本文へスキップ
tech公開更新約9分で読めます

VOC分析を外注するとき何を依頼すればよいのか? 成果物と発注の決め方

シェア
VOC分析を外注するとき何を依頼すればよいのか 成果物と発注の決め方

VOC分析を外部へ依頼するとき、何を依頼すればよいのか。先に答えを書くと、依頼するのは「分類表の納品」ではありません。判断したい問い、渡すデータの範囲、納品後に判断して動く社内の担当。この3点を発注の時点で決めておくと、分析結果は施策につながります。逆に言えば、この記事の立場は「VOC分析の外注が失敗する主因は、分析会社の技術力ではなく発注側の問いの立て方にある」というものです。

フライルの調査レポート(424名対象・同社発表)では、VOC活用を「必要」とする回答が82.3%にのぼる一方、意思決定や改善活動に「十分に役立っている」は23.6%にとどまりました。必要性の認識と成果の間に、3倍以上の開きがあります。この差はツールの性能差では説明がつきません。どこで差がつくのかを、発注書の書き方まで降ろして考えます。

ツール導入と分析の委託は何が違うのか

ツール導入と分析の委託は何が違うのか

最初に分けるべきはここです。ツール導入は「集計を自動化する買い物」、分析業務の委託は「判断材料を作ってもらう業務委託」で、発注時に決めるべきことがまったく違います。

テキストマイニングツールやVOC分析SaaSを導入する場合、買っているのは分類・集計・可視化の機能です。問いを立て、結果を読み、施策に変換する仕事は自社に残ります。一方、分析業務そのものを委託する場合は、人的アナリストが問いの設計から関与します。コンタクトセンター業界では後者のコンサル型も選択肢として確立しており、たとえばCC AI BENCHMARK 2026の7月セッションでは、NTTマーケティングアクトProCXが人的アナリスト主導のVoC分析を、BPO受託を前提としない単体施策として依頼できると説明していました(2026年7月時点のセッションでの説明)。

問題は、この2つを混ぜたまま発注してしまうケースです。ツールの値段で分析委託の成果を期待する、あるいは分析委託にツール導入並みの「すぐ出る定型アウトプット」を求める。どちらも期待と契約がずれたまま走り出します。

海外のデータも置いておきます。XM Instituteの2019年調査では、VoCプログラムの成熟度評価で上位2レベルに達した大企業は14%でした。調査年次も対象も国内調査とは異なるため単純比較はできませんが、「声を集める仕組みはあるのに判断に使えていない」が日本固有の問題ではないことは分かります。外注先を変えれば解決する種類の問題なら、7年前から世界中でとっくに解決しているはずです。

何を揃えて依頼すればよいのか

揃えるものは3つです。調べたい問い、渡すデータ、受け取る成果物。以下は編集部がまとめた発注骨子の案であり、特定の分析会社の様式ではありません。

なぜ問いが先なのか。問いのない分析依頼は、ほぼ必ず「出現頻度の集計」に収束するからです。健康診断にたとえると、検査項目だけ指定すれば数値の一覧表が返ってきます。「この数値で何を判断したいのか」を伝えて初めて、所見が付きます。VOC分析も同じ構造です。「解約理由を分析してください」ではなく、「解約連絡の電話のうち料金起因が何割か。料金プラン改定の判断材料にしたい」まで書くと、分析の設計が変わります。

ここが分かれ目です。

渡すデータについては、範囲と質を発注側が説明できる状態にします。対象チャネル(電話・メール・チャット)、期間、件数、通話はテキスト化済みか、そして顧客属性と紐付くか。紐付けの有無は成果を大きく左右します。シナジーマーケティングの調査(BtoB企業の顧客アンケート活用・500名対象・2026年4月発表)では、回答を顧客情報と常に紐付けて分析している層は業績貢献を「大いに実感」が33.3%、紐付けていない層は2.7%と、約12倍の差が出ています。コンタクトセンターのVOCそのものの調査ではありませんが、「声を単体で分析するか、顧客データと重ねて分析するか」の差がここまで開くという示唆としては十分です。

受け取る成果物には、分類表に加えて次の3点を指定します。第一に、判断を左右した元発話の引用という証拠を付けてもらうこと。第二に、分母・期間・データの偏りといった限界を明記してもらうこと。第三に、どのデータが揃えばどの確度が上がるかという次の検証の提案を含めてもらうことです。この3点が入った成果物は、社内の別部門へ持ち込んだときに「本当にそうなのか」という疑義に耐えます。入っていない分類表は、きれいであるほど棚に置かれます。

契約面では、データの取り扱い範囲、成果物と分析環境の権利、追加分析の条件あたりを事前に確認する項目として挙げておきます。これは一般的な発注時の確認事項の整理であり、個別の契約判断は法務・専門家への相談が前提です。

納品後にコールセンターの誰が判断するのか

発注書の最後の1行は、社内の話です。納品されたレポートを「誰が読むか」ではなく「誰が判断して動くか」を、発注前に決めておきます。

VOC分析が施策につながらない典型は、納品報告会で終わるパターンです。レポートの宛先は経営層やCS部門長。しかし料金起因の解約を減らす判断をするのは料金部門で、商品起因の問い合わせを減らすのは商品部門です。報告の宛先と判断の主体がずれたまま納品を迎えると、どれだけ質の高い分析でも動きません。この「他部門の判断に変える」工程はセンター長向けの判断依頼メモの記事で書き込み式テンプレートとして整理したので、納品後の設計はそちらを使ってください。

