ChatGPT・Claude・Geminiで会話分析を実践する手順：カスタマーサポートの記録を実行可能な改善に変える

手元には明らかに大量のカスタマーサポートのチャットログ、DM、チケットがあるのに、いざ振り返ると「みんな不満を言っている」しか残らない。これは典型的に会話分析が回っていない状態だ：意図を抽出していない、グルーピングしていない、定量化していない――ましてや根本原因の特定などできていない。私は普段、ChatGPT・Claude・Geminiの三点セットでテキストを「絞り尽くし」、さらにMidjourneyで可視化素材を作って、効率はかなり高い。

第一歩 まず対話をクリーンなデータにする

出どころがオンラインCSでもコミュニティでも、まず最小限のクリーニングを行う：電話番号、注文番号などの機微情報を削除し、「ユーザー1発言＋サポート1発言」という単位で前後の文脈を残す。NLPで会話分析をする際に一番怖いのはノイズで、無駄な文言が増えるほど結果がブレてしまう。

第二歩 ChatGPTでタグ体系と意図認識を行う

私はChatGPTにまずタグツリーを作らせ、その後で一件ずつタグ付けさせる。よく使うプロンプトは：以下の対話について、意図、感情、主要エンティティ、解決済みかどうか、次のアクション提案を生成し、CSVの列として出力してください。これは「素早く枠組みを作る」のに向いているが、欠点は業界特有の隠語に遭遇すると、ときどき分かったふりをすることだ。

第三歩 Claudeで長文の要因分析と洞察を出す

Claudeは長い対話や長いチケットに対してより安定している。私は1週間分の記録を丸ごと入れて、上位課題のクラスタリング＋根因仮説＋検証可能なデータポイントを作らせる。振り返りレポートを書くのは非常にスムーズだが、「推測」を「事実」として書かないように見張っておく必要がある。

第四歩 Geminiで表計算とマルチチャネル情報を突き合わせる

Geminiは「CS記録＋FAQ＋製品アップデート説明」を一緒に突き合わせて、「ポリシー変更が原因で生じた集中的な誤解」を見つけるのに向いている。更新が必要なFAQ項目を出力させると、このステップは重複問い合わせの削減に特に効く。

第五歩 Midjourneyで洞察を“報告できる図”にする

可視化を侮ってはいけない。上司はこれが一番刺さる。「上位5意図の構成比、感情の推移、未解決の理由」を要点にまとめ、Midjourneyでポスター風のインフォグラフィック背景を生成し、データはPPTで重ねれば、時短で見栄えも悪くならない。

私がよく使うアウトプット一覧

• 意図Top10と構成比
• ネガティブ感情のトリガー語と該当ページ／機能
• 未解決対話に共通する原因
• すぐに直せる話法3つとプロダクト改善点2つ

ログのエクスポート、ツールのサブスク、地域制限、決済フローなどで詰まって遠回りしたくないなら、より手軽なツールガイドと施策のまとめをTitikeyで確認するといい。