Media > AI活用ユースケース > マーケティング > フィットネスクラブが退会届の理由と退会面談のメモを分類し、月次の退会理由の集計と引き留め策の案を出す

フィットネスクラブが退会届の理由と退会面談のメモを分類し、月次の退会理由の集計と引き留め策の案を出す

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

退会届の理由欄とフロントが書いた退会面談のメモを ChatGPT に読ませ、決めた分類表の理由のコードを1件ずつ付けます。件数はスプレッドシートで数え、店舗・在籍期間・プランごとの集計と翌月に試す引き留め策の案を店長会議の資料にします。

サマリー
生成AI
ChatGPT/Claude/Microsoft Copilot
対象業界
その他/教育
対象部門
マーケティング
対象業務
分類・仕分け/集計・分析
主な課題
データ分析に時間がかかる/判断に時間がかかる/属人化している
AIで行う処理
分類
主な効果
判断支援/品質標準化/工数削減
導入難易度
★★☆☆☆
実装レベル
半自動化
費用感
SaaS追加(小)
人間の確認
条件付き
現在工数
24h/月
AI導入後
8h/月
想定削減
67%
年間削減
192h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 月初に、前月の退会者の一覧(店舗、在籍月数、プラン、選択式の理由、自由記述、面談のメモ)を会員管理システムから書き出す
  2. 選択式の理由を店舗ごとに数え、前月と比べる表を作る
  3. 自由記述と面談のメモを読み、選択式の理由と違うことが書かれているものを拾う
  4. 拾ったものを担当者の判断で「本当の理由」に付け直し、表を直す
  5. 気になった声を数件抜き出して資料に貼る
  6. 表と抜き出した声から、引き留め策の案を考えて資料にまとめる
  7. 店長会議で報告する
導入後(After)
  1. 人月初に前月の退会者の一覧を書き出し、氏名と会員番号を外して連番を振る
  2. 人面談のメモに病名や通院の様子が書かれていないかを確かめ、あれば「健康上の理由」に置き換える
  3. 【AI】 一覧を40件ずつ ChatGPT のプロジェクトに貼り、1件ずつ主な理由・副次の理由・引き留めの余地・根拠の抜き書きを付けさせる
  4. 人確からしさが低いものと、選択式の理由と違う理由が付いたものを確かめて直す
  5. 自動直した表をスプレッドシートに貼ると、店舗・在籍期間・プランごとの集計表ができる
  6. 【AI】 集計表と前月の集計表を貼り、増えた理由・店ごとの違い・翌月に試す引き留め策の案を書かせる
  7. 人案を確かめ、店長会議の資料にまとめる
各工程の詳しい説明を読む
  1. 月初に、前月の退会者の一覧(店舗、在籍月数、プラン、選択式の理由、自由記述、面談のメモ)を会員管理システムから書き出す
  2. 選択式の理由を店舗ごとに数え、前月と比べる表を作る
  3. 自由記述と面談のメモを読み、選択式の理由と違うことが書かれているものを拾う
  4. 拾ったものを担当者の判断で「本当の理由」に付け直し、表を直す
  5. 気になった声を数件抜き出して資料に貼る
  6. 表と抜き出した声から、引き留め策の案を考えて資料にまとめる
  7. 店長会議で報告する

(a)自由記述とメモを読み切れない。 240件の自由記述と面談のメモを全部読むと、それだけで1日かかります。月初の忙しさのなかで、3番は後回しになり、選択式の件数だけが会議に出ます。

(b)付け直しの基準が担当者ごとに違う。 「料金」に印があり、メモに「混んでいる」とある1件を、ある担当者は「混雑」に付け直し、別の担当者は「料金」のまま残します。月によって担当が替わると、理由の推移が担当者の癖で動きます。

(c)店ごとのくくり方がそろわない。 店長が独自に作った退会の振り返りでは、ある店は「仕事が忙しい」を「時間」とし、別の店は「その他」としています。本部の集計と店の集計が合わず、会議で数字の話にならないことがあります。

(d)健康の事情が細かく書かれている。 面談のメモに、会員から聞いた病名や通院の様子が書かれていることがあります。そのメモが一覧ごと共有のドライブに置かれ、店長会議の資料にも声として貼られることがあります。

