HubSpotの導入事例

実質2人で会社を回しており電話を受けた担当者が面談リンクや顧客の区分をそのつど代表とCMOへ確認していた。

規制の関係で外部のAIを顧客データにつなげられなかった。

1. 社内審査を通ったHubSpotの中だけでAIを動かす
2. Agent Builderで商談を見るエージェントを作る
3. 5つ6つの項目をまとめて見て判断させる
4. 止まっている商談を拾い次にやることを出す
5. 自社の決まりと顧客の分類を覚えさせた

エージェントはこれまでに36回動き商談の追いかけと次の段階への進行に使われている。

問い合わせを受けた担当者が代表やCMOへ確認を回すことはほぼなくなった。

新しい脆弱性が見つかるたびに担当の4人がパートナー1社ずつへ手でメールを送っており、1件あたり2時間ほどかかっていた。

まとめて一斉に送ると読まれにくいうえに転送先には自社の名前も残らなかった。

1. 脅威情報チームが新しい脆弱性をHubSpotのチケット窓口に入れる
2. エージェントが中身を読み受信を希望する24社を絞り込む
3. 担当者本人の名前で1社ずつに個別のメールを送る
4. 材料はCRMの顧客データや取引の履歴をそのまま使う
5. 作りたい動きを普通の言葉で書き2週間で動かした

脅威情報が入った瞬間に24社へ自動で個別メールが飛ぶようになり、1件あたり約2時間かかっていた手作業が要らなくなった。

買い手である不動産管理者がGoogleではなくAIに質問して業者を絞るようになり、Qwikkitはその答えの中に出てこなかった。

少人数のマーケ担当は広告やメールに追われて長い記事を書く時間がなかった。

1. HubSpotのAEOの提案で自社が出ていない質問を調べる
2. 抜けが見つかった題でContent Agentに記事作成を指示する
3. AIが調べて書いて検索向けに整えた下書きを受け取る
4. 自社の書き方の決まりと照らして細かい部分だけ直す
5. 公開した記事はLinkedInの広告にも回す

記事づくりの90%をAIが担うようになった。

以前は何日もかかっていた下書きが短い時間で用意できるようになった。

契約する学区ごとに学校の年間予定が違い、担当者が各学区のサイトやPDFを探して日付を手で打ち込んでいた。

1学区に15〜20分かかるうえ、休みの日を見落とすと学校が休みの日に授業が組まれてしまう。

1. 取引に結び付いたドメインから学区のカレンダーを探させる
2. 初日と最終日と休みの期間を読み取らせる
3. 予定管理のツールが求める形に整えて出す
4. 取引の学年度を直接読めるベータ機能を使う
5. 出力をそのまま取り込めるCSVにする拡張を自作した

1学区あたり15〜20分かかっていた調べ物が数秒で終わるようになった。

年に約350時間の削減になり、営業担当はウェブでの調べ物をしなくなった。

学校の担当者がAIアシスタントに聞いて業者を比べるようになり、その答えに自社が出ないと検討の入口で外される状態だった。

使っていたSemrushはデータが多すぎて次に何をすればよいか見えなかった。

1. HubSpotのAEOの試験版を毎日の仕事の流れに組み込んだ
2. 毎朝ダッシュボードでAI検索での露出と評判を確かめる
3. Recommendationsから優先度の高いやることを拾う
4. 記事やまとめ記事や比較ページを示された順に作る
5. CRMの顧客情報をもとに記事で扱う問いを決める

AI検索での言及シェアで1位になった。

学校側が早い段階で調べる場面でも自社が答えに載るようになった。

CRMを移したばかりで、毎週月曜の見込み客と商談の資料を手作業で作っていた。

1,300件を超える連絡先を仕分けできず、商談中の相手にまで案内を送る恐れがあった。

1. Marketing Hubなどへデータを移した
2. 画面のBreeze Assistantへ自社の設定をふまえ質問した
3. 自動化の流れを作らせ動かない原因も聞いて直した
4. 1,307件の連絡先を条件で仕分けさせ狙う相手を残した
5. 月曜朝7時に図と話す要点を作る仕組みを組んだ

心不全向けの案内は1,307件から約470件まで絞り込まれ、商談中の相手を外して送れるようになった。

数時間かかっていた月曜の資料作りは数分の確認で済むようになった。

顧客・マーケティング・取引のデータが別々の場所に散らばり集計の中身もそろっていなかった。

どの広告が予約につながったのか分からず投資の判断ができなかった。

1. 各ツールのデータをSnowflakeへ自動で取り込む
2. dbtで共通の定義にそろえ検証まで回す
3. 顧客モデルをGoogle AdsやHubSpotへ流す
4. レポートと分析はTableauとHexで見る
5. 客層と接点ごとに予算の配分を組み替える

