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

A~ZのXM Discover条件


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!


XM Discoverの条件の概要

ここでは、XM Discoverの機能や頻繁に検索される用語やフレーズを整理したガイドを見つけることができます。このガイドを使用して、利用可能なさまざまな機能を参照し、適切なサポートページにアクセスします。

ヒント:特定の用語を探している場合は、ページ検索を実行します(コマンド + F Mac の場合、または 管理 + F (PC 上)、用語をすばやく見つけることができます。

.

アカウント管理者: XM Discoverのマスターアカウントユーザーおよびアセットを管理できる管理ユーザーの役割。

アカウントオーナー: 顧客アカウントの管理を担当する Qualtrics の従業員です。通常、XM Success Manager とテクニカルアカウントマネージャーに割り当てられます。

アラート: 特定の条件が満たされると自動的にトリガされる通知。データ内で特定のトピックが発生した場合、特定のメトリックが事前定義されたしきい値に達したとき、またはドキュメントがインテリジェントスコアリングルーブリックの目標を達成できなかった場合に、アラートを受け取ることができます。

関連語: テキストで文法的に関連し、クラウドまたはテーブルウィジェットに表示されることが多い用語。「ジョンが車を借りた」という文では、「John –> car」、「John –> rented」、「rented –> car」の間に関係が存在する。

属性: フリーテキストではないレコードに関連付けられたデータ項目 (満足度スコア、ロイヤリティセグメント、顧客名など)。フィールドとして参照することもできます。

B

バッジ: フィードバックに関連する拡張を表示するために文書エクスプローラに表示されるアイコン。

棒ウィジェット: 縦棒グラフまたは水平棒グラフとしてデータを表示する Studio ウィジェット。

ブック: 同じ対象者に対して作成されているなど、何らかの方法でリンクされたダッシュボードのタブ付きコレクション。

下部ボックス: アンケートで最も好ましくない回答をした回答者の割合を示す指標です。

C

トランスクリプトの呼び出し:XM Discoverでサポートされているデータ形式の1つです。コールの成績証明書には、コールなどの会話データが含まれます。コール成績証明書は、対話型のインタラクションの一種です。

ケース: 解決する必要があるさまざまなタスクおよび問題を追跡する方法です。品質管理シナリオでは、ケースは通常、エージェントとクライアントのインタラクション、および関連するメタデータおよびタグからトリガされるコーチングの機会です。目標スコアを下回るインタラクションについては、ケースが自動的に登録されます。マニュアルケースを登録することもできます。

カテゴリモデル: 文をトピックにまとめるために使用されるルールベースの階層分類法。クエリには、キーワード、フレーズ、および属性を含めることができます。カテゴリツリー、分類モデル、またはトピックモデルとも呼ばれます。

カテゴリ参照: あるカテゴリのルールを別のカテゴリで再利用できます。複数のモデル間で動作します。

カテゴリ派生属性: 分類から値を誘導する属性。

CB 自動検出言語: 処理言語が指定されていない場合にフィードバック言語を識別する事前作成された拡張。NLP エンジンでサポートされていない言語で使用されます。処理言語が指定されている場合、この属性の値は “未試行” です。

CB チャプター: 会話の意味的に関連するセグメントを文レベルの論理セグメント (開始、ニーズ、検証、ソリューションステップ、終了など) に分割する事前作成された拡張。これは、会話の自然な段階と微妙な違いに対処し、章内外での概念の近接性を確認するのに役立ちます。

CB コンテンツサブタイプ: “内容に乏しい” 文書を広告、クーポン、および商品リンクにグループ化する事前作成された拡張。

CB コンテンツタイプ:「内容的」な文書と「内容にかかわらない」文書を区別する、事前に作成されたエンリッチメント。「内容不明な」文書には、広告、クーポン、記事リンクなど、顧客フィードバック分析にはあまり役立たないコンテンツがあります。

