3.236.97.59

テキストマイニングとは?実現できることから活用のポイントまで解説

テキストマイニングとは、社内で所有している文章(テキスト)データから有益な情報を発掘することです。

詳しくは後述しますが、インターネットやITが発達・普及している現代において文章データは

・顧客の声(VOC = Voice Of Customer)の分析
・業務課題の発見

といったように、顧客満足度の向上と業務改善につながることを行える貴重なものであるため、テキストマイニングを導入している企業は増えています

テキストマイニングを実施すると、具体的には次の5つが実現できるようになります。

  1. 既存商材の改善
  2. 将来見込みのある商材の企画
  3. 最新のFAQの表示
  4. チャットボットの精度向上
  5. 顧客対応時のトラブル回避

ただし、テキストマイニングは以下の5つのポイントを踏まえて活用していかないと社内で所有している文章データを活かせず、無駄になってしまうため注意しなければなりません。

  1. テキストマイニングの目的を明確にする
  2. テキストマイニングの知識を習得する
  3. 辞書を定期的に更新する
  4. 結果は他部署へ展開して共有する
  5. 結果をもとにPDCAサイクルを回す

この記事では、以下の内容をまとめて説明していきます。

・テキストマイニングの概要
・テキストマイニングで実現できること
・テキストマイニングの課題
・テキストマイニングの基本的な手順
・テキストマイニングを活用するときのポイント
・テキストマイニングを行う手段

この記事を読んでいただくと、

◎テキストマイニングとは何か
◎テキストマイニングでどのようなことを実現できるのか
◎テキストマイニングを有効活用するには何をすべきか

といったことをお分かりいただけます。

テキストマイニングについて詳しく知りたい方、テキストマイニングの導入を検討している方の参考になれば幸いです。

目次

1.テキストマイニングとは

冒頭でも説明しましたが、テキストマイニングとは社内で所有している文章(テキスト)データから有益な情報を発掘することです。

文章データの収集から有益な情報の発掘までは、

  1. 分析したい文章データを集める【手動】
  2. 文章データをAIの「自然言語処理」を使って単語や品詞に分割する【ツール】
  3. 分割した単語を集計・分析し、グラフなどで可視化する【ツール】
  4. 集計・分析結果から有益な情報を発掘する【手動】

といった流れで行われますが、まずはこのテキストマイニングの基礎知識を深めていただくために、本章では

  1. テキストマイニングの対象となる文章(テキスト)データ
  2. テキストマイニングで分かること
  3. テキストマイニング活用の実状

の3つを説明していきます。

1-1.テキストマイニングの対象となる文章(テキスト)データ

テキストマイニングの対象となる文章データの範囲は広いです。具体的にいうと、以下のような文章データが挙げられます。

・記述式アンケートの自由回答文
・公式サイトに掲載のレビュー
・掲示板や口コミサイトの書き込み
・SNSの投稿文
・コンタクトセンターやWebサイト経由で送られた問い合わせの履歴
・日々の業務で作成する書類(営業日報やレポート、作業報告書など)の内容
・音声認識ツールによって抽出されたコンタクトセンターの会話内容や営業トーク

