HOME導入事例 > 株式会社アイアットOEC

契約顧客の状態を可視化!
AI導入でデータドリブンなカスタマーサクセス実現へ

企業Profile

株式会社アイアットOEC

設  立:2004年(平成16年)9月1日

従業員数:90名

事業内容:グループウェアを中心にSFA、ワークフロー、データベース、WEB社内報などお客様の業務改善を支援するクラウドサービス「WaWaOffice」シリーズ、ノーコードDX支援ツール「@pocket」の提供 他

導入目的サービス解約予測
  • 導入前の課題

    ① 統計情報だけでは本当の解約原因や解約予備軍が予測しづらい
    ② スタッフの業務負担軽減を図りたい

  • 導入のポイント

    ① 体験版利用で可能性を実感
    ② 導入しやすい価格設定

  • 導入効果

    ① 解約につながりやすい要素など新たな知見の獲得
    ② 予測作業や分析作業へのストレスが軽減

創業200年弱の歴史を持つ百貨店「天満屋」のグループ会社として2004年に設立された株式会社アイアットOEC。早期からクラウドサービス「WaWaOffice」シリーズを提供され、グループウェアを中心にSFA、ワークフロー、データベース、WEB社内報など顧客の業務改善を支援されています。
今回は、サービスの解約予測にPrediction Oneを導入された背景、アイアットOEC社ならではの活用方法、特に役立った機能について、営業戦略室部長の山本寛様、クラウドサービスグループサポートチームの中本裕子様に伺いました。

1カ月のトライアルで「この値段でここまでできるのか」と驚いた

AI予測ツールに興味を持たれた理由は、何だったのでしょうか?

山本様:ここ数年でデータを取り巻く環境が変わり、弊社でもお客様のデータを収集することでより顧客に寄り添ったサービス提供ができないかと考え始めました。
私は新しいテクノロジーへの関心がもともと高く、AIテキストマイニングツールなどはすでに活用していたのですが、メディアを通じて昨今のAIのビジネス適用例を知る中で、予測分析ツールにも興味を抱いた次第です。

最初から解約防止を目的としてツールを探されていたのですか?

山本様:いいえ、AIを導入する最大の目的は『働きやすい環境づくり』です。
コールセンターは一般的に離職率が高いと言われるため、スタッフができるだけ安心し快適に働ける環境をつくりたいと考えています。スタッフの働きやすい環境を追求することが、お客様への対応の質の向上につながるからです。
その中で、スタッフがデータの扱いに苦労しながら解約予測を行っている姿を見ていたので、その苦労を予測分析ツールで解消できるのではないかと思い、Prediction Oneを導入しました。

トライアルを実施されてみて、どう感じられましたか?

中本様:Prediction Oneに見よう見まねで『WaWaOffice』のデータを入れてみると、数クリックで解約の可能性が高い順に予測結果が出てきました。あまりにも簡単に結果が出てくるので最初は半信半疑でしたが、その後時間経過と共にサービスの解約ユーザーがPrediction Oneの予測結果上位に位置していることがわかり、『これはいけるんじゃないか』と感じました。
さらに魅力を感じたのは、予測寄与度です。予測結果に寄与する項目を視覚的に確認できるので、解約の可能性の確率だけではなく、解約につながりやすい要素、例えばアクセス数やID数、契約金額、もっと具体的には『何千円~何千円の間で使われているお客様は解約されやすい』など新たな気付きを得ることができ、正直『この値段でここまでできるのか』と驚きましたね。
こちらの情報投入の仕方次第で精度が上がっていくことを目の当たりにして、業務に活用できる可能性を強く感じました。

Prediction Oneで解約可能性が出たときに、どういうアクションをとられていますか?

山本様:今は活用方法をメールでお知らせしたり、営業担当からお客様フォローの電話をかけたりしています。
解約防止の難しいところは、『解約』という意識をすでに持ってしまっているお客様にアクションをかけて態度変容を促すのは容易ではないという点です。
そのため、『解約に近づくお客様』がどういう契約状態で、直近の利用状態はどうなのかといった『一歩前の状況』を認識し、対策をとる必要があります。解約に近づく要素をいち早く検知し、『解約の意識を持たれる前にそこから脱却させる』という発想です。現在は、その対策をどう打っていくか試行錯誤している状況です。

多様な顧客データを一元的に分析できるため、業務負荷と分析へのストレスが削減

Prediction One導入の効果は、どのように感じられていますか?

