Zapierの活用事例

案件ごとに外部の業務委託を集めて回していたため、出来ばえはその月に空いている人しだいだった。

データもSE RankingやFraseやGoogle Adsに散らばり、ホテルの顧客で広告の成績が落ちたときは数字を手で突き合わせていた。

1. ClickUpの1つのワークスペースに案件とCRMと手順書をまとめた
2. その上で20体のエージェントを動かす
3. SEO・営業・キャンペーン・運用ごとの組に分けた
4. Zapierで作ったMCPサーバー経由で各ツールの中で作業する
5. 出てきたものは人が確認してから顧客に出した

8人の体制で新しい顧客に1か月分のSEOとGEOの作業を1週間以内に出せるようになった。

広告アカウントの調査から戦略とキーワードと広告文づくりまで、1週間かかっていた作業が数時間に縮んだ。

仕事を増やすには電話や訪問の数を増やすしかなく、かけた時間がそのまま上限になっていた。

動画は2013年から試していたが、自分で撮る手間が重くて続かなかった。

1. 毎朝Google Alertsと地元紙で地域のニュースを確認する
2. 選んだ話題を自分で組んだClaudeのワークフローに渡す
3. つかみの文と字幕とナレーション台本と画像の指示を作らせる
4. 素材をZapier経由でHeyGenへ送りアバター動画にする
5. 数分で中身を見て問題がなければ各SNSへ自動投稿する

90日間で動画の再生が合わせて200万回を超え、Instagramのフォロワーは2,124人から11,700人以上に増えた。

ここからGCIで12万ドル超が生まれ、1本の動画だけで53件の問い合わせが入った。

全員が別々の場所と時間帯で働くため仕事の進み方がそろわず、8,000のアプリ連携を抱えたまま自動化の速さを保つ必要があった。

マーケティングなど一部の社員が個人でClaudeを使い始め、社内から正式に使わせてほしいという声が出ていた。

1. 会社としてClaude Enterpriseを配り部署ごとに使い道を決めた
2. 記事やSNSの文章をClaudeに下書きさせた
3. 下書きをGoogle Docsへ保存しSlackで担当者に通知する
4. 絵文字を付けるとClaude Codeがコードとマージリクエストを作る
5. 書かれたコードと文章はレビューで人が確かめて直した

全社員の89%がAIを使うようになり、社内で動くエージェントは800を超えた。

Zapier上のAnthropic連携が処理する仕事は前年の10倍になった。

新しい打ち出し方をトップページの案として見せるには、デザイン担当への引き継ぎが必要で数日かかっていた。

方向が良いかを判断する前に手間がかかりすぎていた。

1. Coworkを今のトップページと社内ツールにつないだ。
2. Zapier MCP経由でSlackやGleanの中身も読ませる。
3. 自社の書き方や打ち出し方の決まりをスキルにまとめる。
4. 今のページを土台に新しい打ち出し方のHTML案を作らせる。
5. 出た案に方向の直しを伝え確認しながら作り直させる。

文面とページの構成を判断できる下書きが約15分ででき、CMOとCEOにその場で見せられるようになった。

これまで数日かかっていた案の共有が分単位に縮まった。

問い合わせがサイトとメールとInstagramやFacebookに散らばり、国ごとのサイトで案内の流れもそろっていなかった。

チャット前のボットの反応率は2.11%にとどまり、コンサルタントが見込み客の選別に時間を取られていた。

1. 6か国のサイトすべてにTidioのチャットボットを置いた
2. サイトとメールとSNSの問い合わせを1つの受信箱にまとめた
3. 中国語とベトナム語の市場に翻訳した専用の案内の流れを用意する
4. チャット前のフォームで希望の国とビザの種類と連絡先を聞く
5. 集まった情報をZapier経由でCRMへ送る

チャット前のボットの反応率は2.11%から2.86%へ上がり、1か月で36%の伸びになった。

1か月で186,864件のやり取りを自動でさばき、訪問に対する連絡先の獲得率も0.70%から0.88%になった。

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。

広告主に声をかける先を人手で探していた。

必要な数に追いつかず開拓が止まりがちだった。

1. Zapierのエージェントに自社の条件を覚えさせた
2. 見込み客を見つけて使える形に整える役をもたせた
3. 整った一覧はそのままCRMへ流し込む形にした
4. 古い連絡先は別のエージェントが形をそろえて条件で絞る
5. Google SheetsとChatGPTをZapierでつないだ

ひと月で2,000件を超える条件に合う見込み客が集まり、数か月たっても対応しきれないほど残っている。

準備にかかった時間は手作業より短かった。

新しい利用者が一気に増え、サポートへのチケットもその分だけ膨らんだ。

早くて質の高い回答を続けるのが難しくなっていた。

1. Zapierのチャットボット作成機能でサポート用ボットを組んだ。
2. 回答の元になる情報をZapier Tableにためて参照先に指定した。
3. できたボットを自社サイトに埋め込んだ。
4. 簡単で繰り返し来る質問はボットが答える形にした。
5. 人の判断が要る込み入った相談は担当者が引き取る。

