取得する。情報処理装置２は、機械学習モデルＭにオペレータの生体情報を入力することにより出力されたＩＩＰＢを取得する（図１の（５））。

情報処理装置２は、取得したＩＩＰＢを、生体情報を取得したオペレータ端末１に送信する（図１の（６））。そして、オペレータ端末１は、受信したＩＩＰＢをディスプレイに表示する。このようにすることで、情報処理システムＳは、オペレータがオペレータ端末１のディスプレイに表示されたＩＩＰＢを確認することにより、顧客に対して不適切な行動を起こす蓋然性をオペレータに認識させることができる。
以下、情報処理装置２の構成について説明する。

［情報処理装置２の構成］
図２は、情報処理装置２の構成を示す図である。情報処理装置２は、通信部２１と、記憶部２２と、制御部２３とを有する。
通信部２１は、オペレータ端末１に対してデータを送受信するための通信コントローラを含んでいる。

記憶部２２は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）及びハードディスク等の記憶媒体である。記憶部２２は、制御部２３が実行する各種のプログラムを記憶する。記憶部２２は、オペレータに提示する休息情報を管理する休息情報データベースを記憶する。休息情報データベースの詳細については後述する。

制御部２３は、例えばＣＰＵ（Central Processing Unit）である。制御部２３は、記憶部２２に記憶されているプログラムを実行することにより、情報処理装置２に係る機能を制御する。制御部２３は、プログラムを実行することにより、応対データ取得部２３１、指標値取得部２３２、モデル生成部２３３、生体情報取得部２３４、モデル取得部２３５、モデル適用部２３６及び送信部２３７として機能する。
以下、学習フェーズと運用フェーズとに分けて説明する。

［学習フェーズ］
まず、学習フェーズにおける制御部２３の機能について説明する。
応対データ取得部２３１は、所定の行動を起こしたときの情報である顧客応対データを取得する。所定の行動（以下、問題行動という）は、オペレータの顧客に対する応対として禁止されている複数の行動を規定した行動規定に該当する行動のうちオペレータが顧客応対時に起こした行動である。

図３は、行動規定を模式的に表した図である。図３に示すように、行動規定には、オペレータの顧客に対する応対として禁止されている行動の種類と、当該種類に対応する一以上の内容とが規定されている。例えば、サービスの手続き前に本人確認を行うことがマニュアルで決められている場合において、オペレータがサービスの手続き前に本人確認を怠った場合に、本人確認を怠った行動が、図３に示す番号「１」の行動に該当する。

顧客応対データは、例えば、オペレータを管理する管理者によって作成される。図４は、オペレータが顧客対応時に起こした問題行動を模式的に表した図である。図４に示すように、オペレータが、ある顧客の応対を開始してから終了するまでの時間である顧客応対時間ｔにおいて３つの問題行動を起こしたとする。図４に示す問題行動Ｐ１は、決められたオープニングトークを話さなかった行動であり、図３に示す行動規定の番号「５」に該当する行動である。図４に示す問題行動Ｐ２は、本人確認を適切なタイミングで行わなかった行動であり、図３に示す行動規定の番号「１」に該当する行動である。図４に示す問題行動Ｐ３は、「えー」等の口癖を頻繁に発言した行動であり、図３に示す行動規定の番号「１０」に該当する行動である。

管理者は、オペレータが顧客対応時に起こした問題行動に基づいて、該当する行動規定の番号を、不図示の管理者端末を用いて設定する。図４に示す例において、管理者は、該当する行動規定の番号として、問題行動Ｐ１には行動規定の番号「５」を設定し、問題行動Ｐ２には行動規定の番号「１」を設定し、問題行動Ｐ３には行動規定の番号「１０」を設定する。

また、管理者は、問題行動に、当該問題行動の発生時間を、管理者端末を用いて対応付けを行う。図４に示す問題行動Ｐ１は、オペレータが顧客応対を開始してから問題発生時間ｔ１を経過したときに発生した行動である。問題行動Ｐ２は、オペレータが顧客応対を開始してから問題発生時間ｔ２を経過したときに発生した行動である。問題行動Ｐ３は、オペレータが顧客応対を開始してから問題発生時間ｔ３を経過したときに発生した行動である。この場合において、管理者は、問題行動Ｐ１に問題発生時間ｔ１を対応付け、問題行動Ｐ２に問題発生時間ｔ２を対応付け、問題行動Ｐ３に問題発生時間ｔ３を対応付ける。

