営業活動では、顧客の課題、提案内容、見積条件、競合情報、受注理由、失注理由などが商談ごとに蓄積されます。しかし、CRMやSFAへ記録していても、個別案件の確認だけで終わり、複数の商談を横断して分析できていない企業もあります。
過去の商談をAIで分析すると、受注案件に共通する顧客条件や提案内容、営業行動を整理しやすくなります。ただし、入力だけで勝ちパターンが確定するわけではありません。比較条件をそろえ、受注案件と失注案件の違いを確認し、人が傾向を検証する必要があります。
本記事では、分析対象となる情報、AI分析の進め方、商談準備や提案改善、営業教育へ活かす方法を解説します。
過去の商談を分析して営業の勝ちパターンを見つける
営業の”勝ちパターン”とは、成果を上げた担当者の話し方や提案書の模倣ではありません。どのような顧客に、何を確認・提案し、どう商談を進めたときに受注へつながりやすかったのかを、複数の要素から整理したものです。
まずは、過去の商談を分析する意義や勝ちパターンの見つけ方について見ていきます。
営業の勝ちパターンは優秀な担当者の話し方だけではない
商談結果には、顧客の業種や企業規模、担当者の役職、予算、導入時期、競合の有無などが影響します。営業側でも、ヒアリング内容、提案した解決策、意思決定者との接点、見積条件、商談後のフォローは案件ごとに異なります。
一つの営業トークや行動だけを勝因とせず、顧客属性、顧客課題、提案内容、営業行動を組み合わせて確認します。
受注案件だけでなく失注案件との比較が必要
受注案件に共通する特徴が見つかっても、同じ特徴が失注案件にも含まれていれば、それだけで受注理由とはいえません。
受注案件と失注案件の顧客条件、提案内容、商談期間、接触回数、意思決定者との接点を比較し、結果に差が生じた要素を絞り込みます。
過去商談の分析は営業の属人化を減らす材料になる
営業ノウハウが担当者個人の経験や感覚だけに依存していると、成果が出た理由を組織内で共有できません。
過去の商談を共通の基準で分析すれば、成果につながりやすかった準備や提案方法を、ほかの担当者も利用できる判断材料へ変えられます。目的は、優秀な担当者の行動を完全に再現することではなく、提案品質の差を小さくすることです。
AIで分析する過去商談の情報を整理する
AIによる商談分析では、CRMやSFAの数値項目に加え、受注理由、失注理由、商談議事録、営業メール、提案書などの文章情報も利用できます。分析目的を定め、比較に必要な情報を選ぶことが重要です。
次に、分析に使用する商談の情報整理について確認します。
顧客属性と案件条件
最初に整理するのは、業種、企業規模、対象部門、担当者の役職、商材、契約金額、商談期間、予算、導入予定時期、競合の有無などです。
条件が大きく異なる商談を一括で比較すると、共通点の意味が曖昧になります。新規契約と既存顧客への追加提案など、営業プロセスが異なる案件は分けて扱います。
受注理由と失注理由
受注理由と失注理由は、勝ちパターンを検討する中心的な情報です。しかし、「提案が良かった」「価格が高かった」といった抽象的な記録だけでは、案件間の違いを十分に比較できません。
顧客課題との適合、機能、価格、導入時期、競合、契約条件、支援体制、社内調整、意思決定者の評価など、共通の分類項目へ分けます。自由記述の要約や分類にAIを利用すれば、担当者ごとに異なる表現を共通の基準で整理する作業を支援できます。ただし、分類結果が適切かどうかは人が確認する必要があります。
受注理由欄や失注理由欄には、営業担当者の推測が含まれる場合もあります。記録された理由だけで結論を出さず、商談議事録や顧客とのメール、提案書などと照合します。
商談議事録や営業メール
商談議事録や営業メールには、顧客の課題、優先順位、懸念、意思決定の状況、競合への評価、次回までの確認事項などが含まれます。これらはCRMの選択項目だけでは把握しにくい情報です。
AIを使えば、議事録やメールから、価格への反応、競合への言及、導入への懸念、意思決定者の関与などを整理できます。重要な情報は元の記録へ戻って確認します。
提案書や見積書
提案書は文書全体の表現を比べるのではなく、顧客課題、解決策、導入効果、対象範囲、費用、スケジュール、運用体制などの要素へ分けて比較します。
