１．目的
１－１．営業マン一人一人のアプローチの「見える化・最適化」
- 熟練スタッフの成約要因を共有し、営業活動を全体最適化
- 購入プロセスに適した営業による成約率の向上
- AI店員、AIチャットボット対応による機会損失の低減
１－２．顧客の購買行動データを活用した商品リコメンド
- 購入可能性の高い商品のレコメンド
２．成約要因分析
１－１．過去の商談等から、下記のような項目をデータ化
- 成約有無
- 顧客ID
- 担当者ID
- 顧客属性（年齢、性別、住所、家族構成）
- RFM値（最終来店日時、来店頻度、使用金額）
- 注目行動（コンタクト日時、来店日時、流入経路、滞在時間）
- 関心行動（サイト検索、試乗、見積、関心キーワード）
- 購買行動（点検、パーツ購入、下取り査定）
- 記憶行動（会員登録、予約日時、購入希望車両、ポイント）
- 要望・依頼内容等
２－１．成約の要因分析、ファネル分析、チャネル分析
成約に至るまでのプロセスを分解し、プロセスごとの各アクションと成約との関係性を分析する
要因分析例
・点検・試乗・見積もり・会員登録などがどの程度成約に結びついているか？
・成約のボトルネックは何か？
・優先的にコールしたほうがいい顧客は誰か？
・予約・フリー顧客でのどのように営業アプローチを変えればよいか？
（図はアクトナビより引用）
３．購入商品分析とAIによる商品リコメンド
３－１．商談データから、下記のような項目をデータ化
- 購入実績
- 顧客ID
- 担当者ID
- 顧客属性（年齢、性別、住所、家族構成）
- ライフスタイルに関する質問と回答（保有車両、保有年月、点検日、使用目的、アクティビティ）
- 購入希望車種に関する質問と回答（価格帯、 好きなメーカー・ブランド、ボディタイプ）
- 要望・依頼内容等
（自動車販売の例）
３－２．AIによる購入商品予測・リコメンド
あらかじめユーザーを顧客属性で分類、購入価格帯、用途、ボディタイプ等で分類し、発見的なルール用いて購入車両を予測し、リコメンドする。（自動車販売の例）
３－３．購入商品予測と、AI店員との対話例
発見的に得られた購入車両予測ルールから質問を作成し、新規顧客を分析して最適な車種をリコメンド。（自動車販売の例）
４．無料相談・お問合せ
お電話、または下記フォームからお気軽にお問合せ下さい。
お電話
03-4405-4347 （平日 9:00 – 17:30）