広告費の配分を見直して前年よりROASが100%以上伸びた。

データ基盤まわりの作業は週およそ200時間分が浮き合併したGetmyboatのデータも6週間でつながった。

8万人を超える不動産の担当者からログインの復旧やW-9の更新といった決まりきった質問が休みなく届いていた。

24時間の窓口を人だけで回すため夜間や週末は海外の拠点に頼り費用がかさんでいた。

1. まずチャットだけに絞って運用を始めた
2. 社内の手順書から知識ベースを作る
3. 回答案を出す機能で記事を早く整えた
4. 分析画面で穴を確かめて記事を書き足す
5. 精度と担当者の声を見て任せる範囲を広げた

第1四半期の終わりには問い合わせの68%を人が入らずに解決できるようになった。

夜間を担っていた外部委託の費用を減らし、窓口の担当者は難しい案件に回れるようになった。

前のCRMはメールやカレンダーやLinkedInや電話とつながらず、データの整理に手間がかかっていた。

サイトや広告ともつながらないので、見込み客の登録はすべて手入力だった。

1. 営業とマーケとサービスの機能をHubSpotに寄せる
2. メールやカレンダーや電話やLinkedInをつないだ
3. AIの自動化で見込み客を担当者へ自動で振り分ける
4. 商談のメモを自動で取る外部アプリを入れた
5. サイトをContent Hubにつなぎ問い合わせを処理する

成約率が16%から20%に上がり、平均の商談期間は半分以下になった。

手作業が減って22%の余力が生まれ、問い合わせへの初動は1日から60分になった。

見込み客ごとに過去のやり取りを調べて文面を書き分けるのに時間がかかっていた。

11人の内勤営業では量をこなせず送る内容は業種向けの一般的なものにとどまっていた。

1. 担当者ごとにHubSpotのProspecting Agentを用意する
2. 自社の言い回しと扱う製品と地域ごとの悩みを設定する
3. 相手の役職や経歴と過去の記録から一人分の文面を作る
4. ZoomInfoやCognismで拾った関心の動きを連絡先へ戻す
5. 毎週指示文を見直し反応の悪い書き方を締めた

試験運用中の1か月で5万件を超える相手へ届き12件を超える商談が直接決まった。

これまでの営業の流れより反応が良くなった。

CMOと営業責任者が毎週集まり、見込み客を1件ずつ見て合う相手かどうかを決めていた。

名簿には1万件を超える眠った連絡先や誤った情報が混ざり、送ったメールが届かずに返ってきていた。

1. HubSpotのdata agentを見込み客の判定の土台に置いた
2. 手で見ていた判断の基準をそのまま自動の判定に移した
3. CRMに入った会社の役職や規模から点数と分類と理由を返す
4. 迷うものだけを週次の会議へ回し高い会社は先へ進めた
5. prospecting agentが相手に合わせた声かけを組み立てる

週次の会議は調べ物が終わった状態で始まるようになり、会社名と確からしさの点数と理由を1つの画面で見るだけで済むようになった。

自社で半年かけて作っていた仕組みを作り込まずに、契約した月のうちに運用へ入れた。

引き合いは増えていたが、担当へ渡したあとの追いかけが見えなくなっていた。

1回電話しただけで止まる人もいれば、そのまま忘れられる問い合わせもあった。

1. フォームが送られた時点でProspecting Agentが動き出す
2. ZoomInfoとつないで相手の会社の規模や業種を補う
3. 困っていそうな点に触れた初回の文面を下書きする
4. 営業は下書きを見てから電話や返信に移る
5. 7,500点を超える商材を調べるAIのコーチも作る

入ってきた問い合わせのすべてに下調べ付きの初回連絡が届くようになり、誰にいつ連絡したかを後から追えるようになった。

900ページを超えるページが部署ごとに作られ、文章の調子がばらばらだった。

受験生は応募の仕方や奨学金といった答えにたどり着けず離れていった。

1. HubSpotのContent Hubで受験生と家族向けのブログを1か所に作る
2. Breezeのアシスタント機能で専用の相棒を1つ用意する
3. ブランドガイドと語り口の文書と入試ページを読み込ませる
4. 参照先を自校のサイトと素材だけに限る
5. 返ってきた行ごとの案を担当者が確かめてから反映する

