JP7324809B2 - 自動車保険事故対応時における接客最適化補助システム - Google Patents

Description

本発明は、自動車事故の事故対応を行う担当者をアサインするアサイン作業を補助する、自動車保険事故対応時における接客最適化補助システムに関するものである。

自動車保険を販売する保険会社において、自動車保険の契約者が事故に遭った場合に事故対応を行う担当者は、従来、複数の担当候補者の中から、各担当候補者の経験やスキル、手持ちの事案数などが考慮され、上司などによって選定されていた。なお、自動車保険に関しては、保険料の設定業務を支援するシステムなどが発案されている（例えば特許文献１参照）。

特開２０１８－０２５９７８号公報

ここで、契約者に対する担当者の初期対応の際、契約者は事故に遭ったことで大きなストレスを抱えた状態、担当者は契約者の年齢や性別などの属性情報は把握しているが性格や好みなどは分からない状態であるため、互いに探り合いながらの挨拶ややり取りになる傾向がある。また、継続する事故対応においても、同時に複数の事案を抱えている担当者が、各事案の契約者の性格や好みに合った対応を行うことは困難である。従ってそれらに起因して、自動車事故の対応終了後に、事故対応について契約者が不満を持つことが懸念されていた。
本発明は上記課題に鑑みてなされたものであり、その目的とするところは、事故対応に対する自動車保険の契約者の満足度を向上させることにある。

（発明の態様）
以下の発明の態様は、本発明の構成を例示するものであり、本発明の多様な構成の理解を容易にするために、項別けして説明するものである。各項は、本発明の技術的範囲を限定するものではない。そのため、発明を実施するための最良の形態を参酌しつつ、各項の構成要素の一部を置換し、削除し、又は、更に他の構成要素を付加したものについても、本発明の技術的範囲に含まれ得るものである。

（１）自動車保険の契約者が事故に遭った際に事故対応を行う担当者を、複数の担当候補者の中から選定してアサインするアサイン作業を補助するシステムであって、前記契約者及び前記複数の担当候補者から事前に取得する調査データに基づいて、前記契約者及び前記複数の担当候補者のソーシャルスタイルを判定するスタイル判定部と、前記契約者のソーシャルスタイルに基づいて、前記契約者に対するソーシャルスタイル毎のスタイル相性スコアを算出する相性算出部と、前記契約者のソーシャルスタイル、前記複数の担当候補者のソーシャルスタイル、及び前記スタイル相性スコアを含む、当該システムで使用するデータを保管及び管理するデータ管理部と、を含み、該データ管理部は、前記アサイン作業を行うアサイン者に対して、少なくとも前記スタイル相性スコアを提示すると共に、前記担当者に対して、少なくともアサインされた事案の前記契約者のソーシャルスタイルを提示する自動車保険事故対応時における接客最適化補助システム。

本項に記載の自動車保険事故対応時における接客最適化補助システムは、自動車保険の契約者が遭遇した自動車事故の対応を行う保険会社担当者のアサイン業務を補助するものであって、スタイル判定部、相性算出部、及びデータ管理部を含んでいる。スタイル判定部は、契約者と担当者との双方のソーシャルスタイルを判定するものであって、契約者については、例えば契約時や契約更新時に各契約者から収集するアンケート結果などに基づいて、各契約者のソーシャルスタイルを判定する。また、担当者については、事故対応を行う可能性がある全ての担当候補者に対して、各担当候補者の入社時などにアンケート等を実施し、その結果からスタイル判定部が各担当候補者のソーシャルスタイルを判定する。

相性算出部は、契約者に対するソーシャルスタイル毎のスタイル相性スコアを、契約者のソーシャルスタイルに基づいて算出するものである。すなわち、相性算出部は、契約者のソーシャルスタイルに対する相性のスコアを、全てのソーシャルスタイルの各々について算出する。データ管理部は、当該システムで使用する様々なデータを保管及び管理するものであって、そのようなデータには、スタイル判定部により判定された各契約者のソーシャルスタイル、スタイル判定部により判定された各担当候補のソーシャルスタイル、及び相性算出部により算出された各契約者のスタイル相性スコアが含まれている。また、データ管理部は、各事案の事故対応を行う担当者をアサインするアサイン者に対して、少なくともその事案の契約者のスタイル相性スコアを提示し、更に、アサインされた担当者に対して、少なくともアサインされた事案の契約者のソーシャルスタイルを提示する。

これにより、アサイン者は、契約者のソーシャルスタイルと相性が良いソーシャルスタイルを認識することとなるため、担当者の繁忙さやスキルのみではなく、契約者と担当者とのソーシャルスタイルの相性を加味して、担当者をアサインすることとなる。更に、アサインされた担当者も、相性が合う契約者の担当になるため、初期対応時の不安や事故対応時の精神的負担が軽減されることとなり、また、契約者のソーシャルスタイルを考慮して接客を行うものとなる。従って、契約者は、相性が合う担当者により接客を受け、事故対応が行われることとなるため、事故のストレスや保険会社への不安が軽減されるものとなり、従来の事故対応と比較して、契約者の満足度が向上され、契約者から高い評価が得られるものとなる。

