> For the complete documentation index, see [llms.txt](https://docs.maiagent.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.maiagent.ai/maiagent-user-guide/ja/serve/daily-operations/reply/inbox-analysis.md).

# 会話プラットフォームの分析

単一のチャネルの会話データを対象に、AI がトピックのクラスタリング、解決率、改善提案を自動分析します

チャネル分析（Inbox Analysis）は、特定のチャネルの指定期間内の実際の会話を対象に、AI がトピックの抽出、解決状況の判定、具体的な改善提案の作成を自動で行う機能です。Agent の会話品質を継続的に改善できます。

## チャネル分析とは？ <a href="#what-is-inbox-analysis" id="what-is-inbox-analysis"></a>

カスタマーサポートの会話が一定量蓄積されると、総数や満足度だけでは十分に把握できません。次のような点も知りたくなります。

* **ユーザーは実際に何を質問しているのでしょうか？** 最もよく質問されるトピックは何でしょうか？
* **実際に解決した会話はどのくらいあるのでしょうか？** 解決率が低いのはどのような種類の質問でしょうか？
* **解決しなかった原因は何でしょうか？** ナレッジベースの内容不足、指示の過度な制限、ツールの失敗のどれでしょうか？
* **応答速度とコストはどのように分布しているのでしょうか？** 時間やトークンを多く消費するトピックは何でしょうか？

チャネル分析は、こうした疑問に答えるために設計されています。システムは次の処理を行います。

1. 指定期間内の会話を取得します
2. 埋め込みモデルでトピックをクラスタリングします
3. LLM で会話ごとの意図、解決状況、失敗原因を分析します
4. 改善提案を含む分析サマリーを作成します

{% hint style="info" %}
**類似機能との違い**

| 機能                                                                           | 実行タイミング                   | 用途                                     |
| ---------------------------------------------------------------------------- | ------------------------- | -------------------------------------- |
| [利用分析](https://docs.maiagent.ai/maiagent-user-guide/ja/build/agent/usage.md) | リアルタイム集計                  | Agent 単位の定量 KPI（会話の文字数、回数、満足度）         |
| チャネルの「会話分析」設定（各チャネル設定のタブ）                                                    | 新しいメッセージの受信時にリアルタイムで実行します | LLM が会話に自動でラベルを付け、振り分けや管理を支援します        |
| **このページで説明する「チャネル分析」**                                                       | **手動で実行するバッチ振り返り**        | **指定期間を対象としたトピックのクラスタリング、解決率の分析、改善提案** |
| {% endhint %}                                                                |                           |                                        |

***

## 使い方 <a href="#how-to-use" id="how-to-use"></a>

{% stepper %}
{% step %}

### チャネル分析ページを開きます <a href="#enter-page" id="enter-page"></a>

1. 左側のメニューで「<mark style="color:blue;">カスタマーサポート会話</mark>」→「<mark style="color:blue;">チャネル</mark>」をクリックします
2. チャネル一覧で対象のチャネルを探します
3. 該当行の右側の操作欄にある<mark style="color:blue;">📊 アイコン</mark>（マウスを合わせると「チャネル分析」と表示されます）をクリックし、分析ページを開きます

このページには、このチャネルで過去に作成したすべての分析レポートが表示されます。期間、ステータス、会話数、処理時間などを確認できます。

<figure><img src="https://2584873290-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FTvHx8hgwYGDTLD3A7xoW%2Fuploads%2Fgit-blob-ca2397bf2a39ccde7960854eb83724e9f230b6d3%2Finbox-analysis-01-list.png?alt=media" alt="チャネル分析ページ：ステータス、期間、総会話数、分析済み、処理時間、作成日時、操作の各列を含む分析レポート一覧"><figcaption><p>チャネル分析ページ：このチャネルの分析レポート一覧です。右上から分析を新規作成できます</p></figcaption></figure>
{% endstep %}

{% step %}

### 分析を新規作成します <a href="#create-analysis" id="create-analysis"></a>

右上の「<mark style="color:blue;">分析を新規作成</mark>」ボタンをクリックし、次の必須項目を入力します。

* **期間**：分析する会話の期間を選択します（未来の日付は選択できません）
* **分析用 LLM**：会話を個別に分析する大規模言語モデルを指定します
* **埋め込みモデル**：トピックのクラスタリングに使用する埋め込みモデルを指定します
* **レポート言語**：分析サマリーの出力言語を指定します（繁体字中国語、簡体字中国語、英語、日本語、韓国語）

