総架電数10倍・商談化率2.2倍」を実現するまでの3ヶ月 — 中古車買取会社の“営業モデルを変えたアウトバウンドAI電話導入ストーリー

導入実績

Bellは30以上の業界（医療・不動産・自動車・物流・旅行・金融・自治体など）で「電話業務の自動化 × 顧客接点の高度化」を実現してきました。
まるで人間が話しているような音声で、AIが24h/365d対応することはもちろんのこと、あらゆるシステムと連携することで、各種業界の電話業務をAIが代替してきました。

本記事では、中古車買取大手A社における 具体的な成果と、導入までのリアルなプロセスを紹介します。
アウトバウンドコール機能については、こちらをご確認ください。

Bell導入で何が起きたか

まず結果からお伝えすると、Bell導入後3ヶ月で以下の効果が現れました。

• 総架電数：10倍
• 商談化率：2.2倍

ただし、この数字に至るまでには、さまざまな壁や課題が存在しました。
本記事では、A社が直面していた問題と、その課題に対し、Bellがどのように取り組んだのかを詳しく記載しています。

プロジェクト背景：中古車買取会社の“3つの壁”

A社は、一括査定サイトを通じて、毎日大量の査定依頼を受けていました。そんな中、営業チームは次の課題を抱えていました。

① 土日・夜間の即時架電ができず、週明けに通電率が激減

一括査定の問い合わせは 「10分以内の初回接触」 が最重要。
しかし、A社は土日休みのため、週明けに対応すると温度感が急激に低下。
「他社がすでに先に連絡してしまう」ケースも多く、通電率が大幅に下がっていました。

② 氏名・電話番号が不正確な“ノイズ問い合わせ”が多い

不正確な名前・電話番号、いたずら問い合わせなど、繋がらないリードが一定数存在。
貴重な営業リソースが “無駄なコール” で消耗していました。

③ 営業マンのリソース不足：全件に電話できない

営業10名で 1日 1,000 件以上のリードを追うのは現実的ではなく、
優先度判断も追いつかず、大量の機会損失が発生していました。

A社がBellに課した宿題

A社は、アウトバウンド強化のために 複数のAI電話サービスを徹底的に比較検討していました。
しかし、どのサービスも以下のような理由から決め手に欠け、導入には至りませんでした。

• 音声品質が機械的で、顧客対応（特に法人対応）は任せられない
• 架電しかできず、受電・転送・CTI などの必要機能が揃っていない
• 初期費用が最低数百万円〜と高額で、検証すら難しい

つまり A 社にとって、
「機能」「品質」「価格」すべての条件を満たすAI電話が存在しなかったのです。

Bellの発見

A社がBellを知ったのは、まさに“最後の望み”というタイミングでした。
Bellを見てA社が驚いたポイントは 3 つです。

1. “まるで人間が話している”ような自然音声
   従来のAI電話とはまったく違い、顧客対応を任せても違和感がないレベルの自然さ。

2. 架電・受電・転送・CTI、必要な機能がすべて揃っている
   これまで別サービスを組み合わせても実現できなかった一連の電話体験が Bell ひとつで完結。

3. 初期費用0円でスタートできる
   最低数百万円の初期投資が必要だった他サービスと違い、リスクゼロで本番運用を始められる点も大きな魅力でした。

A社はこれらの理由から、「Bellなら自社の営業モデルを本当に変えられるかもしれない」と考え、導入を決断しました。

A社が Bell に課した“宿題”

導入が決まった瞬間、A 社から私たちに渡されたのは、非常にチャレンジングなミッションでした。

「総架電数を 10 倍にして、商談化率を 2倍にしてほしい」

A社にとってBell は、「効率化ツール」ではなく 売上を伸ばすための最後の切り札。
この宿題を達成するために、BellのCS チームはA社と共に、膨大な改善サイクルに取り組むことになります。

Bellの取り組み：3ヶ月の“伴走型CS支援”

当然ですが、この目標は簡単に達成できる数字ではありませんでした。
そこでA社と話し合い、ゴール達成に向けて、弊社CS部隊による伴走支援を行うことが決まりました。

この伴走支援の中で、あらゆる試行錯誤を行ってきましたが、ここでは特に効果のあった改善施策について紹介します。

① AI音声の最適化（声質 × 話速 × 用語精度）

過去のBell導入経験から、AI の声質は商談化率に大きな影響を与えることが分かっていました。
そこで、中古車買取の場合、どのような声質が最も商談化率が高いかを検証しました。

具体的には、若く元気な女性の声、落ち着いた大人の男性の声など、あらゆるパターンを試していき、その中で以下のような傾向が見られてきました。

• 女性音声の方が、商談化率が男性音声の1.7倍高い
• ゆっくり話すほど商談化率が上昇
  

また、中古車買取業界特有の専門用語の言い間違いが顧客体験を下げていたため、
カスタム辞書を用いてAIに業界用語を学習させ、いい間違えをなくすなど、発話精度の向上も並行して取り組みました。

A社のブランドトーンに合った “最も成果が出る声” をデザインしたのです。

② 営業トークスクリプトの改善

弊社CSチームがA社と伴走し、通話時間、商談化率データをもとに、トークスクリプトの改善を毎週実施しました。

例えば下記のように複数の切り口のトークスクリプトを同時運用し、最適なパターンを見つけるために、通話時間や商談化率などのデータ日々追っていきました。

その結果、「高価買取訴求よりも、相場情報やスピードを重視したトークの方が商談化率が商談化率が高い」といった“データに基づいたスクリプト改善”が可能になり、最終的に全体の商談化率が大きく向上しました。

