営業AI導入チェックをダウンロード
FAZOM営業ラボ > 営業AI・営業DX
営業AI・営業DX

リードスコアリングAIの活用法|営業が追うべき見込み客の見極め方

公開日: 更新日:

▼ この記事の内容

リードスコアリングにAIを使う目的は、見込み客に点数を付けることではなく、営業が誰に、いつ、どのように対応するかを決めることです。過去の商談や顧客の行動から優先順位を推定できますが、学習に使う記録や判定対象が曖昧なままでは、現場で使える結果になりません。この記事では、人が決めた条件で採点する方法との違い、必要なデータ、自社に合う方法を選ぶ基準を整理します。小さく検証し、営業の対応と結果を確かめながら運用を改善する手順まで解説します。

リードスコアリングにAIを使うと何が変わるのか

AIを使ったリードスコアリングとは、見込み客の属性や行動、過去の対応結果などから、商談につながる可能性や営業が対応する優先度を推定する方法です。営業担当者がすべての見込み客を同じ深さで確認できないとき、確認する順番を決める材料になります。ただし、点数だけで相手の購買意思や受注の可否が分かるわけではありません。

最初に決めたいのは、何のために順位を付けるのかです。問い合わせへの初回対応を早めたいのか、資料を取得した企業から商談候補を探したいのか、過去に接点があった企業へ再度連絡したいのかで、必要な情報も評価方法も変わります。目的の異なる見込み客を同じ点数で並べると、営業が判断しにくくなります。

ルール型は人が条件を決め、AI型は過去の傾向から推定する

ルール型では、対象業種への該当、料金ページの閲覧、資料の取得などに、人が決めた点数を付けます。なぜ点数が高いのかを説明しやすく、条件の変更も比較的分かりやすい方法です。一方で、条件を追加し続けると、何を重く評価しているのかが見えにくくなり、点数の調整自体が仕事になってしまいます。

AI型では、過去に商談化した企業とそうでない企業の違いなどを学習し、複数の情報の組み合わせから推定します。単独では判断しにくい属性や行動も、組み合わせて扱える可能性があります。ただし、過去の記録に偏りがあれば、その偏りを引き継ぐため、AIを使えばルール型より良い順位になるとは限りません。

また、AIという名称でも仕組みは同じではありません。過去の結果を使って予測する仕組みもあれば、生成AIが商談メモを読み、あらかじめ決めた基準に沿って分類する仕組みもあります。導入時には、何を学習し、どの情報を読み、何を出力するのかを分けて確認する必要があります。

自社に合うことと、今すぐ検討していることは別に見る

見込み客の評価では、自社が支援できる企業かという適合度と、現在どの程度検討が進んでいるかという検討状況を分けると、対応を決めやすくなります。業種や事業規模が合っていても、導入時期が先の企業はあります。反対に、問い合わせが具体的でも、自社の提供範囲と合わない場合もあります。

この二つを一つの点数にまとめると、同じ高得点でも意味が変わります。適合度が高く時期が先の企業には情報提供を続け、課題と導入時期が具体的な企業には商談を提案するなど、評価と行動を結び付けます。点数の細かさより、担当者が次の対応を選べることを優先してください。

法人営業では、担当者個人の行動と企業全体の動きも区別します。同じ会社の複数の担当者が資料を見ている場合、個人ごとの順位だけでは検討の広がりを捉えにくくなります。ただし、複数の閲覧があることだけで、社内の合意形成が進んでいると断定することはできません。

自社にはどの方法が合うかを比較して選ぶ

AI型を選ぶ前に、現在の課題が順位付けで解決できるかを確認します。問い合わせを見落としている原因が通知の不備や担当者の未設定にあるなら、先に対応の仕組みを整える必要があります。見込み客の数が少なく、担当者が内容を十分確認できる場合も、複雑な採点を導入する必要性は高くありません。

▶ 無料で「営業AI導入チェック」をダウンロードする

選択肢は、手動での確認、ルール型、AI型、ルールとAIの併用です。今の運用から何が改善するのか、維持する負担はどれくらいかを比べます。機能が多い方法よりも、自社が判断の根拠を理解し、継続して管理できる方法を選ぶことが大切です。

