> 継続的なプロセス改善 > カスタマーサービス > Genesys Cloud CX > データテンプレート

お客様のカスタマーサービスデータ``テンプレート

Genesys Cloud CX

顧客サービス属性 (20) 顧客サービスアクティビティ (13) 抽出ガイド (3)

お客様のカスタマーサービスデータ``テンプレート

この`テンプレート`は、カスタマーサービスプロセスを分析および最適化するために必要な不可欠な`データ`を収集するための明確な`ロードマップ`を提供します。推奨される`属性`、追跡すべき主要なアクティビティ、および`ソースシステム`からこの情報を抽出するための実践的な`ガイダンス`が示されています。`プロセスマイニング`の取り組みのために堅牢な`イベント`ログを構築するために活用してください。

収集を推奨する項目
追跡すべき主要アクティビティ
抽出の手引き

イベントログについて初めての方へ：プロセスマイニングのイベントログ作成方法.

テンプレートをダウンロード

顧客サービス属性

これらは、包括的なカスタマーサービス分析のために`イベント`ログに含めることを推奨する`データ`フィールドです。

5 必須 6 推奨 9 任意

	名前	説明
	アクティビティ名 ActivityName	サービスリクエストのライフサイクル内で、ある時点で発生した特定の`イベント`またはタスクの名前。
説明この`属性`は、カスタマーサービスプロセス内の特定の`ステップ`または状態変化を記述します。各アクティビティは、「オペレーターによるインタラクション受諾」や「`ラップアップ`コード割り当て済み」のような明確な`イベント`を表します。これらのアクティビティの順序と頻度を分析することは、`プロセスマイニング`の基本です。プロセス`フロー`を可視化し、逸脱を特定し、`ボトルネック`や非効率な`ステップ`を特定するのに役立ちます。その重要性アクティビティはプロセスマップの基盤を形成し、設計されたフローと実際のプロセスフローの比較、可視化、分析を可能にします。取得元これは通常、Genesys Cloud CXにおけるシステム``イベント、オペレーター`ステータス`、または特定の監査``トレイル``エントリを標準化されたアクティビティ名に`マッピング`することによって導き出されます。例インタラクション開始エージェントがインタラクションを受諾後処理終了サービスリクエスト再オープン
	サービスリクエスト ServiceRequest	すべての関連アクティビティをリンクする、カスタマーサービスインタラクションの主要な識別子。
説明サービスリクエストは、しばしば`チケット`またはケースとも呼ばれ、単一の顧客の問い合わせまたは問題の主要な識別子として機能します。初回`コンタクト`から最終解決までのすべての関連`イベント`を、単一のプロセスインスタンスにグループ化します。サービスリクエストによって分析することで、顧客ジャーニーと内部処理プロセスの完全なエンドツーエンドの`ビュー`が可能になります。これは、総解決時間や初回解決率などの主要`メトリック`を計算するための基盤です。その重要性これは、すべてのプロセス`ステップ`を接続し、開始から終了までの各顧客インタラクションの全体的な分析を可能にする、不可欠な`ケース`IDです。取得元これは概念的な`ケース`識別子です。Genesysでは、これはしばしば会話IDに対応しますが、実装によって`カスタム`識別子の場合もあります。例 SR-20240521-00123SR-20240521-00124SR-20240522-00001
	開始時刻 EventTime	アクティビティ／イベントの開始を示すタイムスタンプ。
説明この`属性`は、各アクティビティが発生した正確な日時を提供します。`イベント`を正しく順序付けし、すべての時間`ベース`の分析にとって不可欠です。開始時間は、プロセス`フロー`を時系列順に構築するために使用され、異なるアクティビティ間の期間、待機時間、`サイクル`時間を計算するための基礎となります。正確な`タイムスタンプ`は、信頼性の高いプロセス分析とパフォーマンス`モニタリング`にとって重要です。その重要性この`タイムスタンプ`は、すべての活動を時系列に並べ、プロセス`フロー`、期間、`ボトルネック`を正確に分析することを可能にします。取得元 Genesys Cloud CXのイベントログまたはインタラクション詳細で見つけることができ、記録されたすべてのシステムイベントやユーザーイベントに関連付けられることがよくあります。例 2024-05-21T10:00:15Z2024-05-21T10:02:30Z2024-05-21T10:15:00Z
	ソースシステム SourceSystem	データを抽出した元システム。
説明この`属性`は、イベント``データの発生元`システム`を識別します。この場合、それはGenesys Cloud CXです。複数の統合`システム`を持つ環境では、このフィールドは`データ`の`リネージ`、`トラブルシューティング`、および`データ`の`コンテキスト`を理解するために不可欠です。分析が正しいデータ``ソースに基づいていることを確実にし、複数の`システム`が単一のプロセス`ビュー`に貢献する場合に`データ`のフィルタリングやセグメント化を可能にします。その重要性データの発生源を特定します。これはデータガバナンス、検証、および複数のシステムからのデータ統合時に不可欠です。取得元これは通常、`データ`抽出および変換プロセス中にレコードの発生元を`ラベル`付けするために追加される静的な値です。例 Genesys Cloud CXGenesysCloudCX_US1Genesys
	最終データ更新 LastDataUpdate	最新の`データ`更新の`タイムスタンプ`。
説明この`属性`は、`データ`セットが`ソースシステム`から最後に更新された日時を示します。これは、分析されている`データ`の鮮度に関する`コンテキスト`を提供し、タイムリーで関連性の高いビジネス意思決定を行う上で重要です。`ダッシュボード`やレポートにはこの情報が目立つように表示され、ユーザーが`データ`の鮮度を認識し、`インサイト`の有効性を評価できるようにすべきです。その重要性データの鮮度を示し、分析と意思決定が常に最新情報に基づいていることを保証します。取得元この値は、`データ`抽出時またはプロセスマイニング``ツールへのデータ``ロード時に生成され、`データ`セットに`スタンプ`されます。例 2024-05-23T04:00:00Z2024-05-24T04:00:00Z
	`ラップアップ`コード WrapUpCode	インタラクション終了時にエージェントがその結果やトピックを分類するために割り当てるコードです。
説明 `ラップアップ`コードは、オペレーターが顧客インタラクションの性質や解決方法を分類するために選択する`ラベル`です。これらのコードは、顧客が`サポート`に連絡する理由に関する構造化された`データ`を提供します。`ラップアップ`コードを分析することで、一般的な問題の種類を特定し、解決結果を追跡し、特定の`リクエスト`の頻度を測定できます。この`データ`は、根本原因分析やサービス需要パターンの理解に役立ちます。その重要性インタラクションの結果を分類し、一般的な問題、解決の有効性、連絡理由を分析するための構造化データを提供します。取得元 Genesys Cloud CXの会話詳細レコードで利用でき、特にエージェント参加者のセッション詳細内にあります。例パスワードリセット請求紛争解決済み製品情報のリクエストTier 2にエスカレーション済み
	エージェントID AgentId	インタラクションまたはアクティビティを処理したオペレーターの一意の識別子。
説明オペレーターIDは、各カスタマーサービス担当者の一意のキーです。この属性は、オペレーターのパフォーマンス、ワークロード分散、および効率性に関連するあらゆる分析に不可欠です。特定のオペレーターやチームがどのようにリクエストを処理するかをプロセス`マップ`でフィルタリングし、解決時間、手戻り率、標準手順への遵守といったパフォーマンス指標を比較できます。これは「オペレーターのパフォーマンスと効率性」`ダッシュボード`の基盤となります。その重要性この`属性`は、プロセスアクティビティを特定の従業員に接続し、個々のパフォーマンス、ワークロード、チーム効率の分析を可能にします。取得元 Genesys Cloud CXの会話詳細レコードで利用でき、インタラクションの特定のセグメントを処理したユーザーに関連付けられます。例 a1b2c3d4-e5f6-7890-1234-567890abcdeff0e9d8c7-b6a5-4321-fedc-ba0987654321
	エージェント名 AgentName	インタラクションまたはアクティビティを処理したオペレーターのフルネーム。
説明オペレーター名は、オペレーターIDに対応する、サービス担当者の人間が読みやすい識別子を提供します。この属性により、`ダッシュボード`やレポートが管理者やチームリーダーにとってより直感的になります。`システム`IDを相互参照することなく、パフォーマンスのレビュー、トレーニングニーズの特定、公平なワークロード配分を確保するためのオペレーター中心の分析で広く使用されます。その重要性オペレーターに分かりやすい名前を提供することで、技術的なIDを使用せずにパフォーマンスを分析し、調査結果を伝えることが容易になります。取得元 Genesys Cloud CXのユーザーまたはディレクトリサービスからAgentIdを検索して取得されます。例 John Smithジェーン・ドウPeter Jones
	キュー名 QueueName	インタラクションがルーティングされたキューの名前。
説明この`属性`は、インタラクションがオペレーターに割り当てられる前に待機していた特定のキューを識別します。キュー名による`データ`分析は、「サービスキュー`ボトルネック`検出」`ダッシュボード`にとって不可欠です。管理者が異なる`スキル`グループやサービスライン間のワークロード分散を理解し、キューごとの待機時間を測定し、一貫して人員不足または過負荷になっているキューを特定するのに役立ちます。この情報は、リソース配分を最適化し、顧客の待機時間を改善するための鍵となります。その重要性サービスリクエストがどこで割り当て待ちになっているかを示すことで、ボトルネックを特定し、ワークロードの配分を分析するのに役立ちます。取得元 Genesys Cloud CXの会話詳細レコードで利用可能です。各インタラクションは1つ以上のキューを通過できます。例 `ティア`1 `サポート` - `音声`請求に関する問い合わせ - チャットテクニカルサポート - メール
	コミュニケーションチャネル MediaType	インタラクションに使用されたコミュニケーションチャネル（音声、チャット、メールなど）。