（２）上記（１）項において、前記相性算出部は、前記契約者へアサインされた前記担当者のソーシャルスタイルに対応する前記スタイル相性スコアに対して、前記契約者からの聞き取りの結果判明した前記事故の事故状況のうちの少なくとも事案特性に対する、前記担当者の経験やスキルを加味して、前記契約者に対する前記担当者の個別相性スコアを算出し、前記データ管理部は、前記個別相性スコアを保管及び管理すると共に、前記担当者に対して、アサインされた事案の前記個別相性スコアを提示する自動車保険事故対応時における接客最適化補助システム。
本項に記載の自動車保険事故対応時における接客最適化補助システムは、相性算出部が更に、スタイル相性スコアに加えて個別相性スコアを算出するものである。この個別相性スコアは、各事案の契約者のスタイル相性スコアのうち、その事案にアサインされた担当者のソーシャルスタイルに対応するスタイル相性スコアに対して、その事案の少なくとも事案特性が加味されて算出される。事案特性は、契約者からの事故状況の聞き取りによって判明するものであって、例えば事故類型や事故の性質などの、各事案の特性を表すものである。

すなわち、相性算出部は、既に各事案にアサインされている担当者の、各事案の事案特性に対する経験やスキルなどを考慮して、個別相性スコアとして、契約者（事案）に対する担当者の相性を再算出するものである。そして、データ管理部は、相性算出部によって算出された個別相性スコアを保管及び管理し、各担当者に対して、その担当者にアサインされた事案の個別相性スコアを提示するものである。これにより、担当者は、契約者のスタイルに加え、再算出された契約者（事案）に対する自分の相性スコアを確認して、接客や事故対応を行うことになるため、契約者に対して、より満足度や評価が高められるような対応を行うこととなる。

（３）上記（１）（２）項において、前記相性算出部は、既に事故対応が終了した複数の過去の事案を学習した人工知能モデルで構成され、該人工知能モデルは、前記過去の事案の各々の、少なくとも、前記契約者のソーシャルスタイル、事故対応を行った前記担当者のソーシャルスタイル、及び事故対応に対する前記契約者の評価を、学習データとして使用する自動車保険事故対応時における接客最適化補助システム。
本項に記載の自動車保険事故対応時における接客最適化補助システムは、相性算出部が、既に事故対応が終了した複数の過去の事案を学習した人工知能モデルで構成されたものである。そして、この人工知能モデルは、過去の事案の学習の際に、少なくとも、契約者のソーシャルスタイル、事故対応を行った担当者のソーシャルスタイル、及び事故対応に対する契約者の評価を、学習データとして使用する。事故対応に対する契約者の評価は、事故対応の終了後に、契約者に対するアンケートなどによって収集される。すなわち、相性算出部を構成する人工知能モデルは、契約者のソーシャルスタイルと担当者のソーシャルスタイルとの組み合わせから、どのような評価が得られたかを学習し、その学習結果を相性スコアの算出に利用するものである。これにより、相性算出部は、相性スコアを精度良く算出するものとなり、延いては、契約者からのより高い評価の獲得を企図するものである。

（４）上記（３）項において、前記人工知能モデルは、新たに事故対応が終了した事案を使用して、定期的に再学習を行う自動車保険事故対応時における接客最適化補助システム。
本項に記載の自動車保険事故対応時における接客最適化補助システムは、相性算出部を構成する人工知能モデルが、新たに事故対応が終了した事案を学習データに使用して、定期的に再学習を行うことで、相性スコアの算出精度を継続的に向上させるものである。更に、人工知能モデルの再学習で得られた知見を、接客マナーや事故対応サービスの専門知識の向上のために、自動車保険会社の社員教育に利用することとすれば、ここからも契約者からの高評価の獲得につながるものである。

（５）上記（１）から（４）項において、前記データ管理部は、前記アサイン者に対して、前記複数の担当候補者の氏名及びソーシャルスタイルを提示する自動車保険事故対応時における接客最適化補助システム。
本項に記載の自動車保険事故対応時における接客最適化補助システムは、複数の担当候補者の中から担当者をアサインするアサイン者に対して、データ管理部が、複数の担当候補者の氏名及びソーシャルスタイルを提示するものである。これにより、アサイン者は、契約者のソーシャルスタイルに対するソーシャルスタイル毎のスタイル相性スコアと、担当候補者の氏名及びソーシャルスタイルとの双方を確認しながら、アサイン作業を行うこととなるため、効率良くアサイン作業が進められるものとなる。