選択肢 向いている場合 向かない場合 確かめる点
担当者が内容を確認する 対象が少なく、個別の事情を確認できる 確認待ちが増え、担当者ごとに判断が大きく異なる 確認に使う時間と、対応漏れが起きる場面
ルール型で採点する 優先条件が明確で、判断理由を共有したい 条件が複雑に増え、調整の理由を説明できない 各条件の根拠と、実際の商談化との関係
AI型で順位を推定する 比較できる過去の記録があり、候補の選別に負担がかかる 結果の記録が不足し、何を予測するかも定まっていない 学習対象、評価方法、理由の表示、更新の仕組み
ルールとAIを併用する 対応上の条件を守りながら、候補内の順位を改善したい どちらの判断を優先するか決められない ルールを優先する条件と、例外の処理方法

過去の記録が少ないなら、先にルール型で始める選択もある

自社データで予測するAI型には、対象企業の情報と、その後どうなったかを結び付けた記録が必要です。必要な件数は、予測対象やデータの構成、利用する仕組みによって変わるため、一律に判断できません。総件数だけでなく、商談化した例としなかった例を比較できるか、現在の顧客層に近いかを確かめます。

記録が不足している場合は、営業が納得できる少数の条件から始め、対応結果を蓄積する方法があります。たとえば、対象企業としての適合度、問い合わせの具体性、検討時期の確認状況を分けて記録します。AIの導入を急ぐより、後から比較できる状態を作ることが次の判断につながります。

営業が守る対応条件と、AIの推定は分ける

連絡を控える意思が示されている企業や、すでに商談中の企業を、AIの点数だけで新規の連絡候補に戻してはいけません。既存担当者がいる場合の引き継ぎ、重複した連絡の防止、直接の相談への対応などは、順位付けとは別に管理します。高得点だから連絡する、低得点だから対応しないという運用を避けます。

特に具体的な問い合わせは、低い点数を理由に放置しない設計が必要です。AIの評価は、こちらから働きかける候補の順番を決める材料として使い、相手から届いた相談への対応基準とは分けます。点数を優先する範囲を限定すると、現場の混乱を抑えやすくなります。

AIを使う前に整えたいデータと評価の基準

AIによる順位付けを検討するときは、まず手元の項目と記録の意味を確認します。顧客管理システムに情報が入っていても、部署や担当者によって定義が異なることがあります。商談化という項目が、日程の合意を指すのか、実際に面談を行った状態を指すのかが違えば、同じ結果として学習することはできません。

何を、いつまでに予測するかを決める

商談につながりそうな企業という表現だけでは、学習や検証の基準が定まりません。判定する時点、対象となる見込み客、確認する結果、その結果を待つ期間を決めます。資料取得後の見込み客から商談を行える企業を選ぶ場合と、商談後に受注へ進む企業を選ぶ場合では、使える情報も営業の行動も異なります。

受注を予測したい場合でも、受注までに時間がかかる事業では、短期間で良し悪しを判断できないことがあります。その場合は商談の実施や検討の具体化など、途中で確認する結果も定めます。ただし、途中の指標が良くなっただけで、受注への効果まで確認できたとは扱わないようにします。

入力項目は、取得できることと意味があることを確認する

情報の種類 項目の例 確認すること
企業の属性 業種、事業規模、拠点、提供対象との適合 情報の取得元と更新時期が分かるか
接点と行動 問い合わせ、資料取得、イベント参加、ページ閲覧 取得条件がそろい、行動日時を確認できるか
営業の対応 連絡日時、接続結果、面談の実施、次回の合意 未対応と、対応した結果進まなかった状態を区別できるか
検討の状況 課題、検討時期、関係部署、導入上の条件 相手の発言と担当者の推測が区別されているか
その後の結果 商談化、受注、失注、保留、判断未了 判定日と定義がそろっているか

空欄の扱いにも注意が必要です。検討時期が未確認であることと、当面は導入しないと確認できていることは違います。空欄をすべて低評価にすると、まだ十分に会話していない企業が不利になります。未確認を独立した状態として残し、情報が足りないことを現場に示せるようにします。

