【実務編】FAQ（ヘルプセンター）の改善｜指標の見方と棚卸しの手順

FAQ（ヘルプセンター）を公開しているのに、思ったほど問い合わせが減らない。

そう感じているカスタマーサポート責任者の方は少なくないはずです。

記事はひととおり揃っているし、自分でも定期的に書いたり直したりしている。

それでも問い合わせが減らないとすれば、FAQ改善の焦点は「書き方」ではなく、公開後の点検プロセスにあるかもしれません。

顧客がFAQにたどり着けているか、情報が今も正しいか。これを見ないまま放置すると、記事を増やしても効果は頭打ちになります。

本記事では、自己解決率などの指標を使ったFAQの現状診断方法を解説します。

あわせて、見つけてもらうための導線改善と、古い情報を残さない棚卸しの進め方も、実務目線でお伝えします。

FAQ（ヘルプセンター）の運用改善に課題を感じている方は、ぜひ本記事を参考にしてください。

FAQ（ヘルプセンター）改善とは？

FAQ（ヘルプセンター）とは、よくある質問と回答や使い方の案内をまとめ、顧客が自分で調べられるように公開したページのことです。

問い合わせをしなくても、顧客がその場で疑問を解決できる窓口です。

FAQ（ヘルプセンター）改善とは、公開済みのFAQを問い合わせや閲覧のデータで点検し、顧客が答えにたどり着ける状態を保つ取り組みです。

顧客が記事を見つけられているか、内容が今も正しいか、必要な記事がそろっているかの3点を見直し、自己解決率を高めます。

この章では、点検を怠った場合に何が起こるかと、本記事が扱う範囲を整理します。

公開後に点検しないと何が起こるか

点検を怠ると、顧客は欲しい情報にたどり着けず、問い合わせに回るか、問い合わせもせずに離脱します。

MMD研究所とPKSHA Technologyの共同調査でも、同様の傾向がみられます。

この調査は2025年6月、20〜69歳の男女15,000人への予備調査から、カスタマーサポートに不満を感じたことがある1,000人を抽出して行われました。

同調査では、FAQやチャットボットなど非対人のサポートに不満を感じた700人の69.1%が「知りたい情報が見つからない」を挙げ、最多でした。

非対人のサポートへの不満が原因でサービスの利用をやめた688人に聞いた結果でも、73.2%がこの項目を挙げて最多となっています。

つまり重要なのは、FAQやヘルプページの記事数を増やすことではありません。

顧客が情報を見つけられるか、情報が今も正しいかを、点検し続けることです。

そのため本記事は、個別記事の書き方ではなく、FAQサイト全体を改善する視点に立ちます。見つけてもらうための導線と、古い情報の棚卸しに絞って解説します。

参考：MMD研究所「カスタマーサポートに関する利用者の意識調査」

FAQ改善で見るべき4つの指標

FAQ改善を進めるには、まず自社のFAQを4つの指標で診断することが重要です。

前章で触れたとおり、FAQなど非対人サポートへの不満では「知りたい情報が見つからない」が最多でした。この章では、その状態を数値で把握するための4つの指標を解説します。

4つの指標とは、自己解決率、FAQ閲覧後の問い合わせ率、検索でヒットしなかった語句、内容別の問い合わせ件数です。

前の2つはFAQが解決に貢献しているか、後の2つは記事の不足と見直しの優先順位を示します。

自己解決率とは？有人対応なしで解決できた割合

自己解決率とは、顧客が有人対応を介さずに疑問を解決できた割合のことです。

FAQの閲覧だけでなく、チャットボットやAIの回答で解決し、担当者につながらなかったケースも含みます。

たとえば、FAQを見た1,000人のうち800人が問い合わせをしなければ、自己解決率は80%です。AIが一次対応している場合は、AIが対応した問い合わせのうち担当者につながらなかった割合もあわせて見ます。

この指標を見る理由は、FAQやAIの回答が問い合わせ削減に効いているかを直接示す数値だからです。問い合わせ件数の増減だけでは、FAQの効果なのか、顧客数や季節の変化なのかを切り分けられません。

ただし、問い合わせをしなかった顧客の中には、解決をあきらめて離脱した人も含まれます。記事に「役に立った」ボタンなどの評価機能があれば、その結果もあわせて見ると実態に近い数値で判断できます。

