なぜCS担当者にデータ分析スキルが必要なのか
カスタマーサポートの世界では、「感覚」ではなく「データ」に基づいた意思決定がますます重要になっています。
データ分析スキルを持つCS担当者は、以下のような価値を組織に提供できます。
- チームの課題を数値で特定し、効果的な改善策を立案できる
- 経営層に対してCSの貢献を説得力のある数字で示せる
- VOC（顧客の声）を定量的に分析し、プロダクト改善に貢献できる
- 自分のキャリア価値を高め、年収アップや昇進につなげられる
本記事では、CS担当者が身につけるべきデータ分析の基礎、実践的なKPI管理方法、レポート作成術を解説します。
CS部門で追うべき主要KPI
パフォーマンス系KPI
| KPI | 定義 | 計算方法 | 目安 |
|---|---|---|---|
| 一次解決率（FCR） | 最初の対応で解決した割合 | 一次解決件数 ÷ 総対応件数 | 70〜80% |
| 平均応答時間 | 問い合わせから初回応答までの時間 | 応答時間の合計 ÷ 対応件数 | メール: 4h以内、チャット: 1分以内 |
| 平均解決時間 | 問い合わせ発生から解決までの時間 | 解決時間の合計 ÷ 対応件数 | 24h以内 |
| 対応件数 | 担当者あたりの処理件数 | 月間対応件数 ÷ 担当者数 | 150〜250件/月 |
| バックログ数 | 未解決の問い合わせ数 | オープンチケット数 | 増加傾向なら要注意 |
顧客満足度系KPI
| KPI | 定義 | 計算方法 | 目安 |
|---|---|---|---|
| CSAT | 顧客満足度スコア | 満足と回答した数 ÷ 回答総数 | 4.0/5.0以上 |
| NPS | 顧客推奨度 | 推奨者(%) - 批判者(%) | +30以上 |
| CES | 顧客努力指標 | 解決の容易さの平均スコア | 低いほど良い |
ビジネス系KPI
| KPI | 定義 | 計算方法 | 目安 |
|---|---|---|---|
| 解約率（チャーン） | 一定期間の解約割合 | 解約顧客数 ÷ 期初顧客数 | 月次2%以下 |
| リテンション率 | 顧客維持率 | 1 - 解約率 | 95%以上 |
| LTV | 顧客生涯価値 | 平均単価 × 平均継続期間 | 上昇傾向を維持 |
| サポートコスト/件 | 1件あたりのサポートコスト | CS部門総コスト ÷ 対応件数 | 低減傾向を維持 |
実践：Excelでの基本分析テクニック
テクニック1: ピボットテーブルでカテゴリ別集計
問い合わせデータをカテゴリ別に集計することで、改善すべき領域が明確になります。
手順:
- Zendeskやスプレッドシートから問い合わせデータをCSVエクスポート
- Excelで開き、「挿入」→「ピボットテーブル」を選択
- 行に「カテゴリ」、値に「件数（COUNT）」を設定
- 降順で並び替えてパレート図を作成
分析のポイント:
- 上位20%のカテゴリで全体の80%を占めていないか確認（パレートの法則）
- 前月と比較して急増しているカテゴリがないかチェック
テクニック2: 時系列分析でトレンドを把握
週次・月次の推移を可視化することで、改善効果やピーク時期を把握します。
手順:
- 日付ごとの問い合わせ件数をカウント
- 折れ線グラフで推移を可視化
- 移動平均線を追加してトレンドを把握
- 異常値（急増・急減）の原因を調査
テクニック3: コホート分析で解約パターンを発見
顧客を登録月ごとのグループ（コホート）に分けて、解約タイミングを分析します。
わかること:
- 「登録後3ヶ月目」に解約が集中していないか
- 特定の月に登録した顧客の解約率が高くないか
- オンボーディング改善の効果が数値に現れているか
テクニック4: 相関分析でKPI間の関係を発見
2つのKPIの関係性を分析することで、改善の優先順位がわかります。
例:
- 「一次解決率」と「CSAT」の相関 → 一次解決率を上げればCSATも上がるか？
- 「応答時間」と「解約率」の相関 → 応答が遅いと解約が増えるか？
- 「対応件数」と「品質スコア」の相関 → 件数を増やすと品質が下がるか？
KPIダッシュボードの作り方
ダッシュボードに含めるべき要素