  1. 【人】 月初に前月の退会者の一覧を書き出し、氏名と会員番号を外して連番を振る
  2. 【人】 面談のメモに病名や通院の様子が書かれていないかを確かめ、あれば「健康上の理由」に置き換える
  3. 【AI】 一覧を40件ずつ ChatGPT のプロジェクトに貼り、1件ずつ主な理由・副次の理由・引き留めの余地・根拠の抜き書きを付けさせる
  4. 【人】 確からしさが低いものと、選択式の理由と違う理由が付いたものを確かめて直す
  5. 【自動】 直した表をスプレッドシートに貼ると、店舗・在籍期間・プランごとの集計表ができる
  6. 【AI】 集計表と前月の集計表を貼り、増えた理由・店ごとの違い・翌月に試す引き留め策の案を書かせる
  7. 【人】 案を確かめ、店長会議の資料にまとめる

4番目が、この設計の分かれ目です。 ChatGPT の分類をそのまま数えません。選択式の理由と違う理由が付いたものは、根拠の抜き書きを読んで、付け直しが妥当かを人が決めます。 会議で「料金ではなく混雑が理由」と言うときの裏付けが、ここで作られます。

5番目で件数をAIから切り離しているのも、意図してのことです。 240件の分類から件数を数えるのは、表計算のほうが確実です。ChatGPT が数えた件数と表の件数が1件でもずれると、会議の資料全体が信用されなくなります。

02今回想定するシステム構成

構成図
会員管理システム(前月の退会者の一覧:店舗・在籍月数・プラン・選択式の理由・自由記述・面談のメモ)
   │  本部が月初に書き出し、氏名と会員番号を外して連番を振る
   │  面談のメモの健康の事情を「健康上の理由」に置き換える
   ▼【トリガー】月初の締め(前月分の退会の確定)
ChatGPT(業務用ワークスペースのプロジェクト「退会理由の分類」)
   │  プロジェクトの指示:分類の手順、表の形、してはいけないこと
   │  Sources:理由の分類表、引き留めの余地の基準、過去に試した引き留め策の記録
   ├──▶ 1件ずつの分類表(主な理由・副次の理由・引き留めの余地・根拠・確からしさ)
   ▼
【本部の担当が確からしさの低いものと付け直しを確かめる】
   ▼
集計用のスプレッドシート ── 店舗・在籍期間・プランごとの集計表
   ▼
ChatGPT ── 増えた理由・店ごとの違い・引き留め策の案 → 【担当が確かめる】→ 店長会議の資料
役割想定する製品代替候補
処理ChatGPT(Business ワークスペースのプロジェクト機能)Claude、Microsoft Copilot
集計集計用の Google スプレッドシート(ピボットテーブル)会員管理システムの集計の機能
保管本部の共有のドライブ(分類の結果・集計表・会議の資料)社内のファイルサーバー

新しく足すのは、ChatGPT の業務用ワークスペースと、その中のプロジェクトだけです。 会員管理システムの書き出しと、集計用のスプレッドシートは今のものを使います。最初の準備は、理由の分類表を本部と店長で1つに決めることです。 これが無いと、ChatGPT の分類も担当者の付け直しと同じように揺れます。

プロジェクトは、関連するチャット・ファイル・指示・ソースをまとめておく機能です。 公式の案内では、プロジェクトの指示はそのプロジェクトのチャット全体に適用され、Sources に置いた項目はプロジェクトのチャットで使えるとされています。毎月の分類を同じプロジェクトで行えば、同じ分類表・同じ基準で月をまたいだ推移が比べられます。 公式の案内でも、プロジェクトは時間をかけて続く仕事や、同じファイルに頼るチャットに向くとされています。

プロジェクトは、パソコンのフォルダを直接は読みません。 公式の案内でも、ChatGPT のプロジェクトはパソコンのフォルダへの直接のアクセスを持たない、とされています。分類表を改定したら、Sources のファイルを差し替え、改定した月を分類表の冒頭に書いておきます。

業務用のワークスペースを選ぶのは、会員の声を扱うためです。 公式の案内では、Business・Enterprise・Edu のワークスペースのデータは既定でモデルの学習に使われず、通信中も保存時も暗号化されるとされています。

03どうやって実装するのか

Step1

処理の起点を決める

月初の締めで、前月分の退会が確定した時点を起点にします。 退会届は月の途中でも出ますが、月末の退会日にそろえて手続きをしている会員が多く、前月分が確定するのは翌月の第1営業日の夕方です。そこから書き出します。