（６）上記（１）から（５）項において、ソーシャルスタイルとして、感情表現度の高低と自己主張度の高低との組み合わせから判別される、感情表現度と自己主張度との双方が低い傾向のアナリティカルと、感情表現度が低く自己主張度が高い傾向のドライバーと、感情表現度が高く自己主張度が低い傾向のエミアブルと、感情表現度と自己主張度との双方が高い傾向のエクスプレッシブとの、４分類のソーシャルスタイルが用いられる自動車保険事故対応時における接客最適化補助システム。
本項に記載の自動車保険事故対応時における接客最適化補助システムは、契約者や担当者のスタイル判定などに利用するソーシャルスタイルに、ソーシャルスタイル理論として広く利用されている、アナリティカル、ドライバー、エミアブル、及びエクスプレッシブの４分類のソーシャルスタイルを用いるものである。これにより、契約者や担当者が４つのソーシャルスタイルの何れかに分類されると共に、４つのソーシャルスタイルの各々に対する４つのソーシャルスタイルの相性スコアが算出されるため、各事案の契約者に対して相性が合う適切な担当者が精度よくアサインされるものとなる。

本発明はこのように構成したので、事故対応に対する自動車保険の契約者の満足度を向上させることが可能となる。

本発明の実施の形態に係る自動車保険事故対応時における接客最適化補助システムの構成の一例を示すブロック図である。 本発明の実施の形態に係る自動車保険事故対応時における接客最適化補助システムで用いられるソーシャルスタイルの分類例を示すイメージ図である。 契約者と担当者とのソーシャルスタイル毎の相性を例示する表である。 本発明の実施の形態に係る自動車保険事故対応時における接客最適化補助システムを利用して担当者をアサインし、事故対応を行う場合の手順の一例を示すフロー図である。 データ管理部により提示する担当者アサイン画面のイメージ図である。 データ管理部により提示する事故対応画面のイメージ図である。

以下、本発明の実施の形態を図面に基づき説明する。ここで、図面の全体にわたって、同一部分又は対応する部分は、同一符号で示している。また、従来技術と同一部分、若しくは相当する部分については、詳しい説明を省略する。
図１は、本発明の実施の形態に係る自動車保険事故対応時における接客最適化補助システム１０の構成の一例を示している。ここでは、自動車保険事故対応時における接客最適化補助システム１０の各構成要素の役割について説明するものとし、各構成要素の動作タイミングや動作内容については後述する図４のフロー図を参照しながら説明する。なお、自動車保険事故対応時における接客最適化補助システム１０の構成は、図１のブロック図に限定されるものではなく、例えば状況等に応じて、図１に示した構成要素の一部が削除、変更、ないし適宜追加された構成であってもよいものである。

図１に示すように、本発明の実施の形態に係る自動車保険事故対応時における接客最適化補助システム１０は、スタイル判定部２０、相性算出部３０、及びデータ管理部４０を含んでいる。スタイル判定部２０は、自動車保険の契約者と、契約者が自動車事故に遭った場合の事故対応を行う担当者の候補である担当候補者との、ソーシャルスタイルを判定するものであって、本実施形態では図２に示すような４つのソーシャルスタイルを利用する。すなわち、スタイル判定部２０は、感情表現度の高低と自己主張度の高低とで分類される、アナリティカル（分析型）、ドライバー（実行型）、エミアブル（温和型）、及びエクスプレッシブ（直感型）の、４つのソーシャルスタイルの何れかとして、契約者及び担当候補者を判定する。

簡単に説明すると、アナリティカルは、感情表現度と自己主張度との双方が低く、控えめ、粘り強い、慎重で綿密に計画するといった傾向があり、ドライバーは、感情表現度は低いが自己主張度が高く、行動が速い、効率を重視する、独立心が強いといった傾向がある。また、エミアブルは、感情表現度は高いが自己主張度が低く、親しみ易い、協調的な態度、人との関係を重視するといった傾向があり、エクスプレッシブは、感情表現度と自己主張度との双方が高く、気持ちや考えを率直に表す、直感的に行動する、表現が豊かで話し好きといった傾向がある。このようなソーシャルスタイルの判定は、後述するように契約者や担当候補者が回答するアンケート結果などから機械的に行われる。スタイル判定部２０により判定された契約者及び担当候補者のソーシャルスタイルは、データ管理部４０へ登録される。スタイル判定部２０は、任意のハードウェア及びソフトウェアで構成される。