続いて、管理者は、管理者端末を用いて、対象となるオペレータの生体情報を、オペレータ端末１から取得する。顧客応対データに含まれるオペレータの生体情報は、オペレータが問題行動を起こした顧客応対の前に取った休憩時間において計測されたオペレータの状態を示す情報である。

図５は、オペレータの業務の流れを模式的に表した図である。図５に示すように、オペレータは、顧客応対と次の顧客応対との間に休憩（待機）を取る。管理者は、例えば、オペレータが、図５に示す顧客応対ｎにおいて問題行動を起こした場合に、顧客応対ｎの前の休憩ｎにおいて計測されたオペレータの生体情報を取得する。

また、顧客応対データに含まれるオペレータの生体情報は、オペレータが問題行動を起こした顧客応対前に取った休憩の１つ前の休憩時間から、オペレータが問題行動を起こした顧客応対前に取った休憩時間までにおいて計測されたオペレータの状態を示す情報であってもよい。管理者は、例えば、オペレータが、図５に示す顧客応対ｎ＋１において問題行動を起こした場合に、顧客応対ｎを含み、顧客応対ｎ＋１の前の休憩時間である休憩ｎ＋１の前の休憩時間である休憩ｎから、顧客応対ｎ＋１の前の休憩である休憩ｎ＋１までにおいて計測された生体情報を取得してもよい。

オペレータの生体情報は、例えば、１つのフレームが、所定の時間（例えば２分）において計測された心電図波形に含まれる複数のＲＲ間隔を平均したＲＲ平均時間である複数のフレームを含む情報である。図６は、心電図波形を模式的に表した図である。図６に示すように、ＲＲ間隔は、ある心周期に含まれるＲ波から、次の心周期に含まれるＲ波までの間隔である。前後のフレーム間隔は、後のフレームが前のフレームの一部に被る間隔でもよいし、後のフレームが前のフレームに被らない間隔でもよい。オペレータの生体情報に含まれるフレームの数は、心拍変動が解析可能な数であればよい。この場合、管理者は、休憩時間の最後に計測された、心拍変動が解析可能な所定の数のフレームを含むオペレータの生体情報を取得することが好適である。

また、オペレータの生体情報は、例えば、１つのフレームが、所定の時間（例えば２分）において計測された心電図波形に含まれる複数のＲＲ間隔のうち、最も間隔が広いＲＲ間隔を示すＲＲ最大時間と、最も間隔が狭いＲＲ間隔を示すＲＲ最小時間とである複数のフレームを含む情報であってもよい。

また、オペレータの生体情報は、例えば、所定の時間において計測された心電図波形に含まれる複数のＲＲ間隔に基づいて抽出したＬＦ（Low Frequency）成分及びＨＦ（Hi Frequency）成分それぞれの標準偏差を示す情報であってもよい。また、オペレータの生体情報は、例えば、所定の時間において計測された心電図波形に含まれる複数のＲＲ間隔に基づいて抽出したＬＦ成分とＨＦ成分との比率を示す情報であってもよい。また、オペレータの生体情報は、自律神経のバランスを推定することができる情報であれば、任意の情報でよい。

管理者は、問題行動Ｐ１、Ｐ２、Ｐ３それぞれにおいて該当する行動規定の番号と、当該問題行動それぞれに対応する問題発生時間ｔ１、ｔ２、ｔ３と、当該顧客応対ｎを開始する前の休憩ｎにおいて計測されたオペレータの生体情報と、を対応付けた顧客応対データを作成する。管理者は、コールセンターに勤務する複数のオペレータそれぞれに対応する複数の顧客応対データを作成する。管理者は、管理者端末を用いて、作成した顧客応対データを、オペレータを識別するオペレータ識別情報に関連付けて情報処理装置２に送信する。

