bodais 自動進化型データ解析
クラウドプラットフォーム

03-5259-9004 受付:平日10:00~18:00 

  • TOP
  • お客様の声/業種別事例一覧

お客様の声/業種別事例一覧

お客様の声実際にbodaisを導入いただいたお客様の声をご紹介します。

株式会社JALカード様
 

従来法と比較し入会率で130%以上の上昇

詳細を見る

NTTコミュニケーションズ株式会社様

簡便な機能で、機動的にターゲティングをシュミレーション

詳細を見る

株式会社リクルートマ-ケティングパートナーズ様

プロモ-ションによる広告効果を可視化。広告費用運営がシャープに。

詳細を見る

株式会社ユーグレナ様

アウトバウンドコールリストから『見込み顧客』を可視化、受注率の最大化を目指す

詳細を見る

株式会社TMJ様

スタッフ採用に分析を活用し、判断基準を平準化

詳細を見る

有限会社MEG様

データ活用研修(実践)に参加し、「ビジネスを成功させるデータ分析」の意識が向上

詳細を見る

株式会社ディー・クリエイト様

『コンタクトセンターの業務改善』をテーマに、データ分析に取り組む

詳細を見る

株式会社文化工房様

bodais for Sansanで営業ターゲットを明確に把握し、休眠顧客の掘り起こしにも活用

詳細を見る

アイビーシステム株式会社様

「COLLABOS GOLDEN LIST powered by bodais」でアウトバウンドコールの電話接続率アップ!

