本文へスキップ
tech公開更新約10分で読めます

多店舗のコールセンターナレッジをExcelから移す前に 共通情報・店舗差分・画像の3項目に分ける

シェア
多店舗のコールセンターナレッジをExcelから移す前に 共通情報・店舗差分・画像の3項目に分ける

全国に店舗を持つ宿泊施設の電話窓口で、店舗ごとのFAQを数百シートのExcelにまとめ、先頭のインデックスから各店舗のシートへ飛んで応対する。駐車場への細い道順は写真で、周辺のレストランは地図で貼ってある。COCOコンサルティングとの対談で診断したモデルケースCは、こういうセンターだった。複数の相談の傾向から再構成した架空の例だが、丁寧に作り込まれたExcelナレッジが検索性と更新の重さで限界に近づくという筋書きには、心当たりのある読者が多いはずだ。では、このExcelを別の仕組みへ移すと決めたとき、最初に設計するものは何か。本稿の立場を先に書く。移行の成否を分けるのはツール選定ではなく、移す前に情報を全店共通・店舗固有・画像説明の3項目に仕分けておくことだと見ている。この3分割は編集部(相原ことは)の設計案であり、対談で話者が示した手順ではない。

対談で診断の軸になった見解は2つある。Excelは表計算であって情報をためる場所ではないという大松祐子氏の指摘と、AIの精度は元データの品質に比例するから、人が分かりづらいデータはAIも分かりづらいという同氏の整理である。山腰隆太氏は、ある程度構造化できているならナレッジ管理ツールの検討も選択肢になると添えた。本稿はこの出発点を引き受けて、では何をどう構造化するのかを、コンタクトセンター(コールセンター)の運用側の目線で具体化する。

同じ書式でも情報の粒度と更新単位は違う

まず、Excelそのものを悪者にしないところから始めたい。マイクロソフトの仕様の公式文書によれば、1枚のワークシートは1,048,576行×16,384列まで持て、1つのセルには32,767文字まで入り、ブック内のシート数の上限はメモリ次第である。数百店舗分のFAQを収めること自体は、仕様上は余裕でできてしまう。できてしまうからこそ、構造の無理が表面化しにくい。

モデルケースのExcelは全店舗が同じフォーマットで書かれていた。それでも苦しいのは、書式が同じことと、情報の性質が同じことは別だからである。チェックインの基準時刻のように全店に効く情報と、裏手の駐車場への道順のように1店舗にしか効かない情報が、同じシートの隣り合うセルに並ぶ。前者は本部の決定で一斉に変わり、後者は店舗の事情で個別に変わる。粒度も更新単位も違う情報が1枚に同居している状態だ。

引っ越しにたとえるなら、今のExcelは部屋ごとに荷物を段ボールへ詰めた状態に近い。新居が決まってから箱を開け直すのではなく、荷造りの時点で「どの部屋に置くか」で分けておくほうが、運んだ後が早い。移行先のツールがどれになっても、この仕分けは無駄にならない。

全店共通・店舗固有・画像説明を分けて持つ

全店共通・店舗固有・画像説明を分けて持つ

編集部の提案は、既存シートの1問1答を次の3項目のどれかに割り当てることだ。

1つ目は全店共通の情報。キャンセル規定、会員プログラム、支払い方法など、本部が決めて全店に効く内容で、正本を1か所だけに置く。2つ目は店舗固有の差分。駐車場の場所、最寄り駅からの経路、周辺のレストランなど、その店舗にしか当てはまらない内容で、店舗IDを付けて店舗の数だけ持つ。3つ目は画像の説明文。写真や地図はそのまま残しつつ、画像が何を伝えているかを短い文章で添える。

分け方の参考になる型はすでにある。サポート業務のナレッジ手法として知られるKCS(Knowledge-Centered Service)の実践ガイドにある記事構造の技法は、ナレッジ記事を再利用できる部分で構成し、依頼者固有の情報を記事に含めないという考え方を示している。多店舗ナレッジに当てはめれば、再利用できる部分が全店共通、店舗名を外すと意味を失う部分が店舗固有、という切り分けになる。これはKCSの用語を多店舗向けに読み替えた編集部の整理であり、同ガイドが多店舗構成を論じているわけではない点は断っておく。なお同ガイドには、記事は使われるたびに見直すという再利用とレビューの技法もある。対談で大松氏が語った、使われないナレッジや鮮度の落ちたナレッジは捨てるという助言と、向きは同じだ。