説明この`属性`は、顧客とオペレーターが`コミュニケーション`を行った`メディア`を指定します。一般的な`チャネル`には、`音声`、`チャット`、`メール`、`ソーシャルメディア`などがあります。「コミュニケーション``チャネルパフォーマンス」`ダッシュボード`で行われるように、`チャネル`ごとのパフォーマンスを分析することで、企業は`チャネル`固有の`ボリューム`、解決時間、顧客満足度を理解できます。この`インサイト`は、`チャネル`戦略とリソース配分を最適化するために不可欠です。その重要性コミュニケーションチャネル別にプロセスをセグメント化することは、チャネル固有のパフォーマンス、顧客行動、およびリソースのニーズを理解するために不可欠です。取得元 Genesys Cloud CXの会話詳細レコード内の標準フィールドです。例 voiceチャットメールmessage
	終了日時 EventEndTime	アクティビティまたは`イベント`が終了した時点を示す`タイムスタンプ`。
説明この`属性`は、アクティビティが終了する正確な瞬間を記録します。開始時間と組み合わせることで、各アクティビティの期間を正確に計算できます。アクティビティの期間を分析することは、プロセスにおいてどの`ステップ`が最も時間を消費しているかを特定する上で重要であり、非効率性や最適化の機会を見つけるのに役立ちます。例えば、長い「インタラクション保留」時間や延長された「通話後処理」の期間を浮き彫りにすることができます。その重要性個々のアクティビティ期間を正確に計算することを可能にし、時間のかかるステップやパフォーマンスのボトルネックを特定するために不可欠です。取得元 Genesys Cloud CXのイベントログまたはインタラクション詳細で見つけることができます。また、後続イベントの開始時間から導出することも可能です。例 2024-05-21T10:02:30Z2024-05-21T10:15:00Z2024-05-21T10:18:45Z
	CSATスコア CustomerSatisfactionScore	インタラクション後`アンケート`で顧客が提供した満足度スコア。
説明顧客満足度スコア（CSAT）は、顧客が受けたサービスに対する認識を直接的に測定するものです。通常、インタラクションがクローズされた後に送信される`アンケート`を通じて収集されます。CSATスコアをプロセス`データ`と組み合わせて分析することで、プロセス変動、解決時間、または特定のオペレーターが顧客満足度にどのように影響するかを明らかにできます。これは、全体的なプロセス成功を評価するための主要な成果指標です。その重要性顧客の満足度を直接測定し、プロセスパフォーマンスと顧客の結果との相関分析を可能にします。取得元この`データ`は通常、Genesys Cloud CXの`品質`管理`モジュール`またはGenesysと統合されたサード`パーティ`のアンケート``ツールから取得されます。例 5413
	SLA準拠 IsSlaCompliant	サービスリクエストがSLA目標時間内に解決されたかどうかを示すフラグです。
説明この`ブール`型`属性`は、サービスリクエストが解決時間目標を満たしたかどうかを示します。これは「`ServiceResolutionTime`」を「`SlaTargetResolutionTime`」と比較することで計算されます。この`フラグ`は、「`SLA`コンプライアンス概要」`ダッシュボード`の分析と可視化を簡素化し、「`SLA`コンプライアンス率」`KPI`を計算するための基礎となります。これにより、準拠`ケース`と非準拠`ケース`を迅速にフィルタリングおよびセグメント化し、`SLA`違反における共通のパターンを特定できます。その重要性各ケースを「準拠」または「違反」として明確にフラグ付けすることでSLAパフォーマンス分析を簡素化し、障害の根本原因分析を可能にします。取得元算出フィールド：`ServiceResolutionTime` <= `SlaTargetResolutionTime` の場合 True、それ以外は False。例 truefalse
	SLA目標解決時間 SlaTargetResolutionTime	サービスリクエストの解決に関して、契約上合意された目標時間。
説明この`属性`は、サービスレベル契約(`SLA`)に従って、サービスリクエストが解決されるまでに許容される最大時間を定義します。実際の解決時間が測定される`ベンチマーク`として機能します。この`データ`は、「`SLA`コンプライアンス概要」`ダッシュボード`と「`SLA`コンプライアンス率」`KPI`にとって不可欠であり、組織が顧客へのコミットメントに対するパフォーマンスを監視し、潜在的な違反が発生する前に特定することを可能にします。その重要性サービスパフォーマンスと契約上の義務の重要な指標であるSLAコンプライアンスを測定するためのベンチマークを提供します。取得元これは、会話上のカスタム``属性として保存されるか、キュー、顧客タイプ、またはリクエストタイプに関するルールに基づいて導き出される場合があります。例 86400144003600
	サービスリクエストタイプ ServiceRequestType	サービスリクエストの分類（例：「お問い合わせ」、「苦情」、「技術的な問題」など）。
説明この`属性`は、サービスリクエストをその性質または目的`ベース`で分類します。これにより、分析をセグメント化して、異なるタイプのリクエストがどのように処理されるかを理解できます。例えば、「苦情」のプロセス`フロー`と解決時間は「一般的な問い合わせ」とは大きく異なる場合があります。この`ディメンション`は、「内部エスカレーション分析」のような`ダッシュボード`にとって不可欠であり、特定の`リクエスト`タイプがより頻繁にエスカレートされるかどうかを確認できます。その重要性プロセスをセグメント化することで、異なる種類の問い合わせがどのように処理されているかを比較し、種類固有のボトルネックや非効率性を特定できます。取得元この情報は、`IVR`選択、`ウェブフォーム`での顧客の選択、またはオペレーターによる割り当てを介して取得される場合があります。Genesysでは、参加者`属性`または`ラップアップ`コードとして保存できます。例請求に関する問い合わせテクニカルサポートアカウント管理製品に関する苦情
	サービス解決時間 ServiceResolutionTime	最初の顧客インタラクションの開始から最終解決までの経過時間の合計。
説明この`メトリック`は、顧客が`コンタクト`を開始した瞬間から問題が解決済みとしてマークされるまでのサービスリクエストの総期間を測定します。これは、全体的なプロセス効率と顧客`エクスペリエンス`の主要業績評価指標です。この計算された`属性`は、「サービスリクエスト解決時間」`ダッシュボード`と「平均サービス解決時間」`KPI`の主要な焦点です。その分布を分析することは、長期化している`ケース`や`システム`的な遅延を特定するのに役立ちます。その重要性これは、全体的なプロセス効率と顧客`エクスペリエンス`への影響を測定するための重要な`KPI`です。取得元算出フィールド：最終解決アクティビティのタイムスタンプから、最初のお客様接触アクティビティのタイムスタンプを引いたものです。例 90010800172800
	会話ID ConversationId	Genesysが会話全体に割り当てる一意の識別子。
説明会話IDはGenesys Cloud CXにおける主要な技術キーであり、単一の顧客との会話に関連するすべてのインタラクション、セグメント、および参加者をグループ化します。概念的な「サービスリクエスト」がケースIDとして使用されますが、会話IDはGenesys APIから関連するすべての`データ`を取得するために使用される基盤となるキーです。`データ`抽出、異なる`データ`セットの結合、およびプロセス`データ`の技術的検証に不可欠です。その重要性これはGenesysにおける主要な技術`キー`であり、`データ`抽出、`トラブルシューティング`、および`ソースシステム`へのリンク``バックに不可欠です。取得元これは、すべてのGenesys Cloud CX`アナリティクス`および会話`API`における主要`フィールド`です。例 d8a7c6b5-e4f3-2109-8765-fedcba098765c7b6a5d4-f3e2-1098-7654-edcbaf987654
	再オープン済み IsReopened	解決済みのサービスリクエストが後から再オープンされたかどうかを示すフラグです。
説明この`ブール`型`属性`は、解決済みまたはクローズ済みの状態に設定されたものの、後で再度アクティブになったサービスリクエストに`フラグ`を付けます。再開された`ケース`は、多くの場合、最初の解決策が効果的でなかったり不完全であったりしたことを示し、顧客の不満や追加作業につながります。この`属性`は、「サービスリクエスト再オープン`トレンド`」`ダッシュボード`と「サービスリクエスト再オープン率」`KPI`を駆動します。これらの`ケース`を分析することは、非効果的な解決策の根本原因を特定するのに役立ちます。その重要性解決プロセスにおける失敗を浮き彫りにし、解決策の品質に関する問題を示し、手戻りや劣悪な顧客体験につながります。取得元算出フィールドです。「サービスリクエスト解決済み」アクティビティが発生した後に、ケースを再アクティブ化するアクティビティを検出することで導出されます。例 truefalse
	処理時間 Duration	単一のアクティビティを完了するのに要した時間（秒単位）。
説明この`属性`は、個々のプロセス`ステップ`の期間を定量化し、終了時間と開始時間の差として計算されます。処理時間を分析することは、どの活動が最も時間のかかるものであるかを特定するのに役立ちます。この情報は、「オペレーターのパフォーマンスと効率性」`ダッシュボード`のようなパフォーマンス`ダッシュボード`にとって不可欠であり、オペレーターの効率性を評価し、トレーニングやプロセス改善の機会を見つけるのに役立ちます。その重要性各アクティビティに費やされた時間を定量化し、非効率性を特定し、詳細なレベルでパフォーマンスを測定するのに役立ちます。取得元算出フィールド：`EventEndTime` - `EventTime`。Genesysの一部のAPIでは、特定のセグメントについて期間フィールドが直接提供される場合があります。例 12075045
	初回接触解決か IsFirstContactResolution	サービスリクエストが単一のインタラクション内で解決されたかどうかを示すフラグです。
説明この`ブール`型`属性`は、最初のインタラクション中に解決され、顧客からの`フォローアップ`や内部転送を必要としなかった`ケース`を識別します。「`true`」の値は、理想的で効率的な解決を示します。この`属性`は、「初回解決率」`KPI`とその対応する`ダッシュボード`の基礎となります。初回接触で解決されなかった`ケース`の特性を分析することで、オペレーター研修、`ナレッジベース`の改善、またはプロセス変更の機会が明らかになります。その重要性初回での問題解決は肯定的なサービス体験の主要な要因であるため、効率性と顧客満足度を直接測定できます。取得元算出フィールドです。ケースのイベントシーケンスを分析して導出されます。転送や再オープンなどの特定の介在アクティビティなしで解決された場合、そのケースは初回接触解決（FCR）とみなされます。例 truefalse

