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

構造化データによるフィルタリング (Designer)


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!


構造化データによるフィルタリングについて

構造化データ属性を使用して、データセットの最も関連性の高い情報を分類および表示するモデルのフィードバックをフィルタリングします。フィルタの登録および編集の詳細については、データのフィルタリング (デザイナ) を参照してください。

ヒント:ほとんどの構造化されたフィルターは、属性を使用して作成されます。XM Discoverでの属性の作成と編集の詳細については、「属性」を参照してください。

センチメントによるフィルタリング

XM Discoverは、感情分析を使用してフィードバックの全体的な感情を決定します。センチメントは、事前定義された分類群を含むシステム属性として使用することができます。

  • ネガティブセンチメント: センチメントスコア -5.0 から -1.0 のフィードバック
  • 中立センチメント: センチメントスコア -0.99 から 0.99 のフィードバック
  • ポジティブセンチメント: センチメントスコア 1 から 5.0 のフィードバック
ヒント:感情システム属性を使用して、カスタムの感情範囲を作成できます。たとえば、_degreesentimentindex:[2.51 TO 5] のようにします。

言語によるフィルタリング

以下の検出システム属性を使用して、データ型別にフィルタリングします。

  • CB 自動検出言語 ( _languagedeted ): プロジェクトで自動言語検出が使用されている場合は、言語フィードバックが送信されました。
  • CB 処理済言語 ( _language ): 言語フィードバックがに送信されました。言語がXM Discoverでサポートされていない場合は「OTHER」とマークされます。

XM Discoverでは、自動言語検出機能を使用して、150を超える言語でデータを認識し、タグ付けすることができます。自動言語検出を行わない場合は、以下の言語を使用することができます。

  • アラビア語
  • ベンガル語
  • 中国語 (簡体字および繁体字)
  • オランダ語
  • 英語
  • フランス語
  • ドイツ語
  • ヒンディー語
  • インドネシア語
  • イタリア語
  • 日本語
  • 韓国語
  • ポーランド語
  • ポルトガル語
  • ルーマニア語
  • ロシア語
  • スペイン語
  • スウェーデン語
  • タガログ語
  • タイ語
  • トルコ語
  • ベトナム語
注意: 10 文字未満のバーバティムは英語としてタグ付けされます。

データ型によるフィルタリング

送信されたデータのタイプでフィードバックをフィルタリングするには、以下のシステム属性を使用します。

  • ソース ID ( _id_source ): 文のデータソース。
  • Verbatim Type ( _verbatimtype ): フィルタに使用する単語フィールドの名前。これは、複数の直交列がある場合に役立ちます。
:[確認]と[回答]の2つの列があるとします_verbatimtype:review のルールを作成して、レビュー単語列のデータのみを表示するモデルを返します。

コンテンツタイプによるフィルタリング

コンテンツタイプ検出が有効なプロジェクトの場合、以下のシステム属性を使用して、広告、スパム、およびその他のアクション不可能なデータからのフィードバックをフィルタリングします。

  • CB コンテンツタイプ ( cb_content_type ): 文書がコンテンツあり、つまりコンテンツを含むか、非コンテンツであるかを示します。
  • CB コンテンツサブタイプ ( cb_content_subtype ): 非コンテンツとしてマークされた文書を広告、クーポン、記事リンク、または “未定義” にグループ化します。
: 内容に富んだデータのみを分類するモデルを登録する場合は、CB コンテンツタイプシステム属性 cb_content_type:contentful を使用してルールを登録します。

文タイプによるフィルタリング

XM Discover では、セマンティック分析を使用して、分析に関連する意図を特定します。これらのカテゴリは、文レベルのシステム属性 CB Sentence Type ( cb_sentence_type ) で使用されます。データで使用されるインテントタイプを分析すると、カスタマーエクスペリエンスをどのように改善できるかを理解するのに役立ちます。

以下のタイプの文をクリックして、文タイプ属性を使用して識別される内容を確認します。

アクション可能な文
カスタマーエクスペリエンスを改善する方法に関する提案と推奨事項、および即時対応が必要な問題。

  • チャーン:クライアントを失う脅威。
  • ヘルプ: ヘルプとサポートを依頼します。
  • 要求: アクションまたは情報の呼び出しなど、暗黙的または明示的な要求が含まれます。
  • 提案: 何かを変更するための暗黙的または明示的な提案が含まれます。
  • 在職期間: 顧客がサービスまたは製品を使用した期間。
  • キャンセル:メンバーシップ、サービス、またはその他のトランザクションをキャンセルする脅威または意図が含まれています。このタイプでは、更新なし、登録解除、または終了も記録されます。
センチメント関連文
実用的な推奨事項が不足している文のセンチメントを特定します。

  • ; アパセティック: 興味や関心を示さない。
  • 一般的な否定的:特定の目標に欠けているネガティブなセンチメント。
  • 一般賞品:特定の目標に欠けているポジティブなセンチメント。
  • 推奨:このカスタマーエクスペリエンスを推奨します。
  • 非推奨:このカスタマーエクスペリエンスに対するアドバイス。
質問/回答文
サーベイの質問に回答することによるフィードバックのタイプ。

