Minedia 推出「銷售改革解決方案」，透過商談音訊全件分析統計解析「獲勝模式」

株式會社 Minedia（總部：東京都港區；代表取締役 CEO：鈴木 大也；以下簡稱「Minedia」）的 AI Data Lab 開發並開始提供「AI 會話分析模組」（以下簡稱「AI 模組」）。該模組利用 AI 解析商談、客服、會議等會話數據，並透過與其他數據整合，導出產生結果的行動因素與改善行動。

此外，作為該模組的首個應用，開發了「銷售改革解決方案」（以下簡稱「本解決方案」），旨在統計解析銷售組織產生結果的行動因素。

### AI 會話分析模組概要
AI 模組是透過以下三個流程，從會話數據中導出直接連結組織成果的啟示與行動的 AI 引擎：
1. **會話數據的高精度解析**：針對商談、客服、會議等會話音訊，進行逐字稿、話者分離、抑揚頓挫、停頓、發話節奏等非語言要素的解析。
2. **與其他數據的整合分析**：將會話解析結果與客戶屬性、購買行為、成果數據（成約、失注、訂單金額等）進行統計比對，釐清行動與成果之間的因果結構。
3. **啟示與行動的導出**：將分析結果結構化為經營層與現場雙方皆可活用的形式，並作為可反映至組織機制的具體行動輸出。

相對於以錄音、逐字稿、儀表板可視化為主要功能的傳統語音解析工具，本模組被設計為瞄準可視化之上的決策與組織變革的「不同類別產品」。

### AI 會話分析模組的特色
1. **高精度的非語言要素解析技術**：在話者分離、抑揚、停頓、發話節奏等方面的解析精度，是源自多年線上定性調查事業的研究開發，與僅停留在語言表層解析的通用工具不同。
2. **從課題抽選到施策提示的一致性**：活用創業以來在線上行為數據與電商購買數據分析中培養的數據活用能力，導出「做什麼能改變結果」的施策提示。
3. **可落實於組織機制的輸出設計**：分析結果不僅止於報告，而是以持續反映至手冊、培訓、KPI、評價制度等組織機制為前提進行設計。

### 第 1 彈應用：銷售改革解決方案
本解決方案旨在解決許多銷售組織中手冊與 KPI 依賴經驗或個人判斷的問題。它能回答以下結構性問題：
- 成功與不成功的銷售員之間，結構性的差異是什麼？
- 在商談的哪個階段產生了成果的落差？
- 在各階段，說什麼有效？說什麼會有反效果？
- 如何將頂尖銷售員的秘訣橫向展開到整個組織？

透過提供統計解析銷售組織「獲勝模式」的「啟示報告」，以及可用於 1on1 的「個人別反饋報告」，使組織能根據統計根據而非經驗進行決策。