CB 文書ワードカウント: 文書内の単語数をカウントする事前作成された拡張。

CB 工数: カスタマージャーニーの各タッチポイントで顧客によって示された労力のレベルを測定する、事前作成された拡張。エフォートは、-5 から 5 のスケールで文レベルで計算され (整数、ゼロ以外の数値のみを使用)、3 つまたは 5 つのフィードバックバンド (非常にハード、ハード、ニュートラル、簡単、非常に簡単) に分割されます。

CB 感情: フィードバックおよびインタラクションデータに表示される感情文および特定の感情を特定する、事前に作成されたエンリッチメント。分類モデルとは異なり、この拡張はキーワードアプローチを超え、機械学習を使用します。

CB 感情強度:顧客が表現する感情の強さを測る既成の充実。感情強度は、(ゼロ以外の値のみを使用して) 1 ~ 5 のスケールで文レベルで計算されます。フィードバックを [低]、[中]、および [高] の 3 つの分類群に分けてグループ化します。

CB ロイヤルティの在職期間:顧客がサービスを使用した期間または製品を所有している期間(年単位)を検知する事前構築済みのエンリッチメント。ロイヤリティの在職期間値は、在職期間タイプの文から自動的に誘導されます。

CB Processed Language:フィードバックが処理された言語を特定する、事前に作成されたエンリッチメント。自然言語処理 (NLP) エンジンでサポートされていない言語は、”その他” としてマークされ、処理されません。

CB の理由:連絡の理由や共感の理由など、会話の主要イベントの背後にある潜在的な理由を検出する事前作成済みのエンリッチメント。

CB 文四分位数: 文に当てはまる部分を特定する既成のエンリッチメント。使用可能な値は 1、2、3、および 4 です。

CB 文タイプ: 特にカスタマーエクスペリエンス分析に関連するさまざまな種類の意図 (チャーン、依頼、提案など) を含む文を識別する、事前に作成された拡張。

CB 文ワードカウント: 文中の単語数をカウントする、あらかじめ作成されたエンリッチメント。

分類: XM Discoverがルールに基づいて文をモデルのカテゴリに配置する処理ステップ。これは分類の一種です。

クラウドウィジェット: ワードクラウドとしてデータを表示する Studio ウィジェット。

同時発生: データ内で頻繁に発生するトピックやその他のデータグループを見つけるのに役立つ分析の一種です。Studio では、フィルタ機能としてウィジェットを使用して、ネットワークウィジェットまたは他のウィジェットで共同発生分析を実行することができます。重複とも呼ばれます。

コーチングの機会:品質管理では、ケース(インタラクションが目標を下回った場合)または手動で、コーチングの機会が自動的に作成されます。これらは、マネージャーとエージェント間のコーチング(マネージャーがスコアの低いインタラクションを取り、エージェントをコーチングする)または QA からマネージャーへのコーチング(マネージャーがコーチングエージェントについてレビューできるようにする)に使用することができます。

コネクター:さまざまなソースからデータを抽出してすべてのソースにわたる分析を実行するプロセスを合理化するXM Discoverアプリ。さらに、アウトバウンドコネクターは XM Discover によってエンリッチされたデータをサードパーティのサービスに再度挿入します。

内容:顧客フィードバックレコードがブランドに関するセンチメントを表す場合、分析に役立ち、顧客インサイトを明らかにできる場合は、「内容に満足している」と言われています。

内容不十分:フィードバックレコードにスパムや広告が含まれており、分析に役立つ情報が含まれておらず、顧客インサイトを明らかにできる場合、「内容に満足していない」と言われています。

コンテンツプロバイダ: Studio では、コンテンツプロバイダはデータのソースであり、Designer の特定のインスタンスに対応します。

カスタムカレンダー: 週、月、四半期、および年のカスタム定義に標準カレンダ日付をマッピングします。これらのカスタム定義は、レポートおよびアラートで使用されます。

カスタム数学指標: 数式を使用して、さまざまなメトリクスおよび属性を組み合わせたり照合したりすることができるメトリックです。

D

ダークモード: 暗い背景を背景にしたスタジオのダッシュボードテーマで、ライトに敏感な場合は低明な状況で使用し、目の負担を軽減します。ダークテーマとも言える。

ダッシュボード: データをテーブルおよびチャート (ウィジェットと呼ばれる) として表示できる Studio で作成された共有可能なレポート。

ダッシュボードのパーソナライゼーション: 組織またはマーケットセグメンテーションの構造に合わせてレポートをカスタマイズできる機能です。パーソナライズされたダッシュボードでは、選択した組織階層と、その階層内で現在ログインしているユーザーの最高ポジションに従ってウィジェットが自動的にフィルタリングされます。