日々の退会を1件ずつ分類する形にはしません。 この業務の目的は月ごとの推移と店ごとの比較で、1件ずつの対応ではありません。1件ずつ流すと、分類表を改定した日の前後で基準が混ざります。 月に1回、同じ版の分類表でまとめて分類します。

店長会議の日から逆算して、分類と確認に2営業日を取ります。 会議が第2週の月曜なら、第1週の水曜までに書き出しと前処理、木曜に分類と確認、金曜に集計と案の下書きです。

Step2

入力データを集める

データ中身取得元
退会者の一覧連番、店舗、在籍月数、プラン、年代、選択式の理由、自由記述、面談のメモ会員管理システムの書き出し
理由の分類表主な理由のコードと定義、含めるもの・含めないものの例プロジェクトの Sources
引き留めの余地の基準あり・なし・不明の決め方プロジェクトの Sources
引き留め策の記録過去に試した策、試した店と月、結果プロジェクトの Sources
前月の集計表店舗・在籍期間・プランごとの理由の件数共有のドライブ

質を決めるのは、理由の分類表です。 次のような形で、コードと定義と例を1行ずつ書きます。

コード理由含めるもの含めないもの
R01料金月会費が高い、家計の見直し混雑・設備の不満から来る「高い」(その理由のほうへ)
R02時間が合わない仕事の時間が変わった、営業時間と合わない混雑で使えない時間帯がある(R05へ)
R03転居・通勤の変化引っ越し、異動、通勤経路の変化
R04健康上の理由病気・けが・体調(中身は書かない)運動の効果を感じない(R06へ)
R05混雑マシンが空かない、スタジオの予約が取れない
R06効果・目的効果を感じない、目標を達成した、続ける目的が無い
R07設備・清潔さ更衣室・シャワー・マシンの不具合や清潔さ
R08スタッフの対応説明、言葉づかい、指導の質
R09他の施設へ他のクラブ・24時間ジム・自宅での運動へ
R99その他・不明上のどれにも当てはまらない、書かれていない

「含めないもの」の列がいちばん効きます。 「高い」と書いてあっても、その前に混雑の話があれば R05 に寄せる、というような境目の決まりを書いておかないと、ChatGPT は表に出てくる言葉で分類します。 担当者の付け直しの基準を、この列に移します。

Step3

データの取得方法を決める

会員管理システムから、前月の退会日の会員を CSV で書き出します。書き出す列を決めておき、氏名・会員番号・電話番号・住所・生年月日の列は最初から書き出しません。 年代(20代、30代…)は生年月日ではなく会員管理システムの年代の列を使います。

取るものどこから何に使うか
店舗・在籍月数・プラン・年代会員管理システムの書き出し集計の切り口
選択式の理由・自由記述退会届(Web・紙を入力したもの)分類の材料
面談のメモ会員管理システムの備考欄分類の材料
対応表(連番と会員番号)本部だけが持つ別のファイル必要なときに元の会員に戻す

対応表は ChatGPT に渡しません。 分類にも集計にも会員番号は要りません。元の会員に戻る必要があるのは、店が個別に連絡するときだけで、それは会員管理システムの側で行います。

年代は集計の切り口として使いますが、引き留め策の案の材料にはしません。 理由は第7章の「AIに何をさせるのか」に書きます。

Step4

AIへ渡す前に整形する

  1. 列を絞る … 書き出しの段階で、氏名・会員番号・連絡先・生年月日を外します
  2. 連番を振る … 1行ずつ連番を振り、会員番号との対応表は本部の別のファイルに置きます
  3. 健康の事情を置き換える … 自由記述と面談のメモに病名・けがの部位・通院の様子が書かれていれば、「健康上の理由」に置き換えます
  4. 人名を外す … メモの中のスタッフ名・他の会員の名前は「スタッフ」「他の会員」に置き換えます
  5. 18歳未満の会員が混ざっていないかを確かめる … 成人の会員に限る対象なので、年代の列で外します
  6. 40件ずつに分ける … 1回に貼る件数を40件にそろえます

3番目を省かないでください。 病歴は個人情報保護法の要配慮個人情報に当たり、取得にはあらかじめ本人の同意が要るとされています。分類に要るのは「健康上の理由」という区分だけです。面談のマニュアルでも、病名は聞かない・書かないことにします。