このようにして、応対データ取得部２３１は、通信部２１を介して、管理者端末から、問題行動と、当該問題行動に対応する問題発生時間と、オペレータが顧客応対を開始する前に計測されたオペレータの生体情報と、を対応付けた顧客応対データを取得する。また、応対データ取得部２３１は、通信部２１を介して、管理者端末から、顧客応対データとともに、顧客応対データに関連付けられたオペレータ識別情報を取得する。応対データ取得部２３１は、顧客応対データを指標値取得部２３２に入力する。また、応対データ取得部２３１は、顧客応対データ及びオペレータ識別情報をモデル生成部２３３に入力する。

指標値取得部２３２は、顧客応対データに含まれる問題行動と問題発生時間とに基づいて、ＩＩＰＢを取得する。具体的には、指標値取得部２３２は、顧客応対データに含まれる問題行動と問題発生時間とに基づいて評価値を算出し、算出した評価値に基づいてＩＩＰＢを所定の数値に分類することにより、ＩＩＰＢを取得する。

指標値取得部２３２は、様々な条件に基づいて評価値を算出する。例えば、オペレータが顧客応対を開始してからすぐに起した問題行動は、顧客応対を開始する前のオペレータの状態に起因している可能性が高いことが考えられる。そこで、指標値取得部２３２は、顧客応対データに含まれる問題発生時間の長短に応じて変動するＩＩＰＢを取得する。指標値取得部２３２は、図４に示す３つの問題行動のうち、顧客応対を開始してから最も早く起こした問題行動Ｐ１に係る数値を大きくし、顧客応対を開始してから最も遅く起こした問題行動Ｐ３に係る数値を小さくして、評価値を算出する。

また、例えば、オペレータが顧客応対時に起した問題行動の数が多い場合、顧客応対を開始する前のオペレータの状態に起因している可能性が高いことが考えられる。そこで、指標値取得部２３２は、顧客応対データに含まれる問題行動の数の多少に応じて変動するＩＩＰＢを取得する。指標値取得部２３２は、図４に示す３つの問題行動Ｐ１、Ｐ２、Ｐ３それぞれに係る数値を足し合わせることにより、評価値を算出する。

また、行動規定に含まれる複数の行動のうち、本人確認のように顧客応対において行うべき行動と、口癖のように軽微な行動とは、重大度が異なることが考えられる。そこで、指標値取得部２３２は、顧客応対データに含まれる問題行動に該当する行動規定に規定されている行動に関連付けられた重大度の高低に応じて変動するＩＩＰＢを取得する。この場合、行動規定には、複数の行動の種類それぞれに、行動に対する重大度が関連付けられているとする。

例えば、図３に示す行動規定において、行動の種類「口癖」、「オープニングトーク」、「本人確認」の順に重大度が大きくなるように設定されているとする。この場合に、指標値取得部２３２は、図４に示す３つの問題行動において、重要度が最も大きい問題行動Ｐ２の数値が大きくなるように重みづけをし、重要度が最も小さい問題行動Ｐ３の数値が小さくなるように重みづけをして、評価値を算出する。

図４に示す例において、重大度をｗｉ（ｉは自然数であり、顧客応対時に起こした問題行動が該当する行動規定に規定されている行動の番号である）とした場合に、問題行動Ｐ１＝ｗ１・（ｔ−ｔ１）／ｔとし、問題行動Ｐ２＝ｗ２・（ｔ−ｔ２）／ｔとし、問題行動Ｐ３＝ｗ３・（ｔ−ｔ３）／ｔとしたとする。この場合に、指標値取得部２３２は、数式「Ｐ１＋Ｐ２＋Ｐ３」を用いて評価値を算出する。なお、オペレータが顧客応対時に起こした問題行動の数をＮとした場合、評価値Ｘは以下の式（１）で一般化できる。

