34.204.52.16

DataRobotとは?機能やコンタクトセンターの導入事例を解説

DataRobotとは、DataRobot社が開発した機械学習自動化AIプラットフォームです。統計アルゴリズムを駆使して最適な予測モデルを構築できるところが特徴で、コンタクトセンター(電話やメールに加え、SNS、チャットなど幅広いコミュニケーションチャネルを利用して、顧客と企業を結ぶ部署を指す。以前は電話コミュニケーションのみだったので、コールセンターと呼ばれており、現在でもコールセンターで表現されている所も多い。)では呼量予測や獲得予測などに活用されています。

DataRobotはAIの知識がなくても簡単に導入できるところが大きな魅力ですが、どのようなシステムなのか、導入によりどのようなメリットがあるのか理解をしていないと導入後に思ったように活用できません。そこでこの記事では、DataRobotの概要や仕組み、コンタクトセンターでの活用事例などをまとめて解説していきます。

【この記事で分かること】

◎DataRobotとは
◎DataRobotの仕組み
◎コンタクトセンターでのDataRobotの導入事例
◎DataRobotを活用する4つのメリット
◎トランスコスモスではDataRobotの導入をサポート

この記事を最後まで読めばDataRobotとはどのようなプラットフォームか把握でき、トランスコスモスのサービスを利用した導入を検討できるようになります。「攻めのAI」で利益拡大や事業拡大をしていくためにも、ぜひ参考にしてみてください。

1.DataRobotとは

冒頭でも述べたようにDataRobotとは、DataRobot社が「優れた予測を素早く誰でも」の理念を掲げて開発した機械学習自動化AIプラットフォームです。業界最高峰のデータサイエンティストが集結し開発したサービスで、統計アルゴリズムを駆使して最適な予測モデルを構築できるところが特徴です。

そもそもAI(Artificial Intelligence)とは人工知能のことで、簡単に言うと人工的に作られた知的な振る舞いをするシステムを指します。例えば、従来人間がしていたことを代わりに行う、人間の代わりに考えて高精度な回答を出すなどがAIの役割です。AIは大きく分けると、下記の3種類に分かれます。

①認識系AI

認識
検知

画像や温度などを認識し一定条件を基準に判断をする

体温検知機
動画アプリの背景変更

②制御系AI

誘導
最適化

ルールベースで学習をして最適な回答を提示する

チャットボット

③予測系AI

分類
スコアリング

蓄積されてきたデータを基に今後どうなるか予測する

DataRobot

認識系AIや制御系AIは広く活用されていますが、コストカットに使われることがほとんどです。例えば、人間が3時間かけて行っていた作業を自動化し1時間で行うなどの実現が可能ですが、これはコストカットや業務効率化がメインとなります。そのため、認識系AIや制御系AIは「守りのAI」と呼ばれています。

一方で、DataRobotなどの予測系AIは「攻めのAI」です。どの顧客にアプローチするべきか、どのような顧客からの問い合わせが多いかなどを分析し実務に活かせます。予測をして的確な行動を起こすことは売上アップや利益に直結するため、ビジネスの拡大が見込めます。

つまり、今よりも売上アップや顧客獲得を目指すなら認識系AIや制御別系AIではなく、「攻めのAI」の予測系AIを導入することが欠かせません。予測系AIであるDataRobotは人間が学習をするときと同じように過去のデータを分析し「過去はこうだったから、今後はこうなるだろう」と論理的な学習を繰り返していきます。

人間が学習をして予測をする場合50%程度の正解率となることが多いですが、DataRobotなら70~80%の高い精度で予測ができます。それだけでなく、予測のための学習はデータさえ揃えば速くて30秒程度で終わるので、すぐに業務に活用することが可能です。

ここまでの内容をまとめると、DataRobotはAIの機械学習を利用し最適な予測モデルを構築できるサービスです。企業の売上アップや利益拡大に直結する「攻めのAI」を簡単に実現できるのが、DataRobotの大きな魅力だと言えるでしょう。