4番目のスタッフ名は、評価に使われるのを防ぐためです。 「〇〇さんの対応が悪い」というメモが分類と一緒に会議に出ると、退会の分析が個人の評価の話にすり替わります。 R08 の件数は店ごとに見て、人ごとには見ません。

6番目の40件は、1回の応答で1件ずつの根拠まで書かせるための区切りです。 一度に240件を貼ると、後半の行で根拠が短くなり、分類が雑になることがあります。区切りの数は、試したうえで自社で決めてください。

Step5

AIに処理させる

させるのは、1件ずつ主な理由と副次の理由のコードを付け、引き留めの余地を決め、根拠にした文を抜き書きすることです。 そのあとで、人が直した分類からスプレッドシートが作った集計表を読み、増えた理由と店ごとの違いを言葉にし、翌月に試す策の案を書かせます。

見るもの判定の仕方判断できないときの扱い
主な理由自由記述と面談のメモを優先し、分類表のコードに当てはめる書かれていなければ選択式の理由のコード、それも無ければ R99
副次の理由主な理由の他に書かれている理由を1つまで無ければ空欄
選択式との違い主な理由のコードが選択式の理由と違うか違えば「付け直し」と印を付ける
引き留めの余地基準に沿って「あり」「なし」「不明」迷えば「不明」
根拠判定に使った文を、自由記述またはメモからそのまま写す写せる文が無ければ「選択式のみ」
確からしさ根拠が明確なら高、言葉が短い・両方に取れるなら低迷えば低

1行目の「自由記述と面談のメモを優先する」が、この構成の要です。 選択式の理由は、退会届の8つの中から近いものを選んだだけのことが多く、本当の理由は文章のほうに出ます。 ただし、優先した結果として選択式と違うコードを付けたら、必ず「付け直し」の印を付けさせ、人が確かめます。

引き留めの余地の基準は、自社で決めて Sources に置きます。 たとえば、転居(R03)は「なし」、混雑(R05)・設備(R07)は「あり」、料金(R01)は「プランの変更で合うなら、あり」、健康上の理由(R04)は「休会の制度の案内のみ」とします。

させないこと理由
件数の計算スプレッドシートが行う。ずれると資料全体が信用されない
病名・症状の推測分類に要らない。「健康上の理由」の区分だけを使う
個々の会員への連絡の文面退会を決めた会員への働きかけは店の判断で行う
スタッフ個人の評価退会の分析を人の評価にすり替えない
年代・性別を理由にした策属性で会員を扱い分ける案にしない
退会の手続きを難しくする案手続きの妨げは会員の不信を招く。案に出さない

最後の行を、指示に明記します。 引き留め策の案を頼むと、「退会は店頭のみにする」「面談を必須にする」といった手続きを重くする案が出ることがあります。退会の手続きは会員が決めたことを受けるもので、引き留めは辞めたくなる前に手を打つ側でやります。

Step6

指示内容を固定する

プロジェクトの指示(全チャット共通)

あなたはフィットネスクラブの本部で、成人の会員の退会の理由を分類する立場です。
渡された表の文章だけを根拠にしてください。書かれていないことを推測で足さないでください。

【1件ずつの分類で出すもの】
連番/主な理由のコード/副次の理由のコード/付け直し/引き留めの余地/根拠/確からしさ

【分類の手順】
1. 自由記述と面談のメモを先に読み、Sources の「理由の分類表」のコードに当てはめてください。
2. 分類表の「含めないもの」の列に当たる場合は、指定された別のコードにしてください。
3. 自由記述とメモに理由が書かれていなければ、選択式の理由のコードを使ってください。
   それも無ければ R99 にしてください。
4. 主な理由が選択式の理由と違うときは、付け直しの欄に「付け直し」と書いてください。
5. 引き留めの余地は、Sources の「引き留めの余地の基準」に沿って、あり/なし/不明 のどれかにしてください。迷ったら不明です。
6. 根拠には、判定に使った文を自由記述またはメモからそのまま写してください。要約しないでください。

【厳守事項】
- 件数を数えないでください。合計も割合も書かないでください。
- 健康上の理由(R04)について、病名や症状を推測したり書いたりしないでください。
  根拠の欄にも「健康上の理由」とだけ書いてください。
- スタッフの名前や、特定のスタッフの評価を書かないでください。
- 渡された行の数と、返す行の数を同じにしてください。行を飛ばさないでください。
- 年代はこの段階では使わないでください。