サポートに届くチケットが40%減り、担当者は人手が必要な難しい相談に時間を回せるようになった。

300人を超える利用者からその場で反応が集まった。

数百人の社員がPrisma Browserのデモをするたびにアカウント作成やライセンスの初期化をSlackで頼んでいた。

頼み方が毎回違うため決まった処理の台本では読み取れず手作業が追いつかなくなった。

1. 社員はSlackに普段の言葉で依頼を書く
2. Zapierで組んだAIのワークフローが意図を読み取った
3. 複数のシステムにまたがってライセンスを割り当てる
4. アクセスの承認はチャンネルへ戻して人が押す形にした
5. 返信の書き方はA/Bテストで比べて決める

3,000人を超える社員が使うようになり、担当1人分の仕事がなくなって年15万ドルを減らせた。

個別に返す言い回しにしたことで追加の質問は20%減った。

ロサンゼルスの10店舗がそれぞれの問い合わせ箱を手作業でさばいていた。

似た返信の繰り返しに週20時間以上を取られ支払いの多い会員を先に扱う仕組みも無かった。

1. 問い合わせ箱とChatGPTとBigQueryをZapでつないだ
2. 問い合わせが届くと会員かどうかを社内データベースで確かめる
3. 会員には柔らかい言い回しを当て会員以外は標準の返信を作る
4. 下書きと購入履歴を並べて出し店長が優先順位を判断する
5. 採点用のAIが下書きと人の最終文の差を点数にする

AIが作った返信の70%が手直しされずそのまま送られた。

年に1500時間の作業が減り人件費にして年およそ4万ドル分になった。

デジタル配信の担当は一人しかいなかった。

キーワードごとのコンテンツ作りに時間を取られ成長の足かせになっていた。

1. Googleスプレッドシートの決まった列にキーワードや題材を書き込む
2. 入力をきっかけにZapierのZapが動き出す
3. ChatGPTがブログとメールとSMSとSNS向けの下書きをまとめて作る
4. 人は出てきた原稿を確かめて整えてから配信する

9か月で24営業日を超える作業を減らした。

検索で1位に入ったコンテンツも生まれた。

少人数のIT担当に問い合わせが集まり、対応が後手に回っていた。

Slackで来た依頼は記録に残らず、抜け落ちることもあった。

1. Slackとメールとチャットボットの依頼を1か所で受ける形にした
2. Zapierの連携で依頼者の確認とチケット作成を自動で進める
3. AIが回答の案を出す形にした
4. 担当者が自分でチケットを引き取れるようにした
5. よくある内容は自動で解決し難しいものだけ人が見る

問い合わせの27.5%が自動で完了するようになり、月に616時間分の手間が浮いた。

人を増やさずに対応できる幅が広がった。

エンジニア同士が評価し合う仕組みが使いにくく参加率は50%で止まっていた。

上司はレビューを1件ずつ開いて別の文書へ写す手間もかかっていた。

1. 関わる5種類の人ごとに体験を書き出して逆算した
2. Zapier Tablesの名簿からSlackで個別に依頼を送った
3. 未提出の人へ決まった時刻に声かけを送った
4. 依頼の件数による分岐をZapier Pathsで振り分けた
5. 回答はAIが要約しメールで返しWorkdayへ戻した

参加率が50%から93%になりレビューの数も約400件から1,600件超に増えた。

声かけを送った日は参加率がおよそ10%ずつ伸びた。

見積もりへの返事が営業時間外にSMSで届き翌日まで気づけず商談を逃していた。

決まった言葉にしか反応できず文章で返信が来ると会話が止まっていた。

1. Zapierで予約を取るAIの仕組みを組んだ
2. 届いたSMSの中身を読み取らせた
3. 空いている枠を確かめて人を介さず予約を入れる
4. 返信をChatGPTへ渡し困りごとを抜き出させた
5. 「30日後」などの希望を読み取り追客の予定を入れる

夜間の返事も拾えるようになり1日20〜50件の予約が自動で入るようになった。

前の年からの見込み客の掘り起こしが月の売上の5〜10%を占め1年で30万ドルの上乗せになった。

リードの処理をメールと表計算に頼っていて手が止まりやすかった。

追いかけ方も担当ごとにばらついていた。

1. リードのデータを整えて足りない情報を補った
2. 行き先を振り分けるサブのZapを組んだ
3. Five9につないでSMSの予約確認を自動で送る
4. 顧客ポータルの一時パスワードをAI by Zapierで作る
5. 毎日決まった時刻に動くZapで実行する