見積書からは、契約金額、期間、値引き、オプションを確認し、顧客条件と提案内容の関係を整理します。
過去の商談から勝ちパターンを抽出するAI分析の進め方
過去の商談をAIで分析するときは、最初から「勝ちパターンを教えて」と質問するのではなく、対象範囲の決定、情報の分類、受注案件と失注案件の比較、人による検証を順番に行います。
ここでは、AIを活用した過去商談の分析の進め方について具体的な手順について解説します。
分析する商談の範囲を決める
最初に、分析対象とする商談の期間と条件を決めます。対象が広すぎると、商品構成、市場環境、営業プロセスが異なる案件が混在し、抽出した共通点の意味が曖昧になります。
商材、顧客規模、業種、新規・既存、商談の完了時期など、分析目的に関係する条件で対象を絞ります。受注理由を分析する場合は結果が確定した商談、提案内容を分析する場合は提案書や議事録が残っている案件を選びます。
対象案件が少ない場合は、分析結果を普遍的な勝ちパターンとして扱わず、追加検証が必要な仮説として管理します。
受注理由と提案内容を共通の項目に分類する
次に、商談ごとに記録形式が異なる文章情報を、共通の項目へ分類します。受注理由と失注理由は、価格、機能、課題適合、導入時期、競合、支援体制などへ整理します。提案書も、顧客課題、解決策、効果、費用、導入手順などへ分けます。
AIは、同じ分類基準を複数の案件へ適用し、比較できる形式へ変換する作業に利用します。根拠となった記録や該当箇所も残します。
分類項目が細かすぎると似た内容が別々の項目に分かれ、大まかすぎると案件ごとの差が見えません。試験的に分類し、比較に使える粒度へ調整します。
受注案件と失注案件の違いを比較する
分類後は、受注案件に多い顧客課題、提案内容、接触方法、意思決定者との接点などを抽出し、失注案件にも同じ要素が含まれていないかを調べます。
単純な出現回数だけで結論を出すと、顧客属性や案件条件の偏りを見落とします。同じ商材、顧客規模、業種など、条件をそろえた範囲でも差が続くかを確認します。
営業担当者が記録した受注理由と、顧客が商談やメールで評価した内容が一致しているかも確認します。
複数の条件を組み合わせて傾向を確認する
勝ちパターンは、一つの項目ではなく、複数条件の組み合わせに表れる場合があります。顧客課題と訴求内容、意思決定者との接点と商談結果、商談期間と接触回数、競合の有無と提案方針などを組み合わせて確認します。
ただし、条件を増やしすぎると該当案件が少なくなり、偶然の一致を勝ちパターンとして扱う危険が高まります。最初は重要な項目から比較し、AIには共通点だけでなく例外も整理させます。
AIが抽出した傾向を人が検証する
AIが抽出した共通点は、受注の直接的な原因とは限りません。入力方法や対象期間、記録量によって結果が変わる可能性があります。
営業担当者やマネージャーは、元の議事録、提案書、メール、商談結果を確認し、顧客の意思決定に影響した要素として説明できるかを検証します。根拠を説明できない傾向は営業ルールにせず、追加データで確認する仮説として残します。
AIは文章の整理や比較候補の抽出に利用し、結果の意味や営業活動への反映方法は人が決めます。
AIで見つけた勝ちパターンを営業活動に活かす
分析結果をレポートとして保存するだけでは、次の受注にはつながりません。営業担当者が商談前や提案作成時に参照できる形へ変え、日常の営業プロセスへ組み込む必要があります。
類似する過去商談を商談前に確認する
新しい商談では、業種、企業規模、顧客課題、商材、予算などが近い過去商談を検索します。受注案件と失注案件の両方を確認し、評価された提案内容と、確認が不足していた項目を整理します。
目的は過去の提案の流用ではなく、今回確認すべき課題、意思決定の条件、提案時の注意点を整理することです。
ヒアリング項目と提案方針に反映する
受注案件で確認されていた顧客課題や、失注案件で確認が不足していた項目は、ヒアリング内容の見直しに利用できます。顧客属性ごとに評価された訴求内容は、提案方針の候補になります。
ただし、勝ちパターンを固定的な質問集にすると、顧客の発言を聞かずに決められた質問を続けるだけになりかねません。すべての商談で確認する条件と、顧客の状況に応じて深掘りする論点を分けて管理します。
提案書や営業トークを改善する