上記に挙げたのは一部であり、社内で所有している文章データであればテキストマイニングの対象となります。

文章データ化された顧客の声や日常業務で発生する文章データが、テキストマイニングの対象となると考えて良いでしょう。

1-2.テキストマイニングで分かること

テキストマイニングでは文章(テキスト)データから有益な情報を発掘するために、以下のように文章データが単語や品詞ごとに分割されます。

テキストマイニング/の/対象/と/なる/データ/は/文章/情報/で/その/範囲/は/広い/です

このため、テキストマイニングでは

・単語の出現頻度
・単語の出現傾向
・単語と単語の相関関係

といったことを把握できます。具体的にいうと、次のようなことが分かるようになります。

対象とする文章データの例

分かることの例

コンタクトセンター(コールセンター)に寄せられた顧客の声

・商材を利用している顧客の課題解
 決に
つながるキーワードは何か
・頻繁に寄せられる問い合わせに共
 通する
ワードは何か

音声認識ツールによって抽出された業務
成績の良い営業のトーク

売り上げにつながるトークのキー
 ワードは
何か
どのようなワードをトークに取り
 入れると
顧客満足度が上がるのか

文章データによって分かることは異なりますが、共通しているのは顧客満足度の向上と業務改善につながる有益な情報を知ることができることです

このような有益情報を知ることができると具体的に何を実現できるかは、「2.テキストマイニングを行うと実現できること」で詳しく説明します。

1-3.テキストマイニング活用の実状

今はテキストマイニングを活用する企業が増えています。

近年はインターネットの普及により、日々膨大な量の文章(テキスト)データが生まれています。どのような場所で文章データが生まれているのかというと、

・Webサイトに掲載しているレビューページ
・掲示板や口コミサイト
・SNS(facebookやtwitter、Instagramなど)
・Webサイトの問い合わせページ

といったようなインターネット上のあらゆる場所です。

このような場所があるため、人々は簡単に文章データを残すことができるようになっているわけですが、これらの文章データは現代の企業活動にとって重要なものになります。特にレビューページや掲示板・口コミサイト、SNS、問い合わせには顧客のリアルな声が詰まっているため、顧客満足度を向上する施策を練るのに役立つからです。

また、ITの発達によって、今は音声認識ツールという技術も生まれており、

・コンタクトセンター(コールセンター)におけるオペレーターと顧客のやり取り
・営業トーク
・会議の内容

といった社内で発生する音声データも文章データとして残せるようになっています。かつては、こうした社内で発生する音声データはナレッジとして業務改善に役立つものの、収集して共有する手段がありませんでした。

このように、インターネットとITの発展と普及により文章データを残せるようになっていることから、企業活動に活かすためにテキストマイニングを導入する企業が増加しているのです。

2.テキストマイニングを行うと実現できること

顧客満足度の向上と業務改善につながる有益な情報を知ることができるテキストマイニングを行うと、次の5つのことを実現できるようになります。

  1. 既存の商材の改善
  2. 将来見込みのある商材の企画
  3. 最新のFAQの表示
  4. チャットボットの精度向上
  5. 顧客対応時のトラブル回避

1つずつ詳しく見ていきましょう。

2-1.既存の商材の改善

既に展開している商材の課題を発見し、その課題を改善することが可能になります。テキストマイニングの対象となる

・記述式アンケートの回答文
・Webサイトのレビューページ
・コンタクトセンター(コールセンター)におけるオペレーターと顧客とのやり取
 りの履歴
・Webサイト経由で送られた問い合わせ
・掲示板や口コミサイトの書き込み

といった文章化された顧客の声には、顧客のリアルな意見や要望であふれています。テキストマイニングでは、

この/商品/は/機能/が/多過ぎ/て/使い/づらい
機能/が/たくさん/あって/使い方/が/分から/ない

といったように文章データは単語や品詞に分割されますが、そこから「商材を利用している顧客が持つ不満や課題にはどのようなキーワードがあるのか」といったことが特定の分析方法によって分かるようになります。

上記で挙げた顧客の声の例のように「機能が多過ぎる」といったようなキーワードが多ければ、その商品に備わっている機能の数を見直すといったように、商材の改善策を考えることができるのです

テキストマイニングは、既存の商材の顧客満足度を高めるためのアクションを早期に起こすことを可能にします。

2-2.将来見込みのある商材の企画

将来見込みのある商材を企画できるのも、テキストマイニングを行うと実現できることです。

2-1.既存の商材の改善」では、文章データをテキストマイニングすると既存の商材の課題を発見する有益な情報を得られると説明しましたが、同時に顧客のニーズも分かります。たとえば、

この/商品/は/機能/が/多過ぎ/て/使い/づらい
機能/が/たくさん/あって/使い方/が/分から/ない

といった文章データ化された顧客の声からは「機能が多過ぎる」という課題だけでなく、「顧客はシンプルな機能を好む」というニーズも読み取れます。今後はシンプルな機能を搭載した商品を展開していくと良いのではという、今後売り上げにつながる商材の企画を立てることが可能になるのです

