データドリブンな CS のための基盤と その活用 財津 麻衣 / GMO Pepabo, Inc. 2021.11.18 Pepabo Tech Conference #17 1

2 自己紹介 GMOペパボ CS室 兼 CS室ホスティンググループ Customer Ops チーム 財津 麻衣 Zaitsu Mai 経歴 ● 2012 年 - 2017 年 : カスタマーサービス ● 2017 年 - 2020 年 : カスタマーサービス部門リーダー ● 2020 年 - いま : Customer Ops 🐣 他 ● 長崎県佐世保市出身、福岡県福岡市在住 ● Twitter : @__m5i ● 3 人家族（データサイエンティストの夫、 3 歳の娘、自分）

3 アジェンダ 1. 2020 年以降のペパボの CS 2. データドリブンな CS をやっていくための基盤づくり 3. CS のデータ基盤の活用事例 4. CS のデータ基盤を活用した結果とこれから

1. 2020 年以降のペパボの CS 4

2020年、ペパボのカスタマーサービスの部門が１つに統合し、新しい組織体制になりました 2020 年以降のペパボの CS 55 ホスティング事業部 カスタマーサービスグ ループ EC事業部 カスタマーサービスグ ループ minne事業部 カスタマーサービスグ ループ CS室

ペパボのカスタマーサービスは、ざっくりいうと２つのチームでできています 2020 年以降のペパボの CS 6 QC （QualityControl） 顧客対応やそれに付随する 作業、業務品質の管理を行ってい ます。 Customer Ops （Customer Operations） CS が扱う情報の収集、分析、 活用が行える基盤づくりを行って います。 6

わたしの発表では、Customer Ops チームの活動についてお話しします 2020 年以降のペパボの CS 7 QC （QualityControl） 顧客対応やそれに付随する 作業、業務品質の管理を行ってい ます。 Customer Ops （Customer Operations） CS が扱う情報の収集、分析、 活用が行える基盤づくりを行って います。 7

2020 年以降のペパボの CS 88 ① 新しい組織体制になり、「顧客体験」を強化する方針へ（※） ● 「顧客体験」を強化、向上できているかを測る指標が必要 ○ 「顧客体験」の現状把握、施策検討のための材料、施策実施後の効果測定 ○ … etc. ● 指標を決めたら、数値を毎日チェックできるようにする仕組みが必要 ○ 数値取得の自動化（＋状況判断の自動化） （※）より良い顧客体験を実現するためのCS室とは。第10回マネージャーコラム https://hr.pepabo.com/manager-column/2020/12/04/4820

2020 年以降のペパボの CS 99 ② 100 名のパートナーを管理する体制へ（※） ● ペパボの全サービスの CS が 1 つになった = 100 名！ ● CS の活動を一律の基準で評価し、顧客対応の品質を維持・管理するための基盤が必要 ○ 生産性、満足度、SLA、問い合わせ数 ○ … etc. ● 評価・管理のための数値を毎日チェックできるようにする仕組みが必要 ○ 数値取得の自動化（＋状況判断の自動化） （※）複数のサービスのCS組織が統合！チームをまとめるための仕組みを作った話 https://hr.pepabo.com/column/2021/10/27/6426

2020 年以降のペパボの CS ● 様々な数値の取得 ○ ①顧客体験強化：現状把握、施策検討のための材料、施策実施後の効果測定 ○ ②品質維持・管理：生産性、満足度、SLA、問い合わせ数、LTV、その他 ● 数値取得の自動化 ○ 数値は毎日チェックする → 欲しいときに都度用意するのではなくいつでも見れる状態に やるぞ！！！！！ 10 ⇨ CS が扱う情報の収集、分析、活用が行える基盤づくり

2. データドリブンな CS を やっていくための基盤づくり 11

データドリブンな CS をやっていくための基盤づくり 12 12 CS が扱う情報の収集、分析、活用が行える基盤をどうやって作る？ ○ 新設された Customer Ops チームが主に担当 ■ 技術部データ基盤チームに協力いただく 🤝 ■ ペパボのデータ利活用基盤「Bigfoot」（※） ● BigQuery（高速にデータ処理できるデータウェアハウス） や Cloud Composer （ワークフロー構築）などを使ったデータ利活用基盤 ● CS 室でも Bigfoot を使って、Zendesk やサービスの情報から、 CS の活動を可視 化・分析・活用したい！ ⇨ データ基盤チームと Customer Ops チームで CS 室のデータ基盤を作る （※）GMOペパボのサービスと研究開発を支えるデータ基盤の裏側 https://speakerdeck.com/zaimy/inside-story-of-data-infrastructure-supporting-gmo-pepabos-services-and-r-and-d

データドリブンな CS をやっていくための基盤づくり 13 Data source logs metrics GitHub issues databases Collect data tbls datasets BigQuery bigfoot/platform Cloud Storage - Permissions - Datasets - Buckets Data Studio bigfoot/cloud-composer Cloud Composer dags/ tbls-build base tbls.yml files patch files ( *.yml, *.json ) patched tbls.yml files tbls-meta tbls data catalog Apply metadata Generate & Commit Generate schema.json & commit bigfoot/data-catalog Update metadata & commit Spread sheet View Send analysis results Colaboratory Bigfoot 構成図

データドリブンな CS をやっていくための基盤づくり 14 14 すでに基盤はあるようなものなので...必要な情報を ETL （※） する ○ 「Bigfoot」 ■ ウェブサービスのユーザーの行動ログ、属性情報、広告情報などが扱える状態 ■ ここに CS が利用したい情報を同期する ● 問い合わせ情報とサービスのデータベースの情報 ○ Zendesk Support, Chat ○ まだ同期されていないサービスのデータベースなど ○ ETL はデータ基盤チームが担当 （※）Extract / Transform / Load のこと