必須推奨任意

顧客サービスアクティビティ

これらは、正確なプロセスディスカバリーのために`イベントログ`に記録すべき主要なプロセス`ステップ`と`マイルストーン`です。

5 推奨 8 任意

	アクティビティ	説明
	`ラップアップ`コード割り当て済み	エージェントがインタラクションに事前定義されたラップアップコード（またはディスポジションコード）を割り当てます。これにより、「解決済み」や「エスカレーション済み」といったサービスリクエストの結果が明確に分類されます。
その重要性 `ラップアップ`コードは、`リクエスト`のビジネス成果を決定するための主要な`ソース`です。これらは解決率を計算し、分析のために`ケース`をセグメント化する上で不可欠です。取得元これは、会話詳細レコード、通常はオペレーター参加者のセッション``データ内で見つかる明示的な`イベント`です。`ラップアップ`コードと`タイムスタンプ`が記録されます。取得エージェントがインタラクションのラップアップコードを選択した際にログに記録されます。イベントタイプ explicit
	インタラクション切断済み	このアクティビティは、すべての参加者が切断されたときの会話の終了を示します。これは、多くの場合、サービスリクエストインタラクションの技術的なクローズとして機能します。
その重要性これは、インタラクション自体の決定的な終了`イベント`です。総インタラクション期間を計算するために重要であり、`リクエスト`のクローズの`プロキシ`としてよく使用されます。取得元これは、会話詳細レコードから取得されます。会話`オブジェクト`の終了時間に対応し、通常はconversationEnd``タイムスタンプにあります。取得すべての参加者が切断し、会話が終了した際にログに記録されます。イベントタイプ explicit
	インタラクション転送済み	オペレーターがインタラクションを別のキューまたは別のオペレーターに転送する行為を表します。これは、オペレーターがすぐに切断するブラインド転送、または転送先の相手と最初に話す相談転送のいずれかです。
その重要性このアクティビティは、内部エスカレーション率`KPI`にとって不可欠です。高い転送率は、トレーニングの必要性、不正確なルーティング、またはプロセスの複雑性を示している可能性があります。取得元これは、最初のオペレーターの関与に続いて、新しい`ACD`またはオペレーター参加者が会話に追加されたときに、会話詳細レコードで識別されます。多くの場合、「転送」`イベント`によって開始されます。取得参加者のセッションデータ内の転送イベントによって識別されます。イベントタイプ explicit
	インタラクション開始	このアクティビティは、インバウンドコール、チャット、`メール`など、カスタマーサービスインタラクションの開始を示します。Genesys Cloud CXは、`システム`で新しい会話`オブジェクト`が作成されると、この`イベント`を明示的にログに記録します。
その重要性これは、サービスリクエストプロセスの主要な開始`イベント`です。総解決時間を計算し、`インバウンド`の顧客需要パターンを理解するために不可欠です。取得元この`イベント`は、会話の詳細レコードから取得されます。これは、会話`オブジェクト`自体の開始時間に対応し、通常はconversationStart``タイムスタンプにあります。取得システムで新しい会話が開始された際にログに記録されます。イベントタイプ explicit
	エージェントがインタラクションを受諾	オペレーターが提示されたインタラクションを受諾し、顧客と接続される時点を示します。これは、サービスリクエストの直接処理が開始される重要な節目です。
その重要性このアクティビティは、初回解決率とオペレーターの処理時間を測定するために不可欠です。これは、オペレーターがリクエストに対する作業を開始したことを示します。取得元会話詳細レコードで利用可能です。エージェント参加者の状態が「接続済み」に変化したときに、関連するタイムスタンプとともにマークされます。取得エージェント参加者の状態が「接続済み」に変化した際にログに記録されます。イベントタイプ explicit
	インタラクションから保留解除	オペレーターが顧客の保留を解除し、会話を再開する際に発生します。このイベントは保留期間の終了を示し、状態変化としてログに記録されます。
その重要性「インタラクション保留」と組み合わせることで、総保留時間の正確な算出が可能になります。これは、総処理時間と顧客体験の重要な要素です。取得元エージェント参加者のセッションデータから、状態が「保留」から「接続済み」に戻ったときに導出されます。取得エージェント参加者の状態が「保留」から「接続済み」に変化した際にログに記録されます。イベントタイプ explicit
	インタラクションが保留に	このアクティビティは、オペレーターがインタラクション中に顧客を保留にしたときに記録されます。これは、会話内のオペレーター参加者に対する明示的な状態変化です。
その重要性保留の頻度と期間を分析することで、エージェントが頻繁に情報を検索したり、他のエージェントに相談したりする必要があるなど、プロセス上の非効率性が明らかになることがあります。取得元会話詳細レコード内のエージェント参加者のセッションデータから取得されます。状態が「保留」に変化するとタイムスタンプが記録されます。取得エージェント参加者の状態が「保留」に変化した際にログに記録されます。イベントタイプ explicit
	エージェントにインタラクション提供	この`イベント`は、`システム`が特定のオペレーターにインタラクションを提示するときに発生します。`システム`がオペレーターによる会話の受諾または拒否を待つ間、オペレーターの`ステータス`は「`alerting`」に変わります。
その重要性このアクティビティは、オペレーターの応答性やルーティング`アルゴリズム`の有効性を分析するのに役立ちます。この時点以降の遅延は、オペレーターが迅速に業務を受け入れていない可能性を示唆しています。取得元会話詳細レコード内のエージェントの参加者データにあります。参加者のセッションには「アラート中」状態のメトリクスと、それに対応するタイムスタンプが表示されます。取得ルーティングエンジンが新しいインタラクションについてエージェントにアラートした際にログに記録されます。イベントタイプ explicit
	サービスリクエスト再オープン	顧客が、一度解決済みと判断された問題について、短期間で再度サービスセンターに連絡する状況を指します。これは明示的なイベントではなく、ビジネスロジックに基づいて算出されます。
その重要性再オープンされた`リクエスト`を追跡することは、サービスリクエスト再オープン率を測定する上で重要です。これは、最初の解決策が効果的でなく、顧客満足度と運用効率に影響を与えていることを示します。取得元このアクティビティは、以前のインタラクションが解決されてから所定の時間枠内に、同じ顧客（顧客ID）および関連する問題（例：サービスリクエストタイプ）に対して新しい「インタラクション開始」`イベント`が特定されることによって推測されます。取得同じ顧客と問題に対し、最近クローズされたインタラクションに新しいインタラクションをリンクして計算されます。イベントタイプ calculated
