エスカレーション最適化

エスカレーション分析

閾値最適化

def optimize_escalation_thresholds(historical_data):
    """エスカレーション閾値を最適化"""
    best_config = None
    best_score = float('-inf')

    for confidence_threshold in [0.3, 0.4, 0.5, 0.6, 0.7]:
        for frustration_threshold in [2, 3, 4, 5]:
            # シミュレーション
            escalated = []
            for ticket in historical_data:
                should_escalate = (
                    ticket['confidence'] < confidence_threshold
                    or ticket['frustration_level'] >= frustration_threshold
                )
                escalated.append(should_escalate)

            # 評価: 必要エスカレーションのRecall重視
            actual_needed = [t['actually_needed_escalation'] for t in historical_data]
            recall = sum(1 for a, p in zip(actual_needed, escalated) if a and p) / max(sum(actual_needed), 1)
            precision = sum(1 for a, p in zip(actual_needed, escalated) if a and p) / max(sum(escalated), 1)
            escalation_rate = sum(escalated) / len(escalated)

            # スコア: Recall重視 + エスカレーション率ペナルティ
            score = recall * 2 + precision - escalation_rate * 0.5

            if score > best_score:
                best_score = score
                best_config = {
                    'confidence_threshold': confidence_threshold,
                    'frustration_threshold': frustration_threshold,
                    'recall': round(recall, 3),
                    'precision': round(precision, 3),
                    'escalation_rate': round(escalation_rate, 3),
                }

    return best_config

まとめ

チェックリスト

• エスカレーション率の分析方法を理解した
• 閾値最適化の手法を説明できる
• Recall重視の設計理由を説明できる
• 継続的な閾値改善サイクルを設計できる

次のステップへ

エスカレーション最適化を学んだ。次は演習で評価改善計画を策定しよう。

推定読了時間: 15分