> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/ja/bijinesusbisu/zoom-virtual-agent/zoom-virtual-agent-analytics-reporting.md).

# 分析とレポート

Zoom Virtual Agent のレポート、ダッシュボードの指標、フィルター、エンゲージメントの分析情報を確認します。

### Zoom Virtual Agent の分析とレポート

管理者は、このセクションで説明するさまざまなレポートを含む単一のサブスクリプションを作成できます。サブスクリプションは、特定のエージェント、エージェントグループ、または Overview、Virtual Agent Performance、Knowledge Performance、Query Insight、Conversation Details、Consumer Engagement Surveys などのレポート種別で絞り込めます。受信者には、選択されたすべてのレポートが 1 通のメールで送信され、レポート種別とエージェントの対象範囲がラベル付けされます。

レポートのサブスクリプションでは、配信頻度、ダッシュボードの対象範囲、メール内容が拡張されました。管理者は、週次配信の曜日を任意に選択するか、日次配信に切り替えられます。購読対象として利用可能なダッシュボードもより多く用意され、レポートのメールテンプレートは、より多くの指標と AI 生成の要約を含むように改訂されました。

ダッシュボード フィルターは、時間帯の精度と保存済みビューもサポートします。日付範囲に加えて、管理者は開始時刻と終了時刻を時分単位で設定して、1 つの勤務シフトやピークトラフィック期間などの時間帯を絞り込むことができ、相対的な日付範囲もオンラインで利用できます。フィルター済みのダッシュボードは、フィルターとグラフの選択内容を保持する名前付きビューとして保存でき、保存済みビューはアカウント内のすべてのユーザーと共有できます。

Conversation DetailsレポートとQuery Insightレポートでは、保存済みビューにテーブルのレイアウト（列の選択、列の順序、並べ替えの方向）も保存されます。ビューを再度開くと、設定したとおりのテーブルが復元されるため、管理者はアクセスするたびに列を並べ替えたり、再度ソートしたりする必要がありません。

レポートのサブスクリプションでは、保存済みビューを配信できます。サブスクリプションの設定時に、管理者は保存済みビューを選択できます。スケジュール配信には、レポートのデフォルト版ではなく、そのビューが反映されます。そのため、メールで送信されるレポートは、管理者が画面上で分析するデータの構成と一致します。

#### <mark style="color:青;">データ辞書は、Virtual Agent 分析の指標定義を明確に提供します</mark>

Zoom Virtual Agent 分析には、統合されたデータ辞書が含まれています。管理者はデータセットやレポートを閲覧して、指標定義、計算、フィルター、通訳ガイダンスを確認できます。定義は共有用にエクスポートでき、KPI を明確にし、チーム全体での導入を促進します。

#### <mark style="color:青;">ダッシュボードの指標は、その場でのドリルダウンと列ツールチップをサポートします</mark>

管理者は、Zoom Virtual Agent のダッシュボード上の任意の指標をクリックして、その背後にある会話を掘り下げることができます。アクティブなダッシュボードフィルターは自動的に引き継がれるため、会話一覧から個別の文字起こしへ、そして戻る操作を、文脈を失わずに行えます。すべてのレポートテーブルには、列ヘッダーにもツールチップが追加されます。指標にカーソルを合わせると、その定義と、完全なデータ辞書項目への直接リンクが表示されます。

