顧客対応では、最も価値あるシグナルは会話の中にあります。顧客の本当の意図、関心事、競合言及、リスクになる表現、営業担当の対応内容がそのまま現れます。
これまではチームが手動レビューに依存し、人数が増えるほど時間がかかり、判断基準がぶれやすい状態でした。HelloKPIの新しいAgent対話分析は、チャットを保存するだけでなく、理解し採点し、タグ付けして、営業リードとして使える情報に変換します。
旧来の問題：データはあるのに判断が追いつかない
従来のチャット管理は「履歴があるか」を示すことが中心でした。TelegramやWhatsAppの履歴、アバター、未読、最終時刻などは取れますが、運用で必要な以下の問いに答えづらい点がありました。
- これは高品質リードか
- 価格・配送・信頼性への関心はどこか
- 営業担当がリスクを含む発言をしていないか
- どの会話を優先して再追跡すべきか
- サービス品質は一定か
手動レビューが主だと、ボリューム増加時に崩れます。
新しいワークフロー：クローズドループ分析
新機能は「チャット履歴をAIへ渡す」だけで終わりません。全体を設計しています。
- 前処理: テキストと送信者ロールのみを残し、重複・ノイズを削除してトークン費用を抑制
- 個別/グループチャット対応、期間絞り込み可能
- 構造化出力: summary、score、tags、センシティブワードの記録
- provider/model/prompt token/completion token/合計トークン/処理時間を保存し監査性を確保
- エラー時に理由を明示（ネットワーク、タイムアウト、空レスポンス、形式不備）
Prompt Library：チーム知見の標準化
分析精度はプロンプト品質に依存します。以前は固定プロンプトか手入力が中心でした。HelloKPIは tenant 共通で利用できるテンプレートライブラリを提供し、シナリオ・言語・プラットフォームごとに使い分け可能です。
- 販売品質監査テンプレート
- lead scoringテンプレート
- リスクレビューテンプレート
- グループ会話分析テンプレート
- センシティブワード検知テンプレート
優秀な管理者の判断をチーム全体で再利用できる方式です。
プロンプト検証機能もあり、`{conversation}` と `summary`、`score`、`tags`、`record` が不足するとデフォルトへフォールバックします。
Agent設定：境界のあるAI
Agent が参照するデータ領域を明示し、エンタープライズでの運用を前提とします。
- 顧客プロフィール
- フォローアップ履歴
- leadデータ
- チャットメタデータ
tenantはドメインごとにON/OFFや読み取り上限を設定でき、予測可能なコストとガバナンスを実現します。
比較
- 手動レビューとの比較：スケール時に一貫性が高まり、人間は最終判断を担保
- キーワード一致との比較：文脈理解が可能
- 外部AIツールとの比較：データ連携、時間フィルタ、tenantテンプレート、ログ管理を一元化
- 固定プロンプトとの比較：シナリオ別・言語別更新が容易
- 制限なきAIとの比較：利用範囲と上限で安定運用
ビジネス効果
営業担当は、成功要素と未対応点、再追跡が必要な lead を短時間で確認できます。
管理者はランダム監査から、低スコアや高リスク、意図の高いリードの対象監査へ移行できます。
組織全体では summary / score / tags / sensitive record が再利用可能資産化し、品質監査、リード格付、アラート、CV 予測に活用できます。
要は「AIを接続した」ではなく、収集、再レビュー、重複排除、prompt統制、構造化出力、ログ、エラー通知、権限制御、コスト統制を含む運用ループを作ることです。
結論
Conversation は顧客意図が最も見えやすいデータですが、規模が大きくなると扱いが難しくなります。HelloKPI新機能は chat 履歴を passive な保存から active な insight へ変えます。
これまで「顧客は何を言ったか」だった問いが、今は「どのリードを追うべきか」「どこがリスクか」「次の対応は何か」を明確にします。