<figure><img src="https://2584873290-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FTvHx8hgwYGDTLD3A7xoW%2Fuploads%2Fgit-blob-9381ae705c2fa3e43c4ed4f3d836aa92f1cfbebb%2Finbox-analysis-02-create-modal.png?alt=media" alt="分析の新規作成画面：期間、分析用 LLM、埋め込みモデル、レポート言語の必須 4 項目と、折りたたまれた詳細設定"><figcaption><p>分析の新規作成：必須の 4 項目を入力します</p></figcaption></figure>

「<mark style="color:blue;">詳細設定</mark>」を展開すると、サンプリング方法を調整できます（後述の「詳細設定の説明」を参照してください）。

<figure><img src="https://2584873290-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FTvHx8hgwYGDTLD3A7xoW%2Fuploads%2Fgit-blob-e1cefa856afa611e3c242e20d6a6e81393f2dfdc%2Finbox-analysis-03-create-modal-advanced.png?alt=media" alt="分析の新規作成画面で詳細設定を展開した状態：クラスタごとのサンプル数、最大サンプル数、同時実行数、最大取得会話数"><figcaption><p>詳細設定：サンプリングと同時実行のパラメータを調整します</p></figcaption></figure>

「<mark style="color:blue;">確定</mark>」を押すと、システムがバックグラウンドで非同期に分析を実行し、ステータスが「待機中」→「処理中」→「完了」と進みます。
{% endstep %}

{% step %}

### レポートを確認します <a href="#view-report" id="view-report"></a>

ステータスが「完了」になったら、そのレポートの「<mark style="color:blue;">レポートを表示</mark>」アイコン（👁）をクリックして、レポート詳細ページを開きます。

レポートには、会話データの充実度に応じて、データ概要、解決状況、トピッククラスタ、よくある質問、パフォーマンス指標、分析サマリー、会話ごとの分析が表示されます。レポート右上から PDF または Excel をダウンロードできます。[PDF レポートのダウンロード](#download-pdf)と[Excel レポートのダウンロード](#download-excel)を参照してください。

<figure><img src="https://2584873290-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FTvHx8hgwYGDTLD3A7xoW%2Fuploads%2Fgit-blob-ff67b37a8ce5e219b90591df99ff79799e8a801c%2Finbox-analysis-04-report-detail.png?alt=media" alt="分析レポート詳細ページ"><figcaption><p>分析レポート詳細ページの下部：よくある質問ランキング、トピック別のパフォーマンス分布、分析設定</p></figcaption></figure>
{% endstep %}
{% endstepper %}

***

## レポート内容の説明 <a href="#report-content" id="report-content"></a>

### 1. データ概要 <a href="#data-overview" id="data-overview"></a>

| 指標      | 説明                                     |
| ------- | -------------------------------------- |
| 総会話数    | 指定期間内の、このチャネルの会話の総数です                  |
| 分析済み    | LLM が実際に分析した会話数です（「最大サンプル数」によって制限されます） |
| サンプリング率 | 分析済み / 総会話数（パーセント）です                   |
| 処理時間    | 今回の分析タスクの開始から完了までにかかった秒数です             |

{% hint style="info" %}
総会話数が「最大サンプル数」を超える場合、システムはクラスタリング後に代表的な会話を抽出して分析し、コストと時間を抑えます。
{% endhint %}

### 2. 解決状況 <a href="#resolution-status" id="resolution-status"></a>

主要指標である「**解決率**」は、次の式で算出します。

```
解決率 = (解決済み件数 + 一部解決件数) ÷ 分析済み件数
```

* **解決済み**（緑）：Agent がユーザーの質問に完全に回答しています
* **一部解決**（オレンジ）：一部に回答しているか、回答の方向性は正しいものの不十分です
* **未解決**（赤）：回答できないか、回答が誤っています

解決率が 50% を上回る場合は緑、50% を下回る場合は赤で表示し、状態をすぐに把握できるようにします。

### 3. パフォーマンス指標 <a href="#performance-metrics" id="performance-metrics"></a>

対象期間における Agent の処理パフォーマンスを表示します。

* **総トークン使用量**：Input + Output トークンの合計です
* **ターンあたりの平均トークン数**：会話の各ターンで消費する平均トークン数です
* **平均応答時間**：メッセージ受信から応答完了までの合計時間です
* **平均最初のトークンまでの時間（TTFT）**：メッセージ受信から最初のトークンの出力開始までの時間です

