CXとAI③

 2019.11.13  八木尚德

今回は、前回の続きとして「CXに大きな影響を与える要因のあぶり出し」がテーマです。

CXAI①はこちら

CXAI②はこちら

データ分析スキルは必須

CXに大きな影響を与える要因のあぶり出し」の大きな流れは以下の通りです。

① それぞれのお客様接点(タッチポイント)における、満足度を集計する。
② 全体のジャーニーを通じた満足度を集計する(総合満足度やNPSを使うのが一般的です)
③ どのタッチポイントが最も総合満足度やNPSに影響を与えるのかをデータ分析を通じてあぶり出す。

今回は特に、③のデータ分析に焦点を当てたいと思います。

というのも、実際に③のデータ分析が一番重要(大変)な作業になることが多く、データ分析スキルによってあぶり出しの精度が大きく左右されるからです。

 

よくある分析手法

一口にデータ分析と言っても、やり方は色々とあります。今回は分析手法として3つの方法をご紹介します。

1.相関係数を用いる方法

 もっとも簡単な方法になります。お客様接点(タッチポイント)と総合満足度or NPSの相関をそれぞれ求め、相関が大きいものほど影響度が高いと判断します。

2.重回帰分析を用いる方法

重回帰分析の主な目的は目的変数の「予測」です、要因分析にも使用することができます。総合満足度 or NPSを目的変数、お客様接点(タッチポイント)を従属変数とした重回帰分析を行い、回帰直線を求めます。そうすることで、従属変数に対してそれぞれの回帰係数を求めることができ、回帰係数が大きいものほど影響度が高いと判断します。

3.ランダムフォレストを用いる方法

 ランダムフォレストも主な目的は重回帰分析と同じで、「予測」です。詳細は省きますが、影響度の判断方法も重回帰分析と同様の方法となり、回帰係数の代わりに特徴量重要度を使用します。

ランダムフォレストの優れている点は、1や2のような一般的な回帰分析で対応できない非線形分離問題でも対応できる点にあります。(非線形分離問題についてはこちらをご覧ください。https://www.proseed.co.jp/blog/deep-learning-2

わかりやすく言うと、1や2のような回帰分析では予測精度が低くても、ランダムフォレストを用いることで予測精度を高めることができます。
つまり、「CXに大きな影響を与える要因のあぶり出し」をより精確に行うことができます。

ただし、欠点もあります。それは、Excelでランダムフォレストを用いて分析を行うことが非常に難しい点です。
しかし、AI分野で有名なPythonを使用すると簡単にランダムフォレストを使用することができます。前述していますが、CXを考える際にはデータ分析スキルが必須です。将来的にはExcelではなく、Pythonスキルがキーポイントになってくるかもしれません。

 

はじめてのPython

データ分析スキルとして、Pythonは非常に強力なツールです。プロシードでは、はじめてPythonを使用される方向けの研修も実施しております。
興味がある方はお気軽に八木までご連絡ください。

New Call-to-action

RECENT POST「八木尚德」の最新記事


この記事が気に入ったらいいねしよう!
COPC CX規格 CSP版 リリース6.2 日本語版(2020年4月発行版)