1. リアルタイム指標（上部に配置）:
- 今日の問い合わせ件数
- 現在のバックログ数
- 直近1時間の平均応答時間
2. 週次トレンド（中段に配置）:
- 問い合わせ件数の推移（折れ線グラフ）
- カテゴリ別の内訳（積み上げ棒グラフ）
- CSATスコアの推移
3. 月次サマリー（下段に配置）:
- 主要KPIの前月比
- 目標達成率
- トップパフォーマーの実績
おすすめのダッシュボードツール
| ツール | 特徴 | コスト | 難易度 |
|---|---|---|---|
| Googleスプレッドシート | 手軽に始められる | 無料 | 易しい |
| Looker Studio | Google連携が便利、共有しやすい | 無料 | 普通 |
| Tableau | 高度な可視化、大量データ対応 | 有料 | やや難しい |
| Metabase | オープンソース、SQL対応 | 無料/有料 | やや難しい |
| Zendesk Explore | Zendesk連携が最強 | Zendesk契約に含まれる | 普通 |
レポート作成の実践テクニック
週次レポートのテンプレート
``
【CS週次レポート】2026年○月第○週
■ 主要KPIサマリー
・問い合わせ件数: ○○件（前週比 +○%）
・平均応答時間: ○分（目標: ○分以内 → ○達成/×未達）
・一次解決率: ○%（前週比 +○pt）
・CSAT: ○/5.0（前週比 +○）
■ 今週のトピック
- ○○に関する問い合わせが急増（前週比+50%）→ 原因: ○○
- 新FAQ記事の公開効果: ○○カテゴリの問い合わせが○%減少
- 新人○○さんが独り立ち完了
■ 来週のアクション
- ○○カテゴリのFAQ追加作成（担当: ○○）
- ○○システムの不具合について開発チームに報告済み
- 月次レビュー準備
経営層向けレポートのコツ
経営層向けのレポートでは、「So What?（だから何？）」を常に意識します。
NG例:
「今月の問い合わせ件数は1,245件でした」
OK例:
「今月の問い合わせ件数は1,245件（前月比+8%）。増加の主因はv2.0リリースに伴う操作方法の質問です。FAQ記事を10本追加したことで、来月は10%の削減を見込んでいます。」
ポイント:
- 数字だけでなく、原因と対策をセットで報告する
- CSの活動が事業にどう貢献しているかを明確にする
- グラフやビジュアルを活用して直感的に理解できる形にする
CS担当者がデータ分析スキルを身につける方法
ステップ1: Excelの基礎を固める（1〜2ヶ月）
- VLOOKUP、SUMIFS、COUNTIFSなどの関数
- ピボットテーブルの作成と活用
- グラフの作成とカスタマイズ
- 条件付き書式の活用
ステップ2: Googleスプレッドシートでダッシュボードを作る（1ヶ月）
- IMPORTRANGE関数でデータを統合
- グラフをダッシュボード形式で配置
- QUERY関数でデータを柔軟に加工
- チームメンバーとリアルタイム共有
ステップ3: BIツールに挑戦する（2〜3ヶ月）
- Looker Studioで最初のダッシュボードを作成
- データソースの接続方法を学ぶ
- フィルターやドリルダウンの設定
- 定期レポートの自動配信設定
ステップ4: SQLの基礎を学ぶ（任意・3〜6ヶ月）
- SELECT文の基本的な書き方
- WHERE句でのデータ絞り込み
- GROUP BYでの集計
- JOINでの複数テーブル結合
SQLが使えると、Zendeskのデータベースから直接データを抽出できるようになり、分析の幅が大きく広がります。
まとめ
データ分析スキルは、CS担当者が「作業者」から「戦略家」へとステップアップするための最強の武器です。
今日から始めるアクションプラン:
- 先月の問い合わせデータをExcelにエクスポートする
- カテゴリ別の件数をピボットテーブルで集計する
- 上位3カテゴリの傾向を分析する
- 分析結果を1ページにまとめてチームに共有する
- 来月も同じ分析を行い、変化を追跡する
データを味方につけたCS担当者は、組織の中で替えの効かない存在になります。 まずは小さな分析から始めて、データドリブンなCS運営を実現しましょう。