派生属性: 既存の属性から作成された任意の追加データフィールド。たとえば、”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。

デザイナ:お客様からのフィードバックを評価するためのプラットフォームとして機能するXM Discoverアプリ。Designer では、データを分類し、他のタスクを実行できます。

批判者満足度指標を計算する場合、批判者は、レビューが否定的または否定的に投稿されるリスクがあるアンケート回答者のセグメントです。

デジタルインタラクション:XM Discover によってサポートされるデータ形式の 1 つ。デジタルインタラクションは、チャットなどの会話データを含む文書です。デジタルインタラクションは Qualtrics の会話形式に従う必要があり、スピーカ、シーケンス、会話イベントなどの重要な詳細を理解するのに役立ちます。同様の会話形式がコール成績証明書に使用されます。

ディメンション検索: テキストまたは数値属性をカスタム値にマッピングする派生属性。

文書:フィードバックまたは会話データ。通常、単一の応答または顧客とのやり取り(調査回答、オンラインレビュー、ソーシャルメディア投稿、コンタクトセンターコールのトランスクリプトなど)を表します。フィードバックまたはインタラクションと呼ばれることもあります。コールまたはチャットデータが含まれている場合、これは対話型ドキュメントです。

伝票日付: 文書に関連付けられている主要な日付フィールド。この日付は、XM Discoverダッシュボードやアラートなどで使用できます。

ドキュメントエクスプローラ: ウィジェットのデータポイントをクリックすると起動されるビューア。データポイントの背後にある各ドキュメントに関連する属性、トピック、および用語が表示されます。このインタフェースでは、コール記録 (オプションの音声再生あり) やデジタルインタラクションなどの会話データも表示されます。

ドキュメント ID: ドキュメントの一意のシステム ID。自然IDとは異なり、ドキュメントIDはXM Discoverによって自動的に生成されます。

掘削: ウィジェットのデータポイントをクリックして、関連データを拡大するプロセス。このアクションには、トピックまたは属性による詳細な分類を含めることができます。また、ドキュメントエクスプローラを起動したり、ドキュメントに関連する顧客コメントを表示したりすることができます。

ドライバー: データの特定の結果のキー予測子。ドライバーを使用して調査を実施し、仮説を生成し、インテリジェントスコアリングルーブリックを設定する際に基準ランキングの提案を取得します。

E

埋め込まれたウィジェット: コードスニペットを使用して外部ツールに埋め込まれた Studio ウィジェット。

空の説明:テキストのない文書を含む顧客フィードバック、特に調査データ。XM Discover では、言語項目が空の伝票に特別タイプ NO_VERBATIM_TEXT の逐語タイプが割り当てられます。これを使用して、これらの伝票をフィルタリングすることができます。テキストのないレコードを参照してください。

エンリッチメント:XM Discover NLU(自然言語理解)エンジンによって導出される CX データ。NLU エンジンによってセンテンスレベルまたはドキュメントレベルでの処理中にドキュメントに追加され、データベースに保存されるさまざまなメタデータ。

フィードバックウィジェット: 1 つ以上のソースを通じて提供された顧客コメントを表示する Studio ウィジェット。通常は 1 つ以上の基準でフィルタリングされます。また、このインタフェースを使用して、通話記録 (オプションの音声再生あり) やデジタルインタラクションなどの対話データを表示します。

フィルタ: ダッシュボードまたは Designer に含めるドキュメントまたは含めないドキュメントを指定するために使用される条件。

全画面モード: ダッシュボードまたはブックを表示できる全画面表示の自動更新モード。

G

グローバルその他バケット: モデルのルートノードの基準を満たし、そのモデル内のカテゴリには合格しないすべての文のコレクション。分類後の “残されたすべて” を表します。