  • ; 謝罪: 明示的な謝罪を含む。
  • 相互参照: 前のコメントまたは回答を参照します。
  • 不明:フィードバックは回答を提供できません。たとえば、「知っていたらいいのに」などです。
  • すべて:提案されたオプションをすべて網羅した回答です。
  • 一覧: 明細の一覧が含まれます。
  • コメントなし:回答者はコメントを辞退するか、回答を残します。たとえば、”N/A” です。
  • はい: 一般確認が含まれます。
ソーシャル備考文
挨拶や笑い、感謝など、顧客インタラクションの社会的側面に関連するフィードバック。

  • こんにちは/さようなら: 挨拶とさようなら。
  • ; 笑い: 口頭または絵文字の使用による笑いの表現。たとえば、”Haha! xD” です。
  • ありがとう感謝の表情。
法的開示文
法的開示を含むフィードバック。

  • 開示: 開示ステートメントが含まれます。たとえば、「この呼び出しはモニタまたは録音できます。」
  • ; ミニミランダ: アメリカで適用可能で、ミニミランダの法的警告が含まれている。例えば、「コミュニケーションの目的は、負債を回収すること」です。
会話固有の文
コンタクトセンターの会話に固有のフィードバック。これらのセンテンスタイプは、会話型データでのみ使用できます。

  • 共感:謝る、関心を示す、苦難を認めるなど、共感が表現されます。
  • 保留: クライアントは保留中です。
  • 転送: クライアントが転送するか、代表者がクライアントを転送するように依頼します。
ヒント:文の種類のいずれにも一致しない文には、「UNDEFINED」というタグが付けられます。

ワードカウントによるフィルタリング

sentence word count 属性または document word count 属性を使用して、センテンスまたはレコード内の単語数でデータをフィルタリングします。これらの属性で設定された範囲には、値が含まれます。単語数がゼロの場合、その文/レコードにはテキストがないか、機能が有効化される前にロードされています。

  • CB Sentence Word Count ( cb_sentence_word_count ): Sentence-level 属性を使用すると、文中の単語数でデータをフィルタできます。
    ヒント:10語以下の文を表示するには、cb_sentence_word_count の範囲を使用します:[1 TO 10]
  • CB 文書ワードカウント ( cb_document_word_count ): レコードレベルの属性を使用すると、レコード内の単語数でデータをフィルタできます。これは、すべての文の単語数の合計でもあります。
    ヒント:50語以上のレコードを表示するには、cb_document_word_count:[50 TO 200] を使用します。

文四分位数によるフィルタリング

CB Sentence Quartile ( cb_sentence_quartile ) 属性は、文が続く部分を識別します。値は 1 ~ 4 で、各セクションは単語の長さの 25% を表します。レコードに複数の単語がある場合、レコードには各単語の四分位数があります。

ヒント:この属性は、顧客がで電話をかけている理由に焦点を当てる場合に役立ちます。通常、これは口頭の第 1 四分位数(1)で説明します。または、担当者がコールを終了する方法に関心がある場合は、レポートを最後の四分位数 (4) に制限することができます。

文四分位数の適用

履歴データにセンテンス四分位数データがない場合は、データに追加することができます。

  1. プロジェクトの分類タブにナビゲートします。
    親ノードの実行オプションでのタブ、カスタムデータフローの分類
  2. カテゴリモデルを右クリックします。
  3. Run にマウスポインタを合わせ、Custom Dataflow を選択します。
  4. 言語派生属性の再処理を選択します。
    カスタムデータフロー実行から導出された言語属性を再処理する
  5. プロジェクトのすべてのデータを処理するか、特定のセッションのデータを処理するかを選択します。
  6. 実行をクリックします。

工数によるフィルタリング

CB エフォートでは、顧客が経験中に示した工数のレベルが測定されます。この属性は -5 から 5 のスケールで文レベルで使用可能であり、-5 は最も難しい経験を示し、5 は最も簡単なエクスペリエンスを示します。範囲には値が含まれます。

ヒント:示されている労力のレベルが非常に高い文を表示するには、cb_sentence_ease_score:[-5 ~ -3] の範囲を使用できます。
ヒント:CB エフォートは整数のみに対応しています。

ロイヤリティ在職期間によるフィルタリング

CB ロイヤリティ在職期間では、顧客がサービスを使用した期間または製品を所有する期間 (年) でデータをフィルタリングすることができます。この属性は、在職期間文タイプの文において、文レベルで利用できます。範囲には値が含まれます。

:「10 年間顧客でした」という文は、ロイヤルティの在職期間値 10 を返します。在職期間が 10 年までの文を表示するには、cb_loyalty_termination:[1 TO 10] の範囲を使用します。

インタラクションタイプによるフィルタリング

CB インタラクションタイプ ( cb_interaction_type ) では、XM インタラクションのタイプ別にデータが定義されます。これにより、通常のフィードバックと会話型データを区別することができます。この属性は、ドキュメントレベル、口頭レベル、および文レベルで使用できます。

インタラクションタイプには、以下の値を設定することができます。

  • チャット:デジタルチャネルからの会話データ。
  • フィードバック:定期的なフィードバックデータ(調査、レビューなど)。
  • ; 声: 音声で転写された会話からの会話データ。

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。