- チャットボット封じ込め率は、チャットボットが人間の助けなしに解決できたユーザー対応の割合を示します。企業では用途に応じて70〜90％が目標とされることが多いです。
- 100％の封じ込め率を目指す必要はありません。価値の高い案件や機密性の高い会話は、必ず人間の担当者に引き継ぐべきだからです。
- 封じ込め率が低い場合、主な原因は意図認識の精度不足、知識ベースの古さ、文脈の把握不足、重要なシステムとの連携不足などが挙げられます。
高いチャットボット封じ込め率は、AIチャットボットが成功している証拠です。
そもそも封じ込め率とは？どうやって改善できるのでしょうか？
まさに今、正しい場所にいます。チャットボット封じ込め率の基礎、ベストプラクティス、測定方法、低くなる理由、改善策まで詳しく解説します。
それでは始めましょう！
チャットボット封じ込め率とは？
チャットボット封じ込め率とは、チャットボットが人間へのエスカレーションなしで対応できたユーザーのやり取りや問い合わせの割合を指します。
チャットボットが自力で課題を解決したり、情報を提供できたかを測る指標です。企業向けチャットボットの成功指標としてよく使われます。例えば：
- カスタマーサポートチャットボット
- テクニカルサポート用チャットボット
- 人事チャットボット
- その他の支援型チャットボット
封じ込め率が高いほど、チャットボットが効率的にユーザーのニーズを満たし、人間の負担を減らし、業務効率を向上させているといえます。
自動化と人間へのエスカレーションのバランス
どの企業も100％の封じ込め率を目指すべきではありません。高額な商談や、個別対応が必要な繊細なケースなど、必ず人間が対応したい場面は存在します。
目標は人間の介入を完全になくすことではなく、自動化と人間対応のバランスをとることです。単純な作業は自動化し、価値の高い対応に人間が集中できるようにしましょう。
必要なときにスムーズに人間へエスカレーションできる設計にすることで、ユーザーは適切なタイミングで最適なサポートを受けられ、効率と満足度が向上します。
チャットボット封じ込め率はどう測る？
チャットボット封じ込め率を測定するには、以下の手順を踏みます。
1. 全体のやり取り数とエスカレーション数を記録
一定期間内にチャットボットが対応したユーザーとのやり取りの総数をカウントします。これにはすべての会話、問い合わせ、タスクが含まれます。
次に、人間の担当者にエスカレーションされた、またはチャットボットが未解決と判断したやり取りの数を記録します。
「エスカレーション」には、人間への直接引き継ぎや、ユーザーが明示的にサポートを求めたケースも含まれます。
2. 封じ込め率を計算
次の式を使います：
コンテインメント率 = (1− [エスカレーションされた対応数 / 総対応数]) × 100
例えば、チャットボットが1,000件中900件をエスカレーションなしで対応した場合、計算式は以下の通りです。
コンテインメント率 = (1−1000/100) × 100 = 90%
3. または分析ツールを利用
チャットボット分析やカスタマーサービスプラットフォームを活用すれば、封じ込め率などの指標を自動で記録・レポートできます。これらのツールはエスカレーション理由やユーザー満足度など、追加のインサイトも提供します。
この指標を継続的にモニタリングし最適化することで、チャットボットの効率とユーザー体験を向上できます。
なぜチャットボットの封じ込め率が低いのか？
チャットボットの封じ込め率が低い場合、主な理由は問い合わせの理解不足、データ不足、複雑なタスクへの対応力不足などです。ユーザーがニーズを満たせないと感じたとき、人間へのエスカレーションが発生します。
封じ込め率が低くなる主な理由は以下の通りです。
- 意図認識の精度不足や問い合わせの誤解
- 知識ベースが限定的または古い
- 会話の文脈を維持できない
- 主要なデータソースとの連携不足
- チャットボットの対応範囲が不明確
高封じ込め率チャットボットのベストプラクティス
意図分類器の代わりにLLMを活用
高封じ込め率のチャットボットは、通常、意図分類器ではなくLLMを活用しています。
LLMは自由形式の複雑な言語や多様な表現を理解するのが得意で、予想外の問い合わせにも柔軟に対応できます。
厳密な意図マッピングが不要になり、チャットボット（LLMエージェントとも呼ばれる）は、より幅広い入力に正確に対応できます。
弊社COOの記事でも解説している通り、Botpressは競合他社と異なり、意図分類器ではなくLLMを採用しています。
適応型会話を設計する
静的なワークフローに頼るのではなく、ユーザーの行動にリアルタイムで適応できるチャットボットを構築しましょう。
文脈認識や意思決定アルゴリズムを活用することで、会話中にアプローチを柔軟に調整できます。これにより、ユーザーが話題を変えたり情報が不十分だったり、追加質問をした場合でも、関連性を保ちつつ解決率を高められます。
動的なチャットボットを設計する最も簡単な方法は、エージェント型AIを活用することです。これにより、利用可能なツールに応じて最適な対応方法を自律的に判断できます。
