チャットボット解析とは？チャットボット解析とチャットボットの主な指標について詳しく知る

チャットボットアナリティクスは、チャットボットのリアルタイムのデータです。チャットボットが人々との対話を通じて生成するリアルタイムのデータです。このデータは本当に便利で、あなたのビジネスに大きな価値をもたらします。

チャットボット分析プラットフォームは何を探すべきか？

チャットボットのアナリティクスは、チャットボットのパフォーマンスと全体的なカスタマーエクスペリエンスを向上させるために不可欠なツールです。

管理者にとって重要なチャットボット分析の最初のセットは、一般的な使用統計です。チャットボットは、どのデバイスで、どのくらいの頻度で使用されているか、ユーザーエクスペリエンスはどうなっているか、一定の時間枠でのリテンション率や直帰率はどのくらいか、などのような主要なメトリックは何ですか？これらは、ウェブサイトのためのチャットボット分析ツールから得られるであろう貴重な洞察のようなものです。

自然言語処理が使用される場合、すべてのchatbots に必要とされる他の一般的な統計は、誤解されたフレーズ、最も頻繁に使用される単語、人間の介入/エスカレーション・インシデントの数などのような会話分析である。

上記の統計に関しては、これらの統計が測定されるだけでなく、ユーザーとの対話のためにチャットボットをより良くする方法でソフトウェアに統合されることが重要です。例えば、ボットがより良い会話フローを開発できるように、 NLPを設定する際に、誤解されたフレーズを自動的に与えられた意図に関連するフレーズのリストに追加することができます。ボットが迅速に改善されるように、管理者やサポート・エージェントがこのようなタイプのフレーズを簡単に追加し、検証できるようにすることが重要です。

チャットボット分析へのカスタムアクセスの重要性を過小評価しないでください。

上記の一般的な分析はすべて重要ですが、多くの場合、チャットボットデータへのカスタムアクセスがさらに重要であることがわかります。これは、チャットボットが展開され、試験運用されているときに特に当てはまります。というのも、ボットプロジェクトの初期には、スポンサーは採用や利用状況を示すことに熱心だからです。そのため、彼らはボットがパイロットユーザーに十分にマーケティングされていることを確認しようとし、彼らが正しく仕事をした場合、統計は良好な使用率とチャットボットの成功を示すでしょう。これはまた、チャットボットプラットフォームがユーザーにとって斬新な製品であるため、彼らは最初にそれを使用するために好奇心を持っている可能性があり、これは人為的に利用統計を膨らませることができます。

しかし、チャットボットの管理者にとって興味深いのは、ボットの利用状況に問題があることを示す兆候であり、利用状況が最初の統計が示すほど堅調ではない可能性を示すシグナルである。また、統計から利用状況に問題があることが明らかであっても、スポンサーはなぜ利用状況に問題が起きているのかを知りたがる。

問題は、一般的な分析で簡単に特定し、修正できるかもしれない。例えば、最初のうちは、NLPの設定が必要以上に包括的でないために、ボットが必要以上に誤解してしまうことがよくあります。この問題は通常、NLPセットアップで関連するインテントにフレーズを追加することですぐに修正できます。

カスタムチャットボット分析

カスタムアナリティクスでチャットボット体験の一般的な問題に対処する方法

問題を診断するためにカスタム分析が必要になることはよくある。例えば、問題を特定できるようにするために、会話の流れに明確なフィードバックを組み込む必要があるかもしれません。

カスタムアナリティクスは、ボットがよりカスタマイズされたチャットボットである場合、特に興味深いものです。

シンプルなアプローチと複雑なアプローチのチャットボット

チャットボットが単純で、例えばある種の意思決定ツリーを通してユーザーを誘導し、利用上の問題がある場合、一般的な利用統計だけから問題を特定するのは簡単かもしれません。アナリティクスは、チャットボットの会話の中でユーザーが興味を失い会話を放棄したポイントを示すことも、ユーザーが放棄するまでにボットに費やした時間を示すこともでき、どちらの場合も、フローやボットのユースケース全体に問題があることを示すことができます。

ボットがより複雑な場合、つまりカスタムロジックを持っている場合、一般的な統計では全容を知ることはできません。ユーザーが離脱したポイントはわかるかもしれませんが、なぜユーザーが離脱したのかはわからないでしょう。

簡単な例を想像してほしい。子供たちが時間割を覚えるのを助けるチャットボットを作ったとする。基本的なアプローチは、子供たちが問題の時間割を選択し、ボットが選択された時間割に関する質問をランダムに出題するというものです。ここで問題となるのは、時間割を学習する子供たちのレベルは様々であるため、最初のうちはもちろん、インタラクションの後半に問題が難しすぎると感じた場合、成功率が下がる可能性があるということです。

これをピックアップするためには、アナリティクスに質問の難易度なども反映させる必要があります（そして理想的にはレベルを自動的に調整します）。これはカスタムアナリティクスに組み込む必要があります。そして、これはチャットボット構築プラットフォームがカスタムアナリティクスをサポートしている場合（もっと言えば、カスタムアナリティクスを簡単に追加できる場合）にのみ可能です。