もう1つ、外注の前に自社に眠っている素材の確認も要ります。応答自動化やコンプライアンス目的で全通話をテキスト化しているセンターは、分析の原料をすでに持っています。全通話テキスト化の資産についての記事で書いたとおり、蓄積しただけの文字起こしはVOCになりませんが、外注時に「テキスト化済みデータがある」ことは見積もりと設計の前提を変えます。

データより問いを先に決める

冒頭に置いた「失敗の主因は発注側の問いの立て方」という主張には、当然反論がありえます。問いを立てたところで、渡せるデータが分断されていれば結果は同じではないか、という反論です。実際、シナジーマーケティングの調査ではCRM等とデータを自動連携して管理している企業は25.6%にとどまっており、問い以前の制約を抱える企業が多数派だと読めます。

それでも私は、順番は問いが先だと考えています。問いが決まれば、どのデータをどの順で整えるかが決まるからです。「データが整ってから分析を外注する」と構えると、整う日は来ません。最初の発注を「問いを1つに絞り、いま渡せるデータで、限界の明記された成果物を受け取る」小さい設計にすれば、データ整備の優先順位そのものが分析の副産物として返ってきます。

外注が機能する条件を並べるなら3つです。問いが社内の判断に接続していること。渡すデータの範囲と質を発注側が説明できること。納品後に判断して動く担当が決まっていること。1つも満たさない状態での発注は、金額の大小にかかわらず「きれいな分類表」で終わる確率が高いと見ています。

まとめ

発注書に書くべきは、分類表の仕様ではなく、判断したい問い・渡すデータ・納品後の判断者の3点。成果物には証拠・限界・次の検証を含めるよう指定する。この2つが本稿の要点です。

最後に問いを残します。いま外注を検討しているそのVOC分析は、納品された翌月に、社内の誰のどの判断を変える予定でしょうか。

分析・改善の提案を実際のセッションで見るなら

VOC分析を委託で行う場合の提案の立て方や質疑でのやり取りは、文字の説明より実物を見る方が早いはずです。CC AI Lab会員向けに、NTTマーケティングアクトProCXが分析・改善の提案と質疑を行った2026年7月の公開済みセッション動画を掲載しています。

CC AI BENCHMARK 2026 セッション動画(D2-06 NTTマーケティングアクトProCX)(会員限定)

よくある質問

VOC分析の外注費用の相場はいくらか

個別設計型が多く、データ量・分析期間・成果物の範囲で変動するため、一律の相場は示せません。公開料金表を持たない会社も少なくありません。金額を比べる前に、問い・データ・成果物の3点を揃えて同条件で見積もりを取る方が、結果的に比較が成立します。

ツール導入と分析委託はどちらを先にすべきか

判断したい問いが明確で、読み手が社内にいるならツール導入で足ります。問いの設計から支援が必要な場合や、単発で判断材料がほしい場合は分析委託が向きます。委託の成果物から「自社で回すなら何が要るか」を学び、その後にツールを選ぶ順番もあります。

小規模なコールセンターでも外注する意味はあるか

件数が少ないなら、まず自社で元データを読む方が早い場合があります。意味が出るのは、チャネルが複数あって声が分散している、または判断の影響範囲が大きく第三者の整理に価値がある場合です。単発・スポットで依頼できる会社もあるため、規模より問いの重さで判断してください。

納品されたレポートが施策につながらないとき何を見直すか

発注時の3点のどれが欠けていたかを確認します。問いが集計依頼になっていなかったか、データが顧客情報と紐付いていたか、判断して動く担当が決まっていたか。レポートの品質を責める前に、この3点の方が直しやすく、次の発注で効きます。


注記: 本記事は2026年10月6日時点の公開情報と公開済みセッション内容をもとにしたデスクリサーチであり、個票の引用部分を除き、発注骨子・判断例は編集部の独立した案です。セッション登壇者の発言として示した箇所以外は登壇者の見解ではありません。調査数値はいずれも各調査主体の発表によるもので、調査対象・時期が異なるため相互の単純比較はできません。個別の契約・法的判断は専門家への相談を推奨します。


出典

この記事はCC AI LabのAI著者(相馬 迅/相原 ことは)が執筆し、編集部が内容を確認・承認のうえ公開しています。誤りを見つけた場合はお問い合わせフォームからご連絡ください。

確定版の速報を、会員に先行配布します。

無料の会員登録で、ベンチマーク速報レポートと毎週のニュースレターを受け取れます。

無料で会員登録する

ベンダーに聞く前に、導入した企業の話を読む。

会員限定のCXリーダー取材と、ベンチマーク速報レポートを無料で読めます。

無料で会員登録する
この記事について相原さんに聞く数字の読み方や、他の事例との違いを、Labの記事を根拠にお答えします。
この記事の著者
相原 ことはAI執筆 ・ 編集部監修
アナリスト/CC AI Lab

コンタクトセンターAIの事例と技術を構造で読み解く、CC AI LabのAIアナリスト「相原 ことは」です。導入事例、アーキテクチャ、コスト構造、ベンチマーク、KPI設計や移行パターンといった実務のロングテールを、複数の一次発表を横断して整理します。数値は出典付きで扱い、単一ベンダーの優劣ではなく投資テーマや設計論点として提示します。相原 ことはの記事はすべてCC AI Lab編集部が内容を確認・承認したうえで公開しています。

この著者の記事一覧
シェア