### 4. トピッククラスタの分布 <a href="#topic-clusters" id="topic-clusters"></a>

すべての会話を「意味の類似度」に基づいてクラスタリングし、各トピックの出現回数と割合を横棒グラフで表示します。外れ値の会話は「Noise / Outliers」に分類されます。

この表示から、ユーザーが最もよく質問するトピックをすぐに把握できます。

### 5. 解決・失敗原因の分布 <a href="#failure-reasons" id="failure-reasons"></a>

システムは、分析対象の各会話にステータスまたは失敗原因を付け、次のように集計します。

| 原因            | 説明                          |
| ------------- | --------------------------- |
| 解決済み          | Agent が適切に回答しています           |
| 一部解決          | 回答の方向性は正しいものの不十分です          |
| ナレッジベースの不足    | 関連する内容がナレッジベースにありません        |
| 指示の過度な制限      | ロールの指示が妥当な応答を妨げています         |
| ツールの失敗        | ツールの実行エラー、またはツールが呼び出されていません |
| ユーザーの意図が不明確   | ユーザーのメッセージが曖昧で、意図を判断できません   |
| 対象外の話題        | ユーザーの質問が Agent の対応範囲外です     |
| ハルシネーションによる応答 | AI が存在しない情報や誤った情報を生成しています   |
| 不明            | 上記のカテゴリに分類できません             |

この分布は、次の改善につながります。ナレッジベースの不足が多ければ内容を追加し、指示の過度な制限が多ければロールの指示を調整し、ハルシネーションが多ければナレッジベースと指示による制約を強化します。これは、知識の不足を特定する唯一の自動化手段です。プラットフォームでは「検索結果なし」となった質問を別途記録・エクスポートしません。この分析のサンプリング結果と[会話ごとの分析](#per-conversation-analysis)を併用し、ナレッジベースを補完してください。

### 6. よくある質問ランキング <a href="#top-questions" id="top-questions"></a>

トピックを「回数」順に並べ、各トピックの**出現回数**と**解決率**を表示します。任意の行を展開すると、そのトピックの意図の例が表示され、クラスタリングが想定どおりかをすぐに確認できます。

### 7. トピック別のパフォーマンス分布 <a href="#performance-by-topic" id="performance-by-topic"></a>

トピックごとにトークン数と所要時間を分解し、「高コスト」または「低速」なトピックを特定します。

* 平均 Input / Output / Total トークン数
* 平均応答時間
* 平均最初のトークンまでの時間

特定のトピックのトークン数が極端に多い場合は、ロールの指示やナレッジベースの検索を最適化することを検討してください。時間がかかる場合は、ツールの呼び出し回数が多い、または内容が長い可能性があります。

### 8. 分析サマリー <a href="#synthesis" id="synthesis"></a>

LLM がすべての分析結果をまとめて生成する Markdown レポートです。通常、次の内容が含まれます。

* 全体的なパフォーマンスの概要
* 主な問題のパターン
* 優先的な改善提案
* 具体的な調整方針

デフォルトでは折りたたまれて表示されます。見出しをクリックすると展開して読めます。

### 9. 会話ごとの分析 <a href="#per-conversation-analysis" id="per-conversation-analysis"></a>

展開すると、分析対象の会話を 1 件ずつ確認できます。各会話には次の内容が含まれます。

* **意図**（User Intent）：ユーザーが実際に質問したいことです
* **トピック**（Topic）：会話が属するトピッククラスタです
* **説明**（Resolution Detail）：解決状況の詳しい説明です
* **改善提案**（Suggestions）：その会話に対する具体的な改善方針です

***

## PDF レポートのダウンロード <a href="#download-pdf" id="download-pdf"></a>

レポートのステータスが「完了」の場合、レポート詳細ページの右上に、<mark style="color:blue;">Excel をダウンロード</mark>に加えて<mark style="color:blue;">PDF をダウンロード</mark>ボタンが表示されます。PDF はレポート詳細ページの各セクションと同じレイアウトのため、スクリーンショットを自分でまとめることなく、そのまま上司に転送したり、プレゼンテーションに貼り付けたりできます。