グループ: ダッシュボード、ブック、フィルタ、およびメトリックを共有できる Studio のユーザのコレクション。

グルーピング: 計算およびメトリクスを集計できるディメンション (トピックや属性の値、時間のセグメントなど)。

H

ヒートマップウィジェット: 選択したメトリクスに従って、データをボックスとして表示し、サイズ設定および色設定を行う Studio ウィジェット。ヒートマップは、多数のカテゴリがある場合に、階層データをネストされたボックスとして表示するのに適した方法です。

I

インパクトランク: 特定の結果を予測する機能によるドライバのランキング。たとえば、ランクが 1 のドライバは、ランクが 2 以上のドライバよりも表示力が高くなります。

受信箱: さまざまなタスクおよび問題に関連するケースを管理するためのワークスペース。受信ボックス内で、ケースをコラボレーションし、解決まで追跡することができます。クアルトリクスソーシャルコネクトまたはソーシャルコネクトとも呼ばれます。

受信ボックステンプレート: ケース情報を意味のある実用的な方法で提示するテンプレート。これにより、ケースがルーティングされる受信ボックストピック、およびケースのタイトル、優先度、担当者、および関連するメタデータフィールドが定義されます。

個人のフィードバック:XM Discoverでサポートされているデータ形式の1つです。この形式は、単一行または “フラット” オブジェクトとしてデータを表示するドキュメントに使用されます。複数の語彙フィールドを含めることができますが、通常は1つの作成者のものです(たとえば、アンケートに複数の自由回答の質問が含まれている場合)。

インテリジェントスコア: ルーブリックで定義されたスコアリング基準またはビジネスロジックに基づいて、各伝票またはインタラクションが自動的に受け取る 0 から 100 までのスコア。このスコアは、[Rubric name] Score というパターンに従う名前でドキュメントに追加されるまったく新しい属性です。

インテリジェントスコアリング:分類とカスタムスコアリングを組み合わせて柔軟なルールベースのスコアを作成し、さまざまなXMインタラクションを評価する機能。

インタラクション: プロジェクトに含まれるすべての顧客フィードバック、電話、およびチャットを表示できるページ。

自動音声応答装置 (IVR): ライブエージェントとやり取りすることなく、問題のナビゲーションと解決を容易にするため、コンタクトセンターに採用された自動音声メニューシステム。

J

職務: コネクタの 1 つを介して XM Discover に出入りする明確に定義されたデータフロー。ジョブは、再利用可能なデータフロー設定 (ソース、マッピング、フィルタリング、ケイデンスなど) を参照し、実行はジョブの各実行を参照します。

主要業績指標 (KPI): パフォーマンスを測定するためにビジネスで使用されるメトリクスです。これらは会社によって異なります。多くの XM Discover 機能では、属性や指標などの KPI を取得してレポートすることができます。

キーワード:XM Discover は、自然言語処理を使用して、可能性のあるすべての単語のバリエーションをキーワードと呼ばれる通常の単語形式に結合します。これらは、Discover 文書では “Chiclets” および “Master Entities” と呼ばれます。

L

ラベルダッシュボード、ブックフィルタ指標に適用して見つけやすくできるテキストタグです。

ライセンス: Studio ライセンスにより、ユーザが持つ権限およびデータアクセスレベルが決定されます。

ライセンス付きビューア: Studio の外部に埋め込まれたウィジェットを表示し、それらのウィジェットを操作できるユーザ (ドリル、文書の探索、Studio ダッシュボードへのナビゲートなど)。SSO が必要です。

線ウィジェット: データを線として表示する Studio ウィジェット。

Local Other bucket: モデル内のノード (ルートノード以外) の基準は通過するが、そのサブカテゴリの基準には該当しないすべての文のコレクション。

マップウィジェット: カスタマインタラクションおよびフィードバックの地理的コンテキストを提供するために、マップ上に XM データをレイヤリングする Studio ウィジェット。