新しい商材の企画はテキストマイニングを行わなくても立てられますが、将来見込みのある商材を展開するには顧客のニーズを把握することが欠かせません。

今後の売り上げに貢献できる商材のヒントを早期に得られるのがテキストマイニングなのです。

2-3.最新のFAQの表示

顧客満足度を向上させるため、自社の公式ページにFAQ(よくある質問とその応え)を載せている企業も多いのではないでしょうか。テキストマイニングを行えば、このFAQ(よくある質問とその答え)を効率的に更新することができます。

たとえば、

・Webサイトに寄せられた問い合わせ
・コンタクトセンター(コールセンター)におけるオペレーターと顧客とのやり取りの履歴

といった文章データ化した顧客の声をテキストマイニングすると、問い合わせをした顧客の感情や行動傾向が分かる単語を素早く抽出できます。

サービス/の/退会/方法/が/分から/ない
サービス/は/どのように/退会/すれ/ば/いい/の/です/か

のように「退会方法が分からない」といったキーワードが多いのであれば、FAQに退会方法を示す必要があることが分かります。つまり、顧客の声に応じて追加・更新する必要があるFAQを迅速に見つけだすことが可能になるのです

テキストマイニングを利用しなくてもFAQにとって重要な項目を収集することは可能です。しかし、展開する商材が多数ある場合、顧客とのやり取りの履歴をもとにカウントしてFAQを更新していく作業は膨大な時間を要します。

テキストマイニングを行えば、顧客が抱える課題の解決に役立つFAQ構築を早期に実現可能にします。

2-4.チャットボットの精度向上

チャットボットの精度を向上できることも、テキストマイニングで実現できることの1つです。

チャットボットとは文章(テキスト)での問いかけに対し自動で回答するプログラムのことですが、問い合わせ対応の効率化と顧客満足度向上のため公式ページの問い合わせに導入している企業も多いのではないでしょうか。

チャットボットは、

  1. 想定される顧客からの質問とその答えを登録する
  2. 顧客とのチャット内容を学習させる

といった方法で回答の精度を上げていくのが基本ですが(チューニング)、時間を要するのが課題です。

しかし、このチューニングときにテキストマイニングを活用することができます。顧客がチャットボットに入力した文章データをテキストマイニングすると、

・チャットボットで課題解決できた内容は何か
・チャットボットで課題解決できなかった内容は何か

といったことがすぐに分かります。チャットボットに入力された内容が

サービス/の/退会/方法/が/分から/ない
サービス/は/どのように/退会/すれ/ば/いい/の/です/か

のように「退会方法が分からない」といったキーワードが多いのであれば、その結果をもとに質問と回答を作ることができます。チャットボットのチューニング時にその質問と回答を活用すれば、チャットボットの質も上がり、顧客満足度の向上につながることも期待できます

テキストマイニングは、顧客満足度を高めるチャットボットを構築する手助けともなるのです。

2-5.顧客対応時のトラブル対策

テキストマイニングを行えば、顧客対応時のトラブル対策ができるようになります。

たとえばコンタクトセンター(コールセンター)におけるオペレーターと顧客のやり取りの履歴をテキストマイニングしたとき、

・どのようなトラブルが多いか
・オペレーターがどのようにトラブルを対応したのか

といったことを定量的にテキストにして可視化できます。今後、同じようなトラブルが起きたときに他のオペレーターが対応できるような対策を考える材料が分かるのです。

テキストマイニングをしなくても顧客対応時のトラブルを回避する対策は考えられますが、テキストマイニングでは膨大な量の文章データを素早く分析して有益な情報を可視化できるため、大きなトラブルが起こる前に対策を考えることができるようになります

顧客とのトラブルを避け、顧客満足度向上につなげられるのがテキストマイニングなのです。

3.テキストマイニングの課題

顧客満足度向上や業務改善につながるテキストマイニングですが、以下3つのような課題もあります。

  1. 同じ意味の文章をまとめることが難しい
  2. 複数の意味にとれる単語を判別することが難しい
  3. 知識を持つ人材がいないと活用しにくい

詳しく見ていきましょう。

3-1.同じ意味の文章をまとめることが難しい

テキストマイニングの課題1つ目は、同じ意味の文章をまとめるのが難しいことです。

たとえば、以下のように意味が同じでも書き方が異なる文章は、別の意味を持つ文章として認識されてしまいます。

お腹が痛い/腹痛がする

つまり、テキストマイニングで単語や品詞に分割して単語の出現頻度などの結果を出すとき、「お腹が痛い」と「腹痛」を同じ意味の単語としてまとめることが難しく、別の意味の単語と見なされて結果が出てしまうのです。