	会話がキューにルーティング済み	新しいインタラクションが特定のキューに配置され、利用可能なオペレーターを待つ瞬間を表します。これは、Genesysルーティングエンジン（ACD）によってログに記録される明示的なイベントです。
その重要性このアクティビティを追跡することは、キュー待機時間を測定し、ルーティングプロセスにおける`ボトルネック`を特定するために不可欠です。これとオペレーター割り当ての間の長い期間は、人員配置またはルーティング`ロジック`の問題を示唆しています。取得元会話詳細レコードから取得され、会話内のACD参加者の「目的」と「状態」に特に着目します。メトリクス配列内のキューの「enterTime」がこのイベントを示します。取得 ACDルーティングエンジンが会話をキューに入れた際にログに記録されます。イベントタイプ explicit
	後処理終了	これは、オペレーターの通話後処理期間の終了を示します。この時点で、オペレーターは次のインタラクションを処理できるようになります。
その重要性このアクティビティは、「通話後処理開始」と組み合わせることで、`ラップアップ`フェーズの正確な期間を提供し、オペレーターの生産性とプロセス`オーバーヘッド`の分析に役立ちます。取得元これは、オペレーターの`ステータス`が「`acw`」から「`idle`」のような利用可能な状態に変化したときに推測されます。この状態変化の`タイムスタンプ`が使用されます。取得エージェントの状態が「ACW」から「対応可能」状態に変化することから推測されます。イベントタイプ inferred
	後処理開始	このアクティビティは、通話後処理(`ACW`)期間の開始を示します。オペレーターは顧客との接続を切断しましたが、メモの記録や`システム`の更新などのタスクを完了するための専用の状態になっています。
その重要性 ACW（後処理時間）の測定は、オペレーターの効率と総処理時間を理解する上で重要です。ACWが長すぎる場合、インタラクション後のプロセスが非効率である兆候と考えられます。取得元エージェント参加者のセッションデータから取得されます。顧客参加者が切断した後、エージェントの状態が「ACW」に変化したときにログに記録されます。取得エージェント参加者の状態が「ACW」に変化した際にログに記録されます。イベントタイプ explicit
	顧客満足度アンケート送信済み	このアクティビティは、インタラクションのクローズ後に顧客満足度(`CSAT`)`アンケート`が送信されるときに発生します。これは、多くの場合、事前定義されたルールに基づいて`システム`によって自動的に`トリガー`されます。
その重要性このアクティビティは、CSAT``アンケート配信適時性`KPI`を測定するために必要です。タイムリーな`アンケート`配信を確保することで、顧客の`エクスペリエンス`が新鮮なうちに正確な`フィードバック`を収集できます。取得元この情報は通常、Genesys Cloud CX内のアンケート``データまたは`品質`管理`データ`から利用可能であり、元の会話IDに`リンク`できます。取得特定の会話に対してアンケートが送信された際に、アンケートモジュールによってログに記録されます。イベントタイプ explicit

推奨任意

抽出ガイド

Genesys Cloud CXからのデータ取得方法

ステップ

Analytics Workspaceに移動: Genesys Cloud CXにログインし、メニューの「管理（Admin）」から「分析（Analytics）」の「ワークスペース（Workspace）」を選択します。
新しいビューの作成: プラス（+）アイコンをクリックして新しいタブを追加し、「新しいビューを作成（Create a new view）」を選択します。ビュータイプに「インタラクション（Interactions）」を選ぶと、エディタが開きます。
期間の設定: 左側のフィルタパネルで、抽出したいデータの期間を指定します。まずはテストとして、1週間程度の短い期間から始めることをお勧めします。
エクスポート項目の選択: データ準備において最も重要なステップです。「列（Columns）」ボタンをクリックし、以下の項目を追加してください。これらはイベントログの生成に不可欠なデータです。
- Conversation ID
- Conversation Start
- Conversation End
- Media Type
- Participants（エージェント、キュー、顧客のデータがネストされた複雑なフィールドです）
- Metrics.tAnswered
- Metrics.tACW
- Metrics.tHeld
- Surveys
追加フィルタの適用: 必要に応じてフィルタパネルを活用します。Media Type（音声、チャットなど）、Queue、Direction（インバウンド/アウトバウンド）などで絞り込み、特定のサービスプロセスに焦点を当てます。
ビューの保存と実行: 「プロセスマイニング用エクスポート」など分かりやすい名前を付けて保存します。条件に一致するデータがロードされます。
エクスポートの実行: データがロードされたら、ダウンロードアイコンの「エクスポート（Export）」ボタンをクリックします。「CSVとしてエクスポート」または「JSONとしてエクスポート」を選択します。通常、初期処理にはCSVが扱いやすいです。
ファイルのダウンロード: エクスポートはバックグラウンドで処理されます。「パフォーマンス（Performance）」>「マイエクスポート（My Exports）」で進捗を確認し、完了したらファイルをローカルに保存します。
生データの変換: エクスポートされたファイルは1コンバセーション1行の形式で、詳細データが1つの列にネストされています。QueryセクションにあるPythonスクリプトなどの変換スクリプトを実行して、このデータを展開します。これにより、「エージェントが応対を開始」「保留に設定」といった個別の活動を1行ずつ並べたファイルが生成されます。
カスタムロジックの実装: 変換の過程で、「サービスリクエストの再オープン」などの独自ロジックを実装します。例えば、解決後に一定期間内に同じ顧客から連絡があった場合に「再オープン」と判定する処理などを行います。
イベントログの完成: 変換スクリプトから、ProcessMindの形式（ServiceRequest、ActivityName、EventTimeなどの列）に合わせたCSVファイルを出力します。タイムスタンプの形式が統一されているか確認してください。
ProcessMindへアップロード: 変換済みのCSVファイルをプロセスマイニングツールにアップロードすれば完了です。