閲覧やメールへの反応も、そのまま購買意思とは扱えません。取得環境や自動処理の影響を受ける場合があるため、行動の定義と計測方法を確認します。料金ページを見たという事実は参考になりますが、予算を確保したことや、導入の承認を得たことまで意味するわけではありません。

結果が出た後の情報を、過去の予測に混ぜない

検証で起きやすい問題が、判定時点では存在しなかった情報の混入です。初回の問い合わせ時点で順位を付ける仕組みなのに、その後の提案内容や受注直前の商談段階を使って評価すると、実際より当たりやすく見えます。過去の記録を使う際も、その時点で営業が見られた情報に限定します。

生成AIで商談メモを整理する場合も同様です。後から追記された受注理由や失注理由が混ざっていないかを確かめます。また、相手が発言していない課題や導入意思をAIが補っていないか、原文と照合できる状態を保ちます。文章として自然な説明と、確認された事実は分けて扱う必要があります。

データを増やすことだけを目的に、個人情報や商談記録を無制限に取り込むことも避けます。利用する情報の範囲、社内の閲覧権限、外部サービスでの保存や学習への利用条件を確認してください。営業上必要な判断と関係の薄い情報まで集めても、管理負担が増えるだけになる可能性があります。

自社に当てはめて導入を判断する実践手順

導入の判断では、いきなり全件の順位をAIに任せず、対象と目的を絞って確かめます。ここでは、資料を取得した企業への対応順を改善したい場合を想定して説明します。自社では、対象となる接点や営業活動に置き換え、各段階で確認できたら次に進む形で使ってください。

手順1:今の問題が対応順にあるかを確かめる

直近の対象を確認し、対応までに時間がかかった理由、対応できなかった理由、商談につながらなかった理由を分けます。候補が多くて確認が追い付かないなら、順位付けを検討する余地があります。担当者への割り当てが遅い、通知を見ていないといった問題なら、まずその工程を整えます。

次に進む条件は、順位が分かれば担当者の行動を変えられることです。優先候補が分かっても、連絡する人や時間を用意できない場合は、点数を導入しても対応は変わりません。誰が、どの時間帯に、どの画面を見て候補を確認するかまで決めます。

手順2:対象と成果を一つの条件にそろえる

新規の資料取得企業、過去の失注企業、既存顧客を一緒に評価せず、最初に扱う対象を決めます。そのうえで、何を成果とするかを営業と営業企画でそろえます。面談の日程が決まった状態と、実際に面談を行った状態を混同せず、自社で確認したい結果を明文化します。

次に進む条件は、同じ企業の記録を複数の担当者が見ても、対象に含むか、成果が出たかを同じように判定できることです。判断が分かれる例は、無理にどちらかへ押し込まず、保留や対象外の扱いを決めます。分類の曖昧さを残したまま精度を比べないようにします。

手順3:判定時点の情報と、その後の結果を確認する

対象企業について、資料取得時点の属性や行動と、その後の営業対応、商談の結果を結び付けます。企業名の表記違いや、同じ会社の複数担当者が別企業として扱われていないかも確認します。結果が出るまでの期間をまだ経過していない企業は、商談化しなかった企業と分けておきます。

次に進む条件は、入力と結果の対応が追え、主要な欠損の理由を説明できることです。記録が不足している場合は、利用範囲を絞るか、記録を整える期間を設けます。何が欠けているか分からないまま、AIが補ってくれると考えて進めないことが大切です。

手順4:今の方法と、同じ対応件数で比べる

AIの比較相手は、現在の営業の選び方や、少数の条件で作ったルール型です。担当者が確認できる件数をそろえ、それぞれが選んだ候補から、どれだけ商談が生まれたかを確認します。AI側だけ多くの企業へ連絡したり、経験豊富な担当者が対応したりすると、順位付け自体の違いが分かりにくくなります。