このような問題は、テキストマイニングツールに搭載されている辞書機能に「この単語とこの単語は同じ意味」といったことを手動で登録するのが解決策となります(テキストマイニングの辞書機能については「4-3.辞書を整備する【手動】」で説明しますので、ご覧ください)。

テキストマイニングは、文章(テキスト)データの中にある単語の出現頻度や傾向、単語同士の相関関係を大まかに分析して有益な情報を発掘することに適している手法であることは押さえておきたいところです

3-2.複数の意味にとれる単語を判別することが難しい

2つ目の課題は、複数の意味にとれる単語を判別することが難しいことです。

たとえば「臭い」という単語は「におい」と「くさい」の2つの意味がありますが、これらを区別することがテキストマイニングではできません。

3-3.知識を持つ人材がいないと活用しにくい

3つ目の課題は、テキストマイニングは知識を持つ人材がいないと活用しにくいことです。

文章(テキスト)データから単語や品詞に区切る作業とそこから有益な情報を発掘する作業はテキストマイニングツールで自動にて行われますが、

・テキストマイニングの対象とする文章データの収集
・辞書機能の編集
・分析結果の解釈と業務における示唆出し
・テキストマイニングの結果の活用

はツールでは行ってくれません。

テキストマイニングを活用した分析を行えたり、ツールを操作できたりする人材がいない場合は、テキストマイニングによって有益な情報を得られてもうまく活用できずに終わってしまい、成果につなげることは難しくなります

テキストマイニングの導入を検討するのであれば、担当者が知識を身に付けることは非常に重要です。

4.テキストマイニングの基本的な手順

テキストマイニングは、どのような手順で行うのでしょうか。基本的な流れは次の通りです。

テキストマイニングはツールを使って行うのが基本ですが、作業内容によっては上記の通り手動による作業が必要となります。

順に説明していきましょう。

4-1.分析したい文章データを集める【手動】

まず、テキストマイニングの対象として、分析する文章(テキスト)データを準備します。

この作業は、テキストマイニングの目的に合う文章データを集めることがポイントになります。たとえば、以下のように収集すると良いです。

テキストマイニングの目的

集める文章データの例

既存顧客の意見を聞いて
商材に反映させたい

・記述式のアンケート回答文
・コンタクトセンター(コールセンター)に
 寄せられた問い合わせ履歴

将来見込みのある商材を
企画する参考材料を集めたい

FAQを最新にしたい

コンタクトセンターやWebサイト経由など直近に寄せられた顧客からの問い合わせ

上記のようにテキストマイニングの目的を定めれば、どの文章データが必要なのかが明確になり、本当に必要とする有益な情報を得やすくなります

何となく有益な情報を得られそうと考える文章データを集めてテキストマイニングを行っても、どの情報が自社にとって有益なのかが分かりにくくなり、せっかく集めた文章データを有効活用できなくなる恐れが生じることは注意しなければなりません。

テキストマイニングの目的を明確にした上で、文章データを集めることは大切です。

4-2.文章データをAIの「自然言語処理」を使って単語や品詞に分割する【ツール】

テキストマイニングの対象とする文章データ準備したら、テキストマイニングツールに搭載されている辞書を整備していきます。

テキストマイニングツールでは文章データをAIの「自然言語処理」を使って単語や品詞に分割する事が一般的になりました。

3.テキストマイニングの課題」でも説明した通り、テキストマイニングには

・同じ意味の文章をまとめることが難しい
・複数の意味にとれる単語を判別することも難しい

といった言葉の判別についての課題があります。辞書を整備することで

・表現が異なる言葉を同じ意味の言葉として認識させる
(例:過去形「書いた」→ 現在形「書く」と同じ意味である など)