設定

権限: Analytics Workspaceへのアクセスやインタラクションビューの作成には、Genesys Cloud CXのユーザーロールに Analytics > Conversation > View 権限が付与されている必要があります。
期間設定: 初回のデータ抽出では、3〜6ヶ月程度の代表的な期間を指定してください。コール数が多いコンタクトセンターの場合は、システム制限の回避やファイルサイズ管理のため、週単位や月単位など、データを細かく分割してエクスポートすることをお勧めします。
主要なフィルタ:
- Media Type: voice、chat、email など、分析対象のカスタマーサービスプロセスに関連するチャネルで絞り込みます。
- Queue: 特定のチームが担当するプロセスを分析する場合、関連するQueue IDでフィルタリングし、必要なデータのみを抽出します。
- Direction: 通常、顧客起点のサービスリクエストを把握するため、inbound（インバウンド）のインタラクションを選択します。
エクスポート項目: エージェントやキューのイベントタイムラインを詳細に把握するため、Participants 列は必須です。この項目がないと、個々の活動を抽出できません。また、Conversation ID、Conversation Start、Conversation End も必ず含めてください。
パフォーマンスに関する注意: 項目数が多すぎたり、対象期間が長すぎたりすると、エクスポートに時間がかかる場合があります。エラーやタイムアウトが発生した場合は、期間を短縮して再度お試しください。なお、Genesys Cloudでは1回のエクスポートにつき約100万コンバセーションという制限があります。

a クエリ例 config

import pandas as pd
import json
from datetime import datetime, timezone

# This script transforms a Genesys Cloud Conversation Detail Export into a process mining event log.
# It assumes the raw data is in a CSV file named 'genesys_export.csv'.

def transform_genesys_export(file_path):
    # Load the raw export file
    try:
        df = pd.read_csv(file_path)
    except FileNotFoundError:
        print(f"Error: The file {file_path} was not found.")
        return None

    event_log = []
    source_system = 'Genesys Cloud CX'
    last_data_update = datetime.now(timezone.utc).isoformat()

    # Rename columns for easier access
    df.rename(columns={
        'Conversation ID': 'conversationId',
        'Conversation Start': 'conversationStart',
        'Conversation End': 'conversationEnd',
        'Media Type': 'mediaType'
    }, inplace=True)

    for index, row in df.iterrows():
        service_request_id = row['conversationId']
        media_type = row['mediaType']
        
        # Activity: Interaction Started
        event_log.append({
            'ServiceRequest': service_request_id,
            'ActivityName': 'Interaction Started',
            'EventTime': row['conversationStart'],
            'EventEndTime': None,
            'AgentId': None, 'AgentName': None, 'QueueName': None, 'WrapUpCode': None,
            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
        })

        # The 'Participants' column contains a JSON string that needs to be parsed
        participants = json.loads(row['Participants'])

        for p in participants:
            participant_id = p.get('participantId')
            user_id = p.get('userId')
            queue_name = p.get('queueName')
            purpose = p.get('purpose')

            for s in p.get('sessions', []):
                wrap_up_code = s.get('wrapUpCode')
                for seg in s.get('segments', []):
                    seg_start = seg.get('segmentStart')
                    seg_end = seg.get('segmentEnd')
                    seg_type = seg.get('segmentType')

                    activity_name = None
                    if purpose == 'acd' and seg_type == 'interact':
                        activity_name = 'Conversation Routed to Queue'
                    elif purpose == 'agent' and seg_type == 'alert':
                        activity_name = 'Agent Offered Interaction'
                    elif purpose == 'agent' and seg_type == 'interacting':
                        activity_name = 'Agent Accepted Interaction'
                    elif purpose == 'agent' and seg_type == 'hold':
                        activity_name = 'Hold Placed on Interaction'
                        # Also create the Hold Removed event
                        event_log.append({
                            'ServiceRequest': service_request_id,
                            'ActivityName': 'Hold Removed from Interaction',
                            'EventTime': seg_end,
                            'EventEndTime': None,
                            'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': None,
                            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                        })
                    elif purpose == 'agent' and seg_type == 'acw':
                        activity_name = 'After-Call Work Started'
                        # Also create ACW Ended and Wrap-Up Assigned events
                        if wrap_up_code:
                            event_log.append({
                                'ServiceRequest': service_request_id,
                                'ActivityName': 'Wrap-Up Code Assigned',
                                'EventTime': seg_end, # Assume code assigned at end of ACW
                                'EventEndTime': None,
                                'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': wrap_up_code,
                                'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                            })
                        event_log.append({
                            'ServiceRequest': service_request_id,
                            'ActivityName': 'After-Call Work Ended',
                            'EventTime': seg_end,
                            'EventEndTime': None,
                            'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': wrap_up_code,
                            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                        })
                    
                    if seg.get('disconnectType') == 'transfer':
                        activity_name = 'Interaction Transferred'

                    if activity_name:
                        event_log.append({
                            'ServiceRequest': service_request_id,
                            'ActivityName': activity_name,
                            'EventTime': seg_start,
                            'EventEndTime': seg_end,
                            'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': None,
                            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                        })
        
        # Activity: Interaction Disconnected
        event_log.append({
            'ServiceRequest': service_request_id,
            'ActivityName': 'Interaction Disconnected',
            'EventTime': row['conversationEnd'],
            'EventEndTime': None,
            'AgentId': None, 'AgentName': None, 'QueueName': None, 'WrapUpCode': None,
            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
        })

        # Activity: Customer Satisfaction Survey Sent (from surveys column)
        if pd.notna(row.get('Surveys')):
            surveys = json.loads(row['Surveys'])
            for survey in surveys:
                if survey.get('surveyStatus') == 'Sent':
                    # Survey sent time is not always directly available, using conversation end as an approximation
                    event_log.append({
                        'ServiceRequest': service_request_id,
                        'ActivityName': 'Customer Satisfaction Survey Sent',
                        'EventTime': survey.get('surveySentDate', row['conversationEnd']),
                        'EventEndTime': None,
                        'AgentId': None, 'AgentName': None, 'QueueName': None, 'WrapUpCode': None,
                        'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                    })

    # NOTE: 'Service Request Re-Opened' requires custom cross-conversation logic.
    # This logic would need to be implemented here, analyzing the entire dataset
    # to find subsequent interactions from the same customer within a specific timeframe.

    final_df = pd.DataFrame(event_log)
    # Sort by case and event time to create a chronological log
    final_df.sort_values(by=['ServiceRequest', 'EventTime'], inplace=True)
    
    return final_df

if __name__ == '__main__':
    # Specify the path to your downloaded Genesys export CSV file
    input_file = 'genesys_export.csv'
    output_file = 'genesys_event_log.csv'
    
    event_log_df = transform_genesys_export(input_file)
    
    if event_log_df is not None:
        event_log_df.to_csv(output_file, index=False)
        print(f"Transformation complete. Event log saved to {output_file}")

ステップ

事前準備: Python 3.8以上がインストールされていることを確認し、pandas および purecloud-platform-client-v2 ライブラリをインストールします（コマンド: pip install pandas purecloud-platform-client-v2）。
OAuthクライアントの作成: Genesys Cloud CXの管理画面で「統合（Integrations）」>「OAuth」へ進み、アクセスの種類（grant type）に「クライアント資格情報（Client Credentials）」を指定して新しいクライアントを作成します。ロールには analytics:conversationDetail:view 権限を含めてください。
認証情報の設定: 発行されたClient IDとClient Secretを控えます。以下のPythonスクリプト内の CLIENT_ID、CLIENT_SECRET、GENESYS_CLOUD_REGION をそれぞれの値に書き換えます。
抽出期間の指定: スクリプト内の query_body 変数を見つけ、interval の値を抽出したい日時範囲に変更します。最初はテストとして1日分などの短い期間を指定することをお勧めします。
スクリプトの実行: ターミナルから python your_script_name.py を実行します。スクリプトがAPIで認証を行い、非同期の分析ジョブを作成してジョブIDを表示します。
進捗の監視: スクリプトは15秒ごとにAPIをポーリングし、ジョブのステータスを確認します。コンソールに進捗が表示されます。データ量によっては数分以上かかる場合があります。
データの処理と変換: ジョブ完了後、スクリプトがJSONデータをダウンロードします。各コンバセーションレコードを解析し、参加者やセグメント情報から主要な活動や属性を抽出・構造化します。
計算イベントの処理: スクリプトには「サービスリクエストの再オープン」を判定する後処理が含まれています。前回の対応完了後、特定の時間内に同じ顧客から連絡があったかを判定するロジックで、必要に応じてカスタマイズ可能です。
イベントログの生成: 変換されたデータは、プロセスマイニングのイベントログ形式に沿ったpandas DataFrameとしてまとめられます。
CSVファイルのエクスポート: 最終的なDataFrameを genesys_event_log.csv という名前で保存します。このファイルは、そのままProcessMindプラットフォームにアップロードできる形式になっています。