データドリブンな CS をやっていくための基盤づくり 15 15 Zendesk の情報を BigQuery へ ETL ○ Cloud Composer を利用し、Zendesk のブランドごとに情報を振り分け ■ 問い合わせ情報 = 秘匿性高 ● 担当領域（サービス）ごとに View / Write 権限を設定 ● 担当していない領域の情報は見れない ■ ブランドごとに存在する除外条件（計測対象外にする条件）などを決めて、 条件を適用した SQL で必要な値（満足度やチケット数など）を抽出、 クエリを定期実行し常に新しい情報が取れるようにする ○ 振り分けした後の値の定義や SQL での処理は Customer Ops チームが担当（※） （※）ペパボのログ活用基盤『Bigfoot』を使った Zendesk のデータ可視化 https://tech.pepabo.com/2021/02/10/zendesk-data-visualization-with-bigfoot/

データドリブンな CS をやっていくための基盤づくり 16 16 Stitch を 使って Zendesk の 情報を引っ こ抜く BigQuery へ同期 サービスごとの データセットへ 振り分け 欲しい情報を取 るためのクエリ を作成、定期実 行 Data Studio で可視化

3. CS のデータ基盤の活用事例 17

CS のデータ基盤の活用事例 18 18 Zendesk の情報を BigQuery へ ETL してできるようになったこと ○ ①品質維持・管理のための「KPI」が常に閲覧できるようになった ■ Google Data Studio でグラフ化しておくことで、手作業要らずで 毎日確認したい KPI が把握可能に ■ 定量的な情報に基づいた品質管理のための活動が可能に ● Zendesk Explore でも、満足度や問い合わせ数などは確認できるが、サービスの 情報と組み合わせて分析することはできないため、要件に合わず利用しなかった ○ ②「顧客体験の強化ができているかどうか」が測れるようになった ■ ウェブサービスの利用情報と Zendesk の情報を組み合わせて計測し、 現状把握・施策検討のための材料、施策実施後の効果測定が可能に

CS のデータ基盤の活用事例 19 19 「顧客体験の強化ができているかどうか」を測る指標の例 ○ ヘルススコア ○ 問い合わせ + α の案内の受諾数 ○ 問い合わせされた方の契約率 ○ セルフサービススコア

CS のデータ基盤の活用事例 20 20 「顧客体験の強化ができているかどうか」を測る指標の例（１） ○ ヘルススコア ■ 数十万アカウント分のヘルススコアを毎日自動計算し、グラフ化 ● 週単位でスコアが低下したアカウントを抽出し、フォローメールを送信 ✉ ● 無料のお試し期間中のアカウントで一定期間内に n 点まで届いていなかったら、 フォローメールを送信 ✉ ○ 動画コンテンツの紹介 ○ サイト公開ガイド、マニュアルの紹介など ■ ヘルススコアの算出ロジックを再利用して 問い合わせ + α の案内（後述） を出したり... ♻

CS のデータ基盤の活用事例 21 21 「顧客体験の強化ができているかどうか」を測る指標の例（２） ○ 問い合わせ + α の案内の受諾数 ■ アカウントごとのヘルススコア計算ロジックを使って、推奨している設定が 設定済み or 未設定のいずれかを判別 → 「どんな設定があればより良い状態になるか」 を Google Data Studio の計算フィールド（IF 文）を使って表示させる ■ Data Studio を CRM っぽく使う 問い合わせ +α 検索画面 account_id Enter a value account_id 提案内容 問い合わせ返信時 にアカウントID を入 力 入力されたアカウン トに提案する項目 が表示される （検索結果の例） SSL の設定してもらう案内を送ろう！ （検索結果）

CS のデータ基盤の活用事例 22 22 ○ 問い合わせされた方の契約率 ■ 無料のお試し期間中に、 CS とタッチポイン トを持ったユーザーが契約に至った割合を 算出し、CS がお試し期間中にフォローす ることで契約に繋がるかを計測 ■ CS の施策の効果測定に利用 「顧客体験の強化ができているかどうか」を測る指標の例（３）

CS のデータ基盤の活用事例 23 23 「顧客体験の強化ができているかどうか」を測る指標の例（４） （準備中） ○ セルフサービススコア = ヘルプセンターのユーザーセッションの総数 / チケットのユーザーの総数 ■ サービス利用時の疑問に対して自己解決できているかどうかを測る ■ FAQ とマニュアルで利用している Zendesk Guide の情報と Zendesk Support や Chat で受け取った問い合わせの情報を利用する

4. CS のデータ基盤を 活用した結果とこれから 24

CS のデータ基盤を活用した結果とこれから 25 25 CS のデータ基盤を活用した結果とこれから ○ 結果 ■ CS 室全体で数値に基づいた活動が行えるようになった 👍👍👍 ■ 顧客体験強化の活動が実を結び始めた 👍 ○ 課題、これから ■ 「欲しいデータがどこにあるかすぐわかる」環境の整備 ■ BI ツールを利用して「欲しいデータは自分で取る・作る」 ■ 数値、常に見なきゃいけないもの多すぎ問題 ○ 環境整備やツール学習、自動異常検知を進めて、更にスピードアップ 🔥

26 Thank You! ありがとうございました 積極採用中!! : https://recruit.pepabo.com/info/career/joblist-cs/#info-career-joblist