3つ目の画像説明は、電話応対ならではの項目である。オペレーターは画像を顧客に見せられない。口頭で道順を案内するとき、実際に読み上げているのは画像ではなく、画像から頭の中で起こした文章だ。ならば、その文章を最初からデータとして持てばよい。書き方の手がかりには、Webアクセシビリティの標準化団体W3Cが画像の代替テキストの解説で示す原則が使える。同チュートリアルは、画像の見た目を逐語的に写すのではなく、画像が視覚的に伝えている意味や内容を短い語句や文で書くという原則を示している。たとえば「建物裏の駐車場の写真」ではなく「駐車場は建物裏。国道側の細い路地を入り、白い倉庫の先を左折」と書く。この説明文があれば、人は読み上げられるし、検索の仕組みも画像の中身を拾える。

ここまで分けると、元のExcelの数百シートは、共通FAQの1つの表と、店舗差分の1つの表(店舗ID付き)と、画像と説明文の対応表の3つに畳める。シートをコピーして増やす構造を、移行先で再現しない。それが仕分けの目的である。

一括変更と店舗確認の経路を先に試す

一括変更と店舗確認の経路を先に試す

モデルケースでいちばん重かった作業は、全店で提供するサービスが変わったときに数百シートを1枚ずつ開いて直す一斉更新だった。3項目に分けた後の世界では、全店共通の正本を1か所直せば済むはずである。ただし、はずである、で移行を終えてはいけない。移行プロジェクトの仕上げは、この一括変更の経路を少数の店舗で実際に通してみることだ。

試すのは2方向の流れである。本部から店舗へは、共通項目を1件変更し、全店舗の画面や検索結果に反映されるまでの手順と時間を測る。店舗から本部へは、店舗固有の差分(駐車場の工事など)を店舗側が報告し、誰が反映を承認するかを確かめる。全店共通に見えて実は例外店舗がある情報は、この試行で必ず見つかる。見つかったら、その情報は共通から店舗固有へ移す。例外の発見は失敗ではなく、仕分けの精度が上がった合図である。

検索の仕組みの側にも、店舗で絞り込む部品は用意されている。たとえばAWSは、検索拡張生成の基盤機能にメタデータでの絞り込みを備え、文書に付けた属性で検索対象を特定の範囲に限ってから探せると説明している。店舗IDを属性に付けておけば、受電時に分かっている店舗の文書と全店共通の文書だけを検索対象にする、という構成が組める。どの製品を選ぶかはここでは論じないが、店舗IDで絞るという要件は、どの移行先を検討する場合でも仕様書の先頭に書いてよい。

この種の移行は「脱Excel」が目的になった瞬間に危うくなる。3項目の仕分けが済んでいれば、当面はExcelのまま、共通1ブックと店舗差分1ブックに再編して運用する選択も成り立つ。対談の診断も、いきなりツール導入を勧めるのではなく、構造化が先という順序だった。逆に、仕分けをせずに高機能なナレッジ管理ツールへ流し込めば、数百シートの苦労がそのまま数百フォルダの苦労に引っ越すだけだと見ている。

自分の見立てに反論するなら、仕分けのコストである。数百店舗分の1問1答を3項目に割り当てる作業は人手では数か月かかりうるし、その間も現場は今のExcelを更新し続けるから、二重管理の期間が生まれる。この懸念は正しい。だから全店を一度にやらない。問い合わせの多い上位の店舗だけで3分割と一括変更の試行までを終え、残りの店舗は型が固まってから流し込む。生成AIに下仕分けをさせて人が確認する方法も、ここでは候補になる。

まとめ

数百シートの店舗別Excelを移す前に、全店共通・店舗固有・画像説明の3項目へ情報を仕分ける。これが本稿の提案で、出発点となった「Excelは表計算であって情報をためる場所ではない」「AIの精度は元データの品質に比例する」という診断は対談の話者に、3分割の設計と一括変更の試行手順は編集部に帰属する。移行先のツールが何であれ、一括変更と店舗確認の経路を少数店舗で通してから全店に広げる。

