トランコム株式会社

マッチングサービスというと、「ポータルサイトを作って、そこに顧客がアクセスするのを待ち続ける」というイメージがありますが、物流マッチングでは、少々、事情が異なります。たとえば弊社スタッフが荷主に電話し、「とあるトラックが⼤阪から福岡まで荷物を運びました。その帰り道でよければ、お安く運べますよ」と積極的に営業することは珍しくありません。現在収集している貨物・空⾞、各情報のうち実に40％が、こちらから提案して実現する「アクティブ案件」です。

この「アクティブ案件」の確度を上げるためにデータ分析を活⽤したい。社内にはすでに、過去20年分の貨物・空⾞の各データが蓄積されています。これをさまざまな切り⼝で分析することにより、案件発⽣の傾向を把握したい。たとえば「この時期、この業種で、これだけの条件が揃えば、⾼確率で運送案件が発⽣する」といった知⾒があれば、顧客に対し「ちょうどいいところに電話してくれたね！」と思われる営業電話ができます。

運送業界は典型的な「泥臭い業界」であり、コミュニケーション⼿段は、やはり電話などアナログが主流です。しかし媒体がアナログでも、裏側では科学的な分析を⾛らせる必要がある。今後、⾃社内に「運送とデータ分析の両⽅を熟知した⼈材」を育てていきます。データ分析は、今後のトランコムの成⻑を駆動する、重要なエンジンだからです。

物流マッチング部⾨では、この課題意識に基づき、かねてよりデータ分析ソリューションの情報収集をしていました。その中で、偶然知ったのがKIです。⾮常に興味深い商品だったので、さっそく説明を聞くことにしました。

ツールによるデータ分析は、得てして「分析のための分析」に終わりがちです。モデルに従い正しく分析し、キレイなグラフができあがった、ただそれだけ...というような。

しかしKIでは、この変数の値が変わればリピート率が上がる、ここが下がれば離反率が増えるなど、「何をどうすればどうなるか？」がよく⾒える、つまり施策に直結する分析でした。また「最初にモデルありき」の固定的な分析ではなく、すべての変数を⾃由にシミュレーションする形式である点も、思い込みや先⼊観が介在しづらい、良い仕様だと感じました。そしてこのKIを、まさに現場で使っているというキーエンス⾃⾝が好業績なため、説得⼒もありました。

IT部⾨では、物流マッチング部⾨とは別に機械学習系のツールを探していました。しかし、4〜5社検討しても、いずれも導⼊には⾄りませんでした。現場で使いこなすには難しすぎると判断したためです。そんな折、社内でKIの話を聞いて商談に合流し、KIの現場⽬線の使いやすさに⼼を掴まれました。

2020年2⽉の商談開始ということで、すべての商談をオンラインで実施しました。初回プレゼンを聞いてすぐに⼼を掴まれ、その後、ほぼ全役員へのプレゼン、社⻑・会⻑プレゼンへと進みました。オンラインであってもキーエンスの営業の⽅はスマートに商談を進められ、導⼊後のサポートに期待を持てた点もKIを選んだ理由の⼀つと⾔えます。

ほかの会社ともオンラインで商談をすることがありますが、キーエンスが良かったのは、議題をピンポイントに絞って、それに応じた資料を事前に送ってきてくれた点です。資料の内容も、現場がどう成果につなげていくかという、現場⽬線でのアプローチだったことも決め⼿の一つです。