FAQ閲覧後の問い合わせ率とは？解決しなかった割合

FAQ閲覧後の問い合わせ率とは、FAQを見たあとに、そのまま問い合わせに進んだ割合のことです。この割合が高い場合、FAQの内容が疑問に十分答えられていない可能性があります。

FAQ単体で計算した自己解決率とは、おおむね表裏の関係にあります。

この指標を見る理由は、記事ごとに集計すると、疑問に答えきれていない記事を特定できるからです。

自己解決率がFAQとAIを合わせた成果を示すのに対し、この割合はどの記事から直すべきかを示します。

検索でヒットしなかった語句とは？記事がないテーマの一覧

検索でヒットしなかった語句とは、顧客が探したのに、該当する記事が見つからなかった言葉のことです。指標としては、語句ごとの検索回数と一覧を見ます。

この指標を見る理由は、顧客が求めているのに用意できていないテーマが、顧客自身の言葉で分かるからです。新しく書くべき記事と、既存記事に足すべき言葉の両方が見つかります。

内容別の問い合わせ件数とは？読まれていないFAQの数

内容別の問い合わせ件数とは、問い合わせを内容ごとに分類して数えた件数のことです。FAQに答えがあるのに問い合わせが来ている内容を特定できます。

この指標を見る理由は、既存記事のどれから見直すべきかが分かるからです。

該当するFAQが読まれていないか、分かりにくい可能性が高い箇所から着手できます。

4つの指標を定点観測すれば、FAQサイト改善の優先順位が明確になります。4つすべてを最初からそろえる必要はなく、まずは手元で取れる指標から始めましょう。

FAQが使われない3つの原因

FAQが使われない原因は、「見つからない」「情報が古い」「そもそも記事がない」の3つに集約されます。

顧客がFAQにたどり着けていないのか、たどり着いても内容が古いのか、探している答え自体がないのか。原因によって、打つべき手は変わります。

見つからない原因には入口・カテゴリ・検索導線の見直しが、情報が古い原因には担当者と確認日を決めた棚卸しが効きます。該当の記事がない場合には、検索でヒットしなかった語句をもとに記事を足す対応が近道です。

この章で自社の原因を見極め、次の章以降で解決策を順に解説します。

なぜFAQに顧客がたどり着けないのか

顧客がFAQにたどり着けないのは、入口・カテゴリ・検索のいずれかに問題があるためです。これは、MMD研究所の調査で最多だった「知りたい情報が見つからない」という不満とも重なります。

入口が分かりにくい、カテゴリ名が社内用語のまま、検索語句とFAQの表現がずれている。こうした状態が重なると、顧客は途中で探すことをあきらめてしまいます。

なぜ情報が古いまま放置されるのか

情報が古いまま放置される原因は、運用ルールの不在にあります。仕様変更や料金改定のたびにFAQを見直す仕組みが整っていないのです。

新しい記事の追加を優先すると、既存記事の更新は後回しになりやすくなります。結果として、顧客が参照した情報と実際の仕様がずれ、問い合わせにつながります。

そもそも記事がないとはどういう状態か

そもそも記事がないとは、顧客が検索した言葉に対応するFAQ自体が存在しない状態です。前章で紹介した「検索でヒットしなかった語句」を、定点観測していないと気づけません。

3つの原因を特定できれば、FAQ改善の次の一手が明確になります。

次の章では、特に「見つからない」原因に対する具体的な見直しポイントを解説します。

見つけてもらうための見直しポイント

見つけてもらうためには、入口・カテゴリ・検索導線を顧客視点で整えることが重要です。記事の内容が正しくても、顧客が探す場所や言葉とずれていれば、FAQは読まれません。

この章では、4つの見直しポイントを解説します。

問い合わせの直前でFAQを示す方法、カテゴリ名の決め方、検索でヒットしなかった語句の活かし方、製品画面からのリンクの4つです。

いずれも、FAQを大きく作り直さずに着手できる施策です。

なぜ問い合わせ導線にFAQを表示するのか

問い合わせフォームの手前にFAQを表示すると、顧客はそこで疑問を解決できます。

結果として、問い合わせ自体を未然に減らせます。顧客は問い合わせる直前まで、自分で調べようとするものです。

このタイミングで答えが返ってくれば、待ち時間をかけて問い合わせる手間が省けます。

チャットの入口で関連するFAQを提示する方法のほか、登録済みのFAQをもとにAIがその場で回答し、解決できないときだけ担当者につなぐ方法もあります。

カテゴリ名はどう決めればよいか

カテゴリ名は、社内で使っている言葉ではなく、顧客が実際に使う言葉で決めることが基本です。「その他」「お役立ち情報」のような、何が載っているか分からない名称は避けましょう。

