記事テンプレート

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、フィードバックをフィルタリングし、データセットから最も関連性の高い情報を分類して表示するモデルにします。フィルタの作成と編集については、「データのフィルタリング（Designer）」を参照してください。

感情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判断します。感情は、あらかじめ定義された帯域を持つシステム属性として利用できる：

• 否定的感情：感情スコアが-5.0～-1.0のフィードバック。
• 中立感情：感情スコアが-0.99～0.99のフィードバック。
• ポジティブ感情：感情スコアが1～5.0のフィードバック

言語によるフィルター

データ型でフィルターをかけるには、以下のDiscoverシステム属性を使用します：

• CB 自動検出言語(_languagedetected )：プロジェクトが自動言語検出を使用している場合、言語フィードバックが提出された。
• CB 処理言語(_language )：フィードバックが提出された言語。言語がXM Discoverでサポートされていない場合は、「OTHER」と表示されます。

XM Discoverは、Automatic Language Detection機能により、150以上の言語のデータを認識し、タグ付けすることができます。自動言語検出を使用しない場合、以下の言語が使用可能です：

• アラビア語
• ベンガル語
• 中国語（簡体字・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
• ルーマニア人
• ロシア語
• スペイン語
• スウェーデン語
• タガログ語
• タイ語
• トルコ人
• ベトナム語

データタイプによるフィルター

提出されたデータの種類によってフィードバックをフィルタするには、以下のシステム属性を使用します：

• ソースID (_id_source)：センテンスのデータソース。
• Verbatim Type (_verbatimtype)：フィルターしたい逐語フィールド名。これは、複数の逐語列がある場合に便利です。

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になっているプロジェクトでは、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)：文書がコンテンツが含まれていることを意味するコンテントフルとマークされるか、あるいはコンテントフルでないことを意味するノンコンテントフルとマークされるか。
• CB Content Subtype (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。

センテンスタイプによるフィルタリング

XM Discoverは、セマンティック解析を使用して、アナリティクスに関連する意図を特定します。これらのカテゴリーは文レベルのシステム属性で使用される：CB センテンス・タイプ (cb_sentence_type). データで使用されているインテントのタイプを分析することで、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ことができます。

以下の文の種類をクリックして、文の種類属性で識別される内容を確認してください：

実用的な文章

カスタマーエクスペリエンスを向上させるための提案や提言、また早急な対応が必要な問題。

• 解約： 顧客を失う脅威。
• 助けを求める： 助けや援助を求める。
• リクエスト：行動や情報の要求など、暗黙的または明示的な要求を含む。
• 提案： 暗黙的または明示的に何かを変えるよう提案する。
• 勤続年数：顧客のサービスや商品の利用期間。
• キャンセル：会員資格やサービス、その他のトランザクションをキャンセルする旨の脅しや意図が含まれている。このタイプは、非更新、登録解除、解約も捕捉する。

感情関連の文章

実行可能な推奨を欠く文章の感情を特定する。

• 無関心：興味や関心を示さない。
• 一般的なネガティブ：特定のターゲットを持たない否定的感情。
• 一般的な称賛：特定のターゲットを持たない肯定的感情。
• 推薦するこのカスタマーエクスペリエンスを推薦する。
• お勧めできない： このカスタマーエクスペリエンスに反することを勧める。

質問／回答文

アンケート調査回答によるフィードバックの種類。

• 謝罪：明確な謝罪が含まれている。
• 相互参照：以前のコメントや回答を参照する。
• わからない：フィードバックではお答えできません。例えば、「I wish I knew」。
• すべて：提案された選択肢をすべてカバーする回答。
• リスト：アイテムのリスト。
• ノーコメント：回答者はコメントも回答も残さない。例えば「N/A」。
• あり：一般的なアファメーションが含まれている。

社会的発言

挨拶、笑い、感謝など、顧客との対話の社会的側面に関連するフィードバック。

• Hello/Bye：挨拶と別れ。
• 笑い：口頭または絵文字による笑いの表現。例えば、「Haha！xD」。
• 感謝：感謝の表現。

法的開示の文章

法的開示を含むフィードバック。

• 情報開示ディスクロージャー・ステートメントを含む。例えば、「この通話は監視または録音される可能性があります。
• ミニミランダ米国で適用され、Mini-Mirandaの法的警告を含む。例えば、”コミュニケーションの目的は債権回収です”。

会話に特化した文章

コンタクトセンターでの会話に特化したフィードバック。これらの文型は会話データでのみ利用可能です。

• 共感：謝る、関心を示す、苦難を認めるなど、共感を表す。
• 保留： クライアントは保留状態になります。
• 移籍：クライアントが譲渡を依頼する、または代理人がクライアントを譲渡する。

単語数によるフィルター

文の単語数または文書の単語数属性を使用して、文またはレコードの単語数でデータをフィルタリングします。これらの属性に設定される範囲はインクルージョン値である。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、機能が有効になる前に読み込まれたかのどちらかです。

• CB センテンス・ワード・カウント (cb_sentence_word_count)：文レベルの属性で、文中の単語数でデータをフィルタリングできる。
  Qtip: 10語以下の文章を表示するには、cb_sentence_word_countの範囲を使ってください：[1 TO 10].
• CB ドキュメント単語数 (cb_document_word_count)：レコードレベルの属性で、レコード内の単語数でデータをフィルタリングできる。これはまた、すべての文の単語数の合計でもある。
  Qtip: 50語以上のレコードを表示するには、cb_document_word_countを使用してください：[50 TO 200]を使う。

文の四分位数によるフィルタリング

CB Sentence Quartile (cb_sentence_quartile) 属性は、文が逐語的に続く部分を特定します。数値は1～4で、各セクションは逐語的長さの25％に相当する。レコードに複数の逐語訳がある場合は、レコード内の逐語訳ごとに四分位数が設定される。

センテンス四分位の適用

過去のデータに文の四分位データがない場合は、Itを追加することができます。

1. プロジェクトのCategorizeタブに移動します。
   
2. カテゴリーモデルを右クリックします。
3. Runにカーソルを合わせ、Custom Dataflowsを選択する。
4. 言語派生属性の再処理を選択する。
   
5. プロジェクト内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. 実行をクリックする。

努力によるフィルター

カスタマーエクスペリエンスは 、カスタマーエクスペリエンス中にカスタマーが表現した努力のレベルを測定する。この属性は、文レベルで-5から5までの評価が可能で、-5は最も困難なエクスペリエンス、5は最も容易なエクスペリエンスを示す。範囲はインクルージョン値である。

ロイヤルティ期間によるフィルタリング

CBロイヤルティ・テニュアでは、顧客がサービスを利用した年数や製品を所有した年数でデータをフィルターすることができます。この属性は、テニュア文型を持つ文の文レベルで利用できる。範囲はインクルージョン値である。

交流タイプによるフィルタリング

CB インタラクション型 (cb_interaction_type) は、XM インタラクションの型によってデータを定義します。これにより、通常のフィードバックと対話型のデータを区別することができます。この属性は、文書レベル、逐語レベル、文レベルで利用できる。

インタラクションタイプには以下の値がある：

• 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（アンケート調査、レビューなど）。
• 声：音声に書き起こされた会話データ。