弊社の企業ミッションの一つとして、「ブームではなく本質を追う」ということを掲げています。そのため弊社では、本質を追求し、課題を解決することを優先した商品開発を行っています。

AIによるリスク通知
弊社技術の一つである「AIによるリスク通知」(特許申請済)の仕組みは、大量の情報・データの中から、リスクの可能性を含んだ表現をAIで抽出し、導入企業に即したリスク把握を実現するというものです。この仕組みを開発したきっかけは、「SFAやCRMから送られてくるたくさんの報告(情報)について、優先的に確認すべき報告がわかればよいのに・・・」というお客様からの相談でした。
優先的に確認したい内容をヒアリングした結果、「トラブルになりそう」あるいは「停滞して進まない」商談の情報という回答が多く、その課題を解決するために検討した結果、AIによるリスク通知の仕組みにたどり着いたのが現状です。ブームともいえるAIですがその導入は簡単ではありません。 弊社の場合、「リスク通知」という目的に絞ったことによりAI導入を容易にしました。
これも課題解決という本質を優先した結果です。

ユーザエネルギー
仕事上多くの方々と接しますが、「上司に商談の進捗をヒアリングされるのが一番ストレスを感じる」という営業担当者の声をよく聞きます。 その課題解決のため、お客様の商談に対する本気度を数値化する仕組みが「ユーザエネルギー」という弊社特許技術です。この仕組みは、お客様の反応・アクションにポイントを配点し、同じ反応・アクションでも決定権に影響の大きい役職者の反応にはより高ポイントを付与し、得られたポイント(数値)によってお客様の商談に対する本気度・ステータスを視覚的に見ることができるというものです。お客様の反応・アクションは、例えば次のような内容です。

1) 担当者が話を聞いてくれた
2) 1回だけでなく、何回も面会をしてくれた
3) 上司を紹介してくれた
4) 商談にかかわる関係者が増加した
5) 経営層にも面会ができ、コミュニケーションがとれた
6) 提案・見積りに対して質問や問い合わせがあった   等々

これらは、弊社が過去に受注できた商談案件の結果から、受注に至る経過に影響与えた項目に着目して得られた内容です。その項目は、本社のある地方都市の中堅企業の場合であっても、首都圏の大手企業であっても類似した内容であり、同じような経過をたどっていました。

結果が出た原因となる項目を推定し、原因となる項目ごとの影響度に応じて配点を変え、ポイント点数により結果にどれぐらい近づきつつあるのかを「見える化」するのがユーザエネルギーの特許技術です。 この発想も、「商談受注の可能性を売り手側の感覚のみでなく、買い手側の反応を客観的に数値化したい」という課題解決から発想したものです。 ちなみに、ユーザエネルギーをスタッフの評価に利用することも可能です。 新規開拓など、すぐには実績数字に表れないような活動や、新たな収入に対する行動について、ユーザエネルギーで獲得したポイント(数値)を、スタッフの評価に加えるという提案もしています。

さて、弊社のAIによるリスク通知には「ベイズ統計」の考え方が使われています。AIによるリスク通知を企画した営業責任者や開発担当者からベイズ統計の説明を受けた際には中途半端な理解度でしたが、興味も手伝ってベイズ統計を特集した雑誌を買って読んでみました。
さすがに細かな計算式までは理解できませんでしたが、考え方の本質はとらえられたように思います。そして、「得られた結果から背後にある原因を推定する」というベイズ統計の考え方は、おこがましいですが弊社「ユーザエネルギー」の考え方に基本的には似通っていると感じました。

アスクラボ株式会社 CEO 川嶋 謙