入試ページの改善を聞くと数秒で行ごとの直し案が返るようになった。

堅い学術的な文章を、受験生に伝わる温かい言い方へ書き直せるようになった。

西海岸に置いたサポート体制では東海岸の朝や週末の問い合わせに答えられなかった。

週末に来たチケットは月曜まで残り、問い合わせの75〜80%は現場で働く利用者からだった。

1. Customer Agentをヘルプセンターと画面内チャットに置く
2. 人の担当者と同じナレッジベースを読ませる
3. 型のある質問を24時間いつでも答えさせる
4. AIが詰まった質問は記事を書き足して直した
5. 自動で終わらない問い合わせはAIの返信案を人が直して送る

これまで電話を選んでいた施設の職員や現場の担当者が、先にチャットで聞くようになった。

返信は速くなり追加の問い合わせも減った。

ショールームは遠くて足を運んでもらえず、アプリも入れてもらえなかった。

外注していた完成イメージの作成に2〜3週間かかり、商談が長引いていた。

1. 見込み客から部屋の様子を聞き取る
2. 聞いた内容をBreeze Assistantに渡す言葉にまとめる
3. 短い指定を入れて天窓が付いた部屋の画像を出させる
4. 出てきた画像をその場で見込み客に見せた
5. メールの下書きや調べものも同じAIに任せた

完成イメージの待ち時間は2〜3週間から数分になり、商談は数週間から数日で決まるようになった。

相談と相談の間の待ち時間も15分から5分に縮まった。

選択肢をたどるだけの旧チャットボットBellaでは、入ってくるチャットの約20%しか自動で終われなかった。

残りは少人数のサポートに回り、注文の状況を聞く電話にも追われていた。

1. 旧ボットを止めたが振り分けがうまくいかず元の流れに戻した
2. 旧ボットを作り直し入り口で行き先を決める係にする
3. その後ろにCustomer Agentを置き注文の状況を答えさせた
4. 半年かけてナレッジベースと商品情報を作り直す
5. 進んでいる注文のデータをHubSpotへ流し込んだ

自動で終わるチャットは約20%から約40%へ上がり、注文のデータを読めるようにしてから約60%になった。

人を増やさずに短い待ち時間で答えられるようになった。

無料試用を始めたIT担当者の多くに誰も連絡できていなかった。

試用から生まれる商談は四半期で平均7件ほどで、少人数の営業では1件ずつ手で追いかけられなかった。

1. 用途ごとにエージェントを分けて作る
2. 試用ユーザーを状況に合う送り先へ振り分ける
3. 試用の開始と設定の進み具合と解約をきっかけにした
4. 解約した相手には設定でつまずいた点を尋ねる文面を出した
5. 始めた月は生成メールを全部自分で読んで中身を確かめる

文面が相手の状況と時期に合うようになり、手で書いていた頃より中身がそろった。

試用向けの送信は人の確認をやめてエージェントだけで回している。

5万人のホストのうち今すぐ人が話すべき相手が誰か分からなかった。

30日取引が無いだけで解約の危険と出るなど、目立つ数字ほど当てにならなかった。

1. HubSpotのCRMにClaudeをつなぐ
2. ためた顧客データへ普通の言葉で質問できるようにした
3. 数万件のNPSの回答と直近12か月の売上を一緒に読ませた
4. やり取りの記録全体から気づきを出すよう頼む
5. 出てきた指摘を製品チームへ戻す流れを作った

大口の顧客は製品や対応でなく手数料に不満を持ち、小口の顧客は使い始めでつまずいていると分かった。

これを受けて大口ホスト向けに契約と価格を個別に決める仕組みを初めて作った。

新規開拓を担う担当は1人だけで、見込み客の調査と文面づくりに週8時間ほど取られていた。

名前だけ差し替えた文面では下調べをしていないと相手に伝わってしまう。

1. HubSpotのProspecting Agentを確認つきで動かした。
2. 役職や過去のやり取りに合わせて文面を変えるよう指示する。
3. 送る前に担当者が全部の下書きを読む形にした。
4. 手を入れたかどうかをHubSpotの項目に毎回記録する。
5. 20%を下回れば任せると決めて自動送信に切り替えた。

