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

データのグループ化 (Studio)


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!


Studio でのデータのグループ化について

Studio でダッシュボードを構築する際に、ダッシュボードに含めるデータを指定することができます。データのグループ化、並べ替え、またはフィルタリングによって、レポートのデータを制限することができます。

データに使用できるさまざまなグループがあります。このページでは、これらのさまざまなグループ別にデータをグループ化する方法について説明します。

ウィジェットでのデータのグループ化

ヒント:指標またはフィードバックウィジェットでデータをグループ化することはできません。

サポートされているウィジェットタイプでデータをグループ化することができます。ウィジェットのデータをグループ化するには、次の手順を実行します。

  1. ダッシュボードの編集中に、データをグループ化するウィジェットの [ウィジェットオプション] メニューで [編集] をクリックします。ウィジェットオプションで編集をクリックする
  2. “ビジュアライゼーション” タブで、グループ化ドロップダウンメニューを使用してデータグループを選択します。このドロップダウンメニューの各オプションの詳細については、以下のセクションを参照してください。
    group by オプションの選択 group by おぷしょんのせんたく

    ヒント:テーブルウィジェットを使用する場合、このオプションは「グループ」と呼ばれます。ヒートマップウィジェットを使用する場合、このオプションは代わりに “ボックス” と呼ばれます。ネットワークウィジェットを使用する場合、このオプションは “ノード” と呼ばれます。
  3. 必要に応じて、”グループ化基準” ドロップダウンメニューの横にある歯車アイコンをクリックして、ウィジェットのグループ化設定を編集できます。これらの設定の詳細については、グループ化設定を参照してください。

トピック

トピックを選択すると、顧客フィードバックから導出されたカテゴリ別にデータをグループ化できます。これにより、顧客の話題の概要を把握することができます。

カテゴリモデルを選択した後、グループ化設定を開き、ウィジェットに含めるトピックを選択します。詳細については、カテゴリモデルグループのカスタマイジングを参照してください。

トピック別にデータをグループ化する場合、カテゴリモデルのさまざまなレベルでレポートすることができます。顧客の話題の概要については、データをレベル 1 トピック別にグループ化してください。顧客フィードバックのより具体的なテーマを監視するには、(モデルに応じて) レベル 2 以下のトピックでデータをグループ化します。すべてのレベルで最も詳細なレポートを作成するには、[リーフ]オプションを使用してデータをグループ化します。このオプションを使用すると、トピックの最下位ノードや、サブカテゴリを持たないカテゴリに焦点を当てることができます。

NLP

NLPを選択すると、XM Discoverの自然言語処理エンジンで自動的に作成された基準でデータをグループ化できます。これらの基準は、XM Discoverによって処理される非構造化フィードバックから作成されます。選択可能な複数のサブグループがあります。

ワード

単語の NLP グループを使用すると、顧客フィードバックで言及された単語または特定のタイプの単語別にデータをグループ化することができます。以下のグルーピングを使用することができます。

  • すべての単語: データを通常の単語でグループ化します。これにより、製品やサービスについて顧客が使用している最も一般的な用語が分かります。
  • CB ブランド: ブランドメンション別にデータをグループ化します。
  • CB 会社: 会社別グループデータの説明。
  • CB 電子メールアドレス: フィードバックに記載されている電子メールアドレス別にデータをグループ化します。
  • CB 感情アイコン:フィードバックで使用される絵文字および顔文字別にデータをグループ化します。
  • CB イベント: フィードバックに記載されている標準的な祝日 (正月やハロウィンなど)、ライフイベント (結婚式や卒業など)、および共通の文化イベント (スーパーボウルなど) に関するデータをグループ化します。
  • CB 業種: 関連する業種別にデータをグループ化します。
  • CB 個人: フィードバックで言及されたユーザーの名前別にデータをグループ化します。
  • CB 電話番号: フィードバックで指定された電話番号別にデータをグループ化します。
  • CB 製品: 製品メンション別にデータをグループ化します。
  • CB 冒涜的言葉: 事前決定セットからの冒涜的な言葉によってデータをグループ化します。

関連付けられた単語

関連ワードグルーピングを使用すると、カスタマフィードバックで相互に関連する語句のペア別にデータをグループ化することができます。これにより、トピックの分類に関係なく、顧客フィードバックで最も一般的なトピックおよびテーマを表示することができます。