受注案件の提案書から、顧客課題と解決策のつなぎ方、導入効果、費用、運用体制の説明方法を整理します。失注案件との違いを確認し、説明が不足しやすい項目や、顧客の懸念につながりやすい部分を見直します。
営業トークも文章として暗記するのではなく、顧客の反応に応じて何を確認し、どの情報を提示するかという判断基準へ変換します。顧客課題と提案内容の対応関係を残すことで、商材説明だけに偏らない営業活動へつなげられます。
営業教育とナレッジ共有に活用する
勝ちパターンは、新人教育、ロールプレイ、商談レビュー、営業会議の材料になります。受注案件と失注案件の比較により、行動を選んだ理由も説明しやすくなります。
顧客条件、確認した課題、提案方針、商談結果、注意点を一つの単位として管理し、担当者が自分の案件に近い情報を探せる状態を作ります。
分析結果を定期的に更新する
顧客ニーズ、競合状況、商品内容、価格、営業体制が変われば、過去に有効だった勝ちパターンが現在も通用するとは限りません。新しい受注案件と失注案件を追加し、一定期間ごとに分析結果を更新します。
利用結果も記録し、分類基準や類似案件の検索条件へ反映します。
過去商談をAIで分析するときの注意点
AIによる商談分析は、入力情報と記録方法に影響されます。受注案件の共通点が、受注を直接引き起こしたとも限りません。データ、解釈、情報管理の3点を確認します。
記録されていない情報は分析できない
顧客の反応、受注理由、失注理由、提案内容が記録されていなければ、AIは比較できません。まずは分析に必要な情報がCRMやSFA、商談議事録、提案書に残っているかを確認します。
入力項目を増やしすぎると、営業担当者の負担が大きくなります。既存データを活用し、追加項目は分析に必要なものへ絞ります。
入力内容のばらつきを考慮する
同じ理由でも、担当者によって使用する言葉や記録の詳しさが異なります。AIを使って表現の統合や分類を行っても、元の記録が短すぎる場合や、複数の理由が一つの文章に混在している場合は、分類結果の精度が低下する可能性があります。
記録内容を点検し、必要に応じて入力ルールや分類基準を見直します。
共通点を受注の原因と断定しない
受注案件で多く見られる提案や行動は、受注と関係している可能性がありますが、直接的な原因とは限りません。顧客規模、予算、競合、商談時期など、別の条件が影響している場合もあります。
分析結果は次の商談で確認する仮説として扱い、結果が一致しない場合は対象条件や分類方法を見直します。
商談情報を扱えるAI環境か確認する
商談記録、提案書、見積書、メールには、個人情報、契約条件、価格、未公開の事業情報などが含まれる可能性があります。入力できる情報の範囲は、利用するAIサービスの契約内容、データの保存方法、学習への利用条件、アクセス権限、社内規程によって異なります。
利用前に扱える情報の範囲を確認し、必要に応じてデータの制限、権限設定、マスキングを行います。出力の保存先や共有範囲も管理します。
商談の録音や文字起こしデータを利用する場合は、会話の記録について関係者への通知や同意が必要かどうかも確認します。適用される法令、契約、社内規程、利用する会議・録音サービスの条件に沿って運用する必要があります。
まとめ｜過去の商談を次の受注につながる営業資産へ変える
過去の商談から勝ちパターンを見つけるには、受注案件と失注案件について、顧客属性、案件条件、受注理由、失注理由、提案内容、営業行動を共通の基準で比較する必要があります。AIは、商談議事録や提案書など大量の文章を要約・分類し、案件間の共通点や違いを探す作業に活用できます。
ただし、AIが抽出した傾向を、そのまま成功法則として扱うことはできません。元の商談記録へ戻って内容を確認し、営業担当者やマネージャーが妥当性を検証する必要があります。
AI活用の目的は、すべての営業担当者に同じ提案をさせることではありません。どのような顧客に、どのような課題確認、提案、営業行動が有効だったのかを整理し、次の商談で使える判断材料へ変えることです。過去の商談を保存記録で終わらせず、商談準備、提案改善、営業教育へ継続的に還元することで、営業組織の資産として活用できます。
シーサイドでは、SFAを活用した営業活動の改善などの実績も数多くございます。
お困りやご相談がありましたら、まずはお気軽にお問い合わせください。