詳細を見る

その他の導入企業bodaisをご利用いただいている企業様(一部)です

伊藤忠テクノソリューションズ株式会社様

ネットイヤーグループ株式会社様


その他、多くの企業様にご利用いただいております。

用途/領域 データ解析の目的および課題 使用したデータ/解析概要 効果/価値
電気通信事業者 営業活動最適化 営業最適化
(購入確率の高い顧客を可視化)
営業支援ツールに記録されているデータ(契約履歴情報、評点、業種、従業員数、事業所数、親企業有りフラグ、役員、ページ遷移数、活動情報、等)を解析し、顧客ごとの購入確率をに明らかにした。 購入確率が高い顧客に対する営業活動の優先度を上げ、営業の活動効率を約2倍にできた。
デジタルマーケティング
会社
顧客体験 ダイレクトメールのコンテンツを打ち分けて、自社セミナーへの参加申込数を最大化したい。 企業属性(業種、売上高、資本金、従業員数、担当部署など)、受注履歴(受注商品、受注金額など)、WEBアクセス履歴(アクセス有無、閲覧ページ数、特定ページの閲覧有無、滞在時間など)、過去のメール実績(送付回数、コンテンツ種別、クリック有無)等のデータを解析し、コンテンツごとの参加申し込みの確率や特徴を明らかにした。 従来方法では、アクセス履歴のみから送付するコンテンツを判断していたが、セミナー参加の確率を高めるコンテンツを優先的に送付したところ参加申し込み数が30%向上した。
エネルギー
用途/領域 データ解析の目的および課題 使用したデータ/解析概要 効果/価値
小売電力事業者 需要予測 電力の需要予測の精度を上げたい。現状で月平均3%の誤差がある。まずは時期や時間帯別に、現在自社で行っている電力需要予測が外れる要因を把握したい。 以下のデータを用いて、自社て行っている電力の需要予測が外れる要因を明らかにした。
・17業種別、30分毎の電力量実績
・自社による予測電力量、予想天気・予想最高/最低気温
・気象庁による天候データ(気温・降水量・湿度・日照時間・天気)
・17業種別、月別契約電力量、件数
時期×時間帯ごとに自社が行っている電力需要予測が外れる要因が明らかになった。従来の自社の電力需要予測とアイズファクトリーのbodaisスコアリングを用いて、予測値の修正と検証が行える仕組みを整えた。
小売
用途/領域 データ解析の目的および課題 使用したデータ/解析概要 効果/価値
OA機器販売会社 顧客体験 顧客満足度の要因分析 顧客に自社のサービス、商品や営業に対する満足度を含めたアンケートを実施。その結果と、購買履歴や契約継続期間、購入回数、営業担当の変更履歴等のデータを利用し、顧客満足度を高める要因を明らかにした。 顧客満足度を高めている要因のほか、満足度を低くしている要因が明らかになった。顧客満足度向上のため、満足度を低くしている要因を改善する施策の検討に繋げることができた。
アパレルメーカー 顧客体験 ブランドイメージ分析
(テキストマイニング)
自社と競合ブランドに関する書き込みを口コミサイトからクロールし、共起する複合語をネットワークグラフで表した。 自社と他社のブランドに対して顧客が抱いているイメージを把握できた。また自社の商品のイメージと競合になる商品を持つブランドや、自社が狙いたい年齢層が好むブランドを把握することができ、新規顧客獲得のための施策につながった。
アパレルメーカー 顧客体験 黄金ルート分析
(顧客のLTVを最大化したい)
顧客の購買履歴や属性データ、会員情報、購入金額、購入頻度などのデータを用いて商品間の併売傾向や購買行動の遷移、優良顧客になりやすい要因を明らかにした。 優良顧客に育成するために、何の商品をどの順番でどういった特徴をもつ顧客に訴求するとよいかが明らかになった。店舗での接客や、ダイレクトメールで訴求するコンテンツの打ち分けに活用した。
アパレルメーカー 顧客体験 店舗イメージ分析
(店舗ごとの顧客像を把握し、ニーズに合った商品を用意し売り上げを最大化したい。)
購入した顧客の年齢、性別、住所、初回購入日、購入のあった月、メンバーズカードの発行日からの経過日数、購入品目の種類、メルマガの登録有無、メルマガクーポンの反応有無など約60項目のデータを利用し店舗のプロファイリングを実施した。 全店舗を7つのセグメントに分類し、それぞれのセグメントの特徴を分類した。
各店舗の特徴にあわせて、商品構成の改善を行い全店舗の平均売り上げが1.2倍に増加した。
ECサイト DM最適化 DM送付の最適化
 (ダイレクトメール送付のによる購入率をアップさせたい)
性別、年齢、地域、顧客ランク区分、RFM、商品カテゴリ毎の購入履歴、などを解析し、DMを送付すると購入に結び付く可能性が高い人順のランキングリストを作成した。 従来同様の700万通ダイレクトメールを送付したところ、反応率が4.0%から4.2%に改善した。
また、購入する金額の高い人も抽出できたため、売り上げも従来法に比べておよそ1,100万円(約5%)増加した。
OA機器販売会社 営業活動最適化 営業活動の最適化
(B2Bの新規営業の効率をアップさせたい)