<figure><img src="https://2584873290-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FTvHx8hgwYGDTLD3A7xoW%2Fuploads%2Fgit-blob-bca388d573a05fa24db6a9b0073e41a389e316e6%2Finbox-analysis-08-download-pdf.png?alt=media" alt="レポート詳細ページ右上の「PDF をダウンロード」と「Excel をダウンロード」ボタン。その下にデータ概要、解決状況、パフォーマンス指標が表示されています"><figcaption><p>レポート詳細ページ右上：PDF をダウンロードと Excel をダウンロード</p></figcaption></figure>

PDF には次の順序で内容が含まれます。

* レポートのヘッダー：チャネル名、分析期間、レポート言語、レポート生成日時
* データ概要、解決状況、パフォーマンス指標
* トピッククラスタ、解決・失敗原因、よくある質問、トピック別のパフォーマンス
* まとめと改善提案

{% hint style="info" %}

* PDF には**会話ごとの分析は含まれません**。最後の行に「会話ごとの明細は Excel をダウンロードしてください」と表示されます。会話を個別に確認する場合は Excel をダウンロードしてください。
* セクションの見出しはレポート言語に合わせて表示されます。ファイル名は Excel と同じ規則（チャネル名＋レポートタイトル＋分析期間）で、拡張子は .pdf です。
* 一度にダウンロードできる形式は 1 つだけです。PDF の生成中は<mark style="color:blue;">Excel をダウンロード</mark>が一時的にクリックできなくなり、逆の場合も同様です。ダウンロードが完了すると両方のボタンが再び使用できます。
* レポートが生成中または失敗した場合、どちらのダウンロードボタンも表示されません。古いレポートで一部のセクションのデータが不足している場合、PDF の該当セクションに「データなし」と表示されます。
* レポートを閲覧できるメンバーは、追加の権限なしでダウンロードできます。
  {% endhint %}

### シナリオ：月次会議の前に分析結果を上司に共有します <a href="#pdf-use-case" id="pdf-use-case"></a>

カスタマーサポート責任者の小林さんは、毎月初めの運営会議で Web Chat のサービス状況を報告します。まず前月の分析レポートを作成し、ステータスが「完了」になったらレポート詳細を開いて<mark style="color:blue;">PDF をダウンロード</mark>を押します。画面と同じレイアウトのレポートファイルを取得し、そのまま会議の案内メールに添付します。さらに<mark style="color:blue;">Excel をダウンロード</mark>も押して、会話ごとの分析をカスタマーサポートのチームリーダーに渡し、個別案件のフォローアップに使ってもらいます。

***

## Excel レポートのダウンロード <a href="#download-excel" id="download-excel"></a>

レポートのステータスが「完了」になると、レポート詳細ページの右上に<mark style="color:blue;">Excel をダウンロード</mark>ボタンが表示されます。クリックすると .xlsx ファイルがダウンロードされます。ファイル名にはチャネル名と分析期間が含まれているため、手元で独自に集計したり、追加分析したりできます。

| シート           | 内容                                                     |
| ------------- | ------------------------------------------------------ |
| 概要            | 分析設定（チャネル、分析期間、レポート言語、レポート生成日時）、データ概要、解決状況、パフォーマンス指標です |
| トピッククラスタ      | トピック、会話数、割合です                                          |
| 解決・失敗原因       | 原因、件数、割合です                                             |
| よくある質問        | 順位、トピック、回数、解決率、意図の例です                                  |
| トピック別のパフォーマンス | トピック、回数、平均入力／出力／総トークン数、平均応答時間、平均最初のトークンまでの時間です         |
| 会話ごとの分析       | 会話 ID、会話日時、ユーザーの意図、トピック、解決ステータス、原因、説明、提案です             |
| 分析サマリー        | レポートのまとめと改善提案です。各段落を別の行に表示します                          |

{% hint style="info" %}

* パーセンテージと時間は数値として保存されます（時間の単位は秒）。ダウンロード後、そのまま並べ替えや計算ができます。
* シート名と列名はレポート言語に合わせて表示されます。
* レポートが生成中または失敗した場合、ダウンロードボタンは表示されません。古いレポートで一部のセクションのデータが不足している場合、該当シートに「データなし」と表示されます。分析サマリーがない場合も、分析サマリーのシートに「データなし」と表示されます。
* レポートを閲覧できるメンバーは、追加の権限なしでダウンロードできます。
  {% endhint %}