ただし、以下のような事例は分割できない場合が多いです。

・同じ表現をする言葉を別の意味の言葉として判別させる
(例:「辛い」→ 「からい」と「つらい」の意味がある など)

そのため、1つの言葉に1つの意味を設定する、つまり固有名詞登録という機能があるので、活用するとよいでしょう。

テキストマイニングの対象とする文章データを適切に分割するために、辞書機能の整備は重要です

4-3.分割した単語を集計・分析し、グラフなどで可視化する【ツール】

テキストマイニングツールに搭載されている辞書機能を整備したら、文章(テキスト)データを単語や品詞に分割していきます。

文章データの分割は「自然言語処理(人間が日常生活で使う言語をコンピュータが処理すること)」という方法で行われます。テキストマイニングツールで行われる自然言語処理は、

  1. 形態素解析による処理
  2. 構文解析による処理

の2段階で行われることが多いです。それぞれの処理方法を見ていきましょう。

4-3-1.形態素解析による処理

形態素解析というのは、文章(テキスト)データを最小単位で分割することです。たとえば、以下のように分割されます。

形態素解析が
行われる前の文章

形態素解析が
行われた後の文章(例)

自然言語処理とは人間が日常生活で使う言語をコンピュータが処理することです

自然言語処理/とは/人間/が/日常生活/で/使う/言語/を/コンピュータ/が/処理/する/こと/です

上記を見てお分かりいただけるように、形態素解析が行われた後の文章は名詞や動詞、助詞といった品詞で分割されます。

通常、文章データは数で表して具体化できませんが、上記のような形態素解析による処理が行われれば、文章データを定量的に扱うことができるようになります。

4-3-2.構文解析による処理

形態素解析による処理が行われたら、構文解析が行われます。

構文解析というのは、形態素解析によって分割された単語と単語の、文法上の関係性を解析することです。

たとえば、先ほど例として上げた形態素解析が行われた後の文章

自然言語処理/とは/人間/が/日常生活/で/使う/言語/を/コンピュータ/が/処理/する/こと/です

の中に出てくる「人間/が/日常生活/で/使う」というのは、「言語」を修飾しているということを整理するのが構文解析です。文章を構成している単語同士の関連性を自動で判別してくれます。

4-4.集計・分析結果から有益な情報を発掘する【手動】

文章(テキスト)データの分割を行ったら、単語から有益な情報を発掘(マイニング)する作業をツールで行います。

分割された単語から有益な情報を発掘する方法として代表的な手法を4つ紹介します。

  1. センチメント分析(感情分析)
  2. 共起分析
  3. コレスポンデンス分析(対応分析)
  4. 係り受け分析

上記の方法で発掘された有益な情報は可視化されて、視覚的に分かりやすく表示されますそれぞれの分析方法を見ていきましょう。

4-4-1.センチメント分析(感情分析)

センチメント分析はテキストマイニングで最も使われる方法で、感情情報を発掘するものです。単語となった文章(テキスト)データは、

  1. 肯定的(ポジティブ)
  2. 中立的(ニュートラル)
  3. 否定的(ネガティブ)

の3つに分かれて評価されます。

【センチメント分析の評価例】

センチメント分析の評価

単語となった文章データ

肯定的(ポジティブ)

好き/楽しい/面白い など

中立的(ニュートラル)

肯定的あるいは否定的とも認識できない単語

否定的(ネガティブ)

嫌い/つまらない/飽きる など

センチメント分析では、特定のことに対して人がどのような気持ちを持ったのかが分かるため、主に以下のようなケースで活用できます。

テキストマイニングの目的

①商材に対する顧客の本音を引き出し、商材の改善や将来見込みのある商材の企画につなげたい

②コンタクトセンター(コールセンター)に問い合わせをした顧客の感情から、オペレーターの電話対応向上につながる対策を考えたい(顧客対応時のトラブルを回避したい)