社名、担当者、役職、部署、自社への印象、日付、訪問、アポ有り、デモ分類、訪問目的、コメント、上司コメント、実績コメント、商談開始日、商談ソース、フェーズ、受注確度、受注理由、失注理由、機器台数、増設台数、下取り機種、売上予定日、商品名、売上、などのデータから商談が生まれる確率が高い営業先を明らかにした。 確率の高い企業から優先的に営業を行い、商談化率が従来に比べ 2.2倍に向上した。
ネットスーパー 顧客体験 離反の可能性が高い顧客に対して、テレコールによるクーポン配布を行い離反防止に繋げたい。 以下のデータを用い、再購入の可能性の高い顧客を明らかにした。
・性別、都道府県、会員非会員、メルマガ配信、カタログ希望、CRM区分、初回利用、累計利用回数
クーポンを使った再購入が2.8倍に向上し、離反の防止とテレコールの効率アップにつながった。
コールセンター 
用途/領域 データ解析の目的および課題 使用したデータ/解析概要 効果/価値
コールセンター アウトバウンドコール
最適化
コールセンターのアウトバウンドコールリストをもとに、以下の3つを顧客に提供したい。
①曜日/時間帯別の「つながりやすいコールリスト」を提供
②コールすると購入につながりやすい確率をリストの全員分予測して、リスト全体のポテンシャルを明らかにして顧客に提供
③購入につながりやすい顧客の特徴を明らかにして顧客に提供
年齢、性別、都道府県、郵便番号、年収、電話の端末(固定/携帯)、架電回数、架電間隔、接続回数、平均接続時間、総通話時間、最大接続時間、最小接続時間、最大接続時間と最小接続時間の差、通話時間標準偏差、ポジティブ&ネガティブワード数、中立ワード数、最終接続時間帯、定期購買有無、サンプル有無、サンプルから購買までの経過日数、最新購買日からの経過日数、購買回数、累計購入金額、webアクセス有無、お届け日(曜日)、などの、約70項目を使用して解析を実施した。 つながりやすいコールリストを活用し、売り上げが1.5倍に向上。
またコールリストのポテンシャルを明らかにし、リスト購入にかかる費用を前年の80%に抑えることに成功した。
教育 
用途/領域 データ解析の目的および課題 使用したデータ/解析概要 効果/価値
通信教育会社 DM最適化 DM送付の最適化
(通信教育への入会申し込み率をアップさせたい)
性別、発送回数、各媒体の資料請求履歴、購入回数、兄弟情報(人数、年齢差、受講履歴赤ペン提出回数)、クレーム回数、紹介/被紹介履歴、保護者世帯購入累計金額、保護者アクセス履歴、最新行動履歴などのデータを使い、DM送付によって加入しやすい顧客を予測した。 従来方法でのDM送付に比べ、加入確率の高い顧客から優先的にDM送付の対象とすることができた。結果として、加入率が約30%アップした。
通信教育会社 マーケティング分析 戦略セグメント開発
(顧客ペルソナ像を把握したい)
親の年齢、親の受講経験、デジタル機器保有状況、親の就業状況、親の最終学歴、親の年収、親の年収変化、出生順、保育年数、親の教育意識、子供の意思尊重、入会意向、継続意向等のデータから、類似する顧客をセグメント分類した。 教育熱心な自信家、生活ひっぱく層、子ども個性尊重(教育不安型)、熱愛顧客、教育無関心などに顧客を分類でき、主なターゲットの特定と各セグメントの特長を把握できた。
金融 
用途/領域 データ解析の目的および課題 使用したデータ/解析概要 効果/価値
クレジットカード会社 DM最適化 DM送付の最適化
(ゴールドカードへの切り替えを促すダイレクトメールへの反応率アップさせたい)
カードブランド、都道府県、入会店舗、職務、職業、性別、入会年月日、配偶者有無、年齢、月平均利用額、月平均利用回数、累計利用額、前回優待率、今回与信金額、年収、利用単価、キャッシング利用有無、キャッシング付帯等のデータを解析しDM送付によってゴールドカードへの切り替えの確率が高い会員を明らかにした。 従来法で実施した前年度の切り替え率2.2%から、解析結果の切り替えの確率が高い顧客から優先的に送付した結果、2.7%に切替率がアップした。また、カードの切り替え1件当たりの獲得コストも約2,900円削減できた。 さらに、従来法では発見できなかった切替の確率が高い顧客像の把握に成功した。
クレジットカード会社 アウトバウンドコール
最適化
カード利用者に新サービスへの加入を促すアウトバウンドコールを行う。30万人の顧客のうち、新サービスへの加入確率が高い顧客1万人にアウトバウンドコールを行いたい。 与信勤務区分、契約者年齢、職務コード、職業コード、利用店舗単価、割賦限度額、利用金額、割賦限度額更新年、カード限度額消化率、入会年、利用回数、優待率算出基準額、月平均利用金額、顧客残高、住居区分、商品数等のデータを用いて、顧客1人1人に対して新サービスに加入する確率を明らかにした。 従来方法は無作為に30万人のうち1万人を抽出していたが、新サービスに加入する確率の高い顧客を同じ1万人抽出してアウトバウンドコールの結果を比較したところ、レスポンス数が1.6倍に向上した。
建設 
用途/領域 データ解析の目的および課題 使用したデータ/解析概要 効果/価値
建設会社 退職者の特性 退職者を減らしたいが退職者の特徴が分からない。
入社時に取得できたデータや入社後の人事記録と退職者のデータからどんな人が退職するかを解析し、様々な人事系施策に活用したい。