【集計表を渡されたときに出すもの】
- 前月より増えた理由と減った理由(集計表の数字をそのまま引用する)
- 店ごとに目立つ理由
- 翌月に試す引き留め策の案を3つまで。各案に、対象の理由のコード、試す店、確かめ方を付ける
- Sources の「引き留め策の記録」に同じ策があれば、そのときの結果に触れる

【案に出さないもの】
- 退会の手続きを難しくする、時間をかける、店頭に限るといった案
- 年代・性別などの属性で会員を扱い分ける案
- 退会を決めた個々の会員への働きかけ

チャットごとの依頼(分類)

前月:{yyyy年m月} 分類表の版:{版}
次の40件(連番 {a}〜{b})を分類してください。
{連番, 店舗, 在籍月数, プラン, 選択式の理由, 自由記述, 面談のメモ の表}

「行の数を同じにする」を書くのは、行の飛ばしを後で見つけるためです。 長い表を渡すと、似た行をまとめたり、途中の行を飛ばしたりすることがあります。返ってきた行の数と連番を、貼る前の表と突き合わせます。

「根拠は要約しない」を書かないと、ChatGPT は自分の言葉で言い換えます。 言い換えた根拠では、人が確かめるときに元の文を探し直すことになります。写した文なら、表の中で検索して元の行に戻れます。

Step7

出力形式を固定する

分類は、次の形の表で受け取ります。 スプレッドシートに貼るので、列の順を固定します。

| 連番 | 主な理由 | 副次の理由 | 付け直し | 引き留めの余地 | 根拠 | 確からしさ |
| 001 | R05 | R01 | 付け直し | あり | 「平日の夜はマシンが空かない。それでこの会費は高い」 | 高 |
| 002 | R03 | | | なし | 「来月から転勤」 | 高 |
| 003 | R04 | | | 不明 | 健康上の理由 | 高 |
| 004 | R99 | | | 不明 | 選択式のみ | 低 |
| 005 | R06 | R02 | 付け直し | あり | 「最初の3か月で通う習慣がつかなかった」 | 中 |

1つ目の理由は、付け直しと確からしさの列で、人の確認を絞れることです。 確かめるのは「付け直し」の印があるものと確からしさが「低」のものだけで、240件のうち全部を読み直す必要はありません。

2つ目は、主な理由と副次の理由を分けて持てることです。 集計では主な理由を数え、副次の理由は別の表で「料金が副次に出る件数」として数えます。「料金」が主な理由ではなく、他の不満の結果として出てくる割合が見えます。

3つ目は、根拠の列がそのまま会議の資料の「声」になることです。 店長会議では、件数の表と並べて、理由ごとに根拠の文を数件ずつ示します。健康上の理由の行は、根拠が「健康上の理由」だけなので、声として貼られることがありません。

集計はスプレッドシートのピボットテーブルで行います。

集計表行列
店舗別主な理由のコード店舗
在籍期間別主な理由のコード3か月未満/3〜12か月/1年以上
プラン別主な理由のコードプラン
付け直しの内訳選択式の理由主な理由
前月比主な理由のコード前月/当月

4つ目の「付け直しの内訳」が、退会届の選択肢を見直す材料になります。 「料金」に印を付けた会員の多くが「混雑」に付け直されているなら、選択肢に「混雑」が無いか、分かりにくいということです。

Step8

システムへ連携する

つなぎ先方式内容
会員管理システム本部の担当が CSV で書き出す決めた列だけを書き出す
ChatGPT のプロジェクト画面の操作40件ずつ分類表を受け取り、集計表から案を受け取る
集計用のスプレッドシート担当が分類表を貼るピボットテーブルで5つの集計表を作る
共有のドライブ担当の保存分類の結果・集計表・会議の資料を月ごとに残す
店長会議資料の共有集計表・声・引き留め策の案

会員管理システムには書き戻しません。 分類の結果は本部の分析のためのもので、会員一人ひとりの記録に残すものではありません。会員の記録に「引き留めの余地あり」と残すと、退会した会員への連絡に使われかねません。

