AIで よりリアルな声を
Insight Techで代表をしている伊藤です。
「おはBiz」で取り上げていただきました！
本日（2024年3月25日）、私たちの取り組みをNHKおはよう日本内の「おはBiz」にて取り上げていただきました。
「AIでよりリアルな声を」との特集で弊社の「不満買取センター」及びそのデータを自由に検索・分析できる「不満ファインダー」を中心に「バイアスがない声から価値を生み出す」ことの意義を特集頂きました。
実際に私たちのデータ×AIによって商品を開発頂いた味の素AGF様にも取材頂き、「この方法がなければ（商品化には）思い至らなかった」とのコメントも頂きました。
AIを使うことでどんな「リアルな声」が炙り出せるのか？
「AIで よりリアルな声を」。
ではAIを使うことでどんな「リアルな声」が炙り出せるのでしょうか？
私たちが独自に開発したフレームワーク「優先課題図」で「何が優先的に対応しなければいけないのか？」が明らかになり、打ち手に繋がります。
優先課題図は縦軸・横軸の散布図で表現されます。横軸は「意見の量（どの程度の意見があるのか：ボリューム）」、縦軸は「意見の質（その意見群はどの態度強い意見なのか：クリティカル）」でプロットされています。AIが自動的に類似している意見をまとめ、このプロット図を作ってくれます。
コーヒー不満から見える顕在課題・潜在課題
以下は不満買取センターに寄せられている「コーヒー不満」1.2万件をAIで解析し優先課題図でプロットしたものです。
右上の象限は意見の量も多く、離反にもつながりやすい「顕在課題」と言えます。コーヒー不満では「酸味が強い」ことが生活者の嫌気に繋がり離反につながっている様子がうかがえます。例えばパッケージに酸味の強さを明記するなどの対応の大切さがうかがえる内容です。
一方で意見の量は少ないが離反にはつながりやすい左上の象限「潜在課題」に注目すると、「表示が間違っている」という意見群が確認できます。
「微糖と書いてあるのに甘い」「メーカーや商品によって表示内容が違って選びにくい」などの意見です。
「思ったのと違った」という気持ちががっかりにつながっている様子がうかがえます。コーヒーに関する表示規格を統一するなどの対応が有効になるかもしれません。
このように、不満買取センターに寄せられる「バイアスがない本音のビッグデータ」をAIを活用して解析することで、業務上の勘と経験だけでは炙り出せない生活者起点での「リアルな声」が見えてきます。
不満をいつでも分析「不満ファインダー」
不満ファインダーは、不満買取センターに寄せられる不満ビッグデータを自由に検索＆解析できる唯一のサービスです。あらゆる業務のユーザーファースト化を実現します。ご関心ありましたらお声がけください。
この記事が気に入ったらサポートをしてみませんか？