VOC（Voice of Customer、顧客の声）分析というと、問い合わせやクレームなどインバウンドのデータを思い浮かべる方が多いのではないでしょうか。しかし、アウトバウンド架電にも「断り文句」「反応の温度感」「よくある質問」など、豊富な顧客インサイトが眠っています。 全件を人手で聞き返すのは現実的ではないため、AIによる一括分析でVOCを抽出・集計する方法が必要になります。この記事では、アウトバウンドVOC分析の考え方と活用法を解説します。
アウトバウンドにもVOCがある、という発想
インバウンドのVOCは「顧客が能動的に発した声」であるのに対し、アウトバウンドのVOCは「こちらから働きかけた結果として引き出された反応」です。性質は違いますが、次のような情報がアウトバウンド架電には含まれています。
- 断り文句：「今は予算がない」「他社で検討中」「担当者が不在」など、拒否の理由そのものが市場の反応データ
- 温度感の変化：話し始めは無関心でも、特定のトピックで急に前のめりになる、といった反応の起伏
- よくある質問・懸念：価格、導入期間、既存システムとの連携など、繰り返し聞かれる懸念点
- 競合言及：「〇〇はもう検討した」といった発話（自社製品として比較検討で言及される競合名の把握に使う。個別の競合分析記事等での対外的な比較広告目的の言及とは別軸の話）
これらは、成約したかどうかに関わらず、マーケティング・商品企画・スクリプト改善の貴重な材料になります。
全件を聞くのが不可能という壁
コールセンターやインサイドセールスチームが1日に行う架電数は、数十件から数百件に及びます。SVやマネージャーがすべてを聞き返して傾向を把握するのは物理的に不可能です。結果として、VOCは「なんとなく現場で感じている雰囲気」にとどまり、データとして経営や商品企画に届きません。
AIによるVOC一括分析の仕組み
AIが全通話の文字起こしテキストを対象に、以下のような処理を行うことでVOCを構造化できます。
- 発話のクラスタリング：似た内容の断り文句・質問・懸念をグループ化する
- 頻度の集計：どのテーマがどれくらいの割合で出現しているかを数値化する
- サマリー生成：クラスタごとに代表的な発話例とサマリーコメントを生成する
- 傾向の時系列比較：先週・先月と比べてテーマの出現割合がどう変化したかを追う
これにより、「なんとなく最近『価格』の話が多い気がする」という感覚を、「今週は価格関連の言及が全体の◯割を占め、先週より増えている」というデータに変換できます。
VOC分析の活用先
| 活用先 | 使い方 |
|---|---|
| スクリプト改善 | よくある懸念への切り返しを事前にスクリプトへ組み込む |
| マーケティング施策 | 顧客が実際に使う言葉をLP・広告コピーに反映する |
| 商品企画 | 繰り返し出る機能要望・不満を開発ロードマップの検討材料にする |
| 経営会議 | 現場の生の声を定量データとして経営判断に接続する |
VOC分析を始めるときの注意点
- 成約・失注に関わらず全件を対象にする：成約コールだけを見ると「うまくいったパターン」しか見えず、断られた理由という重要な情報を逃す
- 短期の増減に一喜一憂しない：1日単位では母数が少なく、統計的なノイズを傾向と誤認しやすい。週次・月次での傾向を見る
- VOCは「誰が」ではなく「何が」に注目する：個人の応対品質の評価とVOC分析は目的が異なるため、混同しない
まとめ
VOCはインバウンドだけのものではなく、アウトバウンド架電にも顧客インサイトの宝庫が眠っています。全件を人手で確認することは不可能なため、AIによる一括分析でクラスタリング・集計・サマリー生成を行うことが実務上の前提になります。抽出したVOCは、スクリプト改善・マーケティング施策・商品企画・経営判断へとつなげることで、架電活動そのものが市場調査の役割も果たすようになります。
SemantiQでは、大量の通話からAIがVOCを自動抽出・集計するVOCレポート機能を提供しています。詳細はSemantiQの機能一覧をご覧ください。