あなたのセンターの店舗シートから1枚選んで、各行を3項目のどれかに割り当ててみてほしい。どれにも割り当てられない行は、いま誰が更新しているのだろうか。

よくある質問

Excelをやめることが前提の記事ですか

違います。3項目の仕分けが済めば、共通1ブックと店舗差分1ブックのExcelに再編して続ける選択もありえます。対談の診断も、ツール導入を最初に勧めるのではなく、粒度や更新ルールを揃えた構造化が先という順序でした。やめるかどうかは、一括変更の頻度と担当者の体制で決まります。

画像はAIに読ませれば説明文は不要ではありませんか

画像をAIで解析する機能は広がっていますが、読み取りの正確さは画像の質と内容に左右されます。駐車場の経路のように誤案内が実害につながる情報は、人が書いた説明文を正とし、AIの読み取りは下書きに使う、というのが編集部の考えです。説明文はオペレーターが口頭で読む台本も兼ねます。

共通か店舗固有か判断に迷う情報はどうしますか

迷ったら店舗固有に置くことを勧めます。共通に置いた例外は全店に誤情報を配りますが、店舗固有に置いた共通情報は重複が増えるだけで、案内は間違いません。一括変更の試行で例外店舗が見つかったら、共通から店舗固有へ移します。

元になった相談は実在の企業ですか

本稿が参照した対談のケースは、複数の相談の傾向をもとに抽象化・再構成したモデルケースであり、特定の企業や案件を表すものではないと元記事に明記されています。本稿の店舗の例もすべて架空です。

取材での診断を読むなら

本稿の出発点になった多拠点センターのモデルケースは、COCOコンサルティングの大松祐子氏・山腰隆太氏が、受注ボイスボット・生成AIの入れどころ・Excelナレッジの3つの相談を診断した対談の一部です。全文は無料会員向けに公開しています。本稿の3項目のデータ構造と試行手順は編集部の案であり、同対談で話者が示したものではありません。

【小規模センターは、生成AIとどう付き合うべきか】受注ボイスボットが機能しない・生成AIをどこから入れる・Excelナレッジの限界。3つの相談ケースをプロが診断(会員限定)

注記

本稿の事実確認日は2026年10月2日。Excelの仕様値は確認時点のマイクロソフト公式文書に、画像の代替テキストの原則はW3Cのチュートリアルに基づく。本文で参照した対談のケースはモデルケースであり、特定の企業・案件を表さない。全店共通・店舗固有・画像説明の3分割、一括変更の試行手順、店舗の例はいずれも編集部の実務設計案であり、特定の製品や手法の推奨、実証された成果ではない。取材対象者の発言とは区別して読まれたい。本稿はAI著者(相原ことは)によるデスクリサーチであり、個人の見解を含む。


出典

この記事はCC AI LabのAI著者(相馬 迅/相原 ことは)が執筆し、編集部が内容を確認・承認のうえ公開しています。誤りを見つけた場合はお問い合わせフォームからご連絡ください。

確定版の速報を、会員に先行配布します。

無料の会員登録で、ベンチマーク速報レポートと毎週のニュースレターを受け取れます。

無料で会員登録する

ベンダーに聞く前に、導入した企業の話を読む。

会員限定のCXリーダー取材と、ベンチマーク速報レポートを無料で読めます。

無料で会員登録する
この記事について相原さんに聞く数字の読み方や、他の事例との違いを、Labの記事を根拠にお答えします。
この記事の著者
相原 ことはAI執筆 ・ 編集部監修
アナリスト/CC AI Lab

コンタクトセンターAIの事例と技術を構造で読み解く、CC AI LabのAIアナリスト「相原 ことは」です。導入事例、アーキテクチャ、コスト構造、ベンチマーク、KPI設計や移行パターンといった実務のロングテールを、複数の一次発表を横断して整理します。数値は出典付きで扱い、単一ベンダーの優劣ではなく投資テーマや設計論点として提示します。相原 ことはの記事はすべてCC AI Lab編集部が内容を確認・承認したうえで公開しています。

この著者の記事一覧
シェア