相性算出部３０は、契約者のソーシャルスタイルに対する各ソーシャルスタイルの相性を示すスタイル相性スコアと、アサインされた担当者の契約者（事案）に対する相性を示す個別相性スコアとを算出するものである。ここで図３には、契約者（顧客）が判定された４つのソーシャルスタイルに対する、担当候補者（担当者）の４つのソーシャルスタイルの一般的な相性を、「ＧＯＯＤ」、「普通」、「ＢＡＤ」の３段階で示している。例えば、顧客のソーシャルスタイルが「アナ（アナリティカル）」と判定された場合、その顧客に対する、「アナ」のソーシャルスタイルを有する担当者の相性は「ＧＯＯＤ」であり、「ドラ（ドライバー）」のソーシャルスタイルを有する担当者の相性は「普通」である。また、「アナ」の顧客に対する、「エク（エクスプレッシブ）」のソーシャルスタイルを有する担当者の相性は「ＢＡＤ」であり、「エミ（エミアブル）」のソーシャルスタイルを有する担当者の相性は「普通」である。

図３に示されたような相性は、例えば、各事案の事故対応を行う担当者をアサインするアサイン者により、担当者のアサインの際に参照される。これに対し、相性スコアを算出する本実施形態の相性算出部３０は、学習データに基づいて相性を算出する人工知能モデルで構成されている。より詳しくは、相性算出部３０は、既に事故対応が終了した複数の過去の事案を学習した人工知能モデルで構成され、学習データとして、契約者のソーシャルスタイル、担当者のソーシャルスタイル、事故対応に対する契約者の評価、及び契約者の属性情報などを使用している。ここでの属性情報には、例えば、契約者の年齢、性別、居住地などが含まれる。更に、相性算出部３０を構成する人工知能モデルは、新たに事故対応が終了した事案を使用して、定期的に再学習を行っている。このように学習及び再学習を行う人工知能モデルで構成された相性算出部３０は、学習結果に基づいて、例えば百分率でスタイル相性スコアを算出する。

また、個別相性スコアは、各事案に担当者がアサインされた後に、担当者などが契約者から聞き取りを行った事故状況が反映された相性スコアであって、本実施形態では、少なくとも自動車事故の事案特性が反映される。すなわち、相性算出部３０は、スタイル相性スコアとして算出された、契約者のソーシャルスタイルと担当者のソーシャルスタイルとの相性スコアに、判明した事案特性に対する担当者のスキルや経験などを加味して、個別相性スコアとして再算出する。個別相性スコアは、スタイル相性スコアと同様に、百分率などで算出される。相性算出部３０により算出されたスタイル相性スコア及び個別相性スコアは、データ管理部４０へ登録される。なお、相性算出部３０を構成する人工知能モデルは、スタイル相性スコアを算出する部位と個別相性スコアを算出する部位とが、別々のモデルで構成されてもよく、まとめて１つのモデルで構成されてもよい。

データ管理部４０は、自動車保険事故対応時における接客最適化補助システム１０で使用する様々なデータを保管して管理するものであり、本実施形態では、保険会社で使用されているＣＲＭ（顧客管理）システムで構成される。このため、データ管理部４０は、上述した契約者及び担当候補者のソーシャルスタイルや、スタイル相性スコア及び個別相性スコアのほか、自動車保険の契約者（顧客）についての様々な情報や、各事案の事故に関する様々な情報を取り扱う。また、データ管理部４０は、各事案の事故対応を行う担当者をアサインするアサイン者や、各事案にアサインされて事故対応を行う担当者によって操作される、複数の端末６０の各々からアクセス可能になっている。このため、詳しくは後述するが、データ管理部４０は、そのような端末６０を介して、アサイン者や担当者へ様々な情報を提示する。

ここで、上述したような自動車保険事故対応時における接客最適化補助システム１０の各構成要素は、機能的な単位で分けられたものであり、自動車保険事故対応時における接客最適化補助システム１０を実際に構築するソフトウェアやハードウェア単位で分けたものではない。更に、自動車保険事故対応時における接客最適化補助システム１０を構築するソフトウェアやハードウェアには、任意のソフトウェア及びハードウェアを使用することができる。また、端末６０は、ネットワークを介してデータ管理部４０にアクセスできるものであれば任意の端末であってよく、例えば、パーソナルコンピュータ、タブレット型コンピュータ、スマートフォンなどであってよい。なお、図１で構成要素間を接続している実線は、データのやり取りを行うことをイメージしたものであって、構成要素間を何らかの通信手段で実際に接続するか否かは任意である。

次に、図４に示すフロー図の流れに沿って、図１に示した自動車保険事故対応時における接客最適化補助システム１０を利用した、事故対応を行う担当者のアサイン方法について説明する。自動車保険事故対応時における接客最適化補助システム１０の構成については、適宜、図１を参照のこと。なお、図４に示すフロー図は、手順の流れの一例を示したものであって、担当者のアサイン方法は、このフロー図に限定されるものではない。例えば、担当者のアサイン方法は、自動車保険事故対応時における接客最適化補助システム１０の構成や状況等に応じて、図４に示したステップの一部が削除、変更、ないし適宜追加されたフローであってもよいものである。