カスタムアナリティクスが利用できるようになれば、開発者は得られた実用的な洞察を使って、ゲーム内でのユーザーの定着率を最大化するために、子供のレベルと質問内容を一致させるアルゴリズムを使用するなどの高度なアプローチを実装することができます。

Chabot AnalyticsのA/Bテスト

そこで、カスタマイズされたアナリティクスに関連する重要なテーマとして、A/Bテストを取り上げます。どのようなソフトウェアでも、機能性、グラフィック、コンテンツにおいて何が最も効果的かを最初に知ることは難しく、確実に知る唯一の方法は、さまざまな選択肢をA/Bテストすることです。

これは、chatbots にも当てはまります。カスタムアナリティクスは、チャットボット構築プラットフォーム内のA/Bテストエンジンとリンクさせる必要があります。もちろん、ボットプラットフォーム自体では、カスタムアナリティクスを生成してタグ付けできるだけでなく、会話フローの中でA/Bテストを定義することも重要です。

チャットボット分析におけるチームメンバーの役割

チャットボットのスポンサー、マネージャー、開発者はすべて、必要なアナリティクスを定義する手助けをする責任があります。前述のように、カスタムアナリティクスは、少なくともボットが対応するユースケースに依存します。

スポンサーは明らかに会話型インターフェイスの採用に関心を持っており、採用の障害や、ユーザーの満足度に悪影響を及ぼす可能性のあるその他の問題を解決しようとしている。

チャットボット分析に不可欠なパフォーマンス指標とは？

一般的なチャットボット分析の観点から、チャットボット企業は次のような主要なチャットボットの指標やKPIに関心があるでしょう：

• 相互作用（ノード）の数 フローの数
• チャット時間
• 誤解／理解された発言の割合
• ステートメントのワードマップ
• 誤解された発言のワードマップ
• 誤解されているユーザークエリのリスト
• 開始されたフロー数
• リピートフロー回数
• フロー使用量ランキング
• 誤解された発言によるフローのランキング
• 人間による買収の数
• ログイン数
• 完走回数
• リピーター数
• 期間ごとのアクティブユーザー数
• ログイン数
• アクティブユーザーと指名ユーザーの割合

上記の統計データを特定の期間で見たり、他のフィルターを使ったりすることに興味を持つかもしれない。

チャットボットのインタラクションを改善するために、開発者はどのようにカスタムチャットボットの分析データを使用していますか？

カスタムアナリティクスに関しては、通常会話フローのノードとして手動で入力されるフィードバック、特に各フローのエンドポイント（結果が成功したかどうか）に興味があるかもしれない。フィードバックの評価によるフローのランキングに興味があるかもしれない。

タイムズテーブルのチャットボットの例では、難易度とエンゲージメント（トラバースしたノードの数）の間に相関関係があるかどうかを見ることに興味があるかもしれない。

ボットマネージャーはもちろん上記の統計に関心があるが、ボットの円滑な運用にも関心がある。彼らは、異なるデバイス間でのボットのパフォーマンスやボットの可用性に関する統計に関する分析を必要とするかもしれません。インフラやセキュリティに問題はなかったか？

彼らは、ユーザーベースの行動だけでなく、スーパーユーザーの行動、例えば彼らがどれくらいの頻度でコンテンツを更新したり、フローを変更したりするのかにも興味があるかもしれない。このような情報は、セキュリティ上の理由からも必須である可能性がある。

もちろん、開発環境からステージング環境、本番環境へのボットの進行に関する情報や、開発者のリリースに関する統計などにも興味を持つだろう。

開発者は、自社のエンタープライズchatbots をより良くするために情報を利用できる範囲で、上記のすべてに興味がある。もちろん、バグを特定する統計にも興味があるだろう。例えば、NLPの成功のためのテストなど、ボットのための特別なテストを行うテスト・プロセスから得られる統計などだ。しかし実際には、開発者やスーパー・ユーザーは、カスタム・アナリティクスを監視するよりも、その実装に深く関わっている。

結論 - チャットボット分析の未来

アナリティクスをボット機能に統合することが、ボット構築を成功させるために重要であることを簡単に述べた。A/Bテストはカスタムアナリティクスを統合する必要があり、その後、会話を最適化するために単純なアルゴリズムを使用することができます。より複雑な統合は、ボットのパフォーマンスを最適化するために使用することができます。例えば、時刻表ボット（またはより現実的な複雑なゲーム）の難易度が最適化されるように、前述の最適化を行うことができます。

グーグル、マイクロソフト、IBMなど多くの大手ソフトウェア会社がチャットボット分析サービスを提供しています。これらのサービスは簡単に一般的なアナリティクスを提供することができますが、私が明確に主張したのは、アナリティクスの恩恵を最大限に受けるためには、アナリティクスをカスタマイズし、例えばウェブサイトのような非会話ソフトウェアとは異なる方法でボットの機能と緊密に結合する必要があるということです。したがって、使用するチャットボットフレームワークは、開発者が管理パネルをカスタマイズできるようにすることが不可欠です。

‍