解約希望者を抑止できるかの要因は「契約期間」とチャットボット上での「行動」であることが判明

株式会社Smash（本社：東京都渋谷区、代表取締役CEO石山 真也、以下「当社」）は、リテンションボット「Smash」上でのユーザとの会話や行動データの分析を行い、解約抑止の大きな要因として「契約期間」と、チャットボット上での「行動」が大きく寄与しているとの研究結果を得ました。今後もさらなる研究を進め、業界や企業毎に適したシナリオを提供し、解約抑止率の向上を図ってまいります。

■研究方法
解約希望者とのチャットボット上での会話や行動の機械学習を行い、どの要素が「解約抑止」に影響するのか分析を行いました。研究には数千パターンの組み合わせを分析し、ジニ係数を用いています。ジニ係数が０に近いものは、「低い」と表現し、１に近いものを「高い」という表現をしています。また、ジニ係数は1に近いほど振れ幅があることを示しており、AIがユーザーの解約抑止を予測しやすくなることを示しています。

表１）解約抑止の可能性予測に役に立つ変数の重要度（※1）

※表は一部パターンのみの掲載になります。
※サンプル数の詳細は非公開となりますが、数十万以上のデータになっています。

■研究結果
解約希望者の解約する意思の強さや、態度変容の大きな要因として、チャットボットからの質問の回答やユーザー情報よりも、契約期間やボットへの到達時間、回答への反応時間などのボット上での行動が大きく影響することが判明いたしました。これらの結果から、長期利用者は重要度の高いユーザーであり、それらのユーザに向けてロイヤルティ強化の施策を打つことで、LTVのさらなる向上に繋がることが改めてデータとして判明した結果となります。

表２）回答による予測モデルのシミュレーション

また、契約期間や行動に関わらず、一部会話の中にも予測を立てやすい要因が散見されており、今後詳細分析や改善を当社にて引き続き行ってまいります。

現在、このロールモデルをベースに一部のクライアントに対し、属性や回答による予測モデルの構築を行っており、シミュレーションでは上記の図のような形で遷移することが確認できています。今後細かいチューニングを加え、その業界や企業に適したシナリオ予測を提供し、解約抑止率の向上に寄与してまいります。

（※1）重要度とは決定木分析の中で、ある変数を使ってデータ分割した場合に、解約者・解約抑止者をどれくらい偏らせることができるのかを数字で表現したものになります。