本文へスキップ
tech公開更新約8分で読めます

呼量削減の進め方 電話を減らす手段の選び方と効果の測り方

シェア
呼量削減の進め方 コールセンターの電話を減らす3つの手順

呼量削減の手段は、効く順に4つあります。原因を社内で消す、先に知らせる、顧客が自分で済ませる、1回で終わらせる。効果は入電件数ではなく、顧客あたりの問い合わせ率と、件数×平均処理時間の総処理時間で測ります。

FAQやボットは3番目です。

最初に検討するのは、電話が生まれる原因をコールセンターの外の部署で消すこと。消えた電話は二度と来ません。

もう1つ、窓口を閉じたり受付時間を縮めたりして減った件数は、削減の実績に入れないと決めておきます。問い合わせの理由は残ったまま、顧客の手間に移っているだけだからです。

減らすのは自社の不備が生む電話で、候補はコールリーズン分析で選ぶ

減らしてよい電話と、減らしてはいけない電話があります。購入の相談や解約・苦情の申し出は、顧客が企業と話したくてかける電話です。ここを減らすと、売上と信頼を失います。

減らすのは、自社の不備や処理の遅れ、分かりにくい案内がなければかかってこなかった電話です。英語圏では「失敗需要」(failure demand)と呼ばれます。

割合は思いのほか大きい。英国会計検査院(NAO)が2024年5月に公表した英国歳入関税庁(HMRC)の顧客サービスの監査報告によると、HMRCは2023-24年度に受けた電話の72%を失敗需要と推計しています。2018-19年度は65%でした。

HMRCの定義には、処理の遅れや不備で生じた電話のほか、進み具合の確認や顧客側の記入誤りによる電話も含まれます。

どの理由が失敗需要で、件数×処理時間で見てどれが重いかは、コールリーズン分析のやり方の分類表と負荷時間の計算で出せます。この記事は、候補が決まった後の「何で削るか」と「効いたとどう言うか」を扱います。

コールセンターの呼量削減は「原因を消す」から順に4つの手段を検討する

手段ごとに、効く電話と持ち主の部署が違います。候補の理由ごとに、上から順に当てはまるかを見ていきます。

手段 効く電話の例 持ち主 落とし穴
原因を消す 請求額の誤り、分かりにくい通知文、出荷の遅れ 請求・物流・通知文を作る部署 センターの中で完結しないので後回しにされる
先に知らせる 「書類はどうなっていますか」という進み具合の確認 処理部門と、通知を出す部署 次の行動と本物の確かめ方が抜けると、通知自体が電話を生む
自分で済ませる 答えが1つに決まり、本人確認が要らない用件 FAQ担当、Web・アプリの部署 見た後に電話してきた人を測らないと効果が分からない
1回で終わらせる 同じ用件のかけ直し センター自身 再入電の期間の定義が揃っていないと数字が動く

原因を消す電話は、総処理時間を持って他部署に頼む

分かりにくい通知文を書き直す。請求の誤りを止める。処理の目安日数を申込時に伝える。どれもセンターの外の仕事です。

頼むときに持っていくのは、件数ではなく総処理時間。例えば仮に、ある理由が月800件・平均15分なら、月200時間分の応対がその部署の書類1枚から生まれている計算になります。「電話が多い」より「月200時間」のほうが、相手の部署は優先順位を付けやすくなります。

先に知らせる通知は、次の行動と確かめ方まで書く

NAOの報告によると、HMRCでは進み具合の確認が電話の少なくとも13%を占めていました。処理の進み具合を先に知らせれば、この電話は減らせます。

ただし通知は、書き方を誤ると電話を増やします。「手続きが進みました」だけでは、顧客は次に何をすればよいか分からず、確かめるために電話します。詐欺を疑われる通知も同じです。

通知には「次に何をすればよいか」と「この通知が本物だと確かめる方法」の2つを必ず入れます。通知を出した週の、その理由の入電件数を見れば、効いたかどうかはすぐ分かります。

自分で済ませる仕組みは、測り方と組で入れる

FAQ、チャットボット、ボイスボット、会員ページがここに入ります。効くのは、答えが1つに決まり、本人確認が要らないか画面で済む用件に限られます。

FAQを見た後に電話してきた人を測らないと、効果は判断できません。自己解決率を測る設計を先に決めてから入れます。

1回で終わらせるには、再入電の定義を揃える

同じ用件のかけ直しは、そのまま呼量に乗ります。何日以内の再入電を同じ用件とみなすかで数字が大きく動くので、一次解決率の計算方法で定義を揃えてから追います。

かけ先の誤りは、この4つとは別に直せます。同じ報告によると、HMRCでは電話の9%が、かけ先を誤って転送が必要だった電話でした。番号の案内を整理し、IVR(自動音声応答)のメニューを顧客の言葉に直すと、転送の分の通話時間が消えます。

