チャーン予測モデルは自社構築すべきか、それとも購入すべきか？

これが、PendoがAIを活用した予測分析製品であるPendo Predictについての考え方の中心にある洞察です。そして、一度理解すれば、会話をまったく変えてしまう洞察です。

Pendoの社内データサイエンスチームのデータアナリスト、ジョナサン・ライスは、最近の会話でこう率直に述べています。「頭のしっかりしたデータチームなら、チャーンモデルを構築できるし、おそらくすでに構築しているでしょう。」

優れたデータチームがすでに予測モデルを構築できるとすれば、Predictの意義は何でしょうか？実は、モデルは問題の一部に過ぎず、最も重要な部分でもありません。

自社製データモデルに欠けているもの

予測分析に関する議論でよく見落とされがちな点があります。データウェアハウスに眠っているモデルは、顧客を一人も救えないということです。

「モデル自体がビジネスの成果を変えるわけではありません」とJonathanは説明しました。「モデルの予測から成果を引き出すのは人であり、それが実際に変化をもたらすのです。」

データチームはこの緊張感をよく知っています。数週間、時には四半期まるごとをかけて、本当に手応えを感じるものを作り上げます。予測は正確に見えます。再現率も安定しています。そして……それが純経常収益（NRR）revenue (NRR), 「リスクの高いアカウントがある」から「CSMが対処している」への明確な道筋がないためです。

問題は、その作業を誰が所有するかということです。データチームがアクションを推進する責任を負うのか、それともRevOps、イネーブルメント、またはカスタマーサクセス（CS）リーダーに責任が引き継がれるのでしょうか？答えはたいてい「全員がある程度所有しているため、実際には誰も所有していない」というものです。

Predictは、モデルを置き換えるのではなく、予測スコアの後に行われるすべての処理を担うことで、この問題を解決するように設計されています。

Predictが実際に行うこと（そして行わないこと）

Predictは、あなたのビジネスを社内の人々よりも理解していると主張するブラックボックスではありません。「モデルが完成した」から「チームが実際に活用している」までの時間を短縮するプラットフォームです。

Predictが真に輝くのは、モデルのトレーニング後に起こるすべてのことです。つまり、SalesforceやSlack（またはGTMチームが利用しているツール）への予測の配信、スコア階層からのPendoセグメントの構築、アカウントが高リスクとして浮上した際にCSMが取るべき行動を示すプレイブックの添付、そしてスコアがひっそりと古くなってしまわないよう自動的に再トレーニングを行うことです。古くなっています。

この最後の点は、一見思われる以上に重要です。Jonathanは、Pendoの以前の解約モデルについて、何年もリビルドや再トレーニングが行われていなかったものだと説明しました。その間にビジネスは大きく変化していましたが、モデルは依然として古いシグナルで動き続けていました。 

「モデルを再構築する必要があった」と彼は言った。「問題は、それが簡単な作業ではないということだ。データサイエンティストが取り組んでも、四半期の大半を費やすことになっただろう。」

Predictはそのタイムラインを逆転させます。自動再トレーニングを有効にすると、モデルは観測された結果に基づいて特徴の重みを継続的に再調整するため、スコアは2年前に誰かがモデルを構築する時間を確保したときの状態ではなく、今日のビジネスの実態を反映します。

変わるのは時間軸であり、作業ではない

Predictが登場する以前、モデル構築フェーズは必ずしもプロセスの中で最も時間のかかる部分ではありませんでした。Jonathanはこのように説明しています。データの収集と特徴量エンジニアリングには長い時間がかかります。実際のモデルのトレーニングは速い。しかし、予測結果を必要な場所に届ける方法を考え出したり、Salesforceにスコアをプッシュするカスタムコードを書いたり、あるいはそれをダッシュボードに表示したり、Slackアラートをトリガーしたりするのに、また長い時間がかかります。

「Predictは、その3つの領域にかける時間をどれだけ変えるかを示してくれます」と彼は言いました。「そこで大きな時間の節約が生まれます。そして今、データチームはより良いデータを収集するために、より多くの時間と労力を投資できるようになります。」

Pendoチームは、アカウントのティアリングモデルに外部データエンリッチメントを試験的に導入した際、このことを直接体験しました。見込み客に関する追加シグナル（企業がAIを積極的に活用しているかどうかなど）を取り込むことで、モデルの精度が向上するかどうかを検討していました。データを収集してPredictに投入してからわずか1日以内に、答えは出た。そのデータは有益であり、チームは新しいバージョンのモデルをリリースした。下流のすべての関係者は、より精度の高い予測を受け取るようになった。何かが変わったことを誰も知る必要はなかった。

データチームにとっての突破口

Jonathanの観点から見て、Predictの最も過小評価されているメリットは、おそらくビジネス内におけるデータチームの可視性に対してもたらす効果です。

「データチームは自分たちのROIを示す必要があります」と彼は言いました。「構築しているモデルや、そこから導き出されるアクションがビジネスに収益をもたらしているか、あるいはコストの流出を防いでいることを示せることは、データチームにとって大きな突破口になります。」

彼は、Pendoがプロダクトマネージャーのために行っていることと直接比較しました。PMは、自分たちが構築しているものが採用されているかどうかを示し、それをより良くするためのツールを持っています。データチームにはそれがありませんでした。Predictはそのツールとなるべく構築されています。

また、Predictはセグメント、Guides、Orchestrateなど、Pendoのより広範なプラットフォームに直接統合されているため、モデルスコアからアプリ内アクションまでの時間は、データチームが自分たちですべてを組み合わせようとする場合よりもはるかに短くなります。チャーンスコアの高いすべてのアカウントを自動的にPendo Orchestrateジャーニーに追加でき、それらのガイドやメールへのエンゲージメントを他のPendoデータと同じ方法で追跡できる場合、予測からアクションまでのループは成果が測定可能になります。

Pendo Predictがチームの予測をアクションに変えるのにどう役立つか見てみませんか？ デモを見る。