下書きをそのまま送れるようになり、担当者が手を入れた割合は3%未満に収まった。

イベントごとに5通の文面を手作りする作業も無くなった。

人の採用が難しく、営業の人数を増やさずに新しい顧客を取る必要があった。

売上の最大80%が既存の取引で、新規の開拓に手が回っていなかった。

1. Sales HubにAIの機能を入れて全部署を同じ基盤にそろえた。
2. Breeze Assistantで見込み客の情報や競合の動きを調べる。
3. 自社に合う相手かをAIの下調べで見分けて順番を付けた。
4. AI-Guided Actionsが出す次の動きに沿って連絡する。
5. 商談前にAIが集めた注文の履歴と困りごとを読んだ。

新規案件の受注率は15%から25%になった。

受注までの平均日数は309日から135日に縮まり、1件あたりの平均金額も1万ドル増えた。

データがあちこちのシステムに散らばり、古いCRMは専任の開発者がいないと回らなかった。

記事は週に1〜2本しか出せず、1件400ドルになることもある有料広告のリードに頼っていた。

1. HubSpotのContent HubとSales Hubを入れた
2. AI Blog Writerで2,000語の記事を毎日作る
3. Brand Voiceで自社の言い回しから外れないようにする
4. 記事はContent Remixで各チャネル向けに作り直した
5. Sales Hubの予測機能で着地を読み目標を出している

オーガニックリードが216%増え、成約は60%増えた。

記事の生産量は250%増・取引件数は59.6%増・売上は73%増になった。

2020年からCRMに約7,000件の休眠リードが眠っていた。

1件ずつ履歴を調べて相手の状況に合う文面を書く手間が重く、連絡は場当たりで中身の薄いものになっていた。

1. まず200件でProspecting Agentを試し質を確かめた
2. 休眠リスト全体へ広げCRMの履歴から文面を作らせる
3. Data Agentで会社側の情報を補う
4. 自社の言い回しとトーンをつなぎ使う語を指定した
5. 日程調整のリンクを入れ1件あたり3〜4通を送る

創業者は文面の質が自分で書くより300%良いと話した。

返信した相手の多くは人が書いたものだと思ったほどで、休眠リストへの連絡が裏で回り続ける形になった。

月2万件を超える問い合わせに体制が追いつかず、営業時間内でもメールの返事を待たせていた。

時間外に送ると最大40時間待つこともあり、電話の放棄率も高いままだった。

1. Customer Agentを動かしたが数日で止めた
2. 6か月分の問い合わせデータと検索の動きをAIに読ませる
3. ヘルプ記事を250本から35本にまとめ直した
4. チャットで再開しメールのチケットへ広げる
5. 非公開ナレッジを用意しスペイン語にも訳した

回答は70秒足らずで返るようになり、営業時間内の初回応答は50%以上短くなった。

AIが受け持つ問い合わせは8月の15%から12月に40%へ上がり、電話の放棄率は15%まで下がった。

顧客が増えるにつれ電話やメールやチャットの問い合わせが積み上がり、返答が遅れて案内の中身も担当者ごとにばらついた。

新しく入った人を早く一人前にすることも難しかった。

1. 顧客の履歴とやり取りをAIに要約させ新人の教育に使う。
2. 返信の下書きと定型文をAIに出させ担当者が確かめて送った。
3. よくある質問は自動で答えて顧客が自力で解決できるようにする。
4. メールの文面はAIで作り人が言い回しを整えた。
5. 仕入れや回収を含む7つの部署に同じ使い方を広げる。

問い合わせの25〜30%が人の手を借りずに解決し、担当者は難しい案件に時間を回せるようになった。

チケットの数が増えた中でも平均の返答時間は30%以上短くなった。

高校の卒業者が減って学生が集まりにくくなる時期が近づき、早い段階から学生や保護者に届く記事を出す必要があった。

ところが900ほどあるページは1文直すだけでサイト全体を出し直す作りで、ちょっとした修正に15〜30分かかっていた。

1. 約900ページをContent Hubへ移した
2. 各ページのメタ説明をBreeze Assistantに書かせた
3. ブログを在学生向けと受験生向けの2つに分けた
4. 外部会社のプロンプトと重要な語を渡して下書きを作った
5. SNS投稿を9年生の男子生徒の目線で書き直させた

ページの閲覧数は30%増え、サイトに滞在する時間も27%伸びた。

人を1人増やさずに記事を出し続けられるようになった。

小さい会社向けから中堅企業向けへ売り先を広げ、商談の数と関わる人が一気に増えた。

営業担当は打ち合わせの要約や顧客データの整理に追われ顧客と話す時間を削られていた。

1. 営業とマーケでHubSpotのAIを共通の道具にした
2. 商談の通話録音から要約を自動で作った
3. 要約をもとにフォローメールの下書きを出した
4. 書き起こしの1割未満を材料にして相手ごとに寄せた
5. Breeze Assistantに取引先を調べさせ商談前に確かめた