#### <mark style="color:青;">Virtual Agent Performance レポートでは、エンドユーザーとのエンゲージメント中の Tool、Skill、および遅延の結果を詳しく確認できます</mark>

Virtual Agent Performance レポートは、AI エージェントの主要なパフォーマンス指標に関するデータを提供します。

* **主な指標：** 呼び出されたツールのユニーク数と合計数、呼び出されたスキルのユニーク数と合計数、レイテンシ指標（初回トークンのレイテンシのP90/P50）、レイテンシの推移、完結率、エスカレーション率、エンゲージメントの利用状況、コスト削減額。
  * **開始指標**：エンゲージメントがいつ、どのように開始されたかを測定する新しい拡張指標です。ユーザーがVirtual Agentの利用をどのように開始するかを、より明確に把握できます。この指標により、管理者はエントリーポイントのパフォーマンスを評価し、ルーティング戦略を検証し、ワークフローや開始画面の変更がエンゲージメント全体の動向に与える影響を理解できます。
  * **メッセージ総数の指標**：Zoom Virtual AgentおよびZoom AI Expert Assistのエンゲージメント全体でやり取りされたすべてのメッセージの集計数を提供します。管理者はこれらの指標を使って会話量を分析し、チャネル間のメッセージパターンを比較して、AIを活用したサポートワークフローにおけるマルチモーダルな負荷をより深く理解できます。
  * **ガードレール**：バックエンドの安全性ガードレールの動作を集計して表示します。違反の合計数、エンゲージメント1,000件あたりの違反率、カテゴリ別の内訳、経時的な推移が含まれます。集計データをドリルダウンすると、選択したガードレールカテゴリで事前にフィルタリングされた、影響を受けた会話が「会話の詳細」レポートに表示されます。ガードレールの報告対象は音声とチャットの両方です。
* **フィルター：** 期間、エージェントタイプ（音声、チャット、チャットボット）、特定のAIエージェント。
  * **トピックグループ** も分析レポート全体でフィルターおよび表示ディメンションとして使用でき、スーパーバイザーはビジネスカテゴリ単位でパフォーマンスデータを確認できます。
* **ユースケース：** 管理者がAIエージェントの効率を評価し、ツールとスキルの利用状況を監視し、レイテンシや完結率の推移を追跡して、パフォーマンスとROIを改善するのに役立ちます。

{% hint style="info" %}
**注**

AI Agent レポートには、事前設定されたトークンコストに基づいて仮想エージェントのパフォーマンスに影響するコスト削減設定があります。
{% endhint %}

#### <mark style="color:青;">Knowledge Performance レポートでは、エンゲージメント中にナレッジ記事がどのように使用されるかの詳細を確認できます</mark>

このレポートでは、ナレッジベース記事が、お客様の声の問題解決にどのように貢献しているかを把握できます。

* **主な指標**：ナレッジを活用したエンゲージメント数、ナレッジを活用したエンゲージメント率、参照された記事数、エンゲージメントあたりの平均参照記事数。
* **フィルター**：期間、エージェントタイプ（音声、チャット、チャットボット）、特定のAIエージェント、記事のソース。
  * 記事ソースフィルターには 2 つの値—AI による提案と手動追加—があり、各記事行にソースラベルが表示されるため、管理者はレコメンデーションエンジンの寄与度を監査できます。
* **ユースケース**：管理者がナレッジコンテンツの有効性を評価し、解決率の向上に向けて最適化するのに役立ちます。
* **ナレッジベース記事のアクティブ／非アクティブのバッジ表示**：置き換えまたは更新されたナレッジベース記事に、バッジ形式のアイコンを追加する機能です。古いバージョンと新しいバージョンの両方がZVAレポートに表示され、それぞれの記事がアクティブか非アクティブかを示すステータスが明確に表示されます。

記事の表には、 **完結率** 列があり、チャットおよび音声のエンゲージメントにおける各記事の完結率が表示されます。この率は、その記事を使用した完結済みエンゲージメント数を、その記事を使用した全エンゲージメント数で割って算出します。これにより、エージェントが取得しただけでなく、実際に問題解決に役立った記事を管理者が把握できます。

管理者は、エンドユーザーが記事を「役に立たない」と評価した理由も確認できます。「 **役に立たない理由の分布** 」ウィジェットは、 **分析とレポート** > **の「ナレッジのパフォーマンス」にあり、エンドユーザーが選択した理由別に、役に立たなかったという回答を分類します。グラフで理由を選択すると表示がフィルタリングされるため、管理者は特定の記事のパフォーマンスが低い理由を特定し、コンテンツの更新を優先できます。**。