設定

API認証情報: 認証にはOAuth Client IDとClient Secretが必要です。これらはGenesys Cloud CXの管理画面で作成してください。
API権限: 割り当てられたOAuthクライアントのロールに、必要なコンバセーションデータへのアクセス権限である analytics:conversationDetail:view が含まれていることを確認してください。
抽出インターバル: APIクエリ内の interval パラメータで抽出期間を制御します。大規模な環境では、APIのタイムアウト回避やメモリ管理のため、1週間単位など、順次少なめのバッチで抽出を実行するのがベストプラクティスです。
データフィルタ: APIクエリのボディに conversationFilters、segmentFilters、evaluationFilters などを追加して、抽出範囲を絞り込めます。例えば、特定の queueId や mediaType でフィルタリングし、カスタマーサービスプロセスの特定部分のみを抽出することが可能です。
再オープン判定ロジック: 「サービスリクエストの再オープン」イベントを判定するための時間枠はスクリプト内で設定可能です。デフォルトは72時間に設定されていますが、組織のビジネスルールに合わせて調整してください。
環境: スクリプトの実行には、必要なSDKとライブラリがインストールされたローカルのPython環境が必要です。Genesys Cloud CXのサーバーやデータベースへの直接アクセスは不要です。

a クエリ例 python

import PureCloudPlatformClientV2
import pandas as pd
import requests
import json
import time
import os
from datetime import datetime, timedelta

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Replace with your Genesys Cloud credentials and region
CLIENT_ID = class="hl-string">"[Your_Client_Id]"
CLIENT_SECRET = class="hl-string">"[Your_Client_Secret]"
GENESYS_CLOUD_REGION = class="hl-string">"[Your_Genesys_Cloud_Region]" class=class="hl-string">"hl-comment"># e.g., mypurecloud.com, mypurecloud.de

class=class="hl-string">"hl-comment"># Set the API environment
PureCloudPlatformClientV2.configuration.host = fclass="hl-string">'https://api.{GENESYS_CLOUD_REGION}'

class=class="hl-string">"hl-comment"># --- Authentication ---
api_client = PureCloudPlatformClientV2.api_client.ApiClient().get_client_credentials_token(CLIENT_ID, CLIENT_SECRET)
analytics_api = PureCloudPlatformClientV2.AnalyticsApi(api_client)


def parse_conversation(conv_detail):
    class="hl-string">"""Parses a single conversation detail object into multiple event log rows."""
    events = []
    conversation_id = conv_detail.get(class="hl-string">'conversationId')
    source_system = class="hl-string">'Genesys Cloud CX'
    last_data_update = datetime.utcnow().isoformat() + class="hl-string">'Z'

    class=class="hl-string">"hl-comment"># Event: Interaction Started
    events.append({
        class="hl-string">'ServiceRequest': conversation_id,
        class="hl-string">'ActivityName': class="hl-string">'Interaction Started',
        class="hl-string">'EventTime': conv_detail.get(class="hl-string">'conversationStart'),
        class="hl-string">'EventEndTime': None,
        class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': None, class="hl-string">'WrapUpCode': None,
        class="hl-string">'MediaType': next((p.get(class="hl-string">'sessions')[0].get(class="hl-string">'mediaType') for p in conv_detail.get(class="hl-string">'participants', []) if p.get(class="hl-string">'purpose') == class="hl-string">'customer'), None),
        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
    })

    for p in conv_detail.get(class="hl-string">'participants', []):
        agent_id = p.get(class="hl-string">'userId')
        agent_name = p.get(class="hl-string">'participantName')

        for s in p.get(class="hl-string">'sessions', []):
            media_type = s.get(class="hl-string">'mediaType')

            for seg in s.get(class="hl-string">'segments', []):
                seg_start = seg.get(class="hl-string">'segmentStart')
                seg_end = seg.get(class="hl-string">'segmentEnd')

                if seg.get(class="hl-string">'segmentType') == class="hl-string">'alert':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Agent Offered Interaction', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': seg_end,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })

                if seg.get(class="hl-string">'segmentType') == class="hl-string">'interact' and p.get(class="hl-string">'purpose') == class="hl-string">'agent':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Agent Accepted Interaction', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': seg_end,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })

                if seg.get(class="hl-string">'segmentType') == class="hl-string">'hold':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Hold Placed on Interaction', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': None,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })
                    if seg_end:
                        events.append({
                            class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Hold Removed from Interaction', class="hl-string">'EventTime': seg_end, class="hl-string">'EventEndTime': None,
                            class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                            class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                        })

                if seg.get(class="hl-string">'segmentType') == class="hl-string">'acw':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'After-Call Work Started', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': seg_end,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': p.get(class="hl-string">'wrapUp', {}).get(class="hl-string">'code'), class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })
                    if seg_end:
                         events.append({
                            class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'After-Call Work Ended', class="hl-string">'EventTime': seg_end, class="hl-string">'EventEndTime': None,
                            class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': p.get(class="hl-string">'wrapUp', {}).get(class="hl-string">'code'), class="hl-string">'MediaType': media_type,
                            class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                        })
                
                if seg.get(class="hl-string">'segmentType') == class="hl-string">'transmitting' and seg.get(class="hl-string">'disconnectType') == class="hl-string">'transfer':
                    events.append({
                        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Interaction Transferred', class="hl-string">'EventTime': seg_start, class="hl-string">'EventEndTime': None,
                        class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                    })
            
            if s.get(class="hl-string">'flow', {}).get(class="hl-string">'outcomeValue') == class="hl-string">'SURVEY_OFFERED':
                events.append({
                    class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Customer Satisfaction Survey Sent', class="hl-string">'EventTime': s.get(class="hl-string">'flow', {}).get(class="hl-string">'flowEnd'), class="hl-string">'EventEndTime': None,
                    class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': None, class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': media_type,
                    class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                })

        if p.get(class="hl-string">'purpose') == class="hl-string">'acd':
             for s in p.get(class="hl-string">'sessions', []):
                for seg in s.get(class="hl-string">'segments', []):
                    if seg.get(class="hl-string">'segmentType') == class="hl-string">'interact':
                         events.append({
                            class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Conversation Routed to Queue', class="hl-string">'EventTime': seg.get(class="hl-string">'segmentStart'), class="hl-string">'EventEndTime': seg.get(class="hl-string">'segmentEnd'),
                            class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': None, class="hl-string">'MediaType': s.get(class="hl-string">'mediaType'),
                            class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
                        })

        if p.get(class="hl-string">'wrapUp'):
            events.append({
                class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Wrap-Up Code Assigned', class="hl-string">'EventTime': p[class="hl-string">'wrapUp'].get(class="hl-string">'wrapUpEnd'), class="hl-string">'EventEndTime': None,
                class="hl-string">'AgentId': agent_id, class="hl-string">'AgentName': agent_name, class="hl-string">'QueueName': s.get(class="hl-string">'queueName'), class="hl-string">'WrapUpCode': p[class="hl-string">'wrapUp'].get(class="hl-string">'code'), class="hl-string">'MediaType': s.get(class="hl-string">'mediaType'),
                class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
            })

    class=class="hl-string">"hl-comment"># Event: Interaction Disconnected
    events.append({
        class="hl-string">'ServiceRequest': conversation_id, class="hl-string">'ActivityName': class="hl-string">'Interaction Disconnected', class="hl-string">'EventTime': conv_detail.get(class="hl-string">'conversationEnd'), class="hl-string">'EventEndTime': None,
        class="hl-string">'AgentId': None, class="hl-string">'AgentName': None, class="hl-string">'QueueName': None, class="hl-string">'WrapUpCode': None,
        class="hl-string">'MediaType': next((p.get(class="hl-string">'sessions')[0].get(class="hl-string">'mediaType') for p in conv_detail.get(class="hl-string">'participants', []) if p.get(class="hl-string">'purpose') == class="hl-string">'customer'), None),
        class="hl-string">'SourceSystem': source_system, class="hl-string">'LastDataUpdate': last_data_update
    })
    