1-1.コンタクトセンター(コールセンター)でのDataRobotの活用方法

コンタクトセンター(コールセンター)では、DataRobotをどのように活用しているのか気になるところではないでしょうか。コンタクトセンターでは、下記のような目的でDataRobotが導入されています。

業務内容

予測方法

概要

インバウンド
業務

呼量予測

来月呼量を予測し、シフト作成等に役立てる

離職率の予測

新入社員の離職率や勤務中のオペレーターの離職率を予測し、適切なサポートをできるようにする

応対品質予測

使用すべきワードや避けたいワードを提示し、オペレーターの応対品質を維持する

アウトバウンド
業務

獲得予測

どの顧客の獲得率が高いかを予測し、獲得率が高い顧客からアプローチできるようにする

本人接続予測

どの時間帯に電話をすると、留守電や話し中になりにくく本人に接続できるか予測する

インバウンド業務では、呼量予測や離職率の予測などに活用できます。とくに、呼量予測では来月や来週など未来の呼量を予測することで、オペレーターの適切な配置や他のチャネルへの誘導などを事前に検討することが可能です。その結果、あふれ呼や放棄呼の予防や顧客満足度の向上につながるでしょう。

アウトバウンド業務では、獲得予測や本人接続予測などに活用できます。獲得予測では獲得率の高い顧客を抽出し、優先順位をつけてオペレーターからアプローチができるようになります。その結果、新規顧客の獲得や売上アップが見込めます。

このように、DataRobotを導入することでコンタクトセンター運営を最適化できます。DataRobotの魅力が把握できたところで、どのように機械学習をしていくのか気になる方は多いかと思います。次の章では、DataRobotでの機械学習の方法を解説していきます。

2.DataRobotの機械学習の仕組み

DataRobotは学習と予測を繰り返し、予測の精度を高めていきます。

学習

教師あり機械学習を反復的に繰り返すことで、そこに潜むパターンを発見する

予測

見つけたパターンを当てはめて予測をする

学習と予測にDataRobotならではの強みが詰まっているので、それぞれどのような仕組みなのか分かりやすく解説していきます。

2-1.教師あり機械学習

DataRobotは教師あり機械学習という方法で、高精度な予測を行います。教師あり機械学習とは、学習データに正解を与えた状態で学習させる手法す。あらかじめ一定の基準や正解を用意することで、最適な答えを導きやすい学習方法となっています。

教師あり機械学習

学習データに正解を与えた状態で学習させる手法

教師なし機械学習

予測や判断の基準となる正解を与えない状態で学習させる手法

例えば下の図のように、基準となる教師ラベルを用意します。このラベルを基にデータのパターンや関係性を学習するので、結果的に高精度な予測ができるようになります。

教師あり機械学習

DataRobotは、教師あり機械学習を一度で辞めるのではなく反復学習を行うところが特徴です。予測モデルを更新し続けることで正解との誤差を最小化し、的確な予測を実現します。

2-2.予測

予測とは、将来起こりうることに対し分析をして事前に推測することです。主な予測の方法としては、下記の3つがあります。

予測

オーソドックスな方法は、人の集計作業による予測です。蓄積されたデータをグラフなどで可視化し、予測していきます。データはあるものの人の勘や考えで予測していくため、時間がかかる割には精度が低いところがデメリットです。

精度を高める方法としては、職人の経験と勘による予測があります。今まで蓄積されたノウハウや実績を基に予測をするため精度は上がりますが、そのレベルに達するまでに膨大な時間と労力がかかるでしょう。

このような人による予測のデメリットをカバーしたのが、機械学習による予測です。AIが自動で学習したデータを基に素早く予測をします。手間と時間がかからないのにも関わらず、高精度ですぐに結果が分かるところが大きなメリットです。

DataRobotを導入すれば、下記のような機械学習による予測ができるようになります。

それぞれどのような予測なのか、1つずつ見ていきましょう。

2-2-1.分類

分類は、一定の条件に基づいてカテゴリーごとにクラス分けをする予測方法です。分類アルゴリズムを使い、一定条件に該当する特徴を識別します。その後、データと特徴を照らし合わせることでどのクラスに属するのか予測します。