検索拡張型システムを活用
検索拡張生成（RAG）とCRMや知識ベースなどの連携を組み合わせることで、チャットボットの可能性を最大限に引き出せます。
信頼できる情報源からリアルタイムで専門的な情報を取得することで、複雑な質問や複数ステップのタスクも人間に頼らず解決できます。
チャットボット封じ込め率を上げるには？
幸いなことに、チャットボット封じ込め率はあなた自身で高めることが可能です。チャットボットの開発方法や、ユーザーへの説明の仕方がポイントです。
チャットボット封じ込め率を改善する6つの方法を紹介します。
1. LLMで意図認識を強化
従来の意図分類器からLLMに切り替えることで、封じ込め率の向上が期待できます。
厳密な意図マッピングと異なり、LLMは自由形式の複雑な言語や多様な表現を理解できます。この高度な理解力により、誤解が減り、複雑で予測不能な会話にも正確かつ柔軟に対応できます。
2. 知識ベースを拡充
チャットボットの知識ベースを常に最新に保つことが、満足度の高い対応には不可欠です。
新しいFAQや商品情報、よくある課題の解決策を定期的に追加しましょう。これにより、より多くの問い合わせに対応でき、正確かつ迅速な回答が可能になります。
3. 選択肢を増やす
人間へのエスカレーション前に、チャットボットが自力で解決を試みます。それでも解決できない場合、ユーザーが選べる選択肢を増やしてみましょう。
フォールバックオプション（確認質問や代替案など）を追加することで、ユーザーのニーズに応える機会が増えます。
4. プロセス全体でサポートを組み込む
予約やトラブルシューティングなど複雑なワークフローがある場合でも、人間の手を借りずにユーザーが完了できるようにしましょう。こうしたプロセスをガイドできるチャットボットは、人間の介入を防げます。
5. チャットボットの目的を明確に伝える
最初から明確な期待値を設定しましょう。チャットボットが対応できる内容や得意分野をユーザーに案内することで、会話をボットが最も力を発揮できる領域に導き、無用なフラストレーションを防ぎます。
6. パフォーマンスの監視
未解決の問い合わせ数、エスカレーション率、満足度スコアなどの主要な指標を追跡し、チャットボットのパフォーマンスを測定します。これらのデータを活用して改善点を特定し、アップデートの効果を評価しましょう。
最も柔軟なプラットフォームで構築
チャットボットの構築支援は私たちの得意分野です。市場で最も強力かつ柔軟なAIエージェントプラットフォームを使い、世界中で750,000体以上のチャットボットを展開しています。
Botpressなら、ドラッグ＆ドロップのビジュアルフロービルダー、豊富な教育コンテンツ、2万人以上のボット開発者が集う活発なDiscordコミュニティで簡単に構築できます。
拡張性の高いプラットフォームなので、どんなものでも作成可能ですし、Integration Hubには主要チャネル向けの事前構築済みコネクタが揃っています。
今すぐ構築を始めましょう。無料です。
よくある質問
1. コンテインメント率は長期的に顧客満足度やリテンションにどのような影響を与えますか？
コンテインメント率は、チャットボットが人間の対応なしで問題を解決できるほど、顧客が迅速かつスムーズなサポートを受けられるため、顧客満足度やリテンションに直接影響します。これにより信頼が生まれ、顧客が再利用やブランドの推奨をする可能性が高まります。
2. チャットボットのコンテインメント率を向上させることと、人間の担当者を増やすことのROIはどう違いますか？
チャットボットのコンテインメント率を向上させる方が、人員を増やすよりも高いROIをもたらします。なぜなら、担当者数を増やさずに対応量を拡大でき、担当者は共感や専門知識が必要な複雑な課題に集中できるからです。結果として、効率と顧客体験の両方が向上し、1件あたりの解決コストも抑えられます。
3. 企業にとって理想的なコンテインメント率の目標値はどれくらいで、どのように決まりますか？
企業における理想的なコンテインメント率は通常70〜90％の範囲ですが、具体的な目標値はユースケースの複雑さや自動化への許容度などによって異なります。高いコンテインメント率は望ましいですが、ボットが正確に問題を解決し、ユーザーを不満にさせないことが前提です。
4. ユーザーフィードバックのループはコンテインメント向上にどんな役割を果たしますか？
ユーザーフィードバックのループは、ボットが失敗するポイントを明らかにするため、コンテインメント向上に不可欠です。このデータをもとにチームはモデルを再学習させたり、知識のギャップを埋めたりして、ボットの有効性を高めることができます。
5. どのようなインテグレーション（CRM、ERPなど）がコンテインメントに最も大きな影響を与えますか？
CRM、ERP、ナレッジベースとのインテグレーションは、チャットボットがリアルタイムかつ個別のデータ（注文状況、アカウント情報、在庫詳細など）にアクセスできるため、最も大きな影響を与えます。これにより、より幅広い問い合わせに対応できるようになります。
.webp)