関連付けられた単語は、単語 1 → 単語 2 の形式で表示されます。

例:顧客のフィードバックが「店が汚れた」で、関連する単語でグループ化すると、ウィジェットに「store → dirty」と表示されます。

ハッシュタグ

ハッシュタグをグループ化すると、ハッシュタグフレーズ (# 記号の接頭辞が付いた単語またはフレーズ) によってデータをグループ化することができます。ハッシュタグは、通常、投稿の内容を特定および分類するためにソーシャルメディア投稿で使用されます。

エンリッチメント

エンリッチメントグループを使用すると、顧客フィードバックに含まれるコンテンツの種類別にデータをグループ化できます。以下のグルーピングを使用することができます。

  • CB チャプタ: 対話の意味的に関連するセグメント (開始、ニーズ、検証、ソリューションステップ、終了など) を表す対話チャプタ別にデータをグループ化します。
  • CB コンテンツサブタイプ: コンテンツのないデータを、そのサブタイプ (広告、クーポン、記事リンク、または “未定義” タイプなど) 別にさらにグループ化します。内容に満足したレコードについては、サブタイプも常に内容を示していることに注意してください。
  • CB コンテンツタイプ:XM Discoverで自動的に識別される内容または内容のないデータによってデータをグループ化します。
  • CB 検出機能:検出された NLP 機能の種類別にデータをグループ化します(業種やブランドの言及を含むデータなど)。
  • CB エモーション: NLP エンジンによって検出された感情タイプ (怒り、混乱、失望、禁煙、恐怖、不満、ジールージー、ジョイ、ラブ、サドネス、サプライズ、感謝の意、信頼など) 別にデータをグループ化します。
  • CB 医療条件: テキストに記載されている医療条件 (例: “covid” や “meningtis”) 別にデータをグループ化します。
  • CB 医療術式: テキストに記載されている医療手続別にデータをグループ化します (例: “マンモグラム” や “裏手術”)。
  • CB 参加者共感スコア:担当者がクライアントとのやり取りに共感を示しているかどうかによって、会話データをグループ化します。0 は担当者が共感を示さなかったことを意味し、1 は担当者が共感を示したことを意味します。
  • CB 理由: 特定の対話イベントの理由 (コンタクトの理由、共感の理由など) 別にデータをグループ化します。
  • CB Rx: テキストに記載されている薬品名 (“acetaminophen” や “tylenol” など) 別にデータをグループ化します。
  • CB 文タイプ: センテンスまたは意図のタイプ (“cry for help” や “suggestion” など) 別にデータをグループ化します。

言語

言語グループを使用すると、フィードバックが残された言語でデータをグループ化できます。以下のグルーピングを使用することができます。

  • CB 自動検出言語: 自動的に検出された言語によるデータのグループ化 (プロジェクトで言語自動検出が有効化されている場合)。
  • CB 処理済言語: フィードバックが実際に処理された言語別にデータをグループ化します。XM Discoverの言語検出でサポートされていない言語は「その他」としてマークされます。

対話

対話グループ化では、さまざまな対話型拡張によってデータをグループ化できます。これらのグループは、会話データ(クアルトリクスの会話形式を使用して処理されたコールとチャット)でのみ使用できます。以下のグルーピングを使用することができます。

  • CB % サイレンス: コールにおける沈黙の割合別にデータをグループ化します。
  • CB カンバセーション期間: 対話の期間別にデータをミリ秒単位でグループ化します。コールの場合、これは最初の文の開始から最後の文の最後までの時間です。先頭と末尾の沈黙はカウントされません。チャットの場合、これは最初の文と最後の文の間の時間です。
  • CB 提携タイプ: 参加者の種類別にデータをグループ化します。使用可能な値は以下のとおりです。
    • Chat_bot はチャットボットです。
    • IVR は、自動音声応答ボットです。
    • 人間は人です。
  • CB 参加者タイプ: 参加者タイプ別にデータをグループ化します。使用可能な値は以下のとおりです。
    • エージェントは会社の担当者またはチャットボットです。
    • クライアントはカスタマです。
    • type_unknown は、エージェントまたはクライアントとして識別されない参加者です。
  • CB Sentence Duration (CB センチンス期間): データを呼出の文の期間 (ミリ秒単位) でグループ化します。
  • CB 文開始時刻: 文の開始のタイムスタンプ別にデータをグループ化します。コールの場合、これは最初の文の最初の単語の音声開始からの時間 (ミリ秒単位) です。チャットの場合、これは最初のメッセージが送信されてからの時間 (ミリ秒) です。
    ヒント:この属性の最初のチャットメッセージ開始時間は常に0ミリ秒です。
  • ; CB Total Dead Air: 全デッドエアのデータを通話でミリ秒単位でグループ化する。通報では、デッドエアはスピーカーの間が長い間の一時停止である。
  • CB Total Hesitation: コールにおける合計 (エージェントおよびクライアント) の迷いによってデータをミリ秒単位でグループ化します。電話では、躊躇は一人の話し手による長い一時休止である。
  • CB Total Overtalk: コール内の重複文の累積長によってデータをミリ秒単位でグループ化します。通話では、オーバートークは、2人以上のスピーカーが同時に話していて、その文のタイムスタンプが重なる時期です。
  • CB 合計サイレンス: すべての参加者の文間の 2 秒以上のすべてのサイレンスの累積長によってデータをミリ秒単位でグループ化します。