例えば、DMを送る顧客と送らない顧客にクラス分けしたい場合は、この方法を使用して反響率が高そうな顧客を絞り込みDMを送る顧客を分類することが可能です。膨大なデータを人の手でクラス分けしようとすると、時間と労力がかかります。DataRobotを活用すれば短時間でデータに基づいたクラス分けができ、すぐに業務に活用できます。

2-2-2.回帰

回帰は、過去の数値データを基に予測をする方法です。売上や離職率など連続する数値を基に、どのような傾向があるのか分析をして予測をしていきます。例えば、過去の売上を基に来年度の売上を予測したい場合は、回帰アルゴリズムを使います。

分類はカテゴリーを基準に予測しますが、回帰は数値を基準に予測するところが大きな違いです。数値データは人の手で分析しようとすると時間がかかるだけでなく予測の精度を保つことが難しいですが、DataRobotを活用すれば手間をかけずに数値に基づいた高精度な予測ができます。

2-2-3.時系列予測

時系列予測とは、過去のトレンドから未来がどうなるのか予測をする方法です。時系列予測は時系列の順序が適切なデータを基に、今後の動きを予測します。例えば、来週の呼量予測をする場合、今週のデータや去年の同じ月のデータなど時系列に沿ったデータを使い高精度な分析をするところが特徴です。

時系列予測はとても複雑で、モニタリングが難しいデータを分析する力が必要となります。DataRobotは時系列予測に特化した技術とアルゴリズムを導入しており、複雑なデータであっても適切な分析と予測が行えます。

3.DataRobotの導入事例

ここでは、実際にコンタクトセンター(コールセンター)にDataRobotを導入した事例をご紹介します。

獲得予測の事例

自作の顧客リストでのアウトバウンドと比較し獲得件数が8%アップ

入電予測の事例

DataRobot導入で運営コスト10%ダウン

退職予防の事例

人とDataRobotを「仕組み」で融合し退職率50%ダウン

解約防止の事例

DataRobotの導入により的中率が13%改善し、年間数億円の利益創出

DMの送付先予測の事例

DataRobotの高精度な予測により、売上が150%アップ

DataRobotを導入したことでどのような成果を得ているのかまとめているので、ぜひ参考にしてみてください。

3-1.獲得予測の事例

このコンタクトセンター(コールセンター)では、勘と経験で作成した顧客リストを使い商談につながる可能性が高い顧客にアウトバウンドをしていました。DataRobotを導入し数万件の顧客リストから獲得に繋がりやすい顧客の絞り込みをしたところ、自作の顧客リストでのアウトバウンドと比較し獲得件数が8%アップ

導入時は学習データの加工や仕様の確認が必要となり、少々準備に時間がかかりましたが、定常運転ができるようになった現在は毎月1時間で精度の高いターゲットリストが生成できるようになりました。獲得件数が8%上がるとおおよそ数百万円の導入効果が出ているということになるので、DataRobotならではの高精度な予測が利益に直結した事例だと言えるでしょう。

3-2.入電予測の事例

このコンタクトセンター(コールセンター)では天気や気温により、入電量が大きく左右されていました。パーコール型の契約モデルかつお客様企業と取り決めている応答率のKPIがあるため、スーパーバイザーが毎月20時間以上かけて入電フォーキャストを立て、予測誤差もあることからオペレーターを過剰に配置した運用を実施していました。

そこで、予測誤差の最小化、フォーキャスト作成の工数削減や属人化リスクとあわせて、適正なオペレーター配置をしていくために高精度な入電フォーキャスト作成が必要との判断からDataRobotを導入。過去3年分の入電量データと曜日・休日や天気・気温などの要因仮説となるデータなどを学習させ、入電量を予測し、予測結果をもとにオペレーターの必要席数を自動算出することに成功しました。

その結果、スーパーバイザーの工数は1/20まで削減。またオペレーター配置の適正化が図られ、応答率KPIは達成したままにコストを10%ダウンすることができました。まさにDataRobotの高精度な予測がもたらした好事例です。