自動のリマインドで予約率が41%上がり、複数ブランドで1日500件を超えるSMSを送るようになった。

手作業でのSMS送信はなくなった。

見込み客の情報集めが手作業で遅かった。

営業がいくつもの情報源を見て手で入力するためミスが出て受注率が落ちていた。

1. フォームやイベントから入ったデータをZapierで流す
2. ApolloとClayで会社や担当者の情報を足した
3. AIが中身を要約して自社CRMへ記録する
4. 記録した案件を担当営業へすぐ割り振った
5. 通話記録を要約して追いかけのメールを下書きまで作る

1件の通話あたり15分が浮き、営業20人で1日20時間分の時間が生まれた。

事務作業で消えていた年282営業日と$1M分のパイプラインを取り戻した。

毎月およそ12万件の問い合わせがあり返品や支払いやアカウントなど間違えると損害が大きい内容が多かった。

市販のAIサポートツールはヘルプ記事から答えられる簡単な質問しか処理できなかった。

1. Zapierで約90ステップの親Zapを組んだ
2. 届いた問い合わせをカテゴリと小分類に仕分けた
3. プロンプトや返答の文面はスプレッドシートに置いた
4. FAQ回答や振り分けや文面作成は子Zapに分けた
5. 確信度が低いときは人の対応へ戻した

約97%の問い合わせに自動で初回返信を返し月およそ47,000件を人が触らずに解決するようになった。

CSATは5点満点で1点上がり月3,000時間以上の対応時間が空いた。

74のショールームに月およそ10万件の電話が入り全部には応対できなかった。

販売店とビジネス開発センターと外部のコールセンターで分担しても取りこぼしが残り人を増やすだけでは解決しなかった。

1. Zapierで着信の録音を処理する流れを組んだ
2. 録音をAssemblyAIとOpenAIに渡して内容を読み取らせた
3. 用件を社内で決めた区分に当てはめた
4. 整った形のリードとしてSalesforceへ書き込んだ
5. 後からElevenLabsを足し音声でのやり取りにも広げた

応対できずに消えていた月およそ1,500件の問い合わせを自動で拾えるようになった。

取り戻した需要は純利益への影響でおよそ€150,000と見ている。

サポート担当は月に約5,000件の問い合わせを扱い、返信を書き始める前の下調べに1件15分かかっていた。

Zendeskと社内資料を行き来して合うヘルプ記事や手順書を探す必要があった。

1. 問い合わせを指定するとMCP経由で中身をまとめて取り出す
2. 取り出した文面をAIが読んで社内のナレッジと突き合わせる
3. 関係する資料と進め方の案と似た過去の例を1つの要約にする
4. 決まった流れではなく読み取りを挟んでから振り分ける
5. 対応後の評価データも集めて状況を追えるようにした

1件あたりの下調べは15分から約4分になった。

月5,000件で合計917時間以上が浮き、下調べの時間は73%減った。

広告から来た見込み客を人が手でCRMへ入れていたため対応が数時間後になり商談が流れていた。

分岐をたどるだけの古いチャットボットは訪問者の質問にうまく答えられなかった。

1. Google広告から届いた見込み客の情報をZapierでCRMへ流す
2. 登録と同時に営業へ通知を送り数分で連絡できるようにする
3. チャットボットをZapierで作るAI型に替える
4. AIに自社の製品情報を覚えさせる
5. ボットが集めた見込み客の情報を営業へ渡す

連絡までの時間が数時間から数分になり反応の速さが90%上がった。

AIが月に120件の会話をこなし人を増やさずに対応を広げられた。

顧客が「ありがとう」とだけ返信すると問い合わせが再び開いてしまい、対応の必要がない案件が大量にたまっていた。

担当者が一件ずつ中身を見て閉じる手間がかかっていた。

1. Zendeskでチケット再オープン時にZapierが動く設定にする
2. 返信本文をChatGPTに渡し内容のある問い合わせか判定させる
3. 対応不要なものを自動で終了し理由を社内メモに残す
4. 本文と送信元ドメインをAIが読み種類分けと優先度を付ける
5. 人は社内メモを見て判定が怪しいものだけ開き直す

1,000件を超える問い合わせが自動で片づき、担当者の時間が空いた。

優先度付けでは10,000件以上が振り分けられ、重要な顧客への返答が早くなった。

新規ユーザーの最初の90日での解約率が25%に達していた。

オンボーディングの説明会に参加してもらう人数がなかなか伸びなかった。

1. 新規ユーザーのアカウント作成をきっかけにZapを動かす
2. 自社側のユーザー情報を安全に受け渡す
3. ウェビナー配信ツールへ登録情報として送る
4. 参加申し込みを人手でやらず自動で講座に組み込む
5. 担当者は講座の中身と当日の運営に時間を回す

オンボーディングの参加者は月あたり440%増えた。

最初の30日での製品の使い始めは2倍になり、90日以内の平均解約率は6%まで下がった。