#### <mark style="color:青;">Query Insight レポートでは、仮想エージェントが処理した顧客問い合わせの詳細ビューを確認できます</mark>

このレポートでは、クエリ量、マッチのカバレッジ、エンゲージメントの関連付け、トピックレベルの結果など、クエリデータを俯瞰できます。

* **主な指標：** クエリ総数、エンゲージメントあたりの平均クエリ数、人気のトピック、解決済みのトピック、エスカレーションされたトピック、クエリの一致状況の推移。
* **フィルター：** 期間、エージェントタイプ（音声、チャット、チャットボット）、AIエージェント、クエリの一致タイプ、記事、トピック、エンゲージメントの結果、ナレッジベース、言語。
* **ユースケース：** 管理者やアナリストがクエリの動向を把握し、トピックの網羅状況を評価して、応答品質と自動化のパフォーマンスを改善できる領域を特定するのに役立ちます。

Zoom Virtual Agent分析では、トピックグループも提供されます。これは、細かなトピックを「請求と支払い」や「出荷と配送」のようなビジネスに沿ったカテゴリに自動的に整理する、2階層の階層構造です。スーパーバイザーはカテゴリレベルで主要な問い合わせ要因を一目で把握できると同時に、特定のトピックをより深く分析することもできます。

Zoom Virtual Agentのテナント設定で構成されたマスキングルールは、クエリ一覧やドリルダウン表示を含むQuery Insightsダッシュボード全体に一貫して適用されるようになりました。これらの画面は以前は、構成されたルールセットに関係なく生の発話を表示していましたが、現在は製品の他の部分と同じマスキングルールセットに従います。

Query Insightレポートでは、クエリテーブルビュー、テーブルに一覧表示されたクエリのエンゲージメントデータ、およびそれらのエンゲージメントのエージェントトレースという、3種類のエクスポートを利用できます。

#### <mark style="color:青;">比較分析では2つのデータスライスを並べて表示します</mark>

管理者は、エクスポートしたり画面を切り替えたりせずに、Zoom Virtual Agentのダッシュボード内で2つのデータスライスを直接比較できます。任意の報告から［比較］をクリックし、フィルターのセットを選択すると、ダッシュボードは2つのコホートレイアウトで再表示され、2つのスライスを見比べられます。比較分析は、ダッシュボードのドリルダウン機能やクロスフィルタリング機能と連携して動作します。

#### <mark style="color:青;">クロスフィルタリングでは、ディメンションごとにダッシュボードの可視化を再計算します</mark>

スーパーバイザーは、Query Insights、Conversation Details、Knowledge Performance、Agent Performanceの各ページでディメンション値をクリックして、そのページ上のすべての可視化をクロスフィルタリングできます。クリック可能な値には、トピック、エージェント、ツール、グラフの区分が含まれます。

フィルターチップには現在の選択内容が表示されます。選択を解除するには、 **x**をクリックする、同じ値を再度選択する、またはその外側をクリックします。複数のクロスフィルターは、相互に、また既存のフィルターバーの設定と組み合わせて、条件が交差する結果を表示できます。フィルター可能な要素にカーソルを合わせるとポインターカーソルが表示され、操作内容をプレビューするツールチップが表示されます。

#### <mark style="color:青;">Conversation Details報告は、バーチャルエージェント向けにエンゲージメントに基づく会話インサイトを提供します</mark>

Conversation Detailsの報告は、主要なAIエージェントのエンゲージメント指標のデータを提供します。

* **主な指標：** エンゲージメント総数、複数ターンのエンゲージメント数、インタラクションの平均時間と合計時間、メタデータ（トピック、ツール、スキル、エスカレーション理由、応答者）を含むエンゲージメントログ。複数インスタンスのデプロイでは、各エンゲージメントを処理したインスタンスを示す「 **インスタンス** 」列もレポートに追加されます。
* **フィルター：** 期間、エージェントタイプ（音声、チャット、チャットボット）、AIエージェント、ツール、エンゲージメントの結果、最後の応答者、スキル、トピック、転送の承諾（音声のみ）、AIエージェント終了時のガードレールのトリガー（音声のみ）。複数インスタンスのデプロイでは、インスタンスとインスタンスグループも対象です。
* **ユースケース：** 管理者がエンゲージメントの品質を分析し、AIエージェントとスキルのパフォーマンスを追跡し、最適化、運用監視、社内報告のために会話単位の動向を確認できるようにします。