マスターアカウント:Studio 内のユーザーの集まり。通常は 1 つの顧客または社内チームを中心に編成されます。Studio における最上位の組織。個人のユーザアカウントと混同しないでください。

メタデータ:ドキュメントとともに保存できる情報(属性)または拡張として XM Discover によって生成される情報(トピック、センチメント、工数、CB 強化など)

指標: ダッシュボード全体で再利用されるデータに対して実行される計算 (NPS、平均スコア、最小など)。

メトリックアラート: 特定の計算またはメトリックが事前定義されたしきい値に達するか、ターゲットから逸脱した場合に通知をトリガするアラートのタイプ。

指標ウィジェット: 重要なメトリックまたは KPI を表示できる Studio ウィジェット。

N

Natural ID: ジョブの作成時に設定した任意の一意 ID。

自然言語処理 (NLP): 非構造化テキストを関連するコンポーネント部分に分割し、それらの要素間の関係を確立するプロセス。

自然言語クエリ (NLQ): 日常的な人間の言語でデータクエリを処理する機能により、データの検索とアクションが容易になります。

ネットワークウィジェット: 接続の Web としてデータを表示する Studio ウィジェット。

中立満足度指標を計算する場合、中立はブランドが好きだが気に入らないアンケート回答者のセグメントです。通称「パッシブ」。

O

オブジェクトビューア: カテゴリ化モデルまたはインテリジェントスコアリングルーブリックの基礎となる構造を共有できる Studio ウィジェット。

組織階層: XM Discover で組織の内訳を定義するためのフレームワーク。これらの定義を使用して、ダッシュボードへのアクセスを制御し、ダッシュボードのナビゲーションを容易にすることができます。

外れ値: 特定のデータポイントに関して一意または異常な単語をすばやく見つけることができる根本原因探索ツール。

P

親レポート: 組織階層を使用して、ユーザーのレベルから始まり、ルートノードレベルに至るまで、組織内の現在のユーザーのノードより上のレベルのデータを表示するためのレポート方法。たとえば、親レポートでは、自分の場所と地域を比較することができます。

参加者: 会話型データでのインタラクションの 1 つの側を識別します。XM Discover は、CB Participant Type 属性を使用して参加者タイプを代表またはクライアントとして識別し、さらに CB Kind of Participant 属性を使用して、人間、チャットボット、または IVR (自動音声応答) ボットとして担当者を識別します。

ピアレポート: 組織階層を使用して兄弟のデータ、または現在のユーザーのノードと直接の親を共有する階層ノードを表示するレポート方法。たとえば、ピアレポートでは、自分の地域の他の場所と自分の所在地のパフォーマンスを比較できます。

親比率 (%): レポート内の特定のデータポイントの値を親の値で除算することによって計算される標準メトリック。たとえば、2020 年 11 月の “東部” のスコアが、その親の値 (その傾向の 2020 年 11 月の全地域の合計値) に対する月次トレンドで表示される場合があります。

パーセント合計: ウィジェットの特定のデータポイントの値 (たとえば、月次傾向変動の “2020 年 9 月” 値) をウィジェットの総量 (その傾向で組み合わせたすべての月の合計) に分割することによって計算される標準メトリクスです。

前期比: 2 つの期間 (現在と履歴) のデータを比較するレポートのタイプ。

権限: ユーザが Studio およびその他の XM Discover アプリケーションで何を実行できるかを定義します。ユーザおよびグループに割り当てることができます。

円ウィジェット: データを円チャートまたはドーナツグラフとして表示する Studio ウィジェット。アイテムを比較し、そのアイテムと全体との関係を視覚化する方法は有用です。

精度: 分類では、モデルまたはカテゴリの精度のレベルを示すメジャー。モデルまたはカテゴリに分類されたすべての文と比較して、モデルまたはカテゴリのスコープに適合する戻り文の割合 (%) として計算されます。たとえば、”価格” カテゴリに 100 文が含まれているものの、実際には 90 文のみが価格に関連していた場合、精度は 90 / 100、または 90% でした。