    return events


def main():
    class=class="hl-string">"hl-comment"># --- Define Analytics Query ---
    class=class="hl-string">"hl-comment"># Define your time interval here. Format: YYYY-MM-DDTHH:MM:SS.sssZ/YYYY-MM-DDTHH:MM:SS.sssZ
    interval = class="hl-string">"2023-10-01T00:00:00.000Z/2023-10-02T00:00:00.000Z"
    
    query_body = {
        class="hl-string">"interval": interval,
        class="hl-string">"paging": {
            class="hl-string">"pageSize": 100,
            class="hl-string">"pageNumber": 1
        }
    }

    class=class="hl-string">"hl-comment"># --- Submit and Monitor Job ---
    try:
        print(fclass="hl-string">"Submitting analytics job for interval: {interval}")
        api_response = analytics_api.post_analytics_conversations_details_jobs(query_body)
        job_id = api_response.job_id
        print(fclass="hl-string">"Job submitted successfully. Job ID: {job_id}")

        while True:
            job_status = analytics_api.get_analytics_conversations_details_job(job_id)
            print(fclass="hl-string">"Job status: {job_status.state}. Progress: {job_status.percent_complete}%")
            if job_status.state == class="hl-string">'FULFILLED':
                print(class="hl-string">"Job completed successfully.")
                break
            elif job_status.state in [class="hl-string">'FAILED', class="hl-string">'CANCELLED']:
                print(fclass="hl-string">"Job failed or was cancelled. State: {job_status.state}, Error: {job_status.error}")
                return
            time.sleep(15)

        class=class="hl-string">"hl-comment"># --- Fetch and Process Results ---
        all_events = []
        results_response = analytics_api.get_analytics_conversations_details_job_results(job_id)
        
        if not results_response.conversations:
            print(class="hl-string">"No conversations found for the given interval.")
            return
            
        print(fclass="hl-string">"Processing {len(results_response.conversations)} conversations...")
        for conv in results_response.conversations:
            all_events.extend(parse_conversation(conv))

        df = pd.DataFrame(all_events)
        df[class="hl-string">'EventTime'] = pd.to_datetime(df[class="hl-string">'EventTime'], errors=class="hl-string">'coerce')
        df = df.dropna(subset=[class="hl-string">'EventTime'])
        df = df.sort_values(by=[class="hl-string">'ServiceRequest', class="hl-string">'EventTime']).reset_index(drop=True)

        class=class="hl-string">"hl-comment"># --- Post-Processing for class="hl-string">'Service Request Re-Opened' ---
        class=class="hl-string">"hl-comment"># This logic is an example. Adjust the window and criteria to fit your business rules.
        print(class="hl-string">"Applying post-processing for 'Re-Opened' events...")
        reopen_events = []
        df_resolved = df[df[class="hl-string">'WrapUpCode'].str.contains(class="hl-string">'Resolved', na=False)].copy()
        df_resolved = df_resolved.sort_values(class="hl-string">'EventTime').drop_duplicates(class="hl-string">'ServiceRequest', keep=class="hl-string">'last')
        reopen_window = timedelta(hours=72)

        for index, row in df_resolved.iterrows():
            customer_id = next((p.get(class="hl-string">'participantName') for c in results_response.conversations if c.get(class="hl-string">'conversationId') == row[class="hl-string">'ServiceRequest'] for p in c.get(class="hl-string">'participants', []) if p.get(class="hl-string">'purpose') == class="hl-string">'customer'), None)
            if not customer_id: continue
            
            resolved_time = row[class="hl-string">'EventTime']
            future_interactions = df[(df[class="hl-string">'EventTime'] > resolved_time) & (df[class="hl-string">'EventTime'] <= resolved_time + reopen_window)]
            
            for _, future_row in future_interactions.iterrows():
                future_customer_id = next((p.get(class="hl-string">'participantName') for c in results_response.conversations if c.get(class="hl-string">'conversationId') == future_row[class="hl-string">'ServiceRequest'] for p in c.get(class="hl-string">'participants', []) if p.get(class="hl-string">'purpose') == class="hl-string">'customer'), None)
                if customer_id == future_customer_id and future_row[class="hl-string">'ActivityName'] == class="hl-string">'Interaction Started':
                    reopen_events.append({
                        class="hl-string">'ServiceRequest': row[class="hl-string">'ServiceRequest'], class="hl-string">'ActivityName': class="hl-string">'Service Request Re-Opened', class="hl-string">'EventTime': future_row[class="hl-string">'EventTime'],
                        class="hl-string">'SourceSystem': class="hl-string">'Genesys Cloud CX', class="hl-string">'LastDataUpdate': datetime.utcnow().isoformat() + class="hl-string">'Z'
                    })
                    break

        if reopen_events:
            df_reopen = pd.DataFrame(reopen_events)
            df = pd.concat([df, df_reopen], ignore_index=True)
            df = df.sort_values(by=[class="hl-string">'ServiceRequest', class="hl-string">'EventTime']).reset_index(drop=True)
        
        class=class="hl-string">"hl-comment"># --- Save to CSV ---
        output_filename = class="hl-string">'genesys_event_log.csv'
        df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%dT%H:%M:%S.%fZ')
        print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

    except PureCloudPlatformClientV2.ApiException as e:
        print(fclass="hl-string">"Error calling Genesys Cloud API: {e}")
    except Exception as e:
        print(fclass="hl-string">"An unexpected error occurred: {e}")

if __name__ == class="hl-string">'__main__':
    main()

ステップ

Analytics Workspaceに移動: Genesys Cloud CXにログインし、メニューの「管理（Admin）」から「分析（Analytics）」の「ワークスペース（Workspace）」を選択します。
新しいビューの作成: プラス（+）アイコンをクリックして新しいタブを追加し、「新しいビューを作成（Create a new view）」を選択します。ビュータイプに「インタラクション（Interactions）」を選ぶと、エディタが開きます。
期間の設定: 左側のフィルタパネルで、抽出したいデータの期間を指定します。まずはテストとして、1週間程度の短い期間から始めることをお勧めします。
エクスポート項目の選択: データ準備において最も重要なステップです。「列（Columns）」ボタンをクリックし、以下の項目を追加してください。これらはイベントログの生成に不可欠なデータです。
- Conversation ID
- Conversation Start
- Conversation End
- Media Type
- Participants（エージェント、キュー、顧客のデータがネストされた複雑なフィールドです）
- Metrics.tAnswered
- Metrics.tACW
- Metrics.tHeld
- Surveys
追加フィルタの適用: 必要に応じてフィルタパネルを活用します。Media Type（音声、チャットなど）、Queue、Direction（インバウンド/アウトバウンド）などで絞り込み、特定のサービスプロセスに焦点を当てます。
ビューの保存と実行: 「プロセスマイニング用エクスポート」など分かりやすい名前を付けて保存します。条件に一致するデータがロードされます。
エクスポートの実行: データがロードされたら、ダウンロードアイコンの「エクスポート（Export）」ボタンをクリックします。「CSVとしてエクスポート」または「JSONとしてエクスポート」を選択します。通常、初期処理にはCSVが扱いやすいです。
ファイルのダウンロード: エクスポートはバックグラウンドで処理されます。「パフォーマンス（Performance）」>「マイエクスポート（My Exports）」で進捗を確認し、完了したらファイルをローカルに保存します。
生データの変換: エクスポートされたファイルは1コンバセーション1行の形式で、詳細データが1つの列にネストされています。QueryセクションにあるPythonスクリプトなどの変換スクリプトを実行して、このデータを展開します。これにより、「エージェントが応対を開始」「保留に設定」といった個別の活動を1行ずつ並べたファイルが生成されます。
カスタムロジックの実装: 変換の過程で、「サービスリクエストの再オープン」などの独自ロジックを実装します。例えば、解決後に一定期間内に同じ顧客から連絡があった場合に「再オープン」と判定する処理などを行います。
イベントログの完成: 変換スクリプトから、ProcessMindの形式（ServiceRequest、ActivityName、EventTimeなどの列）に合わせたCSVファイルを出力します。タイムスタンプの形式が統一されているか確認してください。
ProcessMindへアップロード: 変換済みのCSVファイルをプロセスマイニングツールにアップロードすれば完了です。

