導入事例

SUBARUでは、商品企画・技術開発・設計の初期段階から品質施策を織り込むことで、より高い品質を提供できると考えています。

これは、私たちが「生まれの品質」と呼んでいるもの。この「生まれの品質」にお客様の声を活かせたらと考え、データ分析の必要性を感じるようになったのが始まりです。

元々はコールセンターにお問い合わせいただいたお客様の声をそれぞれ表計算ソフトに入力していましたが、やはり専用のツールではないので非効率でした。

定量データを見るためにも目視でチェックしていく必要があるので、テキストマイニングツールがあればと考えて見える化エンジンの導入を検討しました。

お客様の声を開発工程に結びつけるという点では、不具合が「どのパーツで起きたのか」「どのような事象が起きたのか」の二軸からデータを整理し、円グラフとして社内に共有できるようになってきました。

従来は特定の事象について紹介し、そこに直接関連のある部署の人だけが情報を受け取っていく……というような状態でしたが、見える化エンジンを導入してからは間接的に関わる部署からも「詳細を知りたい」という声が上がるようになってきています。
例えば自動車の「鍵」には電装、エンジン、それに外装といった部門が関連します。
その全ての部門が「自分たちの仕事に関係のある事象」として捉えはじめています。

現在は、毎月の社内報でのトピックス選びにデータを活用しています。内容ごとに分類されるお客様の声の傾向以外にも、日々モニタリングを実施し、よく目に留まる内容があればデータとしてまとめ、担当者へ届ける取り組みも並行して進めています。

社内共有時には、より視覚的につかめるようグラフも活用。そこでのグラフは、見える化エンジンから出力されるグラフをそのまま活用しています。

お客様の声を改善につなげた事例としては、とある車種の取扱説明書の文章について複数の方からご指摘をいただいたことがあります。

自動車そのものの欠陥や致命的な不具合ではないものの、複数のご指摘が出るということはお客様がSUBARUに期待しているクオリティに達していないということ。

こうした声に耳を傾け、文章の修正を行いました。

テキストマイニングツールを導入するにあたっては、見える化エンジンを含め3つのツールを検討しました。

その中で費用面、使い勝手で頭一つ出ていたのが見える化エンジン。

他の2つよりもリーズナブルだったことに加え、AI統計などに詳しくない私たちでも使いやすいツール設計が魅力的でした。

現在でも十分効果的な分析ができていますが、設定を変更して深掘りすればさらに課題を見つけられそうだと感じています。グラフ化も容易で、社内への共有がしやすいのも大きなメリットでした。

効率だけを求めるなら、よりAIに特化したツールを使うという選択肢があるかもしれません。ですが見える化エンジンには「人間の目で見る」という余地も残されている。

そのおかげで問い合わせ内容の傾向のちょっとした変化に気づけたり、問い合わせがあった背景に目を向けたりといった使い方が可能になっていると感じます。

問い合わせを受けたオペレータによって入力内容がまちまちなことにも気づけました。

見える化エンジンに入力するために、どのような問い合わせだったのかを分類してもらっているのですが、その視点が人によって異なるので、例えば同じ内容の問い合わせでも「何についてのどのような問い合わせだったのか」がきちんと分類できていないことに気づいたんです。

これも今後の課題として、改善していきたいと考えています。

お客様の声を開発工程に組み込む試みを続けていくために、今後もお客様の声を見える化エンジンで分析し、現行車のどこがお客様にとって気になる点なのか、今お客様からはどのようなものが求められているのかをしっかりと分析していきたいです。

こうした声を全社にフィードバックできるようになり、また各社員が自分の業務に関わりのあることだと感じるようになったことで、これまで行ってきた地道な発信が実を結んでいる手ごたえを感じてきています。

データ分析に時間を費やす必要がなくなったので、そこから出てきた情報をより見やすくするなどの発信方法に手をかけられるようになったおかげですね。

今後は直接SUBARUにお問い合わせをいただいたお客様の声だけでなく、Q&Aサイト（SUBARUオフィシャルWEBサイト内）などのデジタル接点からもニーズを拾い上げて更に改善スピードを高めていけたらと考えています。