Ｓ１０（契約者保険申込／更新）：契約者が自動車保険の申し込みや更新を行う。このタイミングで、保険会社から契約者へ、契約者のソーシャルスタイルの判定に必要な情報を収集するためのスタイル診断アンケートを依頼する。
Ｓ２０（契約者スタイル診断アンケート）：保険会社から依頼された契約者が、スタイル診断アンケートに回答し、回答結果を保険会社へ通知する。なお、アンケートの方法は、ＷＥＢやメールを利用する方法など、任意である。

Ｓ３０（契約者スタイル判定・登録）：スタイル判定部２０により、契約者から取得したスタイル診断アンケートの回答結果に基づいて、契約者のソーシャルスタイルを判定する。本実施形態では、図２に示したアナリティカル、ドライバー、エミアブル、及びエクスプレッシブの４つのソーシャルスタイルの何れかに、契約者のソーシャルスタイルを判定する。そして、判定した契約者のソーシャルスタイルを、データ管理部４０に登録する。なお、データ管理部４０への各データの登録は、自動で行われてもよく、手動で行われてもよい。

Ｓ４０（担当者スタイル調査）：保険会社により、事故対応を行う担当者となり得る担当候補者に対して、ソーシャルスタイルを判定するための調査を行う。この調査は、例えば、上記Ｓ２０で契約者に対して行ったスタイル診断アンケートと同じ方法で行えばよく、また、各担当候補者が保険会社へ入社したタイミングなどで行えばよい。
Ｓ５０（担当者スタイル判定・登録）：スタイル判定部２０により、担当候補者から取得したスタイル診断アンケートなどの結果に基づいて、担当候補者のソーシャルスタイルを判定する。本実施形態では、図２に示した４つのソーシャルスタイルの何れかに、担当候補者のソーシャルスタイルを判定し、判定した担当候補者のソーシャルスタイルを、データ管理部４０に登録する。
Ｓ６０（事故発生）：自動車保険の契約者が自動車事故に遭う。

Ｓ７０（受付）：契約者が保険会社へ連絡し、事故に遭ったことを伝える。これを受けた保険会社のオペレータは、データ管理部４０などを使用して契約者を特定し、その契約者が事故に遭ったことを登録する。
Ｓ８０（相性スコア算出・登録）：相性算出部３０により、上記Ｓ６０で事故に遭った契約者のスタイル相性スコアを算出する。例えば、契約者のソーシャルスタイルがアナリティカルである場合は、アナリティカルに対する４つのソーシャルスタイル（アナリティカル、ドライバー、エミアブル、エクスプレッシブ）の各々の相性スコアを算出する。そして、算出した契約者のスタイル相性スコアをデータ管理部４０に登録する。なお、スタイル相性スコアの算出は、事故が発生した後ではなく、契約者のソーシャルスタイルが判明した直後（上記Ｓ３０の直後）に行ってもよい。

Ｓ９０（相性スコア参照）：アサイン者が端末６０を介して、データ管理部４０により提示されるスタイル相性スコアを参照する。ここで、図５には、データ管理部４０によって端末６０を介して表示する、担当者アサイン画面８０の一例を示している。図示のように、担当者アサイン画面８０の下方の事案表示部８２には、上記Ｓ４０で発生した事故などの事案が表示される。更に、事案表示部８２の右方のスタイル表示部８４に、その事案の契約者のソーシャルスタイル（お客さまスタイル）が表示され、そのソーシャルスタイルに対する４つのソーシャルスタイルのスタイル相性スコア（クルーのスタイル）が、スタイル相性表示部８６に表示されている。すなわち、契約者のソーシャルスタイルは「アナリティカル」であり、そのアナリティカルの契約者に対する、アナリティカルの相性スコアは「７０％」、ドライバーの相性スコアは「５５％」、エクスプレッシブの相性スコアは「２３％」、エミアブルの相性スコアは「６１％」である。

Ｓ１００（担当者アサイン）：アサイン者が、担当者アサイン画面８０に表示された契約者のソーシャルスタイルやスタイル相性スコアを確認しながら、複数の担当候補者の中から事故対応を行う担当者を選定してアサインする。このとき、データ管理部４０によって、担当者アサイン画面８０のアサイン部８８などに、各担当候補者の氏名が表示されるので、把握している担当候補者のソーシャルスタイルを勘案して担当者をアサインする操作を行う。なお、担当候補者の氏名と共に、担当候補者のソーシャルスタイルを表示させてもよい。
Ｓ１１０（事故状況聞き取り、登録）：上記Ｓ１００でアサインされた担当者が、契約者から事故状況の聞き取りを行う。そして、判明した事案特性などの事故状況を、データ管理部４０などに登録する。