対象とする
文章データの例

【目的①の場合】
・商材の公式ページに掲載のレビュー
・SNSの投稿文
・掲示板や口コミサイトの書き込み

【目的②の場合】
コンタクトセンターにおけるオペレーターと顧客とのやり取りの履歴

顧客が商材やサービスに抱いた率直な意見・評判を把握し、商材の課題改善や新商材の企画、業務改善に活かしたいときに適しているのがセンチメント分析です

4-4-2.共起分析

共起分析とは、1つの文章で一緒に使われる単語情報を発掘することです。

たとえば、

・このパスタはボリュームが多過ぎて食べづらい
・量が多過ぎて食べきれないパスタ

といったレビューをテキストマインドすると、「パスタ」という商材名と一緒に「多過ぎる」といった単語が一緒に使われているという結果が表示されます。この場合、パスタの量が多いと感じる顧客がいることが分かり、パスタの量を減らして食べやすくした方が良いのではと考えることができます。

つまり、共起分析は特定の商材に対して一緒に使われる単語を洗い出し、商材の課題を見つけて改善策を考えるヒントを得るときに適している方法になります

また、顧客が抱える課題を見つけることもできるため、最新のFAQの表示やチャットボットの精度向上のための対策を考えるときにも活用できます

4-4-3.コレスポンデンス分析(対応分析)

コレスポンデンス分析というのは、クロス集計を行ったアンケートの回答結果を散布図で可視化することです。

クロス集計では、

設問①あなたの性別を教えてください
・男性
・女性

結果
・男性…58人
・女性…42人

設問②あなたは●●が好きですか
・はい
・いいえ
・どちらともいえない

結果
・はい…60人
・いいえ…30人
・どちらともいえない…10人

のようなアンケートの設問と設問を掛け合わせて、以下のように集計できます。

はい

いいえ

どちらとも
いえない

男性

35人

16人

7人

女性

25人

14人

3人

全体

60人

30人

10人

特定の設問に対する回答の傾向を別の設問と掛け合わせて数値化できるため、

・商材を利用している属性(性別や年代など)
・商材を利用して抱いた感情

といったアンケートの設問間の回答の相互関係を把握したいときに活用している方も多いのではないでしょうか。コレスポンデンス分析では、このようなアンケートのクロス集計の回答結果を散布図で可視化できます。

【散布図で可視化されたクロス集計の回答結果の例】

コレスポンデンス分析ではアンケートの設問間の関係の強さを視覚的に表現するため、主に商材やブランドイメージを属性別(年代や性別など)に分析し、ポジショニング(商材やブランドの立ち位置を決めること)をしたいとき、あるいは商材のポジショニングを改善したいときに適しています

4-4-4.係り受け分析

係り受け分析は、テキストマイニングでよく用いられる手法でもっともイメージがしやすい分析方法かもしれません。

主語―述語、連体修飾語―体言などの係り受け関係を解析することで話題から発見を抽出します。

日本語表現の文節同士にある関係を、文法ルールや機械学習を取り入れたアルゴリズムに基づいて解析することで、複数の言葉の関係性を定量的に可視化します。

具体的には

「私/は/スポーツ/を/している/ときに/喉/が/乾く/と/水分/を/とる」

という自然語解析の結果に対し、「私」という主語が、どんな時に水分をとるのか、どんな行動をするのか、述語や修飾後と結びつきから分析をする方法です。

コールセンター(コンタクトセンター)の音声分析などで良く活用されます。

5.テキストマイニングを活用するときのポイント

ここまでの説明でテキストマイニングの概要をお分かりいただけたかと思いますが、実際にテキストマイニングを行うときには

  1. テキストマイニングの目的を明確にする
  2. テキストマイニングの知識を習得する
  3. 辞書を定期的に更新する
  4. 結果は他部署へ展開して共有する
  5. PDCAサイクルを回す

の5つのポイントを意識することが大切です。これらを意識することで、テキストマイニングをマーケティングや業務改善のために有効活用できるようになります。

1つずつ説明していきましょう。

5-1.テキストマイニングの目的を明確にする

1つ目のポイントは、テキストマイニングの目的を明確にすることです。

テキストマイニングは、数値化することができない文章(テキスト)データを定量的に扱い、効果的なマーケティングや業務改善につながる有益な情報を得られる手段です。「何かしらの有益情報を得られるから、何かに役立つだろう」と漠然とした目的で導入しようとすると、

