カスタマーエフォートスコア（CES） は、顧客が問題を解決するためにどれだけの労力を要したかを、対応直後の1問だけの質問で測る指標です。2010年のHarvard Business Reviewの記事「Stop Trying to Delight Your Customers」で提唱され、その主張は「期待を超えることよりも、労力を減らすことのほうがロイヤルティをよく予測する」というものでした。
カスタマーエフォートスコア（CES） は、CSATとNPSを合わせたよりもロイヤルティを的確に予測する指標です。そして、多くのチームが最も測定していない場所――電話――でこそ、その値は最も高くなります。IVRの迷路、保留音、そして「担当におつなぎします」（からの一から説明し直し）は、サポートにおける最大の労力要因でありながら、チャットボットのベンチマークには決して現れません。本記事は、音声通話でCESを測定し、それを設計によって下げていくためのガイドです。
CESを扱う記事の多くは、指標を定義したところで終わってしまいます。ここでは労力が実際に発生しているチャネル――通話――と結び付け、何が数値を動かすのかを示します。
CES・CSAT・NPS――それぞれが本当に測っているもの
3つの指標は、3つの異なる問いを立てています。
- CSAT（顧客満足度）――「どの程度満足されましたか？」感情のスナップショットであり、対応が苦痛でもオペレーターが感じよければ簡単に高く出ます。
- NPS（ネットプロモータースコア）――「他の方にすすめたいと思いますか？」関係全体を測るロイヤルティのシグナルですが、動きが遅く、壊れた通話フローの診断には使えません。
- CES（カスタマーエフォートスコア）――「問題の解決は、どの程度簡単でしたか？」トランザクション単位の摩擦シグナルで、通常は1〜7または1〜5のスケールを使います。
CESが現場の指標である理由は、対応1件単位で手を打てるからです。CEBによる画期的な調査結果は今も有効です。労力を減らすことは、顧客を感動させることよりもはるかに強くロイヤルティを左右します。労力が小さければ顧客は残り、大きければ離れていきます。オペレーターがどれだけ感じよかったとしても、です。
トランザクション型サポート対応でのCESの計算方法
CESの計算はきわめて単純ですが、その分だけ誤りやすくもあります。
対応直後に、質問はひとつだけ――「（企業名）は、私が問題を解決するのを簡単にしてくれた」――を1〜7のそう思う／そう思わないスケールで尋ねます。そのうえで：
CES =（全回答スコアの合計）÷（回答数）
平均値は報告しつつ、管理すべきは分布です。平均5.2という数字は、二極化した実態を覆い隠します。通話の半分は労力ゼロ（7点）で、一定数は悲惨（1〜2点）なのです。CESはセグメントして見るべきです。軸は**コールタイプと転送が発生したかどうか**。摩擦はそこに隠れています。単一の平均値では、どの通話を直すべきかは何ひとつ分かりません。（初回解決率と併せて見てください。労力が大きいこととFCRが低いことは、同じ病を二つの角度から見たものです。）
電話チャネルにおける主な労力要因
音声では、労力は態度の問題ではなく構造の問題です。主犯格は次の4つです。
- IVRの迷路。 「〇〇の方は1を、もう一度お聞きになる方は4を押してください」。メニューの階層はすべて、顧客が一言も発しないうちに課される「労力税」です。深い階層のツリーは、サポート体験の中で最も嫌われています。（AIボイスエージェントとIVRの比較を参照。）
- 保留時間。 保留の1分1分は、前進ゼロの純粋な労力です。放棄呼はこれに比例して増え、放棄された通話は再架電になります。労力が労力を生む構図です。
- 同じ説明をさせる転送。 これが決定打です。発信者が問題を説明し、転送され、文脈をまったく知らない相手にもう一度説明する。説明のやり直しは労力が最大化する瞬間であり、フロー全体でCESを最も強く押し下げます。
- 営業時間外の行き止まり。 「本日の営業は終了しました。月曜日におかけ直しください」。労力は無限大です。顧客は着手すらできません。
これらはいずれもオペレーターの品質の問題ではありません。システム設計の問題であり、つまり人にもっと頑張らせなくても直せるということです。
音声通話でCESを計測できるようにする
見えないものは削減できません。電話でCESを測るには：
- アンケートは即座に配信する。 通話終了から数秒以内に、SMSまたはIVRで1問だけのアンケートを送ります。労力の記憶が鮮明なうちに、が鉄則です。
- 通話メタデータを紐付ける。 スコアごとに、AHT、保留秒数、転送回数、メニュー階層、時間帯、解決の有無を添えます。これでCESは診断ツールになり、スコアを要因に対して回帰分析できるようになります。
- 特に転送回数を注視する。 多くのオペレーションでは、通話が一度でも転送された瞬間にCESは急落します。計測すれば、引き継ぎ1回あたりの正確なコストが見えてきます。（関連：後処理業務と通話外ステータス。）
