導入事例

搭乗後アンケートを開始し、最初はExcelを使って手作業で集計していました。 しかしExcelで集計はできてもデータを分析し、方向性を示すことはできません。
アンケートに協力いただくお客様はフリーコメントを予想以上に書いて下さいますが、ビッグデータなので何かいいツールがないかと探し始め、テキストマイニングを知りました。

テキストマイニングを念頭に5〜6社にコンタクトを取り、最終的に3社を比較。 見える化エンジンだけが、相関分析やクロス分析など様々な分析が一度にできたり、私たちの知識にはないデータの切り口があったりして、しかもそれが素人でもわかりやすく簡単に使えました。

さらに見える化エンジンだけがグラフやデータをExcelやPowerPoint、会議資料にコピー＆ペーストしてそのまま使えるので業務に役立ちます。
それまでできていなかった「CSを数値化して推移を見る」「データをわかりやすく現場の各部署や経営幹部に説明する」ために、見える化エンジンはたいへん魅力的でした。

コロナ禍の時期にお客様満足度が低下した時は、見える化エンジンに助けられました。
機内サービスを中止したことが低下の原因かと思ったのですが、違ったのです。

「客室乗務員が機内持ち込み手荷物の収納を手伝ってくれない」という声は以前からあったものの数は少なく、私たちはさほど重視していませんでした。
しかし見える化エンジンで低評価の相関を見ると相関性が最も高いのは「手荷物のケア」。
その次が「笑顔や挨拶のなさ」「声掛けの少なさ」でした。客室乗務員がソーシャルディスタンスを保ち、ケアや声掛けなどのコミュニケーションが減ったことで評価が下がっていたのです。

これは見える化エンジンがなければわかりませんでした。サービスとお客様のケアとは切り離して考えるべきだ、スタッフに理念共有や教育をしなければCSは向上しない、ということをデータで示せたのは大きな意味がありました。

見える化エンジン導入以前は、現場感覚とデータとの乖離もありました。
分析が多面的ではなかったので、現場としては納得できない施策もあったのです。
今は、例えば数値の掛け合わせを変えてみたり件数ではなくて割合にしてみたりと定義を再確認して、現場感覚とズレがない結果を確認できる。

分析から導き出された施策を間違うと現場が踊らされてしまうのですが、このツールは結果的に現場をミスリードしないためにも役立っています。