・どの文章データを収集すべきか
・得られた結果をどのように活用すれば良いか

といったことが分からず、テキストマイニングを導入しても有効活用できなくなることは注意しなければなりません

テキストマイニングの目的を定めれば、収集すべき文章データを絞ることができ、結果をどのように活用すべきかも見えてきます。

【テキストマイニングの目的の例】

目的

集める文章データ

活用方法

既存顧客の意見を分析したい

・記述式のアンケート回答文
・コンタクトセンター(コールセンター)に寄せられた問い合わせ履歴

商材の課題を改善させる対策のヒントとして活用する

2.テキストマイニングを行うと実現できること」を参考に、テキストマイニングで何を実現したいのか、行う目的を明確にしましょう。

5-2.テキストマイニングの知識を習得する

2つ目のポイントは、テキストマイニングの知識を書籍などを読んで習得しておくことです。

「テキストマイニングによる有益な情報の発掘は、ツールで自動的に行われるからそれほど知識がなくても問題ないのでは?」と思われる方もいるかもしれません。

しかし「3-3.知識を持つ人材がいないと活用しにくい」でも説明したように、テキストマイニングによって抽出された有益な情報をどう活かすかまでは、ツールは自動的に示してくれません。テキストマイニングの知識がなければその結果をもとにして活用することは難しく、実施したテキストマイニングが無駄になってしまいます

文章化された膨大な顧客の声や業務内容の中から有益な情報を抽出できるテキストマイニングを有効活用するためにも、テキストマイニングについて学習しておくことは非常に重要です。

5-3.辞書を定期的に更新する

3つ目のポイントは、テキストマイニングツールに搭載されている辞書を定期的に更新することです。

辞書はテキストマイニングの過程の1つである文章(テキスト)データを単語や品詞に分割する作業において重要な役割を果たすことは、「4-2.辞書を整備する【手動】」で説明した通りです。辞書を更新して整備することにより、文章情報を適切に分割する精度が高まります。

「辞書を一度整備しておけば、問題ないのでは?」と思われるかもしれませんが、たとえば新しい商材を発表すれば既存の商材にはなかった顧客の声が出てくるため、辞書を古い情報のままにしておいては、新しくテキストマイニングをする顧客の声から有益な情報を発掘する精度は落ちることになります

新商材の発表後など辞書を更新する頻度を決めて、常に精度を高めておきましょう。

5-4.結果は他部署へ展開して共有する

4つ目のポイントは、テキストマイニングの結果は他部署へ展開して共有することです。

テキストマイニングの結果は主にマーケティングで活用されますが、「2. テキストマイニングを行うと実現できること」でも説明した

・最新のFAQの表示
・チャットボットの精度向上
・顧客対応時のトラブル回避

のように、コンタクトセンター(コールセンター)やカスタマーサポートといった部署においても有効活用できるものになります。関連する部署にも共有することで、その部署の業務改善につながり、結果として自社商材の顧客満足度も向上します

テキストマイニングで得た結果は社内掲示板に載せたり回覧したりするなど共有する手段を決めて、共有すると良いでしょう。

5-5.PDCAサイクルを回す

5つ目のポイントは、テキストマイニングはPDCAサイクルを回して行っていくことです。

テキストマイニングを行うことで実現可能な

  1. 既存の商材の改善
  2. 将来見込みのある商材の企画
  3. 最新のFAQの表示
  4. チャットボットの精度向上
  5. 顧客対応時のトラブル回避

の5つは、テキストマイニングを一度実施するだけで叶うわけではありません。

P(Plan)

テキストマイニングの目的を決める

D(Do)

テキストマイニングを実施する

C(Check)

テキストマイニングの結果をもとに
課題の整理を行う

A(Act)

整理した課題を解決する対策を
決めて実行する

といったPDCAサイクルを繰り返して行っていくことで、実現に近づきます。

特に顧客の声は、時間の経過によって変わっていくものです。ある特定の時期に集めた顧客の声をテキストマイニングしてその結果を施策に反映しても、顧客満足度を維持できません。