ＩＩＰＢは、予め情報処理装置２に設定された指標値であり、例えば、１から５までの５段階に分類された数値である。５段階に分類されたＩＩＰＢの数値は、例えば、上昇するにつれてオペレータが顧客に対して問題行動を起こす蓋然性が高くなることを示す。この場合において、指標値取得部２３２は、例えば、顧客応対データに含まれる問題行動と問題発生時間とを式（１）に基づいて算出した評価値が１０以下である場合にＩＩＰＢを「１」に分類し、評価値が１０１以上である場合にＩＩＰＢを「５」に分類することにより、ＩＩＰＢを取得する。指標値取得部２３２は、取得したＩＩＰＢをモデル生成部２３３に入力する。

モデル生成部２３３は、顧客応対データとＩＩＰＢとを教師データとして、生体情報を入力としてＩＩＰＢを出力する機械学習モデルＭを生成する。モデル生成部２３３は、例えば、サポートベクターマシン（ＳＶＭ：Support Vector Machine）又はニューラルネットワーク（Neural Network）等のアルゴリズムを用いて学習させた機械学習モデルＭを生成する。モデル生成部２３３は、生成した機械学習モデルＭを、応対データ取得部２３１が取得したオペレータ識別情報に関連付けて記憶部２２に記憶させる。

［運用フェーズ］
続いて、運用フェーズにおける制御部２３の機能について説明する。
生体情報取得部２３４は、通信部２１を介して、オペレータ端末１から、オペレータの生体情報を取得する。具体的には、生体情報取得部２３４は、通信部２１を介して、オペレータ端末１から、顧客応対を終了した時（例えば電話を切った時）から所定の時間（例えば３０秒）において計測されたオペレータの生体情報を取得する。

ここで、生体情報取得部２３４が取得するオペレータの生体情報は、機械学習モデルＭに学習させた教師データに含まれるオペレータの生体情報（ＲＲ平均時間、又はＲＲ最大時間及びＲＲ最小時間等）と同じ方法で計測されたオペレータの状態を示す情報である。生体情報取得部２３４は、取得したオペレータの生体情報をモデル適用部２３６に入力する。また、生体情報取得部２３４は、生体情報を取得したオペレータに対応するオペレータ識別情報を、モデル取得部２３５に入力する。

モデル取得部２３５は、生体情報取得部２３４から入力されたオペレータ識別情報に関連付けて記憶部２２に記憶されている機械学習モデルＭを取得する。モデル取得部２３５は、取得した機械学習モデルＭをモデル適用部２３６に入力する。

モデル適用部２３６は、生体情報取得部２３４が取得した生体情報をモデル生成部２３３が生成した機械学習モデルＭに入力してＩＩＰＢを取得する。具体的には、モデル適用部２３６は、生体情報取得部２３４が取得したオペレータの生体情報を、モデル取得部２３５が取得した機械学習モデルＭに入力することによって出力されたＩＩＰＢを取得する。モデル適用部２３６は、取得したＩＩＰＢを送信部２３７に入力する。

送信部２３７は、通信部２１を介して、モデル適用部２３６が取得したＩＩＰＢを、生体情報取得部２３４が取得した生体情報に対応するオペレータが使用するオペレータ端末１に送信する。オペレータ端末１は、送信部２３７から送信されたＩＩＰＢを受信すると、ディスプレイに受信したＩＩＰＢを表示させる。このようにすることで、オペレータは、現在の状態において顧客応対を行った場合に、顧客に対して不適切な行動を起こす蓋然性がどの程度であるかを認識することができる。

情報処理装置２がオペレータに提示する情報は、ＩＩＰＢに限らない。例えば、情報処理装置２は、ＩＩＰＢの数値に応じて、オペレータが休憩中に行う休息方法を提示してもよい。具体的には、送信部２３７は、モデル適用部２３６が取得したＩＩＰＢに関連付けて記憶部２２に記憶されている一以上の休息情報のうちのいずれかの休息情報をオペレータ端末１に送信してもよい。

図７は、休息情報データベースの構成を示す図である。図７に示すように、休息情報データベースは、異なるＩＩＰＢごとに、一のＩＩＰＢと、オペレータが顧客応対を行っていない休憩中の休息方法を示す一以上の休息情報それぞれとを関連付けて記憶している。図７に示す休息情報には、オペレータ端末１のディスプレイに表示させる出力文字列と、オペレータ端末１に接続された機器の動作を示す出力動作とが含まれる。