山本様:CS活動においては、メールでアクションを起こし、営業担当からフォローを行ったお客様が、一定期間内に解約に至ったのか、あるいはログイン回数に変化があったのかという視点で評価を行っています。
その結果、7割程度のお客様が維持または改善という結果になっているので、非常に良い効果が現れているとみています。

中本様:Prediction Oneのすごく好きなポイントとして、寄与度の詳細画面があります。Prediction Oneを導入するまで、ここで導き出される情報は弊社には全くない情報だったのです。
特に弊社のサービスは、グループウェアとデータベースの抱き合わせだったり、グループウェア単体だったり、ID数が1桁~4桁まで、いろいろな契約状態のお客様が混在しています。その様々な契約形態のお客様を一元的に、しかも契約種別や、契約期間、問い合わせ回数などの複合的な要素で分析を行うことができる。これは大変助かっています。
さらに、学習モデルに顧客データを定期的に投げ込んで顧客属性を可視化できるだけでも、十分に弊社のCS活動に役立っていると感じています。

▲寄与度イメージ図(取材をもとにソニービズネットワークスが作成)

「データが集まらない」「予測精度が上がらない」という2点がボトルネックとなってAI活用に悩まれる方もいらっしゃいますが、貴社はかなり使いこなしていただいている印象です。

中本様:まず、弊社のデータベースに顧客情報が蓄積されていたという点は大きいと思います。
管理している情報に加えて、お客様ごとの弊社サービスそれぞれの契約のあり・なし、契約年数、月数、日数などの項目を独自に設けてExcelにまとめています。契約年数、月数、日数でそれぞれ異なる予測結果が出たりするので、先入観に縛られず様々なデータを試してみることが重要ではないかと思います。
また、Prediction Oneの利点として、1回分析をかけるたびに都度課金されないという点も非常に大きいです。都度課金されるツールだったら、ここまでPDCAを回せなかったと思います。
分析を何度かけても定額料金、かつ安価であるところが、結果が出るまで試行錯誤を繰り返せた要因の1つです。

▲学習用データイメージ図(取材をもとにソニービズネットワークスが作成)

AIツール導入のきっかけとなった「スタッフが働きやすい環境づくり」に、Prediction Oneは寄与できていますか?

山本様:肌感覚になってしまいますが、CS対応・分析に要していた時間を考えると10%近くの時間が短縮できていると感じています。
10%と言うとインパクトとしては小さいと感じられるかもしれませんが、環境づくりは本当に小さいことの積み重ねだと思っていますので、私としてはPrediction Oneを導入して良かったと感じています。

中本様:これまでは、解約予測をしようと思うと1度の分析に数時間かかっていて、半年に1回予測するだけでうんざりするという状況でした(笑)
その点、Prediction Oneならデータを用意すれば数クリックで分析ができてしまうので、工数削減のみならずストレスの削減という点でもかなり助けられています。

今後の活用プランとしては、どのようにお考えですか?

山本様:例えば、別システムで取得できるお客様の利用状態やアクセス数などの情報は、まだPrediction Oneに取り込めていません。今後、そういった行動情報も取り込めれば『利用数が下がってきたお客様に解約アラートを立てる』というような活用方法もできると思います。
また、今は『WaWaOffice』しか十分な情報の項目数を満たせていないのですが、『@pocket』という新しいサービスでも情報を収集し、活用していこうと思っています。
今のところはCSやサポート中心での利用となっていますが、将来的にはイベントの集客予測やサービスのアップセル予測など、会社全体でPrediction Oneを活用できないか模索していきたいです。

アイアットOECの提供サービス

WaWaOffice」シリーズは、情報共有だけではなくワークフローやSFAなどのオプションも同じ画面内でご利用いただけます。

▲WaWaOfficeダッシュボード画面例

ノーコードでアプリ作成が可能な「@pocket」は、DXの推進を支援する新しいサービスです。
PAGE TOP

お問い合わせ

ご相談・ご質問など
お気軽にお問い合わせください。

お問い合わせ