時間

時間を選択すると、データを期間別にグループ化することができます。時間属性グループを使用してトレンドレポートを作成し、時間の経過に伴う計算およびメトリクスの変化を表示することができます。

属性

属性を選択すると、選択した構造化属性の値別にデータをグループ化することができます。構造化属性は、実際のテキストフィードバックではないレコードに存在する数値または文字列項目です。構造化属性には、通常、組織の度合いが高い個別のデータ (個人の年齢や使用する製品の名前など) が含まれます。グループ化に使用できる属性は、フィードバックのソースによって異なり、通常はデータセットによって異なります。

例: 属性 “エージェント” 別にグループ化して、インタラクションを処理したさまざまなエージェントによるインタラクションのグループを確認することができます。

指標

メトリクスを選択すると、特定の標準計算および派生メトリクスの離散値またはバンド別にデータをグループ化することができます。つまり、データを 1 つのメトリック別に整理し、別のメトリックで測定することができます。以下のグルーピングを使用することができます。

  • センチメント (3 バンド): 3 つのセンチメントバンド (ネガティブ、中立、ポジティブ) 別にデータをグループ化します。詳細については、センチメントによるグループ化を参照してください。
  • センチメント (5 バンド): 5 つのセンチメントバンド (非常にネガティブ、ネガティブ、ニュートラル、ポジティブ、非常にポジティブ) 別にデータをグループ化します。詳細については、センチメントによるグループ化を参照してください。
  • 工数 (3 バンド): 3 つの工数バンド (ハード、ニュートラル、簡単) 別にデータをグループ化します。工数別にグループ化する場合は、デフォルトで Null 値が含まれます。
  • 工数 (5 バンド): 5 つの工数バンド (非常にハード、ハード、ニュートラル、簡単、非常に簡単) 別にデータをグループ化します。工数別にグループ化する場合は、デフォルトで Null 値が含まれます。
  • 感情強度: 3 つの感情強度バンド (低、中、高) 別にデータをグループ化します。
  • CB 文書ワードカウント: 文書内の単語数別にデータをグループ化します。
  • CB ロイヤリティ期間: 顧客ロイヤリティの長さ (年数) 別にデータをグループ化します。
  • CB Sentence Quartile: 文が (1、2、3、または 4) に該当した文の四半期別にデータをグループ化します。これは、会話のどのポイントでどのトピックが議論されているかを理解するのに役立ちます。
  • CB 文ワードカウント: データを文内の単語数でグループ化します。

さらに、データをグループ化できる独自の上位ボックス、下位ボックス、満足度指標を定義できます。これにより、フィードバックが推奨者、批判者、または中立の顧客からのものであるかどうかを判断することができます。以下のグルーピングを使用することができます。

  • 上位ボックス: 上位ボックスバンド (推奨者およびその他) 別にデータをグループ化します。
  • 下位ボックス: 下位ボックスバンド (批判者およびその他) 別にデータをグループ化します。
  • 満足度:満足度バンド(批判者、中立者、推奨者)別にデータをグループ化します。

ドライバー

ヒント:ドライバーは散布図ウィジェットでのみ使用できます。

ドライバを選択すると、アカウントで作成したドライバ別にデータをグループ化できます。これらのドライバを使用して、特定の結果につながる属性およびトピックを検索することができます。

組織階層

組織階層を選択すると、選択した組織階層のさまざまなレベルでデータをグループ化することができます。

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。