図８は、オペレータ端末１に出力された休息情報を模式的に表した図である。図８に示すように、オペレータ端末１に接続された機器として、扇風機がオペレータの卓上に設置されている。この場合において、送信部２３７は、例えば、モデル適用部２３６が取得したＩＩＰＢの数値が「２」である場合に、ＩＩＰＢ「２」に関連付けて休息情報データベースに記憶されている出力文字列と、出力動作とをオペレータ端末１に送信する。そして、オペレータ端末１は、図７に示す休息情報データベースにおいてＩＩＰＢ「２」に関連付けられている出力文字列「深呼吸を数回してみてください。」をディスプレイに表示させ、出力動作「扇風機を作動」に基づいて扇風機を作動させる。このように、送信部２３７は、オペレータの状態を改善させる情報を提示することにより、オペレータが次の顧客応対時に問題行動を起こす蓋然性を低減させることができる。

送信部２３７は、モデル適用部２３６が取得したＩＩＰＢに関連付けて休息情報データベースに記憶されている一以上の休息情報のうち、優先度が大きい一の休息情報をオペレータ端末１に送信してもよい。この場合、休息情報データベースは、一以上の休息情報それぞれに、オペレータが、休息情報が示す休息方法に基づいて休憩した場合において、休憩前の生体情報に基づくＩＩＰＢから、休憩後の生体情報に基づくＩＩＰＢを減算した差分値である優先度をさらに関連付けて記憶してもよい。

例えば、図７に示す休息情報データベースにおいて、ＩＩＰＢ「２」に関連付けられている複数の出力動作のうち、「アロマディヒューザーを作動」の優先度が最も高いとする。この場合に、送信部２３７は、モデル適用部２３６が取得したＩＩＰＢ「２」に関連付けて休息情報データベースに記憶されている一以上の休息情報のうち、優先度が大きい一の休息情報である出力文字列「深呼吸を数回してみてください。」と、出力動作「アロマディヒューザーを作動」とをオペレータ端末１に送信する。このように、送信部２３７は、優先度が高い休息情報をオペレータに提示することにより、オペレータが次の顧客応対時に問題行動を起こす蓋然性をより低減させることができる。

送信部２３７は、オペレータ端末１に休息情報を送信した場合において、オペレータ端末１に休息情報を送信する前後において取得されたオペレータの生体情報に基づくＩＩＰＢの差分値に基づいて、オペレータ端末１に送信した休息情報に関連付けて休息情報データベースに記憶されている優先度を更新してもよい。また、オペレータが、休息情報データベースに記憶されている休息情報又は優先度を更新してもよい。

［情報処理システムＳの処理］
続いて、情報処理システムＳの処理の流れについて説明する。まず、学習フェーズにおける処理の流れについて説明する。図９は、学習フェーズにおける情報処理装置の処理の流れを示すフローチャートである。

本フローチャートは、応対データ取得部２３１が、管理者端末から、問題行動と、問題発生時間と、オペレータが顧客応対を開始する前に計測されたオペレータの生体情報と、を対応付けた顧客応対データを取得したことを契機として処理を開始する（Ｓ１）。応対データ取得部２３１は、顧客応対データを指標値取得部２３２に入力する。また、応対データ取得部２３１は、顧客応対データ及びオペレータ識別情報をモデル生成部２３３に入力する。

指標値取得部２３２は、応対データ取得部２３１から入力された顧客応対データに含まれる一以上の問題行動と、当該一以上の問題行動それぞれに対応する一以上の問題発生時間とに基づいて評価値を算出する（Ｓ２）。指標値取得部２３２は、算出した評価値に基づいてＩＩＰＢを予め情報処理装置２に設定された所定の数値に分類することにより、ＩＩＰＢを取得する（Ｓ３）。指標値取得部２３２は、取得したＩＩＰＢをモデル生成部２３３に入力する。