プロジェクト: プロジェクトでは、XM Discover 内でフィードバックデータ、モデル、属性、設定がグループ化されます。

推奨者満足度指標を計算する場合、推奨者はブランドを推薦する可能性が高いアンケート回答者のセグメントです。

パルス:ダッシュボードにアクセスできる、AndroidおよびiOSデバイスで利用できるXM Discoverモバイルアプリ。

Q

品質保証 (QA): 顧客対応組織がカスタマインタラクション時に遵守する必要がある標準。将来の顧客とのインタラクションを改善するために、インタラクションをスコアリングする手段です。

Qualtrics Contact Center Quality Management(CCQM) 担当者の行動を改善するために使用できる説明責任プロセス。記録された会話から学習し、特定のしきい値を満たさない相手を指導するための適切なツールとプロセスを導入します。

クアルトリクスの会話形式 (QCF):ダイアログ固有のメタデータをサポートし、XM Discoverで会話型のビジュアライゼーションとエンリッチメントを解除するデータ形式。

クイック翻訳: 文書エクスプローラおよびフィードバックウィジェットでフィードバックのクイック翻訳を取得するオプション。これにより、マスタ言語から選択した言語への翻訳が生成されます。

R

範囲ロールアップ: 数値属性または日付属性をカスタム範囲にマッピングする派生属性。

反論:担当者が反論する品質管理点数をアピールできる仕組み。反論により、スコアリングエンジンによって生成されたインテリジェントスコアが調整され、調整フローが有効化されます。応答は受信ボックスで実行されますが、透過性のために Studio に表示されます。

ごみ箱: Studio でオブジェクトを復元できる、削除されたオブジェクトの一時記憶領域。

基準線: 参照ポイントまたはターゲットを表すためにウィジェットに描画される水平線。他のデータポイントと比較することができます。メトリックおよびイベント参照行を挿入することができます。

代表: コンタクトセンタシナリオで会社/ブランドを表す個人。

リクエスト ID: ウィジェットの統計モードで使用できる ID。主に、ログ記録、トレース、およびトラブルシューティングのために製品およびサポートによって使用されます。

ルートノード: すべての分類モデルの最上位カテゴリ。ルールがルートノードに適用される場合、ルールはモデル全体に適用されるフィルタのように機能します。

Rubric: 伝票のインテリジェントスコアリング基準を定義します。ルーブリックには、各トピックに相対加重 (または自動失敗) が割り当てられた、存在するべきトピックまたは存在しないトピックのセットを含めることができます。

ルールレーン提案: ボックスに入力した単語を分析し、同義語、関連する概念、一般的なスペルミスを提案する Designer 機能。

満足度指標: 会社または製品を数値スケールで評価するための質問に基づいて、満足した顧客の割合を示すメトリクスです。スコアは、すべてのポジティブレスポンスをレスポンスの合計数で除算することによって計算されます。

散布図ウィジェット: 水平軸と垂直軸に沿ってバブルとしてデータを表示する Studio ウィジェット。

スコアカード: インテリジェントスコアリングでは、スコアカードはドキュメントのスコアリングの結果です。スコアカードには、ドキュメントの全体的な評価と個別の基準結果 (合格、不合格、または無視) が表示されます。

スコアカードアラート: ドキュメントがインテリジェントスコアリングルーブリックのターゲットを満たしていない場合に通知を送信するアラートの一種です。これらのアラートは直接編集できないことに注意してください。これらのアラートは、指標の定義に基づいて自動的に更新されます。

セキュリティ監査: サインイン、ダッシュボードビュー、ダッシュボード共有など、アカウントでのユーザーアクティビティの履歴、およびオブジェクトに対するアカウント設定およびアクション (作成、更新、削除) の更新を表示する Studio ページ。権限のあるユーザのみがアクセスできます。

セレクタウィジェット: 他のウィジェットのフィルタとして機能し、インタラクティブなダッシュボードエクスペリエンスを創出する Studio ウィジェット。

:Discover では、文は大文字で始まり、ピリオドで終わるかどうかに関係なく、主語と述部を持つすべての単語の文字列です。文は、分類、センチメント、労力、感情の強度の基礎となります。