Ｓ１２０（相性スコア再算出・再登録）：相性算出部３０により、上記Ｓ８０で算出したスタイル相性スコアに、上記Ｓ１１０で判明した事故状況を加味して、個別相性スコアとして相性スコアを再算出する。例えば、契約者のソーシャルスタイルがアナリティカルであり、担当者のソーシャルスタイルもアナリティカルである場合は、図５のスタイル相性表示部８６に示したように、スタイル相性スコアは７０％である。そして、この相性スコアに、事故状況から判明した少なくとも事案特性に対する担当者の経験やスキル（例えばその事案特性の経験が豊富か？など）を加味して、その事案に対する担当者の個別相性スコアを算出する。ここでは、算出された個別相性スコアが、スタイル相性スコアの７０％から下がって、５５％であったとする。算出した個別相性スコアは、データ管理部４０に登録される。

Ｓ１３０（相性スコア・スタイル参照）：担当者が端末６０を介して、データ管理部４０により提示されるスタイル相性スコア、個別相性スコア、及び契約者のソーシャルスタイルを参照する。ここで、図６には、データ管理部４０によって端末６０を介して表示する、事故対応画面９０の一例を示している。図示のように、事故対応画面９０の基本情報表示部９２の右方には、アサイン時スコア表示部９４にスタイル相性スコアが「７０％」と表示され、初期対応後スコア表示部９６に個別相性スコアが「５５％」と表示されている。また、それらの左方の顧客スタイル表示部９８には、契約者のソーシャルスタイルが「アナリティカル」と表示されている。なお、事故対応画面９０には、個別相性スコアの算出根拠となる主な特徴量の有無を表示させてもよい。

Ｓ１４０（事故対応）：担当者により、上記Ｓ６０で発生した事故の事故対応を行う。このとき、担当者は、上記Ｓ１３０で把握した個別相性スコアや、契約者のソーシャルスタイルに留意して接客を行い、事故対応を進めるものとする。例えば、契約者がアナリティカルである場合は、大げさな話はせず詳しく丁寧に説明する、じっくり考える時間を与える、といった対応を行い、契約者がドライバーである場合は、論理的に簡潔に話す、相手に決定させる、といった対応を行う。また、契約者がエミアブルである場合は、相手の感情に共感する、リスクや不安を取り除くようにする、といった対応を行い、契約者がエクスプレッシブである場合は、仕事を迅速に進める、インセンティブを提供する、といった対応を行う。なお、事故対応画面９０に、個別相性スコアの算出根拠となる主な特徴量の有無を表示させた場合には、担当者は当該項目も参照して個別相性スコアが上下する理由を理解したうえで、事故対応を進める。
Ｓ１５０（事故対応終了）：担当者による事故対応が終了となる。

Ｓ１６０（事故対応評価アンケート）：事故対応が終了したら、保険会社から契約者へ、今回の事案の事故対応などに対する評価アンケートを依頼する。そして、依頼された契約者が、評価アンケートに回答し、回答結果を保険会社へ通知する。
Ｓ１７０（相性算出部再学習）：相性算出部３０により、上記Ｓ１６０で得られた評価アンケートの回答結果に基づいた再学習を行う。すなわち、相性算出部３０を構成する人工知能モデルにより、上記Ｓ１６０で得られた評価、その事案の契約者のソーシャルスタイル、その事案の担当者のソーシャルスタイルなどを学習データとして、相性スコアの算出精度を高めるための再学習を行う。ここまでの手順により、自動車保険事故対応時における接客最適化補助システム１０を利用した担当者のアサイン方法の説明が終了となる。

ここで、本発明の実施の形態に係る自動車保険事故対応時における接客最適化補助システム１０や、それを利用した担当者のアサイン方法は、上述した実施形態のみに限定されるものではなく、本発明の技術的思想内において当業者により種々の変更が可能である。例えば、データ管理部４０は、ＣＲＭシステムと別個で構成されるものであってもよく、他のシステムで構成されてもよい。また、担当者アサイン画面８０のレイアウトや構成要素は、図５に示した実施形態に限定されるものではなく、スタイル相性スコアや担当候補者の氏名及びソーシャルスタイルを提示するものであれば、任意のレイアウトや構成要素であってよい。同様に、事故対応画面９０のレイアウトや構成要素も、図６に示した実施形態に限定されるものではなく、契約者のソーシャルスタイル、スタイル相性スコア、及び個別相性スコアを提示するものであれば、任意のレイアウトや構成要素であってよい。