会話でバックエンドの安全ガードレールが発動すると、Conversation Details報告では、対象のエンゲージメントにガードレールバッジを付け、どのガードレールカテゴリがどのターンで発動したかを示すパネルでそれを表示します。管理者は、たとえば暴力犯罪、コードインタープリターの悪用、プライバシー、名誉毀損などの違反カテゴリでエンゲージメント一覧をフィルターし、ルールが発動した会話のみを確認できます。これらはZoomのバックエンド安全ガードレールであり、管理者がAgent Guidanceに記述するガードレールではありません。

Conversation Detailsには、ダッシュボード上部に設定可能な可視化ストリップも含まれています。システム変数とカスタム変数の両方について、円グラフ、棒グラフ、折れ線グラフから選んで独自の可視化を作成できます。可視化は追加、移動、サイズ変更が可能で、設定はアカウントレベルで次回のセッションにも保持されます。ピン留めされたグラフはページのアクティブなフィルターに従い、必要な場所で変数の分布を一目で把握できます。

#### <mark style="color:青;">Consumer Engagement Surveysの報告は、Zoom Virtual Agentでエンゲージメント後のアンケートから収集した消費者のフィードバックを示します</mark>

この報告は、エンゲージメント後のアンケートフィードバックを集約し、消費者満足度、解決成功率、改善の機会を測定します。

* **主な指標：** エージェントへの割り当て数、開始数、回答数、回答率、完了率、開始数の推移、アンケートの質問への回答、自由記述のフィードバックの分布。
* **フィルター：** 日付範囲、AIエージェント、ボット（複数ある場合はバリアントを含む）。
* **ユースケース：** 管理者は、顧客の感情を評価し、チャットボットのパフォーマンスを測定して、エンゲージメントの質とユーザー満足度を向上させる機会を特定できます。

#### <mark style="color:青;">暗黙的解決メトリクスは、エンゲージメントの動作から顧客成果を推定します</mark>

管理者は、暗黙的解決を使用して仮想エージェントのパフォーマンスを把握できます。これは、ワークフローの完了やエンゲージメントレベルなどの実際の行動に基づいて、ユーザーの解決状況と満足度を自動的に推定します。

この指標は、明示的なCSATの回答率が低い場合に、従来のアンケートの代替手段となります。また、既存のアンケートベースの指標に取って代わるのではなく、併用されます。暗黙的解決データは、Zoomウェブポータル、API、またはダウンロード可能なレポートで利用でき、管理者がZoom Virtual Agentの有効性を最適化するのに役立ちます。

暗黙的解決を判定するロジックが強化され、会話をより正確に読み取れるようになったため、両方向の誤分類が減少しました。その結果、解決率は実際の結果をより正確に反映します。改善が反映されるにつれて、管理者は指標のわずかな変化を確認する場合があります。

Zoom Virtual Agent の分析では、音声とチャットの両方を対象に **再問い合わせなしで解決** という指標も報告されます。エンゲージメントが解決され、定義された再問い合わせ期間内に同じ顧客が戻ってこなかった場合、そのエンゲージメントは「再問い合わせなしで解決」としてカウントされます。この指標は、解決率と顧客のその後の行動を組み合わせるため、解決率だけの場合よりも、実際に解決したことを示す確かな指標となります。

各エージェントの報告関連の設定は、エージェント設定内にある専用の報告設定セクションで構成します。このセクションには、「達成した目標」「会話の結果」「再訪なしで解決」の3つの設定がまとめられています。これらの設定が影響するのは報告のみで、エージェントの動作には影響しません。「達成した目標」と「会話の結果」は発信エージェントに適用され、「再訪なしで解決」は着信エージェントに適用されます。