変化する顧客の声に応えるためにも、テキストマイニングはPDCAサイクルを回して行うことは非常に重要です

6.テキストマイニングを行う手段

最後に、テキストマイニングを行う手段を説明します。

テキストマイニングの手段としては、

  1. 自社でツールを導入する
  2. 専門企業に依頼する

の2つがあるため、あなたの会社に合う方法を選んで実施できます。1つずつ説明しましょう。

6-1.自社でツールを導入する

1つ目の手段は、自社でテキストマイニングツールを導入することです。

テキストマイニングツールは、大きく分けて有料と無料の2種類があります。

有料ツールの例

無料ツールの例

企業が提供している
テキストマイニングツール

・インターネット上に公開されているツール
・表計算ソフト「Excel」
・プログラミングツール「Python」

有料ツールは導入コストが発生しますが、辞書機能の精度が高いものもあるため、文章(テキスト)情報を適切に分割して有益な情報を発掘できます。

無料ツールは、自社にテキストマイニングに知見のあるスタッフがいれば有効です。

ただし、有料ツールも無料ツールも、テキストマイニングの知識を持つスタッフがいなければ、

・どのようなテキストマイニングツールを導入すれば良いか
・どのような人材がテキストマイニングの担当に適しているか
・テキストマイニングで得た結果をどのように活用すべきか

といったことが分からず、導入と活用までに時間とコストを要することは念頭に置きたいところです

6-2.専門企業に依頼する

2つ目の手段は、テキストマイニングの専門企業に依頼することです。

自社でツールを導入する場合はテキストマイニングに関する知識がないと活用が難しくなりますが、専門企業に依頼すればテキストマイニングツールの導入支援だけでなく、テキストマイニングの対象となる顧客の声を集めて分析するための仕組みを作るサポートも行ってくれる場合があります利用コストは発生しますが、自社で行うよりも精度の高いテキストマイニングを実施できるため、検討する価値はあるでしょう。

トランスコスモスでは、コンタクトセンターにおいて、顧客の声を自動でテキスト化、AIを活用した音声要約などを実現する「transpeech」というツールを用意しています。テキストマイニングを活用した最新のコールセンター運営に興味がある方は以下よりご連絡ください。

まとめ

テキストマイニングとは、社内で所有する文章(テキスト)データから有益な情報を発掘することです。インターネットやITの発達・普及している現代においてこうした文章データは

・顧客の声(VOC = Voice Of Customer)の分析
・業務課題の発見

といったことを行うために貴重なものであるため、テキストマイニングを導入している企業が増加しているのが現状です。

テキストマイニングを実施すると実現できるようになることは、次の5つです。

  1. 既存の商材の改善
  2. 将来見込みのある商材の企画
  3. 最新のFAQの表示
  4. チャットボットの精度向上
  5. 顧客対応時のトラブル回避

テキストマイニングは、以下の5つを踏まえて活用していくことがポイントになります。

  1. テキストマイニングの目的を明確にする
  2. テキストマイニングの知識を習得する
  3. 辞書を定期的に更新する
  4. 結果は他部署へ展開して共有する
  5. PDCAサイクルを回す

テキストマイニングは、以下の流れで行われるのが基本です。

  1. 分析したい文章データを集める【手動】
  2. 文章データをAIの「自然言語処理」を使って単語や品詞に分割する【ツール】
  3. 分割した単語を集計・分析し、グラフなどで可視化する【ツール】
  4. 集計・分析結果から有益な情報を発掘する【手動】

テキストマイニングを行う手段としては、

  1. 自社でツールを導入する
  2. 専門企業に依頼する

の2つが挙げられますが、今の人材では自社でテキストマイニングを行うのは難しい場合は専門企業に依頼するのがおすすめです。

テキストマイニングを活用し、貴社のマーケティング施策や業務改善がうまく行われることを願っています。

トランスコスモスのコンタクトセンター/コールセンターサービスでお取引いただいたお客様は、業界問わず1,700社を超え、様々なノウハウを保有しています。コンタクトセンター/コールセンターの運営に関して、お悩みの方は一度お問合せください。
トランスコスモスのコンタクトセンター/コールセンターサービスでお取引いただいたお客様は、業界問わず1,700社を超え、様々なノウハウを保有しています。コンタクトセンター/コールセンターの運営に関して、お悩みの方は一度お問合せください。