過去のデータで確認する際は、古い期間を調整に使い、その後の期間を評価用に分けます。評価用の結果を見ながら何度も条件を直すと、その期間にだけ合う仕組みになりかねません。調整を終えたら、まだ判断に使っていない記録や、これからの運用で確かめます。

次に進む条件は、何が改善すれば採用するかを先に決め、比較できる結果が得られることです。商談化の割合だけでなく、確認にかかる時間、対応漏れ、見落とした有望企業も含めます。過去に連絡していない企業の結果は分からないため、過去データだけで結論を出せない場合もあります。

手順5:限られた範囲で使い、継続するかを決める

小規模な運用では、AIの順位、営業が実際に選んだ候補、その理由、対応結果を残します。営業が順位を変えた場合も、単なる不遵守として扱わず、AIに入っていない情報があったのかを確認します。判断理由が記録されれば、データ不足と現場の使い方の問題を分けて改善できます。

継続する条件に加えて、見直す条件も決めます。対象企業の情報が更新されない、担当者が根拠を確認できない、重要な問い合わせが処理されないといった問題が出た場合は、その範囲の利用を止めて原因を調べます。AIを外したときに戻れる対応順を残しておくと、検証を進めやすくなります。

導入判断をまとめるときは、次の項目に自社の状況を記入します。すべてを一度に整える必要はありませんが、次へ進む条件が満たされていない項目を、そのままにして進めないことが重要です。

  • 困っていること:候補の選別、担当者への割り当て、初回対応のどこで止まっているか。
  • 対象と成果:どの企業を評価し、何が起きたら成果とするか。
  • 利用する情報:判定時点で取得でき、意味を説明できる項目は何か。
  • 比較する方法:現在の運用とAIを、どの条件をそろえて比べるか。
  • 採用と見直し:どの結果なら続け、どの問題が出たら修正するか。

点数を営業の行動につなげ、よくある失敗を防ぐ

導入後に大切なのは、高得点の一覧を見ることではなく、その理由に応じて対応を変えることです。点数と一緒に、評価に使われた情報、情報の更新日、未確認の項目を表示します。根拠が見えれば、担当者は相手へ何を確認するかを考えやすくなり、点数だけが独り歩きすることを防げます。

点数が高い理由によって、最初の会話を変える

ここでは考え方を示す例として、対象業種に合い、営業育成に関する資料を取得した企業を想定します。この情報から分かるのは、自社の支援対象に近く、そのテーマとの接点があることまでです。営業育成が経営課題になっている、予算がある、導入担当者が決まっているといったことは、まだ確認できていません。

この場合の初回対応では、点数の高さを前提に提案を急ぐより、資料を探した背景や現在の取り組みを確認します。相手から具体的な課題と検討時期が示されれば、その内容に沿って次の相談を提案します。情報収集の段階なら、必要な情報と次に連絡してよい条件を確認する対応が考えられます。

一方、直接の問い合わせで相談内容が明記されている場合は、その内容に答えることを優先します。閲覧履歴から推測した関心より、本人が説明した課題のほうが、その会話に使える具体的な材料です。AIの推定を、相手が語った事実より上に置かない運用が必要です。

失敗1:高得点だけを追い、低得点の結果が分からなくなる

高得点の企業にだけ連絡すると、その企業の結果ばかりが蓄積されます。低得点の企業は対応されず、商談になり得たかが分かりません。その状態で学習を続けると、営業がこれまで選んだ企業の特徴を、商談につながる特徴だと捉えてしまう可能性があります。

対策として、連絡可能な対象の中から、低得点の企業も一部確認する機会を設けます。新しい業種や新しい集客経路など、過去の記録が少ない対象も分けて見ます。点数が低い理由が、本当に適合しないためなのか、情報が足りないためなのかを確かめることが目的です。

失敗2:点数を確率と誤解し、細かい差で判断する

画面に表示される点数が、そのまま商談化の確率を表しているとは限りません。順位を付けるための相対的な値なのか、確率として調整された値なのかを確認します。確率として表示される場合も、どの対象、期間、条件に対する予測なのかが分からなければ、営業の判断には使いにくくなります。

