前週の対応状況を集計し、確認が必要な会話を探し、商品別のお客様の声をまとめる。ECやD2Cのカスタマーサポートでは、毎週繰り返すこうした作業に時間がかかります。複数のチャネルや市場を運営していると、データを集めた後に、対象期間や評価基準をそろえる手間も生じます。
QuickCEPのQuickMateは、企業内のカスタマーサポートや運用担当者が使うAIエージェントです。自然な言葉で伝えた依頼に沿って、アカウントに参照権限のある会話、チケット、顧客データを取得し、分析やレポート作成を進めます。初回の結果を確認したうえで、繰り返し行う作業を定期実行する運用につなげられます。
この記事では、週報作成を例に、QuickMateのHeadlessによるデータ活用と、VOC分析、対応品質のチェック、AIエージェントの継続的な改善を紹介します。
週報の対象と評価基準を対話で指定する
たとえば、次のように依頼できます。
「前週の対応のうち、参考になる返信、低評価につながった返信、商品Aに関するVOCをまとめてください。アップロードした評価基準に沿って、全体の対応状況も確認したいです。内容を確認した後、毎週月曜にレポートを受け取れるようにしてください。」
VOCはVoice of Customerの略で、お客様の声を意味します。商品選びの疑問、配送への不満、返品の理由などを、改善に使える形で整理します。
週報を設定するときは、オンラインチャットや、連携済みのTikTok・Amazonなどから対象チャネルを選び、期間、商品、評価基準、必要な出力を確認します。最初のレポートで集計や分類が意図に合っているかを確かめてから、定期実行を設定する流れです。

担当者は、実行履歴と各回のレポートを確認できます。対象商品や確認したい内容が変わった場合は、タスクの条件も見直します。管理者は、集計された情報と確認が必要な会話を手掛かりに、返信の改善や担当者へのフィードバックを進められます。
Headlessはどのようにデータを扱うのか
ここでいうHeadlessは、QuickMateが固定の業務画面に依存せず、タスクに応じてQuickCEP内のデータを呼び出す仕組みを指します。会話、チケット、CDP(顧客データプラットフォーム)にある情報を、現在のアカウントで許可された範囲で参照します。
内部ではCLIと呼ばれるコマンド形式の操作手段を使ってデータを取得します。Harnessという実行の仕組みに支えられたAIエージェントが、参照するデータや分析の手順を組み立てます。運用担当者は一つの会話から複数の作業を依頼し、実行の過程や呼び出したデータを確認できます。
チャネル、期間、分析条件などを確認する際は、A2UIが会話内に選択肢や確認項目を表示します。たとえば「返金相談の理由を調べてください」という依頼では、対象期間や、返金への言及を含む会話まで対象にするかを確認してから分析に進みます。

このように分析範囲をそろえることで、担当者が考えていた対象とレポートの集計対象が食い違うことを防ぎやすくなります。
商品やチャネルに合わせてVOCを分析する
QuickMateでは、業務上の目的に合わせてVOCの分類や出力を指定できます。商品別に購入前のよくある疑問をまとめる、チャネル別に配送への意見を整理する、といった使い方ができます。
低評価の会話を確認する場合は、「前週の低評価を理由別に分類し、根拠となる会話も示してください」と依頼します。配送、商品、対応体験などの観点で整理された結果から、確認すべき会話を探せます。

結果を確認するときは、分類名に加えて元の会話も読みます。返品理由が商品説明の不足に関係しているのか、配送状況の案内に問題があったのかを確かめることで、商品ページの修正や対応手順の見直しにつなげられます。判断材料が足りない会話は、担当者が追加で確認します。
品質チェックの結果から該当する会話を確認する
対応品質をチェックするには、ブランドが求める具体的な基準を先に決めます。返品・交換の受付であれば、注文番号と返品理由を確認したか、必要な案内を行ったか、といった項目です。
QuickMateは、設定した基準に沿って対象の会話をまとめてチェックします。管理者はレポートから該当するメッセージと判定理由を確認し、元の会話と照らし合わせられます。確認が必要な箇所を絞ることで、担当者は改善すべき対応の検討に時間を使いやすくなります。
電話チャネル(Calling)については、通話録音を文字起こししたうえで、ブランドの基準に沿って発話内容をチェックします。レポートから該当する文字起こしの箇所と判定理由を確認できます。声の抑揚などの音響的な評価は、この通話内容のチェックには含まれません。