3-3.退職予防の事例

このコンタクトセンター(コールセンター)では、退職による業務品質の低下、人手不足や人件費高騰による採用難の課題に直面していたことから、退職予防活動を行うためにDataRobotを導入し、退職予備者を予測しました。

オペレーターの属性や勤怠情報、業務パフォーマンスデータを学習させ、各オペレーターの3か月後の退職予測モデルを構築したところ、予測モデルスコアと実際の退職率の相関が95%と高精度な予測モデル生成に成功。そのモデルを活用し、DataRobotが生成した退職予備軍リストのうち退職リスクが高いオペレーターに対し、スーパーバイザーが想定退職理由に沿ったフォローや毎月の面談実施などのケアを行ったことにより、退職率50%ダウンを実現しています。

DataRobotで高精度な予測を行い、その結果をもって人が退職予防の活動を行うという、人と技術を「仕組み」で融合した好事例となります。

3-4.解約防止の事例

このコンタクトセンター(コールセンター)では、顧客の解約率の高さやDM送付のコストが課題となっていました。

そこで、DataRobotを導入し
・契約者の属性
・契約者のプラン
・契約者の利用状況
・契約者の残りの契約期間

のデータを用いて機械学習を行い、解約率を予測しました。DataRobotの予測リストを基に、解約率の高そうな顧客には割引率の高いDMを送付、解約の心配が少ない顧客にはDMを送付しないと区分けをしました。

このコンタクトセンターでは経験のある担当者の予測に従いリスト作成をしていたのですが、DataRobotの導入により解約顧客の的中率は従来人が予測していたよりも13%改善し、解約率も改善されました。その結果、年間数億円の利益が生まれたとのこと。この事例も人による予測では足りない部分をDataRobotがカバーし、高精度な予測へと変えた好事例だと言えます。

3-5.DMの送付先予測の事例

この企業では、DMやカタログの送付先リストの作成や予測モデルの作成を委託していました。カタログ送付数を増やすために業務を内製化し効率よく作業ができるようにしたいという思いから、DataRobotを導入。

DataRobotの高精度な予測により、売上が150%アップしました。それだけでなく外注を辞めることで今までかかっていた工数が減り、業務効率化も達成。DataRobotを導入しリスト作成や予測モデル構築を内製化できたことで人材育成にもつながり、高精度な予測を継続できる基盤を整えることに成功しました。

4.DataRobotを活用する4つのメリット

コンタクトセンター(コールセンター)でDataRobotを活用するメリットとしては、下記の4つがあります。

・データ分析や予測にかかる時間を大幅に削減できる
・AIに関する専門的な知識が必要ない
・高い精度での予測ができる
・さまざまな目的に合わせて活用できる

DataRobotならではのメリットばかりなので、ぜひチェックしてみてください。

4-1.データ分析や予測にかかる時間を大幅に削減できる

1つ目のメリットは、データ分析や予測に要する時間を大幅に削減できるところです。人の手によりデータ分析をしようとすると、データを集計し活用できる形にするところから始めなければなりません。

それだけでも膨大な時間がかかるのですが、そのデータを使い予測をするとなるとさらに労力がかかります。呼量予測や獲得予測などデータ予測を定期的に活用したい場合は、この作業を繰り返し行う必要があるのです。

DataRobotなら初期データの準備には時間がかかるかもしれませんが、データさえ揃ってしまえば自動で機械学習をしてくれます。開始ボタンを押すだけで機械学習アルゴリズムを使用したモデル生成がスタートし、速い場合には30秒ほどで予測結果を出すことが可能です。データ分析に何時間もの労力をかける必要がなくなるでしょう。

獲得予測の事例のように、毎月たった1時間で精度の高いターゲットリストを作成することもできます。DataRobotに高精度なデータ分析や予測をまとめて任せることができるため、業務効率化やコスト削減につながります。