Step9

人が確認する

本部の担当が確かめるのは、分類の表と引き留め策の案の2か所です。

  1. 行の数と連番を突き合わせる … 40件を貼って40行が返っているか、連番が飛んでいないかを見ます
  2. 「付け直し」の行を全部読む … 根拠の文を読み、選択式と違うコードにしたのが妥当かを決めます。妥当でなければコードを戻します
  3. 確からしさ「低」の行を読む … 自由記述とメモが短いものが多く、R99 のままでよいかを決めます
  4. 抜き取りで10件を読む … 印の無い行から10件を選び、分類が分類表どおりかを見ます
  5. 引き留め策の案を確かめる … 集計表の数字が正しく引用されているか、出さないと決めた案が混ざっていないかを見ます

4番目の抜き取りを省かないでください。 印の無い行は確からしさが高いと ChatGPT が判断した行ですが、分類表の「含めないもの」を読み違えているときは、印が付かないまま同じ誤りが並びます。 10件で分類表の読み違いがあれば、分類表の書き方を直し、その月の分類をやり直します。

直したコードは、直した理由と一緒に残します。 同じ直し方が毎月出るなら、分類表の境目の書き方が足りていません。

Step10

例外に対処する

起きること対応
返ってきた行の数が渡した行の数と違うその40件を新しいチャットで分類し直す
根拠の文が元の文と違う(言い換えている)指示を貼り直して分類し直す。言い換えた根拠は使わない
分類表に無いコードが付いたR99 にして、人が読む。多ければ分類表にコードを足す
病名や症状が根拠に出た前処理の置き換え漏れ。元の表を直し、その行を分類し直す
スタッフの名前が出た前処理の置き換え漏れ。同じく直す
1件に複数の理由が並び、主な理由が決まらない確からしさ「低」にして人が決める
退会ではなく休会・プラン変更が混ざっている書き出しの条件を見直し、その行を外す
苦情や事故の訴えが書かれている分類とは別に、店と本部の担当へすぐ回す
集計表の数字と案の文の数字が違う案の文を直す。数字は集計表が正

下から2行目は、分類の流れに乗せないでください。 退会のメモに、けがをした・スタッフに不快なことをされた、といった訴えが書かれていることがあります。これは集計の材料ではなく、対応が要る案件です。 分類の前の前処理で見つけたら、すぐに店と本部の担当へ回します。

Step11

記録を残す

  • 月ごとの書き出しの表(列を絞った後のもの)と、分類表の版
  • ChatGPT が返した分類の表と、人が直した後の分類の表の両方
  • 直したコードと、直した理由
  • スプレッドシートの5つの集計表
  • 引き留め策の案と、会議で採用した策・試した店と月・結果
  • 連番と会員番号の対応表(本部だけ。保存期間を決める)

2つ目で「直す前と後」を両方残すのは、分類表を直すためです。 どのコードからどのコードへの直しが多いかを見れば、分類表のどの境目が分かりにくいかが分かります。

5つ目は、翌月以降の Sources に戻します。 試した策と結果を「引き留め策の記録」に足していけば、ChatGPT が案を出すときに、前に試して効かなかった策を同じように勧めることが減ります。

04実装レベルの3段階

最小構成:業務用の ChatGPT に分類表と退会の一覧を貼り、分類させる / 1件ずつの分類
半自動化:上記+プロジェクトに分類表・基準・策の記録を置き、スプレッドシートで集計し、集計表から引き留め策の案まで書かせる / 分類・集計・案の下書き
本格構成:上記+会員管理システムの書き出しを OpenAI API に送り、構造化した分類を受けて集計表を自動で作る / 書き出しから集計表までの一連の流れ