ボイスAIはいかに労力を取り除くか――メニューなし、保留なし、説明のやり直しなし
スコアが実際に動くのはここからです。ボイスAIは4つの要因すべてに構造的に切り込みます。
- メニューなし。 発信者は自然言語で用件を伝え、エージェントは番号のツリーではなく意味に基づいてルーティングします。IVRの迷路は消滅します。
- 保留なし。 ボイスAIは弾力的な同時処理数によって並列で応答します。200人が同時に電話をかければ、200件が即応答。待ち行列がないので、保留による労力も存在しません。（人を増やさずに大量の入電をさばく方法も参照。）
- 説明のやり直しなし。 人へのエスカレーションが必要な場合、ボイスAIは全文の文字起こしと本人確認済みの情報を添えて引き継ぎます。顧客が説明し直すことは一度もなく、担当者は文脈を把握した状態で会話を始められます。CESを最も押し下げる要因――同じ説明をさせる転送――が排除されます。
- 行き止まりなし。 24時間365日の応対により、営業時間外の入電も弾かれずに解決します。
パターンは明快です。ボイスAIは、労力を下げるために人にもっと感じよく振る舞えとは要求しません。そもそも労力を生んでいた構造的な摩擦のほうを取り除くのです。
ビフォー／アフター：CESを軸にしたボイス導入
具体的なイメージ（例示、中規模サポート組織、1〜7スケール）：
| 指標 | 導入前（IVR＋待ち行列） | 導入後（ボイスAIが一次対応） |
|---|---|---|
| 平均CES | 4.1 | 5.8 |
| 1通話あたり転送回数 | 0.9 | 0.3 |
| 平均保留時間 | 3分40秒 | 約0秒 |
| 人が介在せず解決した割合 | 12% | 47% |
| 再問い合わせ率 | 22% | 9% |
どの行も背後にある仕組みは同じです。メニュー、保留、そして説明をやり直させる転送こそが労力の正体でした。それらを取り除いたことでCESは約1.7ポイント上がり、再問い合わせは半分以下に減りました。これはコールセンターのコスト削減にも直結します。労力を下げることとコストを下げることは、同じレバーなのです。
労力を膨らませ、しかも見えなくするよくある誤り
- チャット後にしかCESを測っていない。 労力が最も大きいチャネルは電話です。最も労力の小さい場所で測れば数値は見栄えよくなり、問題は隠れます。
- 全社平均を1つだけ報告している。 コールタイプ別・転送回数別にセグメントしなければ、シグナルとして役に立ちません。
- 労力ではなくAHTを最適化している。 処理時間を削るためにオペレーターを急かせば、労力はむしろ増えます（転送が増え、折り返しが増える）。最適化すべきは速さではなく解決です。
- CESをオペレーターの評価表として扱う。 労力の大半は構造に由来します。出来の悪いIVRの責任をオペレーターに負わせても、何も変わりません。
- アンケートが遅すぎる。 翌日のメールが捉えるのは記憶であって労力ではありません。数秒以内に尋ねてください。
よくある質問
カスタマーエフォートスコアはどのくらいが良い水準ですか？ 1〜7のスケールでは、おおむね5.5以上なら良好、4.5を下回るようなら構造的な摩擦のサインです。平均値よりも重要なのは分布です。コールタイプ別・転送回数別にセグメントし、足を引っ張っている通話を特定しましょう。
電話でのCESはどう測定しますか？ 通話終了から数秒以内に1問だけのアンケート（SMSまたはIVR）を配信し、通話メタデータ――保留時間、転送回数、メニュー階層、解決の有無――を紐付けます。これでCESは見栄えだけの数値ではなく、労力要因と突き合わせて分析できる診断指標になります。
サポートにおいてCESがCSATより優れているのはなぜですか？ CESはトランザクション単位で、かつ予測力があるからです。顧客がどれだけの労力を要したかを測るCESは、感情のスナップショットであるCSATよりも確実にロイヤルティと解約を左右します。労力の大きい通話でも感じのよいオペレーターならCSATは高く出てしまいますが、CESはその労力を捉えます。
ボイスAIはどのようにカスタマーエフォートスコアを改善しますか？ 構造的な労力を取り除くことによってです。IVRメニューなし（自然言語によるルーティング）、保留なし（弾力的な同時処理）、同じ説明をさせる転送なし（文脈を引き継ぐウォームトランスファー）、営業時間外の行き止まりなし。オペレーターにより一層の努力を求めるのではなく、システムを変えることで労力を下げます。
労力を測るのはもうやめて、取り除きはじめよう
FinnのAIボイスエージェントは、CESを押し下げる3大要因――メニュー、保留、そして同じ説明をさせる転送――を、自然言語での即時応答と、文脈をすべて引き継いだ人へのハンドオフによって解消します。入電の多いコールタイプで、Finnがどのように労力を下げるかをご覧ください →
