ベスト プラクティス: トピック モデリング

多くの組織にとって、トレンドのトピックや新しいトピックを追跡することは非常に重要です。Customer Experience Insights を使用すると、事前にラベル付けしなくても、通話やチャットから会話の主要な要因を検出して特定できます。CX Insights トピック モデリング V2.1 機能を使用する場合は、以下のおすすめの方法に従ってください。教師なしモデリングにより、設定が簡単になり、分析された会話で表面化した主要な要因を自動的に特定できます。

トピックモデルをトレーニングする

まず、カスタム トピックを指定せずに教師なしトピックモデルをトレーニングします。会話で使用されている言語を特定するには、言語フィルタを設定します(省略可)。

トピックモデルをトレーニングする際は、ビジネス ユースケースを把握し、必要なトピックの粒度を決定します。ユースケースには、トピックモデルで探しているものや、モデルがもたらすビジネス価値などが含まれます。粒度は、トレーニングにおけるモデルのサイズを決定します。「既存のソリューションにトピック クラスタがいくつかある場合、そのおおよその数は?」 と質問します。

教師なしモデルの品質が低い場合は、カスタム トピックのリストを使用して別のトピックモデルをトレーニングしてみてください。

トピックモデルを評価する

トレーニング済みのトピックモデルの評価は、生成されたトピックと説明の検証と、特定されたトピックの分析済み会話の評価の 2 つのフェーズで実施できます。

ステップ 1: 生成されたトピックと説明の検証

ニーズに関連しないトピックは削除することをおすすめします。たとえば、会話での挨拶の発言がほとんどの「挨拶」トピックを削除します。トピックの削除について詳しくは、トピックを削除するをご覧ください。

トピックモデルで特定されなかったトピックのセットに新しいトピックを追加します。このシナリオは、カスタム トピックなしでトレーニングされたモデルで発生する可能性が最も高くなります。

ステップ 2: 分析済み会話を評価する

ステップ 1 が完了したら、特定されたトピックについて分析済み会話を評価する必要があります。

粒度で選択したトピックよりも学習したトピックが少ないのはなぜですか?

検出するトピックが少ない場合、トピックの最終的な数は、選択した粒度で示された数よりも大幅に少なくなる可能性があります。

  • 粗い: 最大 30 個のトピック
  • 粗い: 最大 50 個のトピック
  • 標準: 最大 150 個のトピック
  • 細かい: 最大 200 個のトピック
  • 非常に細かい: 最大 350 個のトピック

トレーニング済みのトピックモデルで学習したトピックの数が、データ品質の問題により少なくなることもあります。トレーニング会話数、会話内のエージェントまたは顧客のターン数、STT と編集の品質に関して、データ要件が満たされていることを確認してください。

トピック数を増やすにはどうすればよいですか?

前述のように、トレーニング データのデータ品質要件が満たされていることを確認します。また、トレーニング会話数、会話内のエージェントまたは顧客のターン数、STT と編集の品質に関して、要件が満たされていることを確認してください。会話が何度も続く場合は、認証部分を削除して試すことができます。

トレーニング フェーズでトレーニング会話を選択する際に、最小ターン数フィルタ(5、10、15、20 など)を試すと、学習するトピックの数を増やすことができます。また、短すぎてトピックを予測できない会話を破棄するのにも役立ちます。

トレーニング数が会話数よりも少ないのはなぜですか?

トレーニング ボリューム数は、トレーニング フェーズで提供された会話データをダウンサンプリングした後、トピックモデルのトレーニングに使用される会話の数です。

トレーニング中、顧客からの発言が十分に長くない会話や、短すぎる会話は除外されます。モデルのトレーニング後、CX Insights コンソールのトレーニング ボリュームの合計は、トレーニング/フィルタ後の会話セットを表します。

モデルに、指定したカスタム トピックよりも多くのトピックがあるのはなぜですか?

モデルのサイズによっては、追加のトピックがモデルの出力に追加されることがあります。モデルのサイズは出力のトピック数に影響しますが、実際の数はモデルで学習した実際のトピックによって異なります。

「非常に細かい」モデルサイズでモデルをトレーニングし、最大 350 個のトピックを学習することを想定しているが、トレーニングにカスタム トピックを 30 個しか取り込まない場合、モデルの出力では 32 個のトピックのみがトレーニングされていることがわかります。これは、モデルが 350 個ではなく約 30 個のトピックを含む会話でトレーニングされるためです。