メルマガ登録
最終更新日:2023.12.15
※本記事は、ブレインパッドが運営する人工知能ブログ「+AI」に掲載されている記事の転載版になります。
コールセンターの効率化のために、ターゲット顧客の属性や過去の取引内容などのデータをもとに、アウトバウンドにおける電話のつながりやすさを予測するモデルを構築。予測結果を用いてシフトの最適化を行い、電話がつながりやすい曜日と時間帯に適切な人員を配置することにより、コスト削減と業務の効率化に貢献しました。
ターゲットとなる見込み顧客を属性や過去の取引状況などのデータをもとに機械学習を使って分析し、電話がつながりやすい時間帯を割り出す予測モデルを構築しました。さらに、見込み顧客のスコアリングを行うことにより、成約可能性の高い顧客を抽出。架電の制約条件を加味して作成した架電リストとオペレーターのリソースからシフトを最適化し、オペレーション業務の効率化を図りました。また、実運用に向けたテストオペレーションの設計や効果検証についても支援しました。 ※「架電」とはオペレーターが顧客に電話をかけること
人手不足が深刻な課題となっているコールセンターでは、オペレーターが1日に架電できる数には限りがあり、リソースに制約がある中で成約見込みの高いターゲットへの架電効率を高めることが求められるようになってきました。また、架電リストやオペレーターのシフトを作成する業務が属人化されており、特定のスタッフへの負担が大きくなっていました。
電話のつながりやすさの予測モデルとシフトの最適化にもとづいたテスト運用では、下記の成果を得ることができました。
・架電効率が従来に比べて約20%向上
・既存顧客向け施策のコンバージョンが1.6倍に向上
これにより実運用でも十分な効果がでる可能性が示唆され、さらに架電リストやシフト作成の自動化によるコスト削減も見込まれています。