「料金」「解約」「支払い方法」など、顧客が検索バーに打ち込みそうな具体的な言葉を使うと、迷わずたどり着けます。

検索でヒットしなかった語句をどう活かすか

検索でヒットしなかった語句は、記事タイトルや本文に反映し、次回以降はヒットするようにします。たとえば「返金」で検索してヒットしなかったとします。

既存の「返品」記事に「返金」という言葉を追記するだけでも、検索結果の精度が上がります。

語句に対応する記事自体がなければ、それが新しく作るべき記事のテーマです。検索回数の多い語句から順に記事を作るのが、少ない工数で効果を出す近道です。

製品画面からFAQへ直接リンクする

製品の操作画面から、該当するFAQへ直接リンクすると、顧客はその場で疑問を解決できます。

設定画面や注文履歴画面など、顧客がつまずきやすい箇所に導線を置きましょう。ヘルプセンターを探しに行く手間もかかりません。

記事内の該当箇所へ直接飛べるリンクを発行できるFAQシステムなら、製品画面からのリンクの受け皿として、そのまま使えます。

ここまでの見直しを行えば、FAQサイト改善の効果を着実に積み上げられます。

古い情報を残さない棚卸しの進め方

古い情報を残さないためには、3つのステップが必要です。

仕様変更時の確認、担当者の明確化、不要記事の整理です。FAQは公開した時点では正しくても、仕様変更や料金改定のたびに少しずつ実態とずれていきます。

古い情報は顧客を誤った手順に導き、かえって問い合わせを増やす原因になります。

この章では、更新が必要な記事を見つけ、担当者が確実に直し、使われない記事を整理するまでの流れを順に解説します。

仕様変更時はどこを確認すべきか

仕様変更や料金改定が入ったら、該当するFAQ記事をまず洗い出しましょう。機能やプランに言及している記事がないか確認します。

リリースノートや社内のアップデート情報と、既存記事を突き合わせる仕組みを作っておきましょう。これにより見落としを防げます。

記事ごとに担当者と確認日を決める

記事ごとに担当者と次回の確認日を決めておくことで、更新の抜け漏れを防げます。

「誰も更新していない」という状態は避けたいところです。

1記事につき1人の担当を割り当て、確認の頻度をあらかじめ決めておきましょう。

確認の頻度は、内容の変わりやすさで分けると無理なく続けられます。たとえば料金や手続きの記事は毎月、基本的な使い方の記事は四半期ごとのように決めます。

決めた確認日が来たら、担当者に通知が届くようにしておきましょう。

FAQシステムに記事の確認ルールを設定する機能があればそれを使い、なければスプレッドシートの確認日とカレンダーの通知で代用できます。

閲覧されない記事はどう扱うか

閲覧されていない記事は、統合するか削除するかを検討します。

閲覧数が少ない記事をそのまま放置すると、検索結果や一覧画面が雑然とします。結果として、本当に必要な記事が埋もれてしまいます。

類似テーマの記事はまとめ、使われていない記事は思い切って削除する判断も必要です。

この棚卸しでは、どの記事から手をつけるべきか、優先順位の判断に迷う場面があります。閲覧数だけで決めずに、問い合わせ内容を分析して「FAQを読めば解決できたはずの問い合わせ」を洗い出すと、本当に見直すべき記事から着手できます。

なお、AIがFAQをうまく参照できないケースへの対処法は、AIの回答率を改善する方法で解説しています。

FAQ改善に使えるチャネルトークの機能

顧客理解のためのAIエージェント「チャネルトーク」には、問い合わせ対応からFAQ（ヘルプセンター）の運用、問い合わせ分析までをまとめて行える機能がそろっています。