僅かな点差で対応を大きく変えるより、優先確認、追加情報の確認、情報提供を続ける対象など、行動ごとの区分を設ける方法があります。区分の境目は、営業が対応できる量と見落としの影響を踏まえて決めます。点数の見栄えではなく、現場の行動が安定するかを確認してください。

失敗3:商談が増えた理由を、すべてAIの効果と考える

導入と同時に対応人数を増やしたり、連絡方法を変更したりすると、商談数が増えてもAIによる順位付けの効果とは言い切れません。集客経路や対象業種が変わった場合も同様です。運用の変更点を記録し、どの条件が変わったかを確認しながら評価します。

商談数だけでは、営業の負担や商談の中身も分かりません。対応件数、商談の実施、次の合意、対象企業との適合を合わせて見ます。商談数が増えても、提供対象と合わない相談ばかりであれば、何を成果として学習させるかを見直す必要があります。

失敗4:順位の問題と、商談の進め方の問題を混同する

適切な企業へ連絡できても、課題を確認できない、説明が相手の状況に合わない、次の行動を合意できないといった理由で商談が進まないことがあります。これは候補の順位付けだけでは解決できません。誰に対応したかと、その後に何を話したかを分けて振り返ります。

商談の内容を確かめる仕組みも検討する場合は、商談AIの可視化・分析ツールの選び方|現場で使える比較基準と導入手順も併せて確認できます。見込み客を選ぶ判断と、会話の改善に必要な情報を分けて整理すると、自社に必要な機能を考えやすくなります。

営業と営業企画で、変更する条件と確認する役割を決める

運用の見直しでは、営業が感じた違和感を集めるだけで終わらせず、どの情報が不足していたか、評価の定義に問題があったか、対応の仕方が違ったかを確認します。点数を変更する担当者、現場の意見を集める担当者、変更後の結果を確認する担当者を明確にします。

商品や対象顧客が変わったときは、過去の傾向がそのまま使えるかを再確認します。新しいサービスを売り始めたのに、以前の受注企業だけを基準に順位を付けると、新たな対象が評価されにくくなる場合があります。定期的な確認に加え、事業上の変更が起きたときに見直す条件を決めておきます。

商談後の振り返りで、課題の聞き方や提案の説明に共通する改善点が見つかったら、練習する場面を絞ります。練習の組み立て方は、AI営業ロープレの反復学習|商談で使える力を育てる練習設計と定着の進め方も参考にできます。候補を選ぶ仕組みと、選んだ相手との会話を改善する取り組みをつなげることが大切です。

営業のロープレや商談の振り返りをAIで続ける方法として、FAZOMも選択肢になります。実際の商談で確認できなかったことを次の練習テーマにすると、見込み客への対応を具体的に見直しやすくなります。

まとめ

リードスコアリングにAIを使うときは、予測の細かさより先に、誰へのどの対応を改善したいかを決めます。対象企業としての適合度と現在の検討状況を分け、点数の理由から次の行動を選べる状態を目指してください。過去の記録が整っていない場合は、少数のルールと対応結果の記録から始める方法もあります。

導入の判断は、対象と成果の定義、判定時点のデータ、現在の方法との比較、小規模な運用の順に進めます。高得点の候補から商談が生まれたかだけでなく、見落としや確認の負担、営業が実際に行動を変えられたかまで確かめることが大切です。

最初に行うことは、現在の営業で対応が止まっている場所を確認することです。候補を選ぶ工程に課題があると分かったら、対象を一つに絞り、今の選び方より良くなるかを検証します。点数を付ける仕組みと、相手の状況を確かめる営業活動をつなげることが、AIを実務で役立てる出発点になります。

カテゴリ
この記事を書いた人
若手営業の立ち上がり短縮、商談レビュー改善、営業品質の安定化を前進させる営業改善プログラム「FAZOM」編集部です。営業組織の売上や生産性の向上に役立つ情報を発信しています。
無料で体験

AIがお客様役。
あなたは話すだけ

話し終えると、すぐ採点が出ます

無料で今AIロープレしてみる
資料ダウンロード

FAZOMの
サービス資料

機能・導入事例・料金をまとめて

資料を受け取る