#### <mark style="color:青;">エンゲージメントログは、各AIおよび音声エージェントのやり取りについて、結果、継続時間、レビュー用の文字起こしを含む詳細な記録を提供します</mark>

<div data-with-frame="true"><img src="https://2994873379-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FBekwbdgq0PzE6LyvSslJ%2Funknown.png?alt=media&amp;token=228a0e64-0379-4341-8546-1567ff1ccd6d" alt=""></div>

エンゲージメントログは、AIまたは音声エージェントが処理したすべてのやり取りを詳細に表示します。各会話がどのように処理されたか、AIで完結したのかライブエージェントにエスカレーションされたのか、そしてそのエンゲージメントの主要なパフォーマンス指標を分析するのに役立ちます。

この報告は、エージェントの有効性、顧客体験、システムパフォーマンスを可視化したいスーパーバイザー、管理者、分析者にとって有用です。

**エンゲージメントログの主な列**

* **エンゲージメントID**：各インタラクションに割り当てられた一意の識別子です。このIDを使って、特定の会話を検索して確認できます。
* **チャネル**：エンゲージメントがチャットエージェントまたは音声エージェントを通じて行われたかどうかを示します。
* **ソース**：やり取りが開始されたZoomコンタクトセンターなどのエントリーポイントを示します。
* **顧客**：エンゲージメントを開始した顧客またはエンドユーザーです。音声通話の場合は電話番号、チャットセッションの場合はユーザー名として表示されることがあります。
* **AIエージェント**：やり取りを処理したAIエージェントを識別します。
* **ツール / スキル / トピック / 記事**：エンゲージメント中にAIエージェントが使用したツール、スキル、ナレッジリソースを表示します。例：「チケットのステータスを取得」や「エージェントへの転送リクエスト」などです。
* **エンゲージメントの結果**：エンゲージメントの最終結果です。「解決」は、AIエージェントがエスカレーションせずに問題を解決したことを意味します。「エスカレーション」は、やり取りが有人エージェントに引き継がれたことを示します。該当する場合は、「設計上のエスカレーション」や「エスカレーションのリクエスト」など、エスカレーションの理由が表示されます。
* **開始時刻／終了時刻**：エンゲージメントの開始時刻と終了時刻です。
* **最後の応答者**：エンゲージメントを完了したのが、AIエージェントか、エスカレーション後の有人エージェントかを示します。
* **エンゲージメント時間**：エンゲージメントの継続時間です。
* **やり取りのターン数**：AIエージェントと顧客間の応答の往復回数です。
* **インタラクティブ時間**：顧客がやり取りに参加していた時間。音声通話で特に役立ちます。
* **転送が受け入れられた／AIエージェントが退出した**：ライブエージェントへの転送が成功したかどうか、およびAIエージェントが対応から退出したかどうかを示します。

この報告は、AIエージェントと人間のエージェントの両方のパフォーマンス向上に役立つ監査証跡を提供することで、監査可能性、レビュー、トレーニングを支援します。

たとえば、IT Helpdesk Agentでチケット作成タスクのエスカレーションが多い場合、スーパーバイザーは文字起こしを確認して、ユーザーが人間のエージェントを求めている理由を特定し、AIの設定やトレーニングデータを更新できます。

**Agent Tracing は、仮想エージェントの意思決定をステップごとに可視化します**

エンゲージメントを確認する際、管理者はAgent Tracingを使用して、入力処理から最終応答までの完全な判断チェーンを確認できます。これにより、トラブルシューティング、品質保証レビュー、パフォーマンス最適化が支援されます。

Agent Tracingは、特定のエンゲージメントに紐づく統合された人間可読のトレースを提供します。システム操作と並んで完全な顧客の文字起こしが含まれます。各パイプラインステップには開始時刻と終了時刻がタイムスタンプされます。

Agent Tracingには以下が含まれます:

* 入力の取得
* NLU/意図分類
* 検索および取得ステップ（つまり、クエリの書き換えとソース選択）
* LLM推論
* ツール/関数呼び出し
* 応答のレンダリング