例外的な返金の可否や、苦情への最終判断は担当者が行います。AIによるチェックは、確認すべき会話とその理由を把握するために使います。
対応経験をAIエージェントの改善に生かす
担当者が解決した問い合わせには、次の対応に使える商品知識や手順が含まれています。QuickMateのSelf-learningでは、学習したい商品や返品などの対応場面を指定し、担当者が対応を終えた関連の会話やチケットから、再利用できるナレッジやSkill(処理手順)を抽出します。
抽出した内容は担当者が確認し、必要に応じて編集・採用してから、顧客対応を行うAIエージェントに反映します。設定を変更した後はEvaluationでまとめてテストし、運用開始後は定期的な品質チェックで実際の対応を確かめます。

この改善の流れを、QuickCEPではSelf-EVOと呼んでいます。実際の会話から課題を見つけ、ナレッジや手順を整え、変更をテストし、運用中の結果から次の改善点を探します。
Evaluationは、設定の変更後などにテストデータでAIエージェントの動作を検証する機能です。一方、対応品質のチェックは、運用中に発生した実際の会話を確認します。それぞれの結果を使い、変更が期待どおりに機能しているかを判断します。
運用を始める前にそろえておきたいもの
週報や品質チェックを継続するには、データと判断基準をそろえ、結果を確認する担当者を決めておく必要があります。
- 対象データ 連携済みのチャネル、店舗、期間、商品と、アカウントの参照権限を確認します。
- 集計と評価の基準 週報に載せる指標、低評価の扱い、品質チェックの項目を決めます。
- 確認と更新の担当者 初回レポートの確認、指摘内容への対応、ナレッジの採用、定期タスクの見直しを誰が行うか決めます。
- 有人対応の範囲 苦情のエスカレーション、例外的な返金、判断材料が不足する案件の確認先を定めます。
評価基準がまだ固まっていない場合は、一つの商品やチャネルに絞って試すと確認しやすくなります。電話の文字起こしは録音時間に応じた費用が別途発生するため、対象範囲とともに利用条件も確認します。
新しい市場でも使える対応経験を蓄積する
海外展開では、これまでの市場で得た商品知識や対応手順を、次の市場のチームに引き継ぐことも課題になります。QuickMateで集計や品質チェックを行い、確認済みのナレッジを蓄積しておけば、新たなサイトや市場で準備する際の材料になります。
その際は、現地の配送・返品条件や、顧客が重視する点に合わせて内容を見直します。管理者がデータを集める作業にかける時間を減らし、現地の顧客理解や、商品とサービスの改善に時間を使える運用を目指します。

QuickCEPでは、現在のデータ環境と確認したい業務に合わせて、QuickMateの活用方法をご案内しています。週報、VOC分析、対応品質のチェックについては、[お問い合わせ](https://www.quickcep.co.jp/s/contact/)からご相談ください。
よくある質問
QuickMateはどのような担当者が使うものですか
企業内のカスタマーサポート責任者や運用担当者が使うAIエージェントです。データの取得、分析、レポート作成、品質チェック、定期タスクの管理などを支援し、顧客対応を行うAIエージェントの改善にも活用できます。
QuickMateのHeadlessとはどのような仕組みですか
固定の業務画面に依存せず、依頼された作業に応じてQuickCEP内の会話、チケット、CDPのデータを呼び出す仕組みです。参照できるのは、現在のアカウントに権限があるデータです。
毎週同じ条件でレポートを作成できますか
初回のレポートで対象範囲や集計方法を確認し、対応する定期タスクを設定する運用が可能です。実行履歴とレポートを確認し、業務が変わった際には設定条件を見直します。
電話の対応品質も確認できますか
Callingの通話録音を文字起こしし、設定した基準に沿って内容を確認できます。レポートで該当箇所と判定理由を確認できます。対象は通話の発話内容で、文字起こしには録音時間に応じた費用が別途発生します。
Self-learningの結果はどのように反映しますか
抽出されたナレッジやSkillを担当者が確認し、編集・採用してから反映します。変更後はEvaluationでテストし、運用中の実際の会話も定期的に確認します。