さて、上記構成をなす本発明の実施の形態によれば、次のような作用効果を得ることが可能である。すなわち、本発明の実施の形態に係る自動車保険事故対応時における接客最適化補助システム１０は、自動車保険の契約者が遭遇した自動車事故の対応を行う保険会社担当者のアサイン業務を補助するものであって、図１に示すように、スタイル判定部２０、相性算出部３０、及びデータ管理部４０を含んでいる。スタイル判定部２０は、契約者と担当者との双方のソーシャルスタイルを判定するものであって、契約者については、例えば契約時や契約更新時に各契約者から収集するアンケート結果などに基づいて、各契約者のソーシャルスタイルを判定する（図４のＳ２０、Ｓ３０参照）。また、担当者については、事故対応を行う可能性がある全ての担当候補者に対して、各担当候補者の入社時などにアンケート等を実施し、その結果からスタイル判定部２０が各担当候補者のソーシャルスタイルを判定する（図４のＳ４０、Ｓ５０参照）。

相性算出部３０は、契約者に対するソーシャルスタイル毎のスタイル相性スコアを、契約者のソーシャルスタイルに基づいて算出するものである（図４のＳ８０参照）。すなわち、相性算出部３０は、契約者のソーシャルスタイルに対する相性のスコアを、全てのソーシャルスタイルの各々について算出する。データ管理部４０は、当該システム１０で使用する様々なデータを保管及び管理するものであって、そのようなデータには、スタイル判定部２０により判定された各契約者のソーシャルスタイル、スタイル判定部２０により判定された各担当候補のソーシャルスタイル、及び相性算出部３０により算出された各契約者のスタイル相性スコアが含まれている。また、データ管理部４０は、各事案の事故対応を行う担当者をアサインするアサイン者に対して、少なくともその事案の契約者のスタイル相性スコアを提示し（図５のスタイル相性表示部８６参照）、更に、アサインされた担当者に対して、少なくともアサインされた事案の契約者のソーシャルスタイルを提示する（図６の顧客スタイル表示部９８参照）。

これにより、アサイン者は、契約者のソーシャルスタイルと相性が良いソーシャルスタイルを認識することができるため、担当者の繁忙さやスキルのみではなく、契約者と担当者とのソーシャルスタイルの相性を加味して、担当者をアサインすることができる（図４のＳ１００参照）。更に、アサインされた担当者も、相性が合う契約者の担当になるため、初期対応時の不安や事故対応時の精神的負担を軽減することができ、また、契約者のソーシャルスタイルを考慮して接客を行うことが可能となる（図４のＳ１４０参照）。従って、契約者は、相性が合う担当者により接客を受け、事故対応が行われることとなるため、事故のストレスや保険会社への不安を軽減することができ、従来の事故対応と比較して、契約者の満足度を向上させることができ、契約者から高い評価（ＮＰＳスコアなど）を得ることが可能となる。

また、本発明の実施の形態に係る自動車保険事故対応時における接客最適化補助システム１０は、相性算出部３０が更に、スタイル相性スコアに加えて個別相性スコアを算出するものである（図４のＳ１２０参照）。この個別相性スコアは、各事案の契約者のスタイル相性スコアのうち、その事案にアサインされた担当者のソーシャルスタイルに対応するスタイル相性スコアに対して、その事案の少なくとも事案特性が加味されて算出される。事案特性は、契約者からの事故状況の聞き取りによって判明するものである（図４のＳ１１０参照）。すなわち、相性算出部３０は、既に各事案にアサインされている担当者の、各事案の事案特性に対する経験やスキルなどを考慮して、個別相性スコアとして、契約者（事案）に対する担当者の相性を再算出するものである。そして、データ管理部４０は、相性算出部３０によって算出された個別相性スコアを保管及び管理し、各担当者に対して、その担当者にアサインされた事案の個別相性スコアを提示するものである（図６の初期対応後スコア表示部９６参照）。これにより、担当者は、契約者のスタイルに加え、再算出された契約者（事案）に対する自分の相性スコアを確認して、接客や事故対応を行うことができるため、契約者に対して、より満足度や評価が高められるような対応を行うことが可能となる。

更に、本発明の実施の形態に係る自動車保険事故対応時における接客最適化補助システム１０は、相性算出部３０が、既に事故対応が終了した複数の過去の事案を学習した人工知能モデルで構成されたものである。そして、この人工知能モデルは、過去の事案の学習の際に、少なくとも、契約者のソーシャルスタイル、事故対応を行った担当者のソーシャルスタイル、及び事故対応に対する契約者の評価を、学習データとして使用する。事故対応に対する契約者の評価は、事故対応の終了後に、契約者に対するアンケートなどによって収集される（図４のＳ１６０参照）。すなわち、相性算出部３０を構成する人工知能モデルは、契約者のソーシャルスタイルと担当者のソーシャルスタイルとの組み合わせから、どのような評価が得られたかを学習し、その学習結果を相性スコアの算出に利用するものである。これにより、相性算出部３０は、相性スコアを精度良く算出することができ、延いては、契約者からのより高い評価の獲得を企図することができる。