***

## 詳細設定の説明 <a href="#advanced-config" id="advanced-config"></a>

詳細設定では、サンプリングと実行方法を制御します。まずはデフォルト値で実行し、必要に応じて調整することをお勧めします。

| パラメータ        | デフォルト値 | 説明                                             |
| ------------ | ------ | ---------------------------------------------- |
| クラスタごとのサンプル数 | 10     | 各トピッククラスタから LLM 分析に送る会話数の上限です                  |
| 最大サンプル数      | 150    | レポート全体で分析する会話数の上限です（コストの上限を制御します）              |
| 同時実行数        | 8      | LLM 分析を同時に処理する数です。大きいほど速くなりますが、瞬間的なリソース消費も増えます |
| 最大取得会話数      | —      | データベースから取得する会話の総数の上限です                         |
| 最小会話メッセージ数   | —      | メッセージ数がこの値未満の会話を除外します（情報量の少ない短い会話の分析を避けます）     |

{% hint style="warning" %}
**コストに関する注意**：分析では LLM トークン枠（Input + Output + Embedding）を消費します。分析前に組織の利用枠を確認し、不足している場合はタスクを作成できません。
{% endhint %}

***

## 活用シナリオ <a href="#use-cases" id="use-cases"></a>

### シナリオ 1：四半期の品質レビュー <a href="#case-quarterly-review" id="case-quarterly-review"></a>

**目的**：上司が前四半期の Web Chat チャネルの会話品質と主な問題を把握したいと考えています。

**操作**：

1. 期間に前四半期を選択します
2. 最大サンプル数を 300 に設定してサンプルを増やします
3. 分析を実行し、「解決・失敗原因の分布」と「よくある質問ランキング」を確認します
4. ナレッジベースの不足や指示の過度な制限など、頻度の高い原因に対する改善タスクを計画します

### シナリオ 2：バージョン更新後の影響評価 <a href="#case-version-impact" id="case-version-impact"></a>

**目的**：先週ロールの指示を調整し、会話品質が改善したかを確認したいと考えています。

**操作**：

1. 「調整前の 1 週間」と「調整後の 1 週間」について、それぞれ分析レポートを作成します
2. 両レポートの解決率と失敗原因の分布を比較します
3. 特定の失敗タイプが減少したかを確認します

### シナリオ 3：トピッククラスタリングによるナレッジベースの補完 <a href="#case-knowledge-gap" id="case-knowledge-gap"></a>

**目的**：ユーザーがよく尋ねる質問を見つけ、ナレッジベースを体系的に補完したいと考えています。

**操作**：

1. 直近 1 か月の会話を分析します
2. 「よくある質問ランキング」から頻度が高く、解決率が低いトピックを選びます
3. 「意図の例」を展開し、実際の質問の仕方を確認します
4. ナレッジベースに対応する FAQ やドキュメントを追加します

***

## よくある質問 <a href="#faq" id="faq"></a>

### Q：一部の会話が分析されないのはなぜですか？ <a href="#faq-why-not-all-analyzed" id="faq-why-not-all-analyzed"></a>

システムは「最大サンプル数」と「最小会話メッセージ数」に基づいて会話を絞り込み、クラスタリング後に代表的なサンプルを抽出します。総会話数が多い場合は、コストを抑えるため代表的なサンプルのみを分析します。

### Q：解決率はどのように判定されますか？ <a href="#faq-resolution-rate" id="faq-resolution-rate"></a>

分析用 LLM は、分析対象の会話をそれぞれ**9 つのステータスのいずれかに直接分類します**。解決済み、一部解決、ナレッジベースの不足、指示の過度な制限、ツールの失敗、ユーザーの意図が不明確、対象外の話題、ハルシネーションによる応答、不明の 9 種類です。

解決率の計算式は次のとおりです。

```
解決率 = (解決済み + 一部解決) ÷ 分析済み総数
```

「解決済み」と「一部解決」の両方が解決率の分子に含まれます。残りの 7 つのステータスは未解決として扱います。

### Q：同じチャネルに対して複数の分析を同時に作成できますか？ <a href="#faq-concurrent-analyses" id="faq-concurrent-analyses"></a>

はい。ただし、**実行中の分析と期間が重複してはいけません**。「このチャネルには、期間が重複する実行中の分析があります」というエラーが表示された場合は、その分析の完了を待つか、別の期間を選択してください。

