EmburseがCSMを増員せずに解約の早期警告システムを構築した方法

ツール導入やモデル構築に先立ち、Emburseは発想の転換を行いました。社内に一つの基準を設けたのです。お客様が解約に向かっているなら、それがチームにとって突然の出来事であってはならない、というものです。

当たり前に聞こえますが、これを実運用に落とし込む過程で、チームは不都合な問いに向き合うことになりました。なぜ私たちは、お客様が解約したときにまだ驚いているのか？

答えは、つながっていて行動に移せるシグナルの欠如にありました。誰かが間違っていたわけではありません。システムが先を見通せるように作られていなかっただけです。

多くのCSチームと同様、Emburseにもヘルススコアはありました。しかしヘルススコアはスナップショットです。お客様の今の状態は教えてくれますが、これからどこへ向かうのかは教えてくれません。

Kelly氏のチームは問いを再定義し、チームの仕事を「このお客様は今どう感じているか？」から「次に何が起きそうか？」へと転換しました。Pendo Predictはまさにこの2つ目の問いを軸に設計されており、現在の状態だけでなく軌道をモデル化します。

この転換が、その後のすべてを変えました。モデルの構築方法、優先すべきシグナル、そして各アウトプットに紐づけるアクションです。

EmburseにはNPS、CES、製品利用状況、請求データがありました。しかし、それらは互いに連携していませんでした。最初に本腰を入れたのは、そのすべてを取り込む統合されたカスタマージャーニーモデルの構築です。

初期のヘルススコアモデルは15〜20ほどのシグナルで動いていました。Pendoの利用状況、CRM、サポート、マーケティングデータにまたがる数百の変数を取り込める予測モデルで再構築すると、約700の予測因子にまで拡張できました。

必要だったのは、より多くのデータではありません。特定の成果に向けてモデル化された、つながったデータでした。

“データは十分にありました。必要だったのは、より早い段階での確信だけです。”

Emburse デジタルCXインテリジェンス担当ディレクター、Vikas Sharma氏

データモデルの構築やPredictへのコミットに先立ち、Emburseは「良い」とは何かを定義しました。すべての予測因子を4つの基準で評価したのです。

ここで多くのチームがつまずきます。優れたモデルを作っても、別のツールでそれを表示してしまうのです。しかしCSMはそこを見に行かず、せっかくのインサイトは埋もれて死んでいきます。

これを解決するため、EmburseはPredictを使ってすべてのリスクスコアをSalesforceへ直接連携し、アカウント情報、ヘルススコア、更新データと並べて表示しました。CSMは顧客の健全性（とその理由）を一つの統合ビューで把握でき、コンテキストの切り替えは不要になりました。

“ヘルスを確認するために別のシステムにログインしなければならないなら、それはスケールしません。ワークフローの中に組み込む必要がありました。”

Emburse カスタマーサクセス担当VP、Kelly Causey氏

信頼できる予測が手に入ると、EmburseはPendoを使って、どのアカウントに人の介入が必要で、どのアカウントには不要かを判定するルーティングモデルを構築しました。