4-2.AIに関する専門的な知識が必要ない

2つ目のメリットは、AIに関する専門的な知識が不要なところです。AIでの予測と聞くと難しいそうで、統計やプログラミングの知識が必要なのではと感じる人がいるかもしれません。

DataRobotは必要な機能が一式揃っているプラットフォームなので、インターネット環境さえあれば簡単に導入できます。見やすいUIにこだわっており、操作に慣れていない人でも手軽に使えます。とくにアウトプット画面が見やすく、分析結果が活用しやすくなっています。

また、トランスコスモスで導入をする場合は、手厚いサポートがあるところもポイントです。コンタクトセンター(コールセンター)のスタッフだけでDataRobotが運用できるよう引継ぎをするので、DataRobotの導入前に知識がなくても心配ありません。このように、DataRobotなら専門知識がなくても時間をかけずにスムーズな導入が実現します。

4-3.高い精度での予測ができる

3つ目のメリットは、高い精度での予測ができることです。「2-2.予測」でもご紹介したように、予測には3つの方法があります。人の勘や経験での予測は、一人一人が持っている知識や考え方にどうしても左右されてしまいます。

そのため、予測の正確さにバラつきが出ることがあり、思ったように顧客獲得ができない、思ったよりも呼量が多かったなど結果との誤差が生まれやすいです。

DataRobotによる教師あり機械学習による予測は精度が高く、70%~80%の精度で予測ができます。そもそも予測は望ましい結果に導くためのものなので、精度が高ければ高いほど利益拡大や顧客獲得など嬉しい結果につながります。

また、DataRobotには
・なぜその結論に至ったのか過程や理由示す機能(グレーボックス)
・複数のモデルを組み立てたり組み合わせたりしてより精度の高いモデルを作る機能

なども揃っています。根拠のある理由を基により精度の高い予測となるよう、自動構築ができるところもポイントです。

4-4.さまざまな目的に合わせて活用できる

4つ目は、1つの目的に特化するのではなくさまざまな目的に活用できるところです。コンタクトセンター(コールセンター)業務ではインバウンド、アウトバウンド問わず予測を活用し、業務効率化や収益拡大を目指す場面が多いです。

通信販売をしているコンタクトセンターに的を絞り考えてみると
・これから購入しそうな顧客を見つけたい
・サブスクリプションモデルのサービスを展開しておりどの顧客が解約になりそうか予測したい
・アップセルできる顧客を見つけたい
・紙のDM送信はコストがかかるのでターゲットを絞り効率よく顧客獲得したい

などの課題をDataRobotの予測を活用し、改善に向けて戦略を立てることができます。コンタクトセンターの課題や目的に合わせて賢く活用できるのも、DataRobotの強みだと言えるでしょう。

5.トランスコスモスではDataRobotの導入をサポート

トランスコスモスでは、DataRobot導入支援サービスを行っています。DataRobotは導入しやすいサービスではありますが、コンタクトセンター(コールセンター)の課題や目的に合わせてスムーズに導入するには、不安や疑問を解決するサポートが必要です。

そこで、トランスコスモスでは
・データの準備から運営までを一貫してサポート
・専属のデータサイエンティストが1名以上ついて伴走する

という独自のサポートをしているので、ぜひチェックしてみてください。

5-1.データの準備から運営までを一貫してサポート

データの準備から運営までを一貫してサポート

DataRobotを導入してもコンタクトセンター(コールセンター)で運営管理できなければ、予測を業務に活かすことができません。トランスコスモスではDataRobotのライセンス付与だけでなく、データの準備から運用までを手厚くサポートします。

①企画・設計:コンタクトセンターの課題を洗い出し、それに必要なデータの仕様確認やモデルの企画、設計を行う
②データ準備:分析や予測に必要なデータを加工、抽出し、基礎的な設計をする
③モデル構築:データを基に教師あり機械学習を行い、モデル構築やモデルの実装を行う
④運用・改善:予測結果を元に改善をしたり運用保守方法を行ったりする

という4つの手順に沿って、DataRobotの分析や予測が業務に役立てられるようコミュニケーションを取りながら進めていきます。(導入方法は課題や予算によって異なる可能性があります)