Agent Tracingは、トラブルシューティングを迅速化するエンゲージメントレベルの要約も提供します。ツール呼び出しの要約には、エンゲージメント中に呼び出されたすべてのツールが、それぞれの成功/失敗ステータスとともに一覧表示されるため、管理者は特定の呼び出しを見つけるためにトレースをターンごとに確認する必要がなくなります。変数の要約では、同じエンゲージメント中に設定されたすべての変数をまとめて表示します。これらの要約により、スクリプト実行、スキルトリガー、全体的なやり取りの流れを一目で把握できます。

Agent Tracingでは、SMSツール、メールツール、応答の保存、会話終了を含む組み込みツールの詳細なトレースおよびデバッグ情報も取得されます。各ツール呼び出しについて、トレースにはツールが選択された理由、渡された入力パラメーター、変数解決の出力、実行ステータス、返されたエラーが記録されます。また、会話が終了した理由も表示され、指示による終了か、促しの再試行後のタイムアウトによる終了かも示されます。

{% hint style="info" %}
**注**

Agent Tracingは、Virtual Agent分析内で確認できます。個々のやり取りを確認する際は、エンゲージメントログからアクセスできます。
{% endhint %}

デプロイ前にエージェントの変更を検証するには、以下のEvaluationセクションを参照してください。

#### <mark style="color:青;">Evaluationは、シナリオテストとバージョン比較を通じて、デプロイ前のエージェント変更を検証します</mark>

エージェントの設定、ガイダンス、スキル、またはツールを変更する際、管理者は本番環境に公開する前に、それらの変更がパフォーマンスを低下させないことを確認する必要があります。Evaluationは、そのための構造化されたテスト環境を提供します。

管理者は、現在の下書きだけでなく、公開済みまたは過去の任意のエージェントバージョンに対してEvaluationを実行できます。Evaluationは選択したバージョンのスナップショットに対して読み取り専用で実行されるため、アクティブなエージェントは変更されません。これにより、結果は特定の既知の構成に紐づけられます。

同じシナリオセットを使用して、2つのエージェントバージョンを並べて評価できます。結果にはバージョンごとの指標（シナリオ成功率、動作一致スコアなど）が表示されるため、管理者はバージョン間でパフォーマンスがどこで変化したかを正確に把握できます。詳細な文字起こしビューでは、個々のテストケースを掘り下げて応答の違いを確認できます。

Evaluationが実行される前に、システムはテストケースの整合性を検証します。これには、不足しているツール、未定義の変数、またはスキーマの不一致の確認が含まれます。これにより、不要なEvaluation実行を防ぎ、実際のエージェント動作ではなく構成エラーによる誤った否定結果を排除します。

Evaluationは、本番導入可能なエージェント変更を実現しようとする管理者の取り組みを支援し、反復サイクルの高速化とリスク管理に役立ちます。Agent Tracingと組み合わせることで、堅牢な診断および検証ワークフローが生まれます。

#### <mark style="color:青;">ZVA Receptionistダッシュボードは、小規模な展開に単一画面のパフォーマンスビューを提供します</mark>

完全な分析スイートを必要としない小規模なZVA Receptionist展開向けに、単一画面のダッシュボードでパフォーマンスをわかりやすく表示します。すべての値は既存の指標から集計されるため、新しい計測は不要です。ヒーロー行には、処理した通話数、処理した通話時間（時間表示）、節約額が表示されます。コンテインメントリングはエスカレーション数と「これらの会話を読む」リンクと組み合わされ、基盤となるエンゲージメントに直接ドリルダウンできます。ダッシュボードでは、通話理由の上位項目や解決済み/未解決の結果の内訳も表示され、エージェント別テーブルと簡易会話ログが画面を補完します。すべては1つのフィルター行で絞り込まれます。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://library.zoom.com/technical-library/ja/bijinesusbisu/zoom-virtual-agent/zoom-virtual-agent-analytics-reporting.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
