収益予測、アップセルとクロスセルの機会、解約リスク。企業は、何を見れば自社の将来像を理解できるようになるでしょうか。
現状多くの企業は、将来予測を営業チームやカスタマーサクセスチームの判断や直感、プロセス手法に頼っています。なかには、顧客関係管理（CRM）ソリューションに取り込まれたデータに基づいてデータ駆動型の予測を生成するアルゴリズムに頼る企業もあります。こうした方法でうまくいくことも多々ありますが、このやり方では重要な要素が欠けています。それは、プロダクトの使用状況データです。
そこで出番なのが、Pendoのデータ同期機能です。Pendoのデータ同期を使用することで、プロダクトの使用状況データをきめ細かく抽出し、カスタマージャーニーの全体像を把握することができます。顧客や見込み客の利用パターンから得られるインサイトや兆候は、とりわけCRMに蓄積された豊富な履歴データと組み合わせることで、非常に価値のあるものになります。
Pendoでは、自社のプロダクトデータを活用して顧客ライフサイクルを運用しています。その例を3つご紹介します。
1. 顧客の更新を予測し、解約を防ぐ
解約を予測するのに、確実な手はありません。カスタマーサクセスマネージャー（CSM）やアカウントエグゼクティブは、誰が更新し、誰が解約するのかを判断する優れた嗅覚を持っているかもしれませんが、それでもなお不確定要素は存在します。
Pendoのデータを、Salesforceデータ、企業統計データ、ミーティングメモなどの他の情報と組み合わせることで、その不確実性を軽減できます。Pendoのアナリティクスチームは、こうした包括的な情報を使用して、現在のデータと更新または解約した顧客の履歴データを比較します。その結果、リスクのあるアカウントを示す使用パターンと傾向を特定することができるのです。
また、Pendoでは、それぞれのアカウントに健全性スコアを割り当てることで、アカウントの追跡を開始できます。スコアが高いほど更新する可能性が高く、スコアが低いほど解約する可能性が高くなります。この情報によってカスタマーサクセスチームとアカウントチームは、どのアカウントに注意して集中的に取り組むべきか、優先順位をつけることができるようになります。また、データ同期を使用してこれらの重要なデータソースをすべて組み合わせ、機械学習（ML）モデルにプッシュすることで、先手を打って解約を防止し、プロダクト全体のリテンション率を高めるための対策を講じることができます。
2. 勝率を正確に予測するための適切なモデルを構築する
高い収益目標を掲げられ大きなプレッシャーを抱えている営業担当者は、商談の成約率を予測するための信頼できる情報源を必要としています。Pendoのアナリティクスチームは、データ同期によってこの問題を解決しました。
さまざまなソースからすべての営業案件データを収集することで、売上に起因する年間経常収益（ARR）を予測するためのMLモデルを開発したのです。このモデルは、データ同期を活用して、Pendoのトライアル使用状況データを、セールスエンゲージメントやその他の主要な顧客データポイントと組み合わせます。
この包括的なビューよって、チームは商談成約の確率を計測できるようになりました。それぞれの商談には成約の確率が割り当てられており、四半期ごとのデータ駆動型の売上予測が提供されます。これにより、営業リーダーは四半期ごとの収益達成の可視性が高まり、より正確なベンチマークを得ることができます。
3. 有料プランへのコンバージョンを増やすためのスコアリングモデルを作成する
ファネルの早い段階でリードを特定し、有料プランへのコンバージョンに迅速につなげることができるとしたらどうでしょうか。トライアルアカウントにおける初期の意思表示を特定するために、Pendoのアナリティクスチームはデータ同期を使用して、スコアリングモデルを作成しました。
データ同期を使用して、トライアルの使用状況データ、企業統計データ、ユーザー行動データ、マーケティングファネルデータなど、さまざまな情報を信頼できる唯一の情報源に集約しました。そこから、有料サブスクリプションへのコンバージョンの履歴データと関連付けることができます。 このモデルでは、トライアルアカウントにコンバージョンの確率を割り当て、コンバージョンの可能性が最も高いリードが営業担当者に渡されます。
データ同期を使用して、Pendoのアナリティクスチームは3つの独自のMLモデルを開発し、Pendo独自の顧客ライフサイクル管理体系を強化しました。組織に関わらず、これは実現できます。
Pendoチームによるパーソナライズされたデモを予約して、データ同期の動作をご自身でお確かめください。
こちらもご覧ください