感情: 個別のコメントがどの程度肯定的または否定的であるかを評価する事前作成されたエンリッチメント。センチメントは -5 から 5 のスケールで文レベルで計算され、3 つまたは 5 つの分類群に分割され、フィードバックが “非常にネガティブ”、”ネガティブ”、”中立”、”ポジティブ”、”非常にポジティブ” にグループ化されます。すべてのデータソースで使用可能です。

他のスマートノード: 同業者によって取得されたデータを自動的に除外する特別なカテゴリタイプ。

背筋グラフ: カスタマイズ可能な垂直列に表示される主要メトリクスおよびイベントとのインタラクションの視覚的な概要です。

Studio:カスタマイズ可能なダッシュボードを作成し、組織全体のユーザーと共有するために使用されるXM Discoverアプリ。ダッシュボードは、さまざまなXMレポートと、テキスト、画像、動画を含むカスタムコンテンツを表示するように設定できます。

Studio ホームページ: Studio にログインしたときに表示される最初のページ。自分が所有している、または他のユーザーが共有したすべてのダッシュボードとブックを表示および管理するページ。ここに表示される内容をカスタマイズすることもできます。

システムメトリクス:設定不要で即座に利用可能な Studio メトリクス。標準的な指標の例として、Volume、Percent Total、Percent Parent があります。

テーブルウィジェット: データをテーブルに表示する Studio ウィジェット。

目標および差異レポート: 組織階層を使用して、組織の各レベルの目標に対するパフォーマンスと、これらの目標が実際の KPI からどのように異なるかを定量化するレポート方法。

目標: インテリジェントスコアリングでは、目標スコアは、インタラクションが指標基準を満たしたか、失敗したかを決定するベンチマークです。

テキストフィルタ: ダッシュボードおよびウィジェットに追加できる検索フィールド。特定のキーワードを含むデータを検索するために使用します。

テーマ検出: データを分析し、そこから目立つテーマを抽出します。テーマ検出を使用して、分類モデルに新しいカテゴリを追加したり、既存のカテゴリを拡張したりすることができます。

トークン: 分類およびレポートで使用できる単語のルート形式です。

上位ボックス: アンケートに最も良い回答をした回答者の割合を示す指標です。

トピック (分類):XM Discoverが分類モデルを使用して取り込む顧客フィードバックの無期限部分に記載されている特定のテーマ。カテゴリまたはノードとも呼ばれます。

トピック (受信ボックス): 受信ボックスでは、トピックはケースが保存される場所です。トピックのタイトルはカスタマイズするか、「コーチングの機会」や「レビューするコール」などのラベルを付けることができます。

トピックリーフ: モデルの階層構造の最下位レベルにある任意のカテゴリ。通常、最も詳細な分類レベルを表します。下位ノードまたは下位最下位ノードとも呼ばれます。

V

値メトリック: カスタムの数学指標またはウィジェットで使用できる再利用可能な数値を作成できる指標です。

バーベイタム: コメント、メモ、または自由記述の質問への回答を含む顧客フィードバックの一部。フィードバックまたはインタラクションとも呼ばれます。

バーベイタムアラート: 顧客フィードバックで特定のトピックが言及された場合に通知をトリガするアラートの一種です。

Voice-to-text (VTT): 録音された音声を取り込み、それを自動的な文章に書き写すプロセス。

容積: ウィジェットで表される伝票の数。すべての関連フィルタおよびウィジェット定義に計上されます。製品で “N” として参照されます。総容積または伝票容積とも呼ばれます。

ウィジェット: Studio ダッシュボードで使用される個別のチャート、テーブル、イメージ、テキストブロック、またはビデオ。

フィルタとしてのウィジェット: ダッシュボード表示者が 1 つのウィジェットの値をクリックして 1 つ以上のウィジェットをフィルタリングできるようにするウィジェット設定。

X

XM DiscoverStudio、Connectors、Designer を含む Qualtrics アプリ。XM Discover は、世界で最も高度な会話型アナリティクスを使用して、会社の発言内容や発言内容を理解するのに役立ちます。

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。