過去10年分の、入社時の個人属性情報や、入社試験成績、勤怠記録や勤続年数、業務内容、などのデータを解析し、退職する確率を高めている要因を明らかにした。 解析結果から、退職する確率を高めている一定の特徴が明らかになった。この解析結果をもとに退職を予防する対策の検討が始まった。
人材
用途/領域 データ解析の目的および課題 使用したデータ/解析概要 効果/価値
人材派遣会社 アウトバウンドコール
最適化
テレコールによってアポイントが獲得できる可能性の高い企業から電話したい。
過去にコールをしたことがあるリスト(28万社分)を解析の対象とする
会社フラグ、業種、セミナー参加/出席、人材不足状況、既存高齢チェック、前回コール時間、資本金有無、設立年月日有無、従業員数有無、決算月、などのデータを用いて、28万社のうち、アポイントが獲得できる確率の高い企業を明らかにした。 従来方法に比べ、アポイント獲得が約2倍にアップした。
経験の少ないオペレーターでもアポイント獲得の数が増加し、スキルの標準化が実現できた。
人材派遣会社 顧客体験 アクセスログから、HPに流入する経路のうち、どの流入元が申し込みに効果があるかを把握する。 以下のデータを用いて申し込みの確率を高めている要因を明らかにした。
閲覧ページ数、滞在時間、訪問元、着地ページ、TOPページへのアクセス、仕事詳細ページへのアクセス、仕事一覧ページへのアクセス 、その他いくつかのページへの通過有無(キーワードマッチページ・コンテンツへページ・LP・キャンペーンなど)
申し込みに寄与している要因(流入元のページ)が明らかになった。また、特定の流入元から流入の申し込みが著しく悪いことがわかり、何らかの問題が生じていると読み解き、改善策のPDCAにつながった。
人材派遣会社 需要予測 応募件数を予測し、すべての案件に適量の応募が来るよう最適化したい。
(応募件数の予測によって、求人者が検索する際の条件緩和や、露出アップ、募集条件の調整などを行いたい)
以下のような項目を活用し、応募数の予測した。
商品コード、エリア、稼働可能性有フラグ(曜日別)、時間給、始業時間、就業時間、休日勤務、年齢制限、資格、など。
応募件数を予測することで、応募が少ないと予測される案件には対象として施策を打ち分ける等の対策をうち、機会損失を防ぐことに成功した。
製造 
用途/領域 データ解析の目的および課題 使用したデータ/解析概要 効果/価値
計測機器販売会社 営業活動最適化 購入に至りやすい新規顧客を予測して優先的に営業活動を行うことで営業効率を上げたい 以下のようなデータを用い、購入に至る確率の高い顧客を明らかにした。
企業属性、Webの最終閲覧日、初回アクション日、直近アクション日、アクション内容、各ページ閲覧履歴、等
従来方法に比べ、成約率を3.5倍に向上することができた。
空調機器メーカー 保守効率 ・空調制御システムで自動的に快適な環境を提供したい
・そのためにはどのようなデータを取得して、どのようなコントロールをすべきかを知りたい
以下のようなデータを用いて、人が快適と感じる要因を明らかにした。
・個人属性
・環境要因(温度、湿度、風速、それらの履歴)
・気象要因(外気温、降水量、日照時間、など)
・アンケート
快適な環境と感じる確率を高めるため、取得する必要があるデータや、快適な環境と感じる確率にはあまり影響を与えていないためコストをかけてまで取得する必要のないデータはどれかということを把握することができた。
計測機器販売会社 異物混入予測 異物混入判別予測
(センサーデータを用いてセンサーだけでは判別しきれない異物混入も防ぎたい。)
自社のもつセンサー技術によって取得できるデータを利用して、異物が混入しているパターンを学習し、異物混入が起こる確率を明らかにした。 センサーデータを使った、自社の異物混入判定装置の精度向上につながった。
その他 
用途/領域 データ解析の目的および課題 使用したデータ/解析概要 効果/価値
マーケティング調査会社 アンケート解析 顧客満足度の向上
(クレーム電話を頂いた方の傾向を把握したい)
以下のようなデータを用いて、クレームの電話を頂いた方の特徴を明らかにした。
受電日時、顧客の生年月日、性別、会員登録状況(現会員、元会員、会員以外)、商品購入履歴(購入したアイテム名)、最終商品購入時期、居住地(都道府県)、など
エリア、サービスへの加入状況、クレームの時期等、複数要素の掛け合わせでセグメントを作った結果、これまで見えなかった顧客属性と、クレームの特徴の傾向を把握できた。
マーケティング調査会社 収益改善 企業情報を販売しているが、顧客が一番知りたい「社員規模」と「売上高」の項目を未上場企業から調査するのは難しい。
調査できていない項目を予測して販売データの価値を増やしたい。
以下のデータを用いて、調査できていない項目がどれくらいのレンジであるかを予測した。
企業の設立/創業年、資本金、事業所数、主要取引先、業種、営業種目などの約40項目
欠損しているデータが減り、データ販売数が増加した。
また、データそのものの価値がアップしたことで単価がアップし、売り上げが1.3倍になった。