150人を超える営業担当が1日1時間以上を手作業から取り戻し、週で750時間分の削減になった。

商談の進む速さは20%上がり6か国のCRM利用率は100%になった。

相手のペルソナや業種ごとに内容を作り分ける必要があり、その制作に時間がかかっていた。

顧客の側にはAIを入れると人とのつながりが薄れるという不安もあった。

1. まずキャンペーンの型を人がブレストで組む
2. Marketing HubのAIにSNS投稿文と広告文を作らせる
3. ランディングページと同じ言い回しにそろえてつなげる
4. Sales HubのAIで細かいセグメント向けに文面を変える
5. 出てきた文章に人が手を入れA/Bテストで効き方を確かめる

メールのクリック率が25%上がった。

ランディングページの滞在時間は1分未満から3〜4分に伸び、キャンペーンの制作期間も数週間から数日になった。

32ブランドをまとめた見積サイトの問い合わせを1人の担当者だけで受けていた。

型番の適合や納期や価格はすぐ答えが必要で週15時間ほどが対応に取られサイトを広げられなかった。

1. HubSpotのCustomer AgentでAIを作り見積サイトに置いた
2. 実際の製品データをその場で読ませて答えさせる
3. 型番や価格や在庫や製品の合う合わないに答えさせた
4. 答えたあとは見積の依頼や製品セレクタへ案内させる
5. 手に負えない相談は人へ渡す線引きを決めて組み込んだ

型番や価格の質問はその場で片づくようになり担当者が対応に取られていた週15時間が空いた。

顧客が4,000社を超え、1人が1社ずつ答えるやり方では問い合わせが追いつかなくなっていた。

やり取りが個別に閉じていて、どんな質問が多いのかも見えなかった。

1. 自社のナレッジベースと製品の資料を学ばせて顧客向けのエージェントを用意した。
2. 営業とマーケティングと顧客対応を同じ台帳に寄せる。
3. 顧客が使い方の質問をエージェントに直接聞く。
4. 何に使われるかを決めきらずに公開して実際の質問を拾った。

使い方を尋ねるような軽い問い合わせが減り、担当者は繰り返しの対応に取られていた時間を取り戻した。

顧客が本当に知りたいことも見えるようになった。

顧客の情報がSalesforceと6つのツールに分かれ、1回のキャンペーンで文面を作れるのは2業種までだった。

外部の代理店に頼むと打ち合わせと承認が挟まり判断に数日かかった。

1. Salesforceと6つのツールをHubSpotへ一本化した
2. キャンペーンの本文は1本だけ書く
3. 業種ごとの言い換えはAIのパーソナライズ機能に任せる
4. 冷えたリードはProspecting Agentに任せる
5. 人は出てきた文面を確かめ面談が入った相手から対応する

担当者1人で全業種のキャンペーンを2週間に約1時間で回せるようになった。

代理店との週3回の打ち合わせは無くなり、人が手を付ける前に冷えたリードから面談が入るようになった。

顧客の情報が複数のツールと表計算ファイルに散らばり、営業のスコアリングに使う売上や従業員数は数年間そのままだった。

担当者ごとのやり方に頼る状態が続き、データをもとにした営業の判断ができなかった。

1. 新しいポータルを作らず今のHubSpotのまま組み直した
2. 取引のパイプラインとステージを顧客を区切りやすい形に設計し直す
3. 属性の変化をきっかけにステージが自動で進むようにした
4. 売上や従業員数を定期的に取りに行って書き換えるAIワークフローを作る
5. 日本語でも使える精度になっているか確かめた

数年間止まっていた売上や従業員数が自動で最新の状態に書き換わるようになり、CRMのデータをもとにした営業の組み立てができる段階に近づいた。

今後は音声ログや商談の分析にも広げる。

顧客の情報が自社の予約システムやSalesforceや表計算に散らばり、過去のやり取りを一度に見られなかった。

返事まで12時間かかることがあり営業時間外の問い合わせは取りこぼしていた。

1. 予約システムなどをつなぎ顧客と予約のデータをHubSpotに集めた。
2. 車両の仕様や規約を書いたサイトの記事を答えの元にした。
3. よく来る質問はサイトのチャットとメールでAIが即答する。
4. WhatsAppでも同じ窓口を用意し相手の言語に合わせて返す。
5. AIで片づかないものだけ人が引き取る。

