【2分でわかる】AHTとは 通話・保留・後処理(ACW)を足した1件の応対時間

AHT(平均処理時間)は、1件の応対にかかった通話時間・保留時間・後処理時間(ACW)を足し、件数で割った数字です。
電話を切ったあとの記録や入力の時間も、応対の一部として入ります。そのため、AHTを比べる前に聞くべきことは1つです。後処理を含めた定義かどうか。
▼動画で見る(約2分)
電話を切ったあとの作業も、1件の応対時間に入る
お客さまとの会話が終わっても、オペレーターの仕事は終わっていません。受話器を置いたあとも、その1件のための作業が続きます。
お客さまからは見えない時間です。それでもセンターから見れば、1件の応対にかかった時間の一部で、効率の数字に入ります。

AHTは通話・保留・後処理の3つでできている
1件の応対を横に伸びる棒で表すと、中身は3つに分かれます。
1つ目は、お客さまと話している通話時間です。「応対時間」と聞いて多くの人が思い浮かべるのは、この部分です。
2つ目は保留時間です。通話の途中で調べものや確認をするあいだ、お客さまを待たせている時間を指します。会話は止まっていても、応対は続いています。
3つ目が、電話を切ったあとの作業である後処理です。英語の略でACW(After Call Work)とも呼びます。

後処理では、記録・用件の分類・システム入力をする
後処理の中身は、応対内容の記録、用件の分類、システムへの入力です。
記録が残っていれば、同じお客さまから次に電話が来たとき、担当が変わっても話を引き継げます。用件の分類は、どんな問い合わせが多いかを月ごとに振り返る材料になります。
入力する項目が多いほど、後処理は長くなります。その分、次の電話に出るまでの間があきます。

他のセンターと比べる前に、後処理を含むかをそろえる
AHTは、通話・保留・後処理を足した棒の長さです。通話が短くても、保留や後処理が長ければ棒全体は長くなります。
後処理を含む数字と含まない数字を並べると、同じ名前で違う長さの棒を比べることになります。
数字の大小を見るのは、定義をそろえてからです。委託先やベンダーからAHTの数字を受け取ったときも、まず何を足した数字かを聞きます。

後処理を抜いたAHTで人数を出すと、席が足りなくなる
AHTは、電話の件数と並んで、必要な人数を見積もる元になる数字です。何件の電話が来て、1件あたり何分かかるかが分かれば、受けるのに何人要るかを計算できます。
ここで後処理を含め忘れると、計算上の人数は実際より少なく出ます。オペレーターは後処理のあいだ次の電話に出られないので、足りない分は待ち時間と、つながらない電話になって表に出ます。
つながった割合を見る応答率やサービスレベルの計算方法も、AHTの定義がずれていれば目標と結果が合わなくなります。

AHTは短いほど良いとは限らない
話を急いで切り上げると、用件が解決しきれず、同じ用件でまた電話がかかってきます。
1回が短くなっても、電話の回数が増えればセンター全体の手間は減りません。お客さまにとっても、かけ直しは負担です。
そのため、AHTは1回で用件が片付いたかと組みにして見ます。再入電をどの期間で集計するかは、一次解決率(FCR)の計算方法にまとまっています。

AI要約で縮むのは書く時間、増えるのは確認する時間
AIがまず入りやすいのは後処理です。通話の要約をAIが下書きすれば、記録を白紙から書く時間が縮みます。
一方で、下書きを読んで確かめ、誤りを直す時間が新しく生まれます。ほかのシステムへの転記が残るセンターもあります。

まとめ AI導入の前後も、後処理の中身を分けて比べる
AHTを見るときの順番は、定義をそろえてから大小を比べる、です。これは他のセンターと比べるときも、自分のセンターでAIを入れる前後を比べるときも変わりません。
AI要約の効果を測るなら、後処理を「書く」「確かめて直す」「転記する」に分けて計測します。書く時間だけを見ると、効果は実際より大きく見えます。
要約の確認と修正にかかる時間の考え方は、AI通話要約と後処理の解説で続きを読めます。
用語メモ
- 平均処理時間(AHT): 1件の応対にかかる時間の平均です。通話時間・保留時間・後処理を足して、件数で割ります。
- 通話時間: オペレーターがお客さまと話している時間です。
- 保留時間: 通話の途中で、調べものや確認のためにお客さまを待たせている時間です。
- 後処理(ACW): 電話を切ったあとの作業です。応対の記録、用件の分類、システムへの入力などを行います。
- 用件の分類: 問い合わせの内容を、あらかじめ決めた種類に振り分けて記録することです。
- 通話の要約: 通話の内容を短くまとめたものです。AIが下書きし、オペレーターが確認・修正して使う形があります。
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。
