HubSpot AIで顧客努力スコア（CES）を分析する実装方法

対象読者

サポート対応が顧客にとって「楽」かどうかを定量的に把握し、体験改善に取り組みたいCS責任者・CX担当
チケット対応の品質を顧客視点で評価し、手間のかかるプロセスを特定・改善したいサポートマネージャー

CES（Customer Effort Score）とは

CESは「顧客がサポートを受けて問題を解決するまでに、どれくらい手間がかかったか」を測る指標です。チケット対応の完了後に「この問題を解決するのは簡単でしたか？」と1問だけ質問し、7段階（1:とても難しい〜 7:とても簡単）で回答してもらいます。

NPSが「この会社を人に薦めるか」（ブランド全体）、CSATが「今回の対応に満足か」（満足度）を測るのに対し、CESは「手間がかからなかったか」（楽さ）にフォーカスします。「満足度が高い」よりも「手間がかからなかった」ほうが顧客の継続利用との相関が強いとされており、サポート体験の改善指標として注目されています。

スコアが低い例：

何回も同じ説明をさせられた
担当者をたらい回しにされた
メールで問い合わせたら3日待たされた

スコアが高い例：

チャットで聞いたらすぐ解決した
ナレッジベースを見て自分で解決できた

概要

この記事では2つのアプローチを組み合わせます。CESサーベイはサーベイに回答した顧客の手間を測ります。一方、チケット感情分析はCES未回答の顧客も含む全チケットを対象にフラストレーションを検出します。2つを組み合わせることで、サーベイだけでは見えない「手間を感じていそうな顧客」も含めた全体像を把握できます。

月間クローズチケットが50件以上ある場合に特に効果的です。それ以下であれば手動確認でも対応可能です。

HubSpotのフィードバックサーベイ（CES）でスコアを収集し、カスタムレポートで傾向を可視化します。この死角を補うため、データエージェント：カスタムプロンプトでチケットの会話テキストからフラストレーション度合い（感情スコア）を自動判定し、CESスコアと組み合わせることで、サーベイに現れない「手間を感じていそうな顧客」も検出できる仕組みを構築します。

前提条件

HubSpot Service Hub Professional以上 — フィードバックサーベイ（CES）・チケット・カスタムレポート
Marketing Hub / Sales Hub / Service Hub / Data Hub / Smart CRM / Commerce Hub Professional以上 — ワークフロー / データエージェント：カスタムプロンプト（HubSpotクレジット消費）
Breezeアシスタント（全プラン）
方法Bを使う場合：Claude + HubSpot MCP の環境

実装手順

ステップ1：CESサーベイを設定し、スコアを収集する

「サービス」→「フィードバックアンケート」→「アンケートを作成」からCESサーベイを作成し、チケットクローズ時に自動送信する。

設定のポイント：

サーベイタイプ：「カスタマーサポート（顧客努力スコア・CES）」を選択
送信タイミング：チケットのステータスが「クローズ」に変更されてから数時間〜1日後（遅延送信を推奨）
チャネル：メール（チケットに紐づくコンタクトに送信）
自由記述欄を必ず含める（スコアだけでは「何が手間だったか」がわからない）

ステップ2：会話テキストから感情スコアを自動判定する

CESサーベイの死角を補うため、チケットの会話テキストからフラストレーション度合いを自動検出する。

HubSpotにカスタムプロパティを作成する：
-感情スコア （ドロップダウン・チケットオブジェクト）：高フラストレーション / 中 / 低 / ポジティブ

ワークフローを作成する：

「自動化」→「ワークフロー」→チケットベースのワークフローを作成する
トリガー：チケットのステータスが「クローズ」に変更されたとき
絞り込み条件（推奨）：「メッセージ数が3以上」のチケットのみ対象にするとクレジット消費を抑えられる
「アクションを追加」→「AI」→「データエージェント：カスタムプロンプト」を選択する
出力先プロパティ：「感情スコア」（上記で作成したカスタムプロパティ）を指定する

カスタムプロンプトの指示例：

チケットの会話全体を読み、顧客のフラストレーション度合いを判定する
以下のシグナルに注目する：
- 同じ内容を繰り返し説明している（「前にも言いましたが」「何度もメールしています」）
- 対応を諦める発言（「もういいです」「自分でやります」）
- 待ち時間への不満（「いつ返事がもらえますか」「○日経ちましたが」）
- 担当者変更への不満（「また一から説明するんですか」）
これらのシグナルが複数見られる場合は「高フラストレーション」と判定する

ステップ3：CESスコア × 感情スコアを組み合わせてレポート化する

2つの指標を組み合わせたカスタムレポートでダッシュボードを作成する。

作成するレポート例：

CESスコアの推移（折れ線グラフ）
— サポート体験の楽さが改善傾向にあるか
CESスコアの分布（棒グラフ）
— 低スコア（1〜3）の割合を把握
感情スコア別チケット件数（棒グラフ）
— 高フラストレーションの発生頻度。CES未回答のチケットも含む
CESスコア × 感情スコアのクロス集計（テーブル）
— 4象限で見る：
- CES高 × フラストレーション低 = 良好（維持）
- CES低 × フラストレーション高 = 要改善（最優先）
- CES高 × フラストレーション高 = 解決はしたが過程で手間がかかった
- CES未回答 × フラストレーション高 = サーベイでは見えない不満層
担当者別・カテゴリ別のCES平均（棒グラフ） — どの担当者・どの問い合わせカテゴリで手間が発生しているか

ステップ4：低スコア・高フラストレーションの原因を分析する

レポートで問題箇所を特定したら、その原因を深掘りする。

方法A：Breezeアシスタントに質問する
- 「CESスコアが低いチケットに共通するパターンは？」と質問し、傾向を把握する

方法B：Claude + HubSpot MCPで直接分析する

HubSpot MCPをClaudeに接続している場合、チケットデータを手動エクスポートせずに直接分析できます。

HubSpotのビューでCESスコアが1〜3または感情スコアが「高フラストレーション」のチケットを絞り込む（CESスコアはMCPで取得できないため事前に絞り込んでおく）
Claudeに以下のように指示する：

「CESスコアが低いチケットの会話内容を読み、手間が発生した原因パターンを3〜5個に整理してください」

Claudeがチケットの会話テキストを直接取得・分析し、パターンを返す

※ チケット内の顧客情報がClaudeに渡るため、使用前に社内のセキュリティポリシーを確認する

よくある改善ポイントの例：

初回対応でのヒアリング不足で追加情報を何度も求めている
→ テンプレートやフォームで初回に必要情報を取得する
特定カテゴリの問い合わせだけ解決日数が長い
→ ナレッジベースの充実や顧客対応エージェントでの自動対応を検討
担当者の引き継ぎ時に情報が途切れている
→ チケットの内部メモ運用を徹底する

注意点

CESサーベイで測れるのは「チケット対応が完了し、サーベイに回答した顧客」のみ。途中で諦めた顧客や未回答の顧客のフラストレーションはCESには現れない。感情スコア（ステップ2）で補完する
データエージェント：カスタムプロンプトはクレジットを消費する。全チケットに適用するとコストがかかるため、対象を絞る（例：やり取りが3往復以上のチケットのみ）ことも検討する
感情スコアはAIによる推定であり、正確な顧客心理を反映しているとは限らない。改善施策の方向性を見つけるための参考指標として扱う
Claude + HubSpot MCPでチケットを分析する場合、顧客の会話内容がClaudeに渡る。使用前に社内のセキュリティポリシーを確認する