モデル生成部２３３は、応対データ取得部２３１から入力された顧客応対データと、指標値取得部２３２から入力されたＩＩＰＢとを教師データとして、生体情報を入力としてＩＩＰＢを出力する機械学習モデルＭを生成する（Ｓ４）。モデル生成部２３３は、生成した機械学習モデルＭを、応対データ取得部２３１から入力されたオペレータ識別情報に関連付けて記憶部２２に記憶させる（Ｓ５）。

続いて、運用フェーズにおける処理の流れについて説明する。図１０は、運用フェーズにおける情報処理システムＳの処理の流れを示すシーケンス図である。本処理は、オペレータが顧客応対を終えて、オペレータ端末１においてオペレータの生体情報を計測したことを契機として開始する（Ｓ１１）。オペレータ端末１は、計測したオペレータの生体情報を、情報処理装置２に送信する。

情報処理装置２の生体情報取得部２３４は、通信部２１を介して、オペレータ端末１から、オペレータの生体情報及びオペレータ識別情報を取得する。生体情報取得部２３４は、取得したオペレータの生体情報をモデル適用部２３６に入力する。また、生体情報取得部２３４は、生体情報を取得したオペレータに対応するオペレータ識別情報を、モデル取得部２３５に入力する。

モデル取得部２３５は、生体情報取得部２３４から入力されたオペレータ識別情報に関連付けて記憶部２２に記憶されている機械学習モデルＭを取得する（Ｓ１２）。モデル取得部２３５は、取得した機械学習モデルＭをモデル適用部２３６に入力する。モデル適用部２３６は、モデル取得部２３５から入力された機械学習モデルＭに、生体情報取得部２３４から入力されたオペレータの生体情報を入力することにより出力されたＩＩＰＢを取得する（Ｓ１３）。モデル適用部２３６は、取得したＩＩＰＢを送信部２３７に入力する。

送信部２３７は、通信部２１を介して、モデル適用部２３６から入力されたＩＩＰＢを、生体情報取得部２３４がオペレータの生体情報を取得したオペレータ端末１に送信する。そして、オペレータ端末１は、情報処理装置２から送信されたＩＩＰＢを、ディスプレイに表示させる（Ｓ１４）。

［本実施の形態における効果］
以上の説明のとおり、情報処理システムＳは、顧客応対データと、当該顧客応対データに基づいて取得したＩＩＰＢとを教師データとして学習させた機械学習モデルＭに、オペレータの生体情報を入力することによって出力されたＩＩＰＢをオペレータに提示する。このように、情報処理システムＳは、生成された機械学習モデルＭを用いることにより、オペレータが顧客に対して不適切な行動を起こす蓋然性を予測する精度を向上させることができる。また、情報処理システムＳは、機械学習モデルＭから出力されたＩＩＰＢをオペレータに提示することにより、顧客に対して不適切な行動を起こす蓋然性がどの程度であるかをオペレータに認識させることができる。例えば、オペレータは、自発的にＩＩＰＢに応じた休息方法を取ったり、情報処理装置２から提示された休息方法を取ったりすることで、オペレータの状態が改善することにより、次の顧客対応時に不適切な行動を起こす蓋然性を低減することができる。その結果、情報処理システムＳは、顧客満足度を向上させることができる。

［変形例］
上述の実施の形態では、情報処理装置２がオペレータ端末１にＩＩＰＢを送信することにより、オペレータにＩＩＰＢを提示したが、これに限らない。例えば、オペレータ端末１が、オペレータにＩＩＰＢを提示してもよい。

この場合、オペレータ端末１は、情報処理装置２の記憶部２２に記憶されている機械学習モデルＭを取得し、取得した機械学習モデルＭにオペレータの生体情報を入力することにより出力されたＩＩＰＢをディスプレイに表示させる。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の分散・統合の具体的な実施の形態は、以上の実施の形態に限られず、その全部又は一部について、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を合わせ持つ。

１ オペレータ端末
２ 情報処理装置
２１ 通信部
２２ 記憶部
２３ 制御部
２３１ 応対データ取得部
２３２ 指標値取得部
２３３ モデル生成部
２３４ 生体情報取得部
２３５ モデル取得部
２３６ モデル適用部
２３７ 送信部

