Skip to main content
Loading...
Skip to article
  • Qualtrics Platform
    Qualtrics Platform
  • Customer Journey Optimizer
    Customer Journey Optimizer
  • XM Discover
    XM Discover
  • Qualtrics Social Connect
    Qualtrics Social Connect

分析用データの拡張 (Discover)


Was this helpful?


This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

The feedback you submit here is used only to help improve this page.

That’s great! Thank you for your feedback!

Thank you for your feedback!


分析用データの拡張について

Discover プラットフォームは、保存したデータとまったく同じ方法でデータをインポートおよび表示することだけに限定されません。コネクタ、Designer、および Studio 全体で、データを別の方法で構造化するか、レポート対象の KPI 計算を作成することで、データを変換することができます。ステークホルダー向けのダッシュボードを作成する前に、分析用にデータを拡張するさまざまな方法について説明します。

コネクタでのカスタム変換の登録

変換ウィンドウ

ある場所から別の場所にデータを取り込む場合は、フィールドとその意味を定義する必要があります。カスタム変換では、データをマッピングできるだけでなく、データを拡張できます。たとえば、以下のようなことが可能になります。

  • 値を置換します。
  • 日付と時刻の書式を決定します。
  • 数値を丸めます。
  • 日付範囲から正確な日数を予測します。
  • 文字列を結合します。(連結とも呼ばれます)。
  • ID を生成します。
  • カスタム日付を設定します。
  • その他!

詳細については、カスタム変換を参照してください。

Designer での属性の誘導

派生属性ウィンドウ

派生属性は、既存の属性から登録された追加データ項目です。

例: “年齢範囲” (“<18″、”18-34″、”35-49″、”50+” などの値) は、個別の属性 “年齢” から誘導することができます。

作成された派生属性は、レポート、フィルタリング、およびカテゴリルールで他の属性と同様に使用できます。

派生属性は、さまざまな方法で登録することができます。

  • Microsoft Excel の場合と同様に、ディメンションルックアップを使用します。
  • 数値または日付データを範囲に分割します。
  • カテゴリモデルから属性を誘導し、非構造化データを構造化データに変換します。

派生属性を登録するさまざまな方法およびそれぞれの属性の使用方法の詳細については、派生属性

を参照してください。

インテリジェントスコアリングによるパフォーマンスの評価

インテリジェントスコアリングは、フィードバックおよびインタラクションの動作をスコアリングできる Designer および Studio 全体にわたる機能です。指標を作成することで、構造化されていないデータを構造化できます。

これらの柔軟なルールベースのスコアは、コンタクトセンタのコンプライアンスやエージェントのソフトスキル (共感など) を含むすべてのインタラクションタイプの評価に使用されます。また、顧客離れの可能性、購入の可能性、潜在的な不正など、さまざまなカスタマーエクスペリエンスを追跡することもできます。

インテリジェントスコアリングウィンドウ

自動スコアリングインタラクションは、エクスペリエンス管理イニシアチブの優先順位付けと、チームの最適なトレーニングの方法とタイミングの決定に役立ちます。個々のレベルでパフォーマンスを表示したり、チーム全体の傾向を示す詳細ダッシュボードを作成したりすることができます。

詳細については、インテリジェントスコアリング入門を参照してください。

Studio でのメトリクスの作成

メトリックを使用して、Studio で独自の KPI を登録することができます。これらの指標は、レポート全体、フィルタ、ウィジェット、およびドリルで使用することができ、組織のパフォーマンスに対するインサイトを得ることができます。詳細については、メトリクスの作成を参照してください。 時間の経過に伴ってボリュームを表示するウィジェット

以下は、メトリックを最大限に活用する方法の例です。

例: コールを 2 つのカテゴリ (ショートコールとロングコール) にグループ化します。CB コール期間属性を使用して、上位ボックス (ロングコール) およびボトムボックス (ショートコール) を作成します。

レポートで新しい指標を使用すると、満足度別にデータを分解し、各コール長グループにおける満足度の高い顧客の割合を確認することができます。

例:フィルタリングされた指標を使用して、グループ別にパフォーマンスを迅速にレポートします。たとえば、センチメントを地域別に分割し、北米センチメント、中南米センチメント、ヨーロッパセンチメントなどを含めることができます。

その後、これらのメトリックをウィジェットで使用すると、他のインサイト別にデータをグループ化できます。たとえば、製品別にグループ化し、各製品に対する各地域のセンチメントを確認することができます。特に、

カスタム数学的指標は、さまざまな方法でデータを変換するために使用できます。

  • 単位を変換します。たとえば、秒を分に変換したり、セントをドルに変換したり、お金に費やした時間に変換したりすることができます。
  • 平均スコアを生成します。
  • 複雑な複合メトリクスを計算します。
  • スケールを変換します (例: 5 ポイントから 100)。
  • 非構造化データを構造化します。
例:従業員の時間単価、およびインタラクションにかかった時間がわかっている場合は、インタラクションまたはインシデント費用を把握することができます。

例:テキストラベル(「非常に満足」、「満足」など)としてデータを構造化し、定量的評価に変換する場合は、カスタムの数学指標を使用して各属性値に重みを割り当てることができます。例:

(metric[volume many unconfillment]*1 + metric[volume unconfilly]*2 + metric[neutral]*3 + metric[volumesatisuisified]*4 + metric[Volume many confillment]*5) / [ボリューム]

当サポートサイトの日本語のコンテンツは英語原文より機械翻訳されており、補助的な参照を目的としています。機械翻訳の精度は十分な注意を払っていますが、もし、英語・日本語翻訳が異なる場合は英語版が正となります。英語原文と機械翻訳の間に矛盾があっても、法的拘束力はありません。