### Q：分析にはどのくらい時間がかかりますか？ <a href="#faq-duration" id="faq-duration"></a>

会話数、最大サンプル数、同時実行数、選択したモデルによって異なります。通常、150 件のサンプルでは数分から十数分程度です。デフォルトの処理時間制限は 110 分で、超過すると自動で失敗と判定されます。

### Q：分析に失敗した場合はどうすればよいですか？ <a href="#faq-failure" id="faq-failure"></a>

ステータスが「失敗」の場合は、レポート一覧の「エラーメッセージ」欄を確認してください。よくあるメッセージと対処方法は次のとおりです。

* 「Analysis timed out — the worker may have crashed during processing.」処理が制限時間を超えています。「最大サンプル数」を減らして分析量を抑え、再試行してください
* 「Analysis task was never picked up by a worker.」タスクが割り当てられていません。しばらくしてから再試行してください
* その他のメッセージ：スクリーンショットを添えて MaiAgent のサポート窓口に報告し、調査を依頼してください

{% hint style="info" %}
**利用枠が不足している場合**は、分析の作成時に即座にブロックされ、案内が表示されます。「失敗」ステータスのレポートとしては表示されません。
{% endhint %}

### Q：自分のアカウントで「チャネル分析」が表示されないのはなぜですか？ <a href="#faq-permission" id="faq-permission"></a>

「チャネル分析」は「カスタマーサポート会話」アクセス権限のサブ項目です。デフォルトでは、MaiAgent ロールに「カスタマーサポート会話」アクセス権限があれば、この機能も含まれます。

表示されない場合は、次の可能性があります。

* お使いの MaiAgent ロールに「カスタマーサポート会話」アクセス権限がありません
* 組織管理者が、お使いのロールの「チャネル分析」サブ権限を無効にしています

この権限がない場合、<mark style="color:blue;">チャネル</mark>一覧に分析アイコンが表示されません。リンクから分析ページを直接開くと、403「申し訳ありませんが、このページを表示する権限がありません」と表示されます。組織管理者に連絡し、[ロール権限管理](https://docs.maiagent.ai/maiagent-user-guide/ja/org/roles/role-permission.md#request-permission)ページで確認・調整してもらってください。

***

## 注意事項 <a href="#notes" id="notes"></a>

{% hint style="info" %}
**権限について**

* 「チャネル分析」は「カスタマーサポート会話」アクセス権限のサブ項目であり、この権限を持つすべての MaiAgent ロールにデフォルトで含まれます
* 組織管理者は[ロール権限管理](https://docs.maiagent.ai/maiagent-user-guide/ja/org/roles/role-permission.md)ページで、ロールごとの機能へのアクセスを調整できます
* この権限を持つメンバーは、所属組織内のすべての分析レポートを作成・閲覧できます
  {% endhint %}

{% hint style="warning" %}
**コストに関する注意**

* 各分析で LLM の Input / Output トークンと Embedding トークンを消費します
* 作成前にモーダルで期間と最大サンプル数を確認することをお勧めします
* 詳細設定の最大サンプル数を調整することで、コストの上限を制御できます
  {% endhint %}

{% hint style="danger" %}
**データ保護**

* 分析中は、会話の内容が選択した LLM に送信され、処理されます
* 組織のデータ処理ポリシーに従い、要件を満たすモデルを選択してください
  {% endhint %}

***

## 関連機能 <a href="#related" id="related"></a>

{% hint style="info" %}
**参考情報**

* [利用分析](https://docs.maiagent.ai/maiagent-user-guide/ja/build/agent/usage.md)：Agent 単位の定量 KPI ダッシュボードです
* [チャネル検索機能](https://docs.maiagent.ai/maiagent-user-guide/ja/serve/daily-operations/reply/inbox-search.md)：特定の会話をすばやく検索できます
* [会話ビューア](https://docs.maiagent.ai/maiagent-user-guide/ja/serve/daily-operations/reply/conversation-viewer.md)：個々の会話の全体的な文脈を確認できます
* [評価インサイトレポート](https://docs.maiagent.ai/maiagent-user-guide/ja/build/agent-ops/evaluation-insights.md)：AgentOps のバッチテスト後に自動生成されるインサイトです
  {% endhint %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

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

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.maiagent.ai/maiagent-user-guide/ja/serve/daily-operations/reply/inbox-analysis.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.