また、本発明の実施の形態に係る自動車保険事故対応時における接客最適化補助システム１０は、相性算出部３０を構成する人工知能モデルが、新たに事故対応が終了した事案を学習データに使用して、定期的に再学習を行うことで（図４のＳ１７０参照）、相性スコアの算出精度を継続的に向上させることができる。更に、人工知能モデルの再学習で得られた知見を、接客マナーや事故対応サービスの専門知識の向上のために、自動車保険会社の社員教育に利用することとすれば、ここからも契約者からの高評価の獲得につなげることが可能となる。

加えて、本発明の実施の形態に係る自動車保険事故対応時における接客最適化補助システム１０は、複数の担当候補者の中から担当者をアサインするアサイン者に対して、データ管理部４０が、複数の担当候補者の氏名及びソーシャルスタイルを提示してもよい。こうすることで、アサイン者は、契約者のソーシャルスタイルに対するソーシャルスタイル毎のスタイル相性スコアと、担当候補者の氏名及びソーシャルスタイルとの双方を確認しながら、アサイン作業を行うことができるため、効率良くアサイン作業を進めることが可能となる。

また、本発明の実施の形態に係る自動車保険事故対応時における接客最適化補助システム１０は、契約者や担当者のスタイル判定などに利用するソーシャルスタイルに、図２に示されるような、ソーシャルスタイル理論として広く利用されている、アナリティカル、ドライバー、エミアブル、及びエクスプレッシブの４分類のソーシャルスタイルを用いるものである。これにより、契約者や担当者が４つのソーシャルスタイルの何れかに分類されると共に、４つのソーシャルスタイルの各々に対する４つのソーシャルスタイルの相性スコアが算出されるため、各事案の契約者に対して相性が合う適切な担当者を、精度よくアサインすることが可能となる。

１０：自動車保険事故対応時における接客最適化補助システム、２０：スタイル判定部、３０：相性算出部、４０：データ管理部

Claims (6)

1. 自動車保険の契約者が事故に遭った際に事故対応を行う担当者を、複数の担当候補者の中から選定してアサインするアサイン作業を補助するシステムであって、
   前記契約者及び前記複数の担当候補者から事前に取得する調査データに基づいて、前記契約者及び前記複数の担当候補者のソーシャルスタイルを判定するスタイル判定部と、
   前記契約者のソーシャルスタイルに基づいて、前記契約者に対するソーシャルスタイル毎のスタイル相性スコアを算出する相性算出部と、
   前記契約者のソーシャルスタイル、前記複数の担当候補者のソーシャルスタイル、及び前記スタイル相性スコアを含む、当該システムで使用するデータを保管及び管理するデータ管理部と、を含み、
   該データ管理部は、前記アサイン作業を行うアサイン者に対して、少なくとも前記スタイル相性スコアを提示すると共に、前記担当者に対して、少なくともアサインされた事案の前記契約者のソーシャルスタイルを提示することを特徴とする自動車保険事故対応時における接客最適化補助システム。
2. 前記相性算出部は、前記契約者へアサインされた前記担当者のソーシャルスタイルに対応する前記スタイル相性スコアに対して、前記契約者からの聞き取りの結果判明した前記事故の事故状況のうちの少なくとも事案特性に対する、前記担当者の経験やスキルを加味して、前記契約者に対する前記担当者の個別相性スコアを算出し、
   前記データ管理部は、前記個別相性スコアを保管及び管理すると共に、前記担当者に対して、アサインされた事案の前記個別相性スコアを提示することを特徴とする請求項１記載の自動車保険事故対応時における接客最適化補助システム。
3. 前記相性算出部は、既に事故対応が終了した複数の過去の事案を学習した人工知能モデルで構成され、
   該人工知能モデルは、前記過去の事案の各々の、少なくとも、前記契約者のソーシャルスタイル、事故対応を行った前記担当者のソーシャルスタイル、及び事故対応に対する前記契約者の評価を、学習データとして使用することを特徴とする請求項１又は２記載の自動車保険事故対応時における接客最適化補助システム。
4. 前記人工知能モデルは、新たに事故対応が終了した事案を使用して、定期的に再学習を行うことを特徴とする請求項３記載の自動車保険事故対応時における接客最適化補助システム。
5. 前記データ管理部は、前記アサイン者に対して、前記複数の担当候補者の氏名及びソーシャルスタイルを提示することを特徴とする請求項１から４のいずれか１項記載の自動車保険事故対応時における接客最適化補助システム。
6. ソーシャルスタイルとして、感情表現度の高低と自己主張度の高低との組み合わせから判別される、感情表現度と自己主張度との双方が低い傾向のアナリティカルと、感情表現度が低く自己主張度が高い傾向のドライバーと、感情表現度が高く自己主張度が低い傾向のエミアブルと、感情表現度と自己主張度との双方が高い傾向のエクスプレッシブとの、４分類のソーシャルスタイルが用いられることを特徴とする請求項１から５のいずれか１項記載の自動車保険事故対応時における接客最適化補助システム。
   

Images