＜実際に用いたスクリプト例＞

01｜最速対応「スピード訴求型」
「お問い合わせありがとうございます。中古車査定のご依頼を確認いたしました。できるだけ早く査定額をお伝えしたく、お車の大まかな状態を今お伺いしてもよろしいでしょうか？」

02｜高価買取を期待させる「キャンペーン強調型」
「査定依頼ありがとうございます。A社 ○○店では、ただいま“買取強化キャンペーン”を実施しており、通常よりも高い査定額をご提示できる可能性がございます。差し支えなければ、お車の年式と走行距離を教えていただけますか？」

03｜コスト削減を意識した「手間ゼロ訴求型」
「お問い合わせありがとうございます。査定のための来店は不要で、必要な情報をお電話で伺うだけで概算額をお出しできます。最短10分ほどでご案内できますが、このままご案内してもよろしいでしょうか？」

04｜他社比較に触れる「相場理解型」
「査定依頼ありがとうございます。最近、同じお車の査定相場が上昇傾向にあり、“今が売り時”と言われるケースも増えております。よろしければ、おおよそのご利用状況を教えていただけますか？」

05｜即金需要に刺さる「当日現金化」型
「査定依頼ありがとうございます。ご希望があれば、査定後その日のうちにご売却いただき、即日でのお支払いも可能です。まずはお車の状態を少しだけ伺ってもよろしいでしょうか？」

06｜買い替え検討向け「下取り強化」型
「お問い合わせありがとうございます。いま、お乗り換えをご検討中のお客様向けに“下取り額アッププログラム”を実施しております。差し支えなければ、お乗り換えのご予定はおありでしょうか？」

③ トップ営業マンの会話ログを徹底分析

A社のトップ営業 2 名の通話記録を100本以上分析したところ、「顧客解像度の異常な高さ」 が共通点として浮かび上がりました。
では、なぜ彼らはここまで顧客解像度が高いのか。
その理由は、次の 3 つの行動にありました。

1. 顧客の細かい事実を覚えている
トップ営業は、会話中に出てきた小さな情報を正確に記憶し、次の商談で自然に取り入れていました。

「前回お話した時、火曜の16 時以降ならご都合よさそうでしたよね？」
「お子さんの送り迎えがあると伺っていましたが…」

こうした“覚えてくれている感”こそ、顧客解像度のベースとなっていました。

2. 関係性構築が自然（覚えている情報を使って距離を縮める）
トップ営業は、記憶した情報を単に繰り返すのではなく、
“相手の状況・価値観を理解している前提” で会話を組み立てていました。

「お仕事が忙しいと伺っていたので、短時間で比較できるように候補を絞っておきました。」
「小さなお子様がいらっしゃるとのことでしたので、乗り降りのしやすさも重視しています。」

3. 過去の会話内容を“文脈”として使い、提案の説得力を高めている
「前回、通勤距離が長いとおっしゃっていたので、燃費重視で絞りました。」
「中古車の故障が心配とのことでしたよね。保証期間が長い車種から優先的にご紹介します。」

分析の結果、「顧客が自分を覚えてくれていると感じるかどうか」 が信頼形成における最大の要因であることが明確になりました。

そこでBellは、全ての会話ログを顧客ごとに紐づけ、会話を重ねるほど顧客解像度が高まるAIオペレーターを構築しました。
Bellは過去の会話内容を踏まえて、関係構築や提案に反映できるため、自然な連続性のある会話を実現することが可能となりました。

その結果、

• 通話時間は 2 倍以上に増加
• 会話の質が向上し、商談化率の改善にも寄与

トップ営業が行っていた「顧客理解の積み上げ」と「文脈ある会話」を、BellはAIで再現したのです。

アウトバウンドだけでなく、受電品質まで向上した話

A社のBell導入の目的はアウトバウンドコールでしたが、
利用開始から3ヶ月後、インバウンドコールにも変化が見られました。

Bellの継続学習が、受電時にも効果を発揮

ある日、既存顧客から「定期点検の予約」に関する電話が入りました。
今回の用件自体はシンプルなものですが、Bellは通話の途中で、過去の会話ログにあった別の相談内容を思い出し、こう付け加えました。

「そういえば、以前“後部ドアを開ける時に少し音がする”とお話しされていましたよね。
最近その症状はいかがでしょうか？」

顧客は一瞬驚き、すぐにこう返しました。
「あ、そうなんですよ！実は最近また気になっていて…今回の点検と一緒に見てもらえますか？」

Bellが“思い出させてくれた”ことで、顧客自身も忘れかけていた不具合が再度話題になり、結果として 追加の整備依頼につながりました。

Bellが起こした構造変化

人間の担当者であれば、

• 担当が変わる
• メモに残っていない
• 顧客が自分から言わない

といった理由で、多くの「潜在的な相談」が埋もれてしまいます。

しかし Bell はこれまでの会話をすべて学習し、必要なタイミングで適切に掘り起こすことができます。

その結果、顧客満足度の向上や、整備/点検の追加案件受注などに発展します。

「架電量増 → 顧客理解蓄積 → インバウンド含め全電話が高度化」
という構造が、A社で着実に機能し始めた瞬間でした。

Bellは「効率化ツール」ではなく「商談創出エンジン」

AIによる作業効率化はもちろんですが、Bellが本当に価値を発揮する部分は、
“商談を増やす仕組みを自動で作り続けてくれる”という点です。

会話を重ねれば重ねるほど顧客解像度が高まり、最適なタイミングで最適な話し方ができるAIが育まれます。

結果として、エンタープライズ企業のアウトバウンドコールは、
人間の限界を超えたスケーラビリティと精度を実現することが可能です。

Bellはただの架電AIではなく、営業組織の“新しい基盤”になるプロダクトです。

少しでもご興味をお持ちいただけましたら、ぜひお気軽にお問い合わせください。
お問い合わせはこちら