FAQ改善に使える機能は、ドキュメント、ALF、問い合わせ別統計、AI CoS（Chief of Staff）の4つです。

ドキュメントでFAQサイトを公開・整理し、AIエージェント「ALF」で担当者につなぐ前にFAQをもとに回答します。問い合わせ別統計で内容別の問い合わせ件数を把握し、チャネルワークスの機能であるAI CoSで棚卸しの優先順位を決めます。

各機能が本記事のどの手順に対応し、何ができるかは次の表のとおりです。

FAQの公開から自動回答、問い合わせ件数の把握、見直し候補の抽出まで、FAQ改善の一連の作業をチャネルトークとチャネルワークスで進められます。

事例：HERPはFAQをどの視点で見直したか

採用管理システムを提供する株式会社HERPは、ALFの導入からおよそ1年で、解決率を60%から82%まで高めました（2026年7月時点）。

あわせて、問い合わせ全体のうちALFが対応する割合（関与率）も40%から88%に広げています。

機能が多く、AIによる対応が難しいとされるBtoB SaaSでの成果です。

• 未解決の問い合わせを1件ずつFAQに反映する：

  ALFが解決できなかった問い合わせをすべて洗い出し、1件ずつFAQを強化している。現在はこの改善を週次で回している。

• リリースと同時に直す箇所を洗い出す：

  製品のリリースを検知すると、直すべきガイドの箇所がチケットとして自動で起票される。AIが出した改善案は、必ず人が確認してから反映する。

• ドキュメントとFAQで載せる情報を分ける：

  広く知ってほしい仕様はドキュメントに、個別のケースは一問一答のFAQに載せる。FAQで頻度が高くなった内容は、ドキュメントに移す。

いずれも、実際に届いた問い合わせを起点に記事を直している点が共通しています。

よくある質問

FAQ（ヘルプセンター）の改善に取り組む際によく挙がる疑問を、一問一答でまとめました。FAQを公開済みで、問い合わせが思ったほど減らないと感じているカスタマーサポート担当者に向けた内容です。

取り上げるのは、自己解決率の計算方法、FAQを見直す頻度の目安、閲覧数が少ない記事の扱い方、書き方を直しても問い合わせが減らない理由の4つです。

いずれも、本記事で解説した4つの指標と棚卸しの手順に沿って短く答えています。

Q. FAQの自己解決率はどう計算する？

FAQを見たあと問い合わせをしなかった顧客数を、FAQを見た顧客数で割って計算します。問い合わせをしなかった顧客には、解決をあきらめて離脱した人も含まれます。

記事の評価ボタンの結果もあわせて確認すると、実態に近い数値で判断できます。

Q. FAQはどのくらいの頻度で見直せばよい？

内容の変わりやすさで頻度を分けると、無理なく続けられます。

料金や手続きの記事は毎月、基本的な使い方の記事は四半期ごとが一つの目安です。

仕様変更や料金改定があったときは、頻度にかかわらず該当する記事を確認しましょう。

Q. 閲覧数が少ないFAQは削除してよい？

閲覧数だけで削除を決めるのは避けましょう。

まず、似たテーマの記事に統合できないか、顧客が検索する言葉とタイトルがずれていないかを確認します。

それでも役割のない記事は、削除して一覧を整理するのがおすすめです。

Q. 書き方を直してもFAQが効かないのはなぜ？

顧客がFAQにたどり着けていないか、情報が古くなっている可能性があります。

書き方の改善に加えて、カテゴリ名や検索語句の見直しと、担当者と確認日を決めた棚卸しをあわせて進めることが大切です。

まとめ

FAQ（ヘルプセンター）は、公開して終わりではなく、点検を続けてはじめて効果を発揮します。

自己解決率などの指標で現状を把握し、3つの原因（見つからない・情報が古い・そもそも記事がない）を洗い出します。

導線の見直しと棚卸しを継続することが、問い合わせ削減への近道です。

また、点検して鮮度を保ったFAQは、ALFのようなAIが回答の根拠として参照するナレッジにもなります。日々の点検で情報の精度を保つことは、AI対応の土台づくりにもつながります。

まずは自己解決率など手元で取れる指標から現状を確認し、優先順位の高い記事から見直しに着手してみてください。チャネルトークの機能を活用すれば、問い合わせ内容の把握から棚卸しの優先順位づけまでを効率化できます。