サイトのチャットは81%をAIが解決し月150件が人を通さずに終わるようになった。

WhatsAppのやり取りは400%増え、いまは会話の50%が営業時間外に起きている。

週1店のペースで出店が続き問い合わせは増え続けていた。

対応するのは3人だけで返信が遅れ、入会をやめる人や解約する人が出ていた。

1. HubSpotのService Hubで問い合わせを受ける土台を整えた
2. Breeze Customer Agentを動かして回答を任せる
3. 会員データと自社のナレッジベースから回答させる
4. 答えが無いときと人を求める言葉が出たら担当者へ渡す
5. 入会で迷う人に答え解約しそうな会員には休会を示す

問い合わせの85%はAIだけで解決し、回答は1時間以内に届くようになった。

サポートの手が年間でおよそ4,000時間空き、会員の満足度も上がった。

マーケティング責任者は1人で3つのブランドを任され、予算も人も無い状態で高い成長目標を背負っていた。

相手に合わせていない一斉メールは忙しい飲食店の運営者に読まれず反応が出なかった。

1. ブランドごとに専用のAIエージェントを作った
2. ブランドの決まりと言葉の調子をAIに読み込ませた
3. 問い合わせや調査の回答や営業メールもAIに渡した
4. 送る相手を90日以内に反応した人やサイトを見た人に絞った
5. AIに本文とアバターの台本を書かせ動画にして配信した

文章だけのメールはクリックがゼロだったが、アバター動画のメールはクリック率6.2%とクリックスルー率29%になった。

反応は9倍に伸びた。

見込み客へ連絡する営業チームが、メールの文面を1件ずつ手で直していた。

問い合わせが増えるほど追いつかず、商品別のシーケンスでは商談の設定率が8%どまりだった。

1. 商品ページごとに専用の型を用意した
2. 購入意欲を示す語と自社サイトの閲覧記録をエージェントへ渡した
3. 入ってきた連絡先を自動で担当へ割り振り合う流れへ乗せる仕組みを組んだ
4. 最初はメールを人が先に確かめてから送る設定にした
5. 商談が入った連絡先は自動で流れから外れるようにした

メールの出来を認めたSDRが使いたいと言い出し、数週間で10本の営業シーケンスを全部このエージェントへ置き換えた。

商談はこれまでにない速さで入るようになり、マーケティング部門も同じ仕組みを使い始めた。

パスワード忘れやログインの不具合といった簡単な質問が増え人手ばかり取られていた。

問い合わせの30〜40%はメールで届き顧客の特定と使っている製品の確認から始める必要があった。

1. 製品ごとのよくある質問をナレッジベースの記事として整えた
2. 不具合のQ&Aやライセンス契約や価格のページも読み取り専用で渡した
3. 製品の画面とナレッジベースにチャットを埋め込んで動かした
4. 指示文を書き足し参照元のURLを確かめてから製品を聞かせた
5. 応答は既定でノルウェー語にした

担当者の見立てでは期待を超える動きになり複雑な質問にも答えるだけでなく次の手順まで案内した。

顧客側の製品の使い方も以前より安定した。

チケット管理と電話と定期購入の管理と顧客データが別々の仕組みに入っていて、担当者はタブを4つ以上開いたまま応対していた。

相手が誰かを調べるのに約15秒かかり、通話のあとの入力には通話と同じくらいの時間がかかっていた。

1. HubSpotとAircallをつなぎ電話やメールと顧客データを1画面に集めた
2. まず最小の構成で作り3か月で国ごとに広げられる状態にした
3. 応対にAI Assistを使い通話後の入力の手間を減らした
4. Analytics+で受電の時間帯を見て人の配置を決めた
5. 録音を1件ずつ聞く評価をやめ通話データで成績を見る形にした

使い始めて1週目で通話後の後処理が3〜4分から2分未満になった。

長めの受電は通話時間が5分1秒から4分6秒へと最大18%短くなった。

採用の担当者が応募者のデータを手で入力していた。

多いときは働く時間の25%をその作業に取られ規模を広げられなかった。

1. 応募が入るとZapierが動く形にする
2. HubSpotとGmailをつないで応募者のデータを集める
3. AI by Zapierが内容を読んで応募者ごとの要約を作る
4. 出来た要約を採用担当へ届けて面談の判断に使う
5. 記事やSNSの投稿はZapier Agentsが毎週まとめて作る

採用は前年から37%増え、担当者の作業は25%減った。

応募者の要約は1人あたり5〜10分かかっていたが自動で出るようになった。