Claims (8)

1. オペレータの顧客に対する応対として禁止されている複数の行動を規定した行動規定に該当する行動のうち前記オペレータが顧客応対時に起こした行動である問題行動と、前記オペレータが顧客応対を開始してから前記問題行動を起こすまでに経過した時間である問題発生時間と、前記オペレータが顧客応対を開始する前に計測された前記オペレータの生体情報と、を対応付けた顧客応対データを取得する応対データ取得部と、
   前記顧客応対データに含まれる前記問題行動と前記問題発生時間とに基づいて、前記オペレータの状態を示す指標値である状態指標値を取得する指標値取得部と、
   前記顧客応対データと前記状態指標値とを教師データとして、前記生体情報を入力として前記状態指標値を出力する機械学習モデルを生成するモデル生成部と、
   を有する情報処理装置。
2. 前記指標値取得部は、前記顧客応対データに含まれる前記問題発生時間の長短に応じて変動する前記状態指標値を取得する、
   請求項１に記載の情報処理装置。
3. 前記指標値取得部は、前記顧客応対データに含まれる前記問題行動の数の多少に応じて変動する前記状態指標値を取得する、
   請求項１又は２に記載の情報処理装置。
4. 前記行動規定には、前記複数の行動それぞれに、前記行動に対する重大度が関連付けられており、
   前記指標値取得部は、前記顧客応対データに含まれる前記問題行動に該当する前記行動規定に規定されている前記行動に関連付けられた前記重大度の高低に応じて変動する前記状態指標値を取得する、
   請求項１から３のいずれか一項に記載の情報処理装置。
5. 前記オペレータの生体情報を取得する生体情報取得部と、
   前記生体情報取得部が取得した前記生体情報を前記モデル生成部が生成した前記機械学習モデルに入力して前記状態指標値を取得するモデル適用部と、
   前記モデル適用部が取得した前記状態指標値を、前記生体情報取得部が取得した前記生体情報に対応する前記オペレータが使用する端末に送信する送信部と、
   をさらに有する、請求項１から４のいずれか一項に記載の情報処理装置。
6. 異なる前記状態指標値ごとに、一の前記状態指標値と、前記オペレータが顧客応対を行っていない休憩中の休息方法を示す一以上の休息情報それぞれとを関連付けて記憶する記憶部をさらに有し、
   前記送信部は、前記モデル適用部が取得した前記状態指標値に関連付けて前記記憶部に記憶されている前記一以上の休息情報のうちのいずれかの前記休息情報を前記端末に送信する、
   請求項５に記載の情報処理装置。
7. 前記記憶部は、前記一以上の休息情報それぞれに、前記オペレータが、前記休息情報が示す前記休息方法に基づいて休憩した場合において、休憩前の前記生体情報に基づく前記状態指標値から、休憩後の前記生体情報に基づく前記状態指標値を減算した差分値である優先度をさらに関連付けて記憶し、
   前記送信部は、前記モデル適用部が取得した前記状態指標値に関連付けて前記記憶部に記憶されている前記一以上の休息情報のうち、前記優先度が大きい一の前記休息情報を前記端末に送信する、
   請求項６に記載の情報処理装置。
8. コンピュータを、
   オペレータの顧客に対する応対として禁止されている複数の行動を規定した行動規定に該当する行動のうち前記オペレータが顧客応対時に起こした行動である問題行動と、前記オペレータが顧客応対を開始してから前記問題行動を起こすまでに経過した時間である問題発生時間と、前記オペレータが顧客応対を開始する前に計測された前記オペレータの生体情報と、を対応付けた顧客応対データを取得する応対データ取得部、
   前記顧客応対データに含まれる前記問題行動と前記問題発生時間とに基づく、前記オペレータの状態を示す指標値である状態指標値を取得する指標値取得部、及び
   前記顧客応対データと前記状態指標値とを教師データとして、前記生体情報を入力として前記状態指標値を出力する機械学習モデルを生成するモデル生成部、
   として機能させる情報処理プログラム。
   

Images