> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt.

# データ収集

データ収集では、LLMを活用した分析により、会話の文字起こしから構造化された情報を自動で抽出します。手作業なしで価値あるデータポイントを取得できるため、業務効率とデータ精度が向上します。

## 概要

データ収集では、会話の文字起こしを分析し、定義した特定の情報を特定・抽出します。抽出されたデータは指定した形式で構造化され、後続の処理や分析に利用できます。

### 対応データ型

データ収集では、さまざまな情報形式に対応する4種類のデータ型を利用できます。

* **文字列**：テキストベースの情報（名前、メールアドレス、住所）
* **ブール値**：真偽値（同意状況、適格性）
* **整数**：整数値（数量、年齢、評価）
* **数値**：小数値（価格、割合、測定値）

## 設定

#### データ収集設定にアクセス

エージェント設定の**分析**タブで、**データ収集**セクションに移動します。

![データ収集の設定](/docs/_fern-files/elevenlabs.docs.buildwithfern.com/1dd7120a0d0236e4b225f1054f17c13956dc5ccc7de275e600eaab9e20604634/assets/images/conversational-ai/collection.gif)

#### データ収集項目を追加

**項目を追加**をクリックして、新しいデータ抽出ルールを作成します。

各項目を次のように設定します。

* **識別子**：データフィールドの一意の名前（例：`email`、`customer_rating`）
* **データ型**：文字列、ブール値、整数、数値から選択
* **説明**：文字起こしからデータを抽出する方法についての詳細な指示

> **Info**
>
> 説明フィールドはLLMに渡されます。何を抽出し、どのように形式化するかを、できるだけ具体的に記載してください。

> **Note**
>
> データ収集項目は、トライアルプランとエンタープライズプランではエージェントあたり40件、その他のプランではエージェントあたり25件までです。

#### 抽出データを確認

抽出されたデータは会話履歴に表示されるため、各やり取りからどの情報が取得されたかを確認できます。

![会話履歴内のデータ収集結果](/docs/_fern-files/elevenlabs.docs.buildwithfern.com/beddd4acf7a431f10b6d6ac602d4ef16604e93bc51040325e185df6517ba3021/assets/images/conversational-ai/collection_result.gif)

## ベストプラクティス

#### 効果的な抽出プロンプトの書き方

* 期待する形式を明確に指定する（例：「[user@domain.com](mailto:user@domain.com)形式のメールアドレス」）
* 情報が欠けている場合や不明な場合の対応を指定する
* 有効なデータと無効なデータの例を含める
* 検証要件を記載する

#### 一般的なデータ収集の例

**連絡先情報：**

* `email`：「標準形式（[user@domain.com](mailto:user@domain.com)）で顧客のメールアドレスを抽出」
* `phone_number`：「市外局番を含む顧客の電話番号を抽出」
* `full_name`：「顧客が提示したフルネームを抽出」

**ビジネスデータ：**

* `issue_category`：「顧客の問題を、技術、請求、アカウント、一般のいずれかに分類」
* `satisfaction_rating`：「顧客が示した数値による満足度評価を抽出（1～10の尺度）」
* `order_number`：「顧客が言及した注文番号または参照番号を抽出」

**行動データ：**

* `was_angry`：「通話中に顧客が怒りや不満を表したかどうかを判定」
* `requested_callback`：「顧客が折り返し連絡またはフォローアップを依頼したかどうかを判定」

#### 欠落したデータや不明確なデータの処理

要求されたデータが文字起こし内に見つからない場合や曖昧な場合、抽出結果はnullまたは空の値になります。次の点を検討してください。

* アプリケーションで条件分岐を使用して欠損データを処理する
* 不完全な抽出に対するフォールバック基準を作成する
* 必要な情報を一貫して収集できるようエージェントをトレーニングする

## データ型のガイドライン

#### 文字列

他の型に当てはまらないテキストベースの情報に使用します。

**例：**

* 顧客名
* メールアドレス
* プロダクトカテゴリ
* 問題の説明

**ベストプラクティス：**

* 必要に応じて期待する形式を指定する
* 検証要件を含める
* 標準化の必要性を検討する

#### ブール値

はい／いいえ、真／偽の判定に使用します。

**例：**

* 顧客の同意状況
* 適格性の確認
* 機能リクエスト
* 苦情の指標

**ベストプラクティス：**

* 真と偽の条件を明確に定義する
* 曖昧な回答を処理する
* 不明なケースのデフォルト値を検討する

#### 整数

整数値に使用します。

**例：**

* 顧客の年齢
* プロダクト数量
* 評価スコア
* 問題の件数

**ベストプラクティス：**

* 該当する場合は有効な範囲を指定する
* 数値以外の回答を処理する
* 必要に応じて丸めのルールを検討する

#### 数値

小数または浮動小数点値に使用します。

**例：**

* 金額
* 割合
* 測定値
* 算出されたスコア

**ベストプラクティス：**

* 精度の要件を指定する
* 通貨または単位のコンテキストを含める
* 異なる数値形式を処理する

## ユースケース

#### リードの選別

営業会話から連絡先情報、適格性基準、関心度を抽出します。

#### 顧客インテリジェンス

戦略的なインサイトを得るために、顧客の好み、フィードバック、行動パターンに関する構造化データを
収集します。

#### サポート分析

業務改善のために、問題カテゴリ、解決の詳細、満足度スコアを
取得します。

#### コンプライアンス文書化

監査証跡のために、必要な開示、同意、規制情報を抽出します。

## トラブルシューティング

#### データ抽出で空の値が返される

* 会話の文字起こしにデータが存在することを確認する
* 抽出プロンプトが十分に具体的か確認する
* データ型が期待する形式と一致していることを確認する
* 会話中に情報が明確に伝えられたかを検討する

#### データ形式に一貫性がない

* 形式の指定について抽出プロンプトを確認する
* プロンプトに検証要件を追加する
* データ標準化のための後処理を検討する
* さまざまな会話シナリオでテストする

#### パフォーマンスに関する考慮事項

* データ収集ルールごとに処理時間が追加される
* 複雑な抽出ロジックは評価に時間がかかる場合がある
* 抽出精度と速度要件を監視する
* 可能な場合は効率のためにプロンプトを最適化する

> **Info**
>
> 抽出されたデータは、CRMシステム、データベース、分析プラットフォームとのインテグレーション用に[通話後 Webhook](/docs/ja/eleven-agents/workflows/post-call-webhooks)から利用できます。