最小構成では、月をまたいだ比較ができません。 分類表が毎回チャットに貼られるだけなので、版の管理ができず、前月と同じ基準で分類したかが確かめられません。 半自動化で、1件6分が2分になり、この段階が本記事の想定です。 自由記述とメモを読む作業がAIに移り、担当者は印の付いた行と抜き取りを確かめます。本格構成は、店舗が増えて月の退会が数百件を大きく超えてから検討します。 書き出しを自動で送る経路を作ると、前処理の置き換えも自動で行う必要があり、健康の事情の置き換え漏れを人が見る工程が抜けやすくなります。 段階を飛ばさないでください。 半自動化で3か月分の「直す前と後」をためると、分類表の境目の弱いところが分かります。そこを直してから自動化するほうが、集計の数字が安定します。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
2 名
月間件数
240 件
1件あたり現在時間
6 分
1件あたり導入後時間
2 分
現在  240件 × 6分 ÷ 60 = 24 時間/月
導入後 240件 × 2分 ÷ 60 = 8 時間/月
月間削減時間
16h
削減率
67%
年間削減時間
192h
年間金額換算(時間単価3,000円)
58万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 月会費制のフィットネスクラブ・ヨガやピラティスのスタジオ・成人向けのスクールで、複数の店舗から毎月百件を超える退会届が出ている会社。退会届に自由記述の理由欄があり、フロントが退会の手続きのときに話を聞いてメモを残しているが、本部では選択式の理由の件数しか見ていない場合。店長会議で退会の話をするたびに、店ごとに理由のくくり方が違って比べられない場合。
向いていない
  1. 退会が月に十数件で、担当者が全件を読めば足りる店。退会届に理由欄が無く、面談もしていない店(先に聞き方を決める必要がある)。子ども・学生の会員が中心で、退会の理由に保護者や本人の事情が多く含まれる教室。なお、どの会員を引き留めるか、退会の手続きをどう扱うかの判断は店の責任で行うもので、この構成では代替できません。

07最小構成で試す方法

  1. 前月の退会者から40件を選ぶ(うち10件は、選択式の理由と面談のメモの内容が違うと分かっているものを入れる)
  2. 氏名・会員番号を外し、健康の事情とスタッフ名を置き換える
  3. 理由の分類表の案(10コード程度)を作る
  4. 業務用の ChatGPT に分類表と40件を貼り、「自由記述とメモを優先して分類し、選択式と違うものに印を付け、根拠の文をそのまま写してください。件数は数えないでください」と指示する
  5. 結果を、担当者2名がそれぞれ付けた分類と突き合わせる

40件は必ずやってください。 プロジェクトを作る前に、「分類表があれば、担当者2名と同じくらいそろった分類が出るのか」を確かめます。

出てきた内容判断
担当者2名の分類とおおむね同じプロジェクトとスプレッドシートの集計に進む
担当者2名の間で分類が割れた行で、ChatGPT も迷っている分類表の境目が足りない。「含めないもの」の列を書き足す
根拠を言い換えている指示の書き方で直る。構成は有効
選択式の理由をそのまま写しているメモを優先する指示が効いていない。手順の順番を書き直す

2行目が出ることは珍しくありません。 担当者の間でも割れている行は、分類表の定義がそこで曖昧だということです。AIを入れる前に分類表の曖昧さが分かるのは、この試行の成果です。

08実装時につまずきやすいポイント

問題対策
ChatGPT が件数を数えて書く件数・合計・割合を禁じ、集計はスプレッドシートで行う
選択式の理由をそのまま写す自由記述とメモを先に読む手順を、指示の1番目に置く
「高い」という言葉で料金に寄せる分類表の「含めないもの」の列に境目を書く
根拠を言い換えるそのまま写すことを指示に書く。言い換えた根拠は使わない
返ってくる行の数が足りない40件ずつに分け、行の数と連番を突き合わせる
病名がメモに残っている前処理で置き換える。面談で聞かない・書かない運用にする
スタッフ名が会議の資料に出る前処理で置き換え、R08 は店ごとにだけ見る
引き留め策に手続きを重くする案が出る案に出さないものを指示に書く
分類表を改定したのに分類が変わらないプロジェクトはパソコンのフォルダを直接読まない。Sources のファイルを差し替える
休会・プラン変更が一覧に混ざる書き出しの条件を退会日のある会員に絞る
苦情・事故の訴えが分類に埋もれる前処理で見つけたら、分類とは別に店と本部へ回す

上の2行が、この構成の失敗のほとんどです。 ChatGPT に数えさせると数字がずれ、選択式を写させると今の集計と変わりません。数えるのは表計算、読むのはAI、という分担を崩さないことが要です。

下の2行は、分析の外にある仕事です。 退会の一覧には、集計とは別に、すぐに対応が要る訴えが混ざります。分析の仕組みを作ると、その訴えまで月に1回の集計に乗ってしまいがちです。 前処理の段階で拾う手順にしておきます。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 退会した会員の店舗・在籍月数・プラン・年代・選択式の理由・自由記述・面談のメモ、そしてメモに書かれうる健康の事情、家族や仕事の事情、スタッフや他の会員の名前です。

