分析と AI による入学戦略の促進

学習の目的:

この単元を完了すると、次のことができるようになります。

• Einstein ソリューションの Tableau CRM が学生募集・入学事務チームをどのようにサポートするかを説明する。
• チームが情報に基づいた戦略判断を下すうえでアクション可能なデータインサイトがどう役立つかを説明する。

次の話、身に覚えはありませんか? 「入学事務データはさまざまな場所にあり、データを取り込んで『新学期の入学希望者と新入生の出身地の都道府県または国は昨年と比べてどうか?』のような質問に答えたいとき、データを集めてまとめるのに何時間もかかる。」データをまとめて見ることで、入学希望者や新入生全体の見方が変わることがあります。Einstein ソリューションは、こうした情報をすべて組み合わせて重要な質問に答えるという課題を解決します。


Tableau CRM は安全で、信頼でき、スケーラブルで、そしてもちろんモバイル対応です。チームの誰もが直観的なポイント & クリック操作の視覚的インターフェースを使用して強力なデータインサイトにすぐにアクセスできます。デスクトップブラウザーでもモバイルデバイスでも、学生募集・入学事務チームに絶えず情報を提供するために必要な答えをデータから得ることができます。

データ成熟度モデル

Einstein ソリューションから提供されるインサイトの重要性は、データモデルが成熟するにつれて増していきます。データ成熟度モデルは、学校のデータジャーニーについて考えるためのフレームワークとなります。次の 4 レベルからなる成熟度モデルに目を通し、チームがジャーニーのどこにいるかを考えてみてください。

• レベル 1: あらゆるもののデジタル化を開始する
  • データを収集して整理する
  • 他のデータソースとのつながりを作る
    
    
• レベル 2: 全体像を把握する
  • レポートとダッシュボードで何が起きているかを確認する
  • それが「なぜ」かを Tableau CRM で明らかにする
    
    
• レベル 3: 次のステップを予測する
  • Einstein 予測ビルダーで数値データの結果を予測する
  • 過去の結果から学ぶ
    
    
• レベル 4: アクションを実行する
  • Einstein Discovery でパターンの検出を開始する
  • Einstein Next Best Action で先に進む

データモデルの進化に伴い、Einstein ソリューションは具体的にどのように学生募集・入学事務チームをサポートするのでしょうか? その答えが知りたければ、このまま読み進んで、各ソリューションで提供される分析が学生募集や入学事務の活動をどう促進できるか、Cloudy College チームが成果への Einstein の影響をどう確認するかを見てみましょう。

Tableau CRM

レポートの後、データをアクション可能にするための次のステップは分析です。分析とレポートはどちらもデータを使用して戦略的判断を下せるようにするツールなので、両者がどう違うのか疑問に思うかもしれません。前の単元でレポートを取り上げたとき、よいレポートを作成するにはデータから答えを得るための質問を具体的にする必要があると説明しました。分析にも同じことが言えますが、得られる答えが違います。レポートは何が起きているかを示し、分析ではなぜ起きているかを究明します。

前の単元でダッシュボードを複数のレポートからデータを取り込める視覚表現として説明したことを覚えていますか? 同じ概念がここにもあてはまります。Analytics ダッシュボードはツールから提供されたインサイトの視覚化を可能にします。2 つの Tableau CRM ダッシュボードが学生募集・入学事務チーム専用に事前作成されています。これらのテンプレートを使用して、次の学生募集クラスに関するインテリジェントなインサイトを提供すれば、チームはすぐに Tableau CRM を使い始めることができます。学生募集・入学事務 Analytics ダッシュボードによって、入学希望者がどのような人物でどこ出身か、学校でのジャーニーを通して何を研究しようとしているかをより簡単に把握できます。


事前作成されたテンプレートに加え、カスタムダッシュボードを作成して Salesforce だけでなく他の複数の提供元からもデータを取り込むことができます。カスタムダッシュボードの作成時にはさまざまなウィジェットを使用できるため、実際にデータでストーリーを伝えることができます。検索条件を作成し、豊富な視覚表現から選択し、テキストや画像を使用して最終的なプレゼンテーションを拡張できます。「なぜこんなに面倒なことをするのか?」と思った場合は次のように考えてください。ダッシュボードを使用して分析インサイトを提示すれば、学校の成功を促進するリソースと戦略を効果的にサポートできるのです。

Einstein Discovery

Einstein Discovery は、既存のデータをすばやく分析してパターンやテーマを見つけます。相関関係を識別し、結果を予測し、チームが結果を改善できる方法を提案します。たとえば、Cloudy College は Einstein Discovery を使用して、合格通知を受け取った入学希望者が入学手続きをするかどうかを予測できます。Einstein はそれをどう行うのでしょうか? 類似の関心事や経歴を持つ他の学生を参照し、このデータに基づいて予測を提示します。最も重要なインサイトを明らかにし、その説明を補う視覚化を示すことで、Cloudy の募集担当者がその存在さえ知ることがなかったであろうパターンに対処するアクションを実行できるようになります。 

Einstein 予測ビルダー

Einstein 予測ビルダーを使用すると、チームは Salesforce のほぼすべての項目について予測することができます。直感的なポイント & クリックインターフェースにより、予測を使用してオートメーションを強化するプロセスが合理化されます。予測ビルダーが最も力を発揮するのは、はい/いいえの質問に答えるときと数値データを予測するときです。たとえば、Cloudy College の学生募集チームは予測ビルダーを使用して、毎年入学目標に達するかどうかを監視できます。

予測を作成したら、それをアクションにつなげる機会を逃さないでください。予測に基づいてレポートを作成すると、結果を発展させたり、予測が目標と一致しない場合は方向転換したりできます。

Einstein Next Best Action

他の Einstein ツールと同様に、Next Best Action は既存のデータを分析および統合してチームがどう進むべきかを提案します。Cloudy College は Einstein Discovery を使用して以前の入学サイクルパターンに基づいて学生が入学手続きをすませるかどうかを予測しています。ある学生が入学手続きをする可能性が低いと Discovery が予測したら、Next Best Action は、高校での参加状況に基づいてその学生が興味を持ちそうな特定のクラブやプログラムを強調してパーソナライズしたメールを送信することを提案します。

Next Best Action は、オートメーションとつなぐことで強化できます。つながると、募集担当者にそのパーソナライズしたメールを送信するように促すタスクが自動的に作成されます。

Einstein Next Best Action は簡単に試すことができ、実際にどの程度の違いが出るかを確認できます。[設定] ページに進んで左側の [プロセスの自動化] ドロップダウンをクリックし、次に [Einstein Next Best Action] をクリックします。

この Einstein ソリューションのツアーにご参加いただきありがとうございます。分析を成功させるための次のステップとして、下記のトレーニングおよびドキュメントリソースを探索してください。  

リソース

• Trailhead: Salesforce Einstein の基本
• Trailhead: Tableau CRM の基本
• 記事: Einstein Discovery クイックスタート
• ドキュメント: Einstein 予測ビルダー
• ドキュメント: Einstein Next Best Action の使用開始