# テレコールコーチング

テレコールコーチングアプリでは、「コールログデータ」をアップロードするのみでテレコーチングのを行うことができます。

<figure><img src="/files/TB8om56JyPCVOHToqhMG" alt=""><figcaption></figcaption></figure>

下記の入力例を基にアポイント取得のためのレター文案作成を行います。

## ファイルのアップロード <a href="#file" id="file"></a>

テレコールのログをアップロードします。

<figure><img src="/files/g9NmYfFqgqXU2tz9x4Xp" alt=""><figcaption></figcaption></figure>

## 結果例 <a href="#example2" id="example2"></a>

入力例の内容で生成を実施すると下記のようなアポイント取得のためのレター文案作成が生成されます。

生成された文章は、その場で編集やコピー、ファイルとしてダウンロード(txt・PDF・docx)が可能です。

<figure><img src="/files/VERPGCi6xXQlc6BR8zF5" alt=""><figcaption></figcaption></figure>

<table><thead><tr><th width="255">　　　評価項目</th><th width="200">　　　　 評価</th><th>　　　　アドバイス</th></tr></thead><tbody><tr><td>1.お客様の重要なポイントを復唱できているか</td><td>　　　　　△</td><td>お客様の言葉をそのまま繰り返す場面はあるが、より深く理解し、要点をまとめて復唱することで、お客様に理解されていると感じさせることができる。</td></tr><tr><td>2.お客様の言葉の裏側にある潜在的なニーズ、課題をヒアリングしているか</td><td>　　　　　〇</td><td>お客様が現在抱えているチャットボットの課題について質問し、潜在的なニーズを探っている。しかし、さらに具体的な質問をすることで、より深い理解が可能になる。</td></tr><tr><td>3.お客様のHP(ホームページ)等を見るなどして先方のビジネスを理解しようとしているか</td><td>　　　　　〇</td><td>お客様のホームページを見ていることを言及しており、先方のビジネスについて理解しようとしている。さらに、その情報をもとにした質問をすることで、より関心を示すことができる。</td></tr><tr><td>4.お客様の課題、ニーズと自社製品をマッチさせる会話ができているか</td><td>　　　　　〇</td><td>自社製品がお客様の課題を解決できる点を説明しており、マッチングに努めている。ただし、もう少し具体的な事例やデータを用いることで説得力を増すことができる。</td></tr><tr><td>5.アポイントを取る際に明確な理由付けをできているか</td><td>　　　　　〇</td><td>デモを交えた説明を提案しており、アポイントの理由付けは明確。さらに、お客様の利便性を考慮した日時提案などがあると良い。</td></tr><tr><td>6.BANTC情報を積極的にとりにいっているか</td><td>　　　　　〇</td><td>予算や決裁者について質問しており、BANTC情報の収集に努めている。ただし、タイミングやニーズに関するさらなる情報収集も重要。</td></tr></tbody></table>

アドバイスとしては、お客様の課題やニーズに対してより具体的な質問を行い、深い理解を示すことが重要です。また、自社製品の説明に際しては、具体的な事例やデータを用いることで説得力を高めることができます。さらに、アポイントの提案では、お客様の利便性を最優先に考えることが大切です。

## アプリ編集画面 <a href="#edit" id="edit"></a>

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

### インプット <a href="#input" id="input"></a>

利用者に入力してもらいたい項目を1つご用意しています。

インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

<figure><img src="/files/hnflLBVYb6b71rkejYJN" alt=""><figcaption></figcaption></figure>

* **コールログデータをアップロードしてください**
  * 変数：@doc1
  * インプットタイプ：アドバンス

### LLMモデル <a href="#model" id="model"></a>

標準モデルは「OPENAI GPT-4 TURBO」がセットされています。

{% hint style="warning" %}
モデルを変更することで生成結果の仕上がりが変わる場合があります。
{% endhint %}

### プロンプト <a href="#prompt" id="prompt"></a>

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

{% hint style="warning" %}
インプットの変数を変更した際は、プロンプト内の変数も変更する必要があります。
{% endhint %}

#### プロンプトのOne Pointアドバイス <a href="#prompt_onepoint" id="prompt_onepoint"></a>

{% hint style="info" %}
生成された各項目の文章量を調整したい場合は、プロンプトへ追記することで任意の文字数で生成することが可能です。

例：各項目100文字以内で評価を記載してください。
{% endhint %}


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.allganize.ai/alli-llm-app-market/app-market/default-apps/sales/telecall-coaching.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.