設定

権限: Analytics Workspaceへのアクセスやインタラクションビューの作成には、Genesys Cloud CXのユーザーロールに Analytics > Conversation > View 権限が付与されている必要があります。
期間設定: 初回のデータ抽出では、3〜6ヶ月程度の代表的な期間を指定してください。コール数が多いコンタクトセンターの場合は、システム制限の回避やファイルサイズ管理のため、週単位や月単位など、データを細かく分割してエクスポートすることをお勧めします。
主要なフィルタ:
- Media Type: voice、chat、email など、分析対象のカスタマーサービスプロセスに関連するチャネルで絞り込みます。
- Queue: 特定のチームが担当するプロセスを分析する場合、関連するQueue IDでフィルタリングし、必要なデータのみを抽出します。
- Direction: 通常、顧客起点のサービスリクエストを把握するため、inbound（インバウンド）のインタラクションを選択します。
エクスポート項目: エージェントやキューのイベントタイムラインを詳細に把握するため、Participants 列は必須です。この項目がないと、個々の活動を抽出できません。また、Conversation ID、Conversation Start、Conversation End も必ず含めてください。
パフォーマンスに関する注意: 項目数が多すぎたり、対象期間が長すぎたりすると、エクスポートに時間がかかる場合があります。エラーやタイムアウトが発生した場合は、期間を短縮して再度お試しください。なお、Genesys Cloudでは1回のエクスポートにつき約100万コンバセーションという制限があります。

a クエリ例 config

import pandas as pd
import json
from datetime import datetime, timezone

# This script transforms a Genesys Cloud Conversation Detail Export into a process mining event log.
# It assumes the raw data is in a CSV file named 'genesys_export.csv'.

def transform_genesys_export(file_path):
    # Load the raw export file
    try:
        df = pd.read_csv(file_path)
    except FileNotFoundError:
        print(f"Error: The file {file_path} was not found.")
        return None

    event_log = []
    source_system = 'Genesys Cloud CX'
    last_data_update = datetime.now(timezone.utc).isoformat()

    # Rename columns for easier access
    df.rename(columns={
        'Conversation ID': 'conversationId',
        'Conversation Start': 'conversationStart',
        'Conversation End': 'conversationEnd',
        'Media Type': 'mediaType'
    }, inplace=True)

    for index, row in df.iterrows():
        service_request_id = row['conversationId']
        media_type = row['mediaType']
        
        # Activity: Interaction Started
        event_log.append({
            'ServiceRequest': service_request_id,
            'ActivityName': 'Interaction Started',
            'EventTime': row['conversationStart'],
            'EventEndTime': None,
            'AgentId': None, 'AgentName': None, 'QueueName': None, 'WrapUpCode': None,
            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
        })

        # The 'Participants' column contains a JSON string that needs to be parsed
        participants = json.loads(row['Participants'])

        for p in participants:
            participant_id = p.get('participantId')
            user_id = p.get('userId')
            queue_name = p.get('queueName')
            purpose = p.get('purpose')

            for s in p.get('sessions', []):
                wrap_up_code = s.get('wrapUpCode')
                for seg in s.get('segments', []):
                    seg_start = seg.get('segmentStart')
                    seg_end = seg.get('segmentEnd')
                    seg_type = seg.get('segmentType')

                    activity_name = None
                    if purpose == 'acd' and seg_type == 'interact':
                        activity_name = 'Conversation Routed to Queue'
                    elif purpose == 'agent' and seg_type == 'alert':
                        activity_name = 'Agent Offered Interaction'
                    elif purpose == 'agent' and seg_type == 'interacting':
                        activity_name = 'Agent Accepted Interaction'
                    elif purpose == 'agent' and seg_type == 'hold':
                        activity_name = 'Hold Placed on Interaction'
                        # Also create the Hold Removed event
                        event_log.append({
                            'ServiceRequest': service_request_id,
                            'ActivityName': 'Hold Removed from Interaction',
                            'EventTime': seg_end,
                            'EventEndTime': None,
                            'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': None,
                            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                        })
                    elif purpose == 'agent' and seg_type == 'acw':
                        activity_name = 'After-Call Work Started'
                        # Also create ACW Ended and Wrap-Up Assigned events
                        if wrap_up_code:
                            event_log.append({
                                'ServiceRequest': service_request_id,
                                'ActivityName': 'Wrap-Up Code Assigned',
                                'EventTime': seg_end, # Assume code assigned at end of ACW
                                'EventEndTime': None,
                                'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': wrap_up_code,
                                'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                            })
                        event_log.append({
                            'ServiceRequest': service_request_id,
                            'ActivityName': 'After-Call Work Ended',
                            'EventTime': seg_end,
                            'EventEndTime': None,
                            'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': wrap_up_code,
                            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                        })
                    
                    if seg.get('disconnectType') == 'transfer':
                        activity_name = 'Interaction Transferred'

                    if activity_name:
                        event_log.append({
                            'ServiceRequest': service_request_id,
                            'ActivityName': activity_name,
                            'EventTime': seg_start,
                            'EventEndTime': seg_end,
                            'AgentId': user_id, 'AgentName': '[Configure based on your system]', 'QueueName': queue_name, 'WrapUpCode': None,
                            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                        })
        
        # Activity: Interaction Disconnected
        event_log.append({
            'ServiceRequest': service_request_id,
            'ActivityName': 'Interaction Disconnected',
            'EventTime': row['conversationEnd'],
            'EventEndTime': None,
            'AgentId': None, 'AgentName': None, 'QueueName': None, 'WrapUpCode': None,
            'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
        })

        # Activity: Customer Satisfaction Survey Sent (from surveys column)
        if pd.notna(row.get('Surveys')):
            surveys = json.loads(row['Surveys'])
            for survey in surveys:
                if survey.get('surveyStatus') == 'Sent':
                    # Survey sent time is not always directly available, using conversation end as an approximation
                    event_log.append({
                        'ServiceRequest': service_request_id,
                        'ActivityName': 'Customer Satisfaction Survey Sent',
                        'EventTime': survey.get('surveySentDate', row['conversationEnd']),
                        'EventEndTime': None,
                        'AgentId': None, 'AgentName': None, 'QueueName': None, 'WrapUpCode': None,
                        'MediaType': media_type, 'SourceSystem': source_system, 'LastDataUpdate': last_data_update
                    })

    # NOTE: 'Service Request Re-Opened' requires custom cross-conversation logic.
    # This logic would need to be implemented here, analyzing the entire dataset
    # to find subsequent interactions from the same customer within a specific timeframe.

    final_df = pd.DataFrame(event_log)
    # Sort by case and event time to create a chronological log
    final_df.sort_values(by=['ServiceRequest', 'EventTime'], inplace=True)
    
    return final_df

if __name__ == '__main__':
    # Specify the path to your downloaded Genesys export CSV file
    input_file = 'genesys_export.csv'
    output_file = 'genesys_event_log.csv'
    
    event_log_df = transform_genesys_export(input_file)
    
    if event_log_df is not None:
        event_log_df.to_csv(output_file, index=False)
        print(f"Transformation complete. Event log saved to {output_file}")

お客様のカスタマーサービスデータ``テンプレート

お客様のカスタマーサービスデータ``テンプレート

顧客サービス属性

顧客サービスアクティビティ

抽出ガイド

Genesys Cloudアナリティクス会話詳細エクスポート

ステップ

設定

a クエリ例 config

Genesys Cloud Platform APIを使用するPythonスクリプト

ステップ

設定

a クエリ例 python

AWS EventBridge連携によるイベントストリーミング

ステップ

設定

a クエリ例 config

今すぐ始めますか？

繰り返し連絡をなくし、今すぐ顧客サービスを向上！

お客様のカスタマーサービスデータ``テンプレート

お客様のカスタマーサービスデータ``テンプレート

顧客サービス属性

顧客サービスアクティビティ

抽出ガイド

Genesys Cloudアナリティクス 会話詳細エクスポート

ステップ

設定

a クエリ例 config

Genesys Cloud Platform APIを使用するPythonスクリプト

ステップ

設定

a クエリ例 python

AWS EventBridge連携によるイベントストリーミング

ステップ

設定

a クエリ例 config

お客様のプライバシーを大切にしています

今すぐ始めますか？

繰り返し連絡をなくし、今すぐ顧客サービスを向上！

Genesys Cloudアナリティクス会話詳細エクスポート