呼量削減の効果は4つの数字で測る

件数の増減だけで効果を判断すると、季節や顧客数の変化と区別できません。見る数字は4つです。

数字 計算方法 見る理由
問い合わせ率 入電数÷顧客数(または注文数)×1,000 顧客が増えても比べられる
対象理由の件数 施策を打った理由だけの件数 施策が狙いどおり効いたか
総処理時間 件数×平均処理時間 人員とコストに効いたか
移った先の件数 チャット・メール・再入電の件数 電話から別の窓口へ移っただけでないか

4つ目を外すと、FAQに誘導した結果、メールが同じだけ増えていた、という見落としが起きます。

電話の件数が減った月こそ、ほかの窓口の件数を並べて見ます。

施策を打っていない理由と比べて差を取る

比較は、施策を打った理由と、打っていない理由の両方の推移で行います。季節や顧客数の変化は、両方に同じように効くからです。

例えば仮に、施策を打った理由が前年同月比で2割減り、打っていない理由が同じ時期に1割減っていたとします。施策の効果は、差の1割程度と読みます。2割を効果として報告すると、翌年に同じ削減が再現しません。

平均処理時間が延びるのは失敗ではない

簡単な電話が減れば、残るのは重い電話です。呼量削減がうまくいくほど、平均処理時間は延びやすくなります。

NAOの報告によると、HMRCでオペレーターが応答した電話の平均処理時間は、2019-20年度の11分24秒から2022-23年度の13分48秒へと21%延びています。

NAOの報告は延びた理由の候補として、簡単な問い合わせがデジタルで処理されるようになったこと、応対の効率が落ちたこと、1回の電話で相談する用件が増えたことを挙げています。

これを知らずに評価の会議に出ると、「処理時間が悪化した」という理由で施策が止められかねません。

見るべきは平均ではなく総処理時間です。平均処理時間が延びることは、施策の前に関係者へ伝えておきます。

窓口を閉じて減った件数は呼量削減の実績に入れない

窓口を閉じて減った件数は呼量削減の実績に入れない

電話番号を目立たなくする、受付時間を縮める、窓口を閉じる。いずれも入電件数は減りますが、問い合わせの理由は消えていません。

同じNAOの報告によると、HMRCは2023-24年度に4つの電話窓口で受付を閉じたり絞ったりしました。自己申告の窓口は3か月閉じ、350人を他の業務に回しています。

報告は、デジタルで解決できず困った顧客がいたこと、税務の相談を受ける団体の問い合わせが増えたことも書いています。HMRCは2024年3月に発表したさらなる削減計画を、関係者の批判を受けて発表の翌日に取り下げました。

日本でも、つながらない窓口は消費者保護の論点になっています。消費者庁の検討会が2026年9月10日にまとめたデジタル取引・特定商取引法等検討会の中間取りまとめは、解約などが認められる場面でも、電話等がつながらないこと等で消費者の権利行使が阻害されている事例がみられる、としています。

窓口を絞るなら、同じ用件を電話以外で最後まで済ませられることを先に確かめます。確かめられないうちは、絞って減った件数を削減の実績に入れません。

まとめ

呼量削減で一番効くのは、FAQやボットではなく、他部署の書類や処理を1か所直すことです。だから最初の仕事は、総処理時間の大きい失敗需要を1つ選び、持ち主の部署に「月何時間分か」を示して頼むことになります。

効果の報告は、問い合わせ率と総処理時間、施策を打っていない理由との差、ほかの窓口に移った件数の4点をそろえて出します。次の定例に、この4列の表を1枚持っていけば十分です。

よくある質問

呼量削減で最初にやることは何ですか。

問い合わせ理由ごとに件数と平均処理時間を出し、自社の不備や遅れが生んでいる電話を選ぶことです。選んだ理由について、原因を消せる部署があるかを最初に確かめます。

FAQやチャットボットを入れれば呼量は減りますか。

減るのは、答えが1つに決まり、本人確認の要らない用件に限られます。FAQを見た後の入電やメールの件数を測らないと、効果は判断できません。

呼量削減の効果はどう計算しますか。

顧客数や注文数あたりの問い合わせ率と、総処理時間(件数×平均処理時間)で計算します。施策を打っていない理由の推移と比べ、その差を効果とみなします。

呼量が減ったのに平均処理時間が延びたのは失敗ですか。

失敗とは限りません。簡単な電話が減ると、残る電話が重くなるためです。総処理時間が減っていれば、人員とコストには効いています。

注記

確認日: 2026年11月4日。HMRCの数字は、英国会計検査院の報告書(2024年5月公表)に記載された同庁の推計値です。消費者庁の中間取りまとめは検討会の報告で、法令の改正内容ではありません。計算例の数字は説明のための仮の値です。本記事は公開情報をもとにしたAI著者によるデスクリサーチと編集部の整理であり、特定の製品やサービスの推奨ではありません。


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