  1. 業務用のワークスペースを使う … 公式の案内では、Business・Enterprise・Edu のワークスペースのデータは既定でモデルの学習に使われず、通信中も保存時も暗号化されるとされています。会員の声を個人のアカウントに貼らないでください
  2. 病歴を取らない・渡さない … 個人情報保護委員会のガイドラインでは、病歴は要配慮個人情報に当たり、あらかじめ本人の同意を得ないで取得してはならないとされています。面談で病名を聞かない、メモに書かない、ChatGPT に渡さない、の3段で外します
  3. 利用目的を具体的に示す … 同じガイドラインでは、「マーケティング活動に用いるため」のような抽象的な書き方では利用目的を特定したことにならないとされています。退会届の様式に、退会の理由をサービスの改善のための集計と分析に使うことを書いておきます
  4. 会員を特定できる列を最初から書き出さない … 氏名・会員番号・連絡先は分類にも集計にも要りません。対応表は本部だけが持ち、ChatGPT に渡しません
  5. 分析を人の評価に使わない … スタッフ名は外し、R08 は店ごとにだけ見ます
  6. 退会の手続きを妨げない … 引き留め策は、辞めたくなる前の手当てとして考えます。退会を決めた会員の手続きを重くする案は、出さない・採らないと決めておきます

誤りが起きた場合のリスクは、分類のずれで誤った施策に予算を使うことと、健康の事情が資料に広がることの2つです。 前者は件数をAIに数えさせ、抜き取りを省くと起き、後者は前処理の置き換えを省くと起きます。どちらも人の工程を残すことで防ぐ設計にしています。

10まず何から始めるか

1週目:理由の分類表の案を作る

本部の2名で、過去3か月の退会の自由記述と面談のメモを読み、10コード程度の分類表の案を作ります。 「含めるもの」「含めないもの」の列まで書きます。あわせて、面談のマニュアルに「病名は聞かない・書かない」を足します。

2週目:40件で試す

前月の退会から40件を選び、前処理をしてから業務用の ChatGPT に分類させます。担当者2名の分類と突き合わせ、2名の間でも割れた行を分類表の境目として書き足します。

3週目:店長会議で分類表を決める

分類表の案を店長会議に出し、店の振り返りでも同じコードを使うことを決めます。 引き留めの余地の基準と、案に出さないものもここで決めます。

4週目:プロジェクトと集計用のスプレッドシートを作る

プロジェクトに指示と Sources を置き、ピボットテーブルで5つの集計表が出るスプレッドシートを作ります。前月分の240件を通しで分類し、会議の資料を作ってみます。

2か月目: 本番の月初の締めから使い、付け直しの割合と抜き取りの結果を記録します。3か月目以降: 引き留め策の記録を Sources に足し、1件6分が何分になったかを実測します。店長会議で、選択式の件数ではなく付け直した後の理由で議論ができるようになった時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-10-26/最終更新:2026-10-26
確認した内容情報源確認日
プロジェクトが関連するチャット・ファイル・指示・ソースをまとめる機能で、時間をかけて続く仕事や同じファイルに頼るチャットに向くこと。プロジェクトの指示がそのプロジェクトのチャット全体に適用されること。Sources に置いた項目がプロジェクトのチャットで使えること。ChatGPT のプロジェクトがパソコンのフォルダへの直接のアクセスを持たないことChatGPT ドキュメント: Projects2026-10-26
Business・Enterprise・Edu のワークスペースのデータが既定で学習に使われないこと。通信中・保存時に暗号化されること。削除したチャットが一般に30日以内に完全削除の予定に入ることChatGPT ドキュメント: Work cloud security2026-10-26
病歴が要配慮個人情報に当たり、病気に罹患した経歴を意味すること(2-3)。あらかじめ本人の同意を得ないで要配慮個人情報を取得してはならないこと(3-3-2、法第20条第2項)。「マーケティング活動に用いるため」のような記載では利用目的を具体的に特定したことにならないこと(3-1-1)。令和8年6月一部改正の版個人情報保護委員会: 個人情報の保護に関する法律についてのガイドライン(通則編)2026-10-26

退会の理由の扱いと、会員への働きかけの範囲は、自社の個人情報の取扱いの方針に沿って決めてください。 本記事は個人情報保護委員会のガイドラインで確認できた範囲だけを扱っています。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-1787)についてのご相談はこちらから。

AI活用について相談する
目次