サポート分析のためのBigQuery連携

Maven AGIは会話データをGoogle BigQueryに直接エクスポートし、データチームが分析、レポート作成、機械学習のためにサポート上のやり取りを余すところなく活用できるようにします。MavenのAIカスタマーエクスペリエンス（CX）プラットフォームとBigQueryのデータウェアハウスを組み合わせることで、サポート履歴からトレンドを把握し、パフォーマンスを測定し、予測モデルを構築できます。

Maven AGIとBigQueryでできること

Mavenは、会話の文字起こし、解決結果、応答時間、顧客メタデータなどの構造化された会話データを、BigQueryのデータセットにストリーミングします。データチームは、このデータを製品利用状況や売上などのビジネス指標とあわせてクエリし、サポートが収益にどのような影響を与えているのかを総合的に把握できます。

主な機能

• データエクスポートの自動化。 Mavenは、会話記録、解決ステータス、やり取りのメタデータをBigQueryまたはGoogle Cloud Storageに継続的にエクスポートします。手動でのデータ抽出やCSVのダウンロードは不要です。
• 構造化された会話データ。 すべての会話は、タイムスタンプ、チャネル、トピック、解決経路、エージェントの対応内容、顧客満足度のシグナルといった、クエリ可能なフィールドに分解されます。この構造により、Looker、Data Studio、またはBigQueryに接続した任意のBIツールで簡単にダッシュボードを構築できます。
• システム横断の分析。 Mavenのサポートデータを、ウェアハウスにある製品利用データ、請求データ、CRMデータと結合できます。どの顧客セグメントが最も多くのチケットを生んでいるのか、どの問題が解約と相関しているのか、ナレッジグラフのどこに不足があるのかを特定できます。
• コンプライアンスに対応したアーキテクチャ。 データのエクスポートは、SOC 2 Type II、HIPAA、PCI-DSS Level 1を含むMavenのエンタープライズセキュリティ基準に準拠しています。機密性の高いフィールドは、ウェアハウスに到達する前にマスキングまたは除外できます。
• 過去データのバックフィル。 BigQueryを接続すると、Mavenは過去の会話データをバックフィルできます。そのため、連携開始日からではなく、完全なデータセットで分析を始められます。

導入の流れ

1. 接続。 Google CloudプロジェクトとBigQueryデータセットをMaven AGIに接続します。Mavenが権限を検証し、必要なテーブルスキーマを自動的に作成します。
2. 設定。 エクスポートするデータフィールドを選択し、更新間隔を設定したうえで、機密情報に対するフィールド単位のマスキングルールを定義します。
3. 分析。 会話データは選択したスケジュールでBigQueryに送られます。直接クエリを実行したり、BIツールに接続したり、MLパイプラインに投入して予測的なサポート分析に活用したりできます。

主な活用例

• 解決率、平均処理時間、顧客満足度の推移を追跡する経営層向けダッシュボードを構築する。
• サポートの会話データと製品利用指標を結合し、問い合わせが最も多く発生している機能を特定する。
• コホート分析を実施し、AIが解決したチケットと人が解決したチケットを、顧客維持率と満足度の観点で比較する。
• 会話データを機械学習モデルに投入し、チケット量の予測、リスクのあるアカウントの特定、ナレッジベースの改善提案に活用する。
• 構造化されたやり取りの記録をガバナンスの効いたデータウェアハウスに保存し、コンプライアンス監査証跡を作成する。

関連する連携

• Snowflake
• Amazon S3
• Salesforce
• Shopify