5-2.専属のデータサイエンティストが1名以上ついて伴走する

トランスコスモスのDataRobot導入支援サービスでは、コンタクトセンター(コールセンター)に専属のデータサイエンティストが1名以上つき、軌道に乗るまで伴走をします。

データサイエンティストとは、幅広い知識を基にデータに基づいた合理的な判断ができる職務を指します。DataRobotの導入時にはモデル構築やデータ準備などで、迷う場面が出てくるかもしれません。そのような場合は伴走しているデータサイエンティストが的確な判断をし、短期間で納得のいく運用ができるよう導きます。新たなシステムやサービス導入時の疑問や不安をしっかりとカバーし、費用対効果の高いDataRobotができる基盤を整えます。

このように、トランスコスモスではDataRobotの導入の最初の一歩をご支援します。まずはお気軽にご相談くださいませ。

まとめ

いかがでしたか?DataRobotとはどのようなプラットフォームか理解でき、トランスコスモスのDataRobot導入支援サービスの内容も把握できたかと思います。

最後に、この記事の内容をまとめてみると
◎DataRobotとは、DataRobot社が開発した機械学習自動化AIプラットフォームのこと

◎コンタクトセンター(コールセンター)では、下記のように導入されている

業務内容

予測方法

概要

インバウンド
業務

呼量予測

来月呼量を予測し、シフト作成等に役立てる

離職率の予測

新入社員の離職率や勤務中のオペレーターの離職率を予測し、適切なサポートをできるようにする

応対品質予測

使用すべきワードや避けたいワードを提示し、オペレーターの応対品質を維持する

アウトバウンド
業務

獲得予測

どの顧客の獲得率が高いかを予測し、獲得率が高い顧客からアプローチできるようにする

本人接続予測

どの時間帯に電話をすると、留守電や話し中になりにくく本人に接続できるか予測する

◎DataRobotは学習と予測を繰り返して、精度を高めていく

1)教師あり機械学習:学習データに正解を与えた状態で学習させる手法
2)予測には3つの種類がある

①分類:一定の条件に基づいてカテゴリーごとにクラス分けをする予測
②回帰:過去の数値データを基に予測をする方法
③時系列予測:過去のトレンドから未来がどうなるのか予測をする方法

◎コンタクトセンターでのDataRobot導入事例は下記のとおり

獲得予測の事例

自作の顧客リストでのアウトバウンドと比較し獲得件数が8%アップ

入電予測の事例

DataRobot導入で運営コスト10%ダウン

退職予防の事例

人とDataRobotを「仕組み」で融合し退職率50%ダウン

解約防止の事例

DataRobotの導入により的中率が13%改善し、年間数億円の利益創出

DMの送付先予測の事例

DataRobotの高精度な予測により、売上が150%アップ

◎DataRobotを導入するメリットは次の4つ

1)自動で機械学習をしてくれるので、データ分析や予測にかかる時間を大幅に削減できる
2)AIに関する専門的な知識がなくても手軽に導入できる
3)人の予測よりも高い精度で予測ができる
4)コンタクトセンターの課題に合わせてさまざまな目的で活用できる

◎トランスコスモスではDataRobotの導入をサポートするサービスを提供している

1)データの準備から運営までを一貫してサポートできる
2)専属のデータサイエンティストが1名以上ついて引継ぎができるよう伴走する

コンタクトセンターへのDataRobot導入の実績が多数ありますので、DataRobotを活用し課題を解決したい、利益拡大をしたいと考えている場合はぜひ一度ご相談ください。

トランスコスモスは3,000社を超えるお客様企業のオペレーションを支援してきた実績と、顧客コミュニケーションの
ノウハウを活かして、CX向上や売上拡大・コスト最適化を支援します。お気軽にお問い合わせください。
トランスコスモスは3,000社を超えるお客様企業のオペレーションを支援してきた実績と、顧客コミュニケーションのノウハウを活かして、CX向上や売上拡大・コスト最適化を支援します。お気軽にお問い合わせください。