製品
顧客がテーブルに二社の見積もりを並べて比較する中で、担当者が値引き要求にも動じず落ち着いて対応している商談のシーンです。

ディーラー営業のノルマを分けるのは商談の質

ディーラー営業のノルマを追うほど、来店数や訪問件数をどう増やすかに意識が向きがちです。ただ、月末の数字を実際に左右しているのは、一件ごとの商談で顧客の迷いにどこまで応えられたかという、商談の質そのものにあります。台数を追う手前に、見落とされやすい分かれ目があるのです。

UMUの取り組みを詳しく知る

ノルマ達成を左右する商談の質

数字は商談の質から生まれる

ひと月のノルマは、最終的には成約台数の積み重ねです。その成約率を大きく左右するのが、来店した顧客一人ひとりとの商談で、迷いや不安にどこまで具体的に応えられたかという点になります。訪問件数や来店促進はきっかけを増やしますが、そのきっかけを台数へ変えるのは、商談の場での対応力です。

決まるのは特定の数場面

商談の質といっても、すべての瞬間が同じ重みを持つわけではありません。他店の見積もりを持ち出された瞬間、価格を伝えた直後に顧客が黙り込む間合い、試乗を終えて迷いが残る場面があります。こうした限られた局面での一言が、その商談が成約に向かうか持ち帰りになるかを分けているのです。

知っているのに商談で出てこない理由

準備が整わないまま商談に臨んだ担当者が、顧客の鋭い質問に言葉が詰まり、対応に慌てている様子を描いたイラストです。

知識と対応は別物

多くの担当者は、他店比較や値引き要望への答え方を、研修や先輩の商談から知識としては持っています。ところが、実際に顧客を前にした緊張の中では、知っているはずの言葉がとっさに出てこないことも少なくありません。これは意欲や適性の問題ではなく、知識が反射的に使える状態にまで練習で落とし込まれていないために起こるのです。

場数が繁忙期に偏る

商談の場数は、決算期や大型連休といった繁忙期に偏りがちです。来店が集中する時期にはいくつもの商談を経験できますが、それ以外の時期には、難しい場面に向き合う機会そのものが限られます。結果として、値引き交渉や他店比較のような、成約を左右する場面ほど、必要な回数を積む前に本番を迎えてしまいます。

商談力を鍛えにくい現場の事情

厳しい表情の上司を前にした対面ロープレで、担当者が緊張で身構え、萎縮している様子を描いたイラストです。

練習の場が本番しかない

商談力を高めようとしても、多くの現場では練習の場が本番の接客そのものになりがちです。目の前にいるのは実際の見込み客であり、うまくいかなければその一台の失注に直結します。失敗できない状況では、新しい切り返しを思い切って試すことも難しく、いつもの安全な受け答えにとどまりやすくなります。

同僚との練習は遠慮が出る

社内でロープレを行う場合も、相手が同僚だと互いに遠慮が生じ、本番で顧客から受けるような厳しい反応までは再現しにくいのが実情です。終わった後の講評も、全体的によかった、もう少し自然にといった感覚的な言葉になりやすく、どの場面をどう直せばよいかが担当者の手元に残りません。

AIとの対話練習という選択肢

顧客役をAIが務める

こうした練習機会の不足を補う方法として、AIが顧客役を務める対話練習が広がっています。担当者は相手の都合を待たず、他店比較や値引き要望といった難しい場面を、時間や場所を選ばずに何度でも試せます。AIが担うのは反復の相手と評価基準をそろえる部分であり、目標への動機づけや現場での声かけは、引き続き人の役割です。

終わった直後に改善点がわかる

この方法のもう一つの特徴は、練習を終えたその場で、対応の良し悪しを具体的に振り返れる点にあります。どの場面の切り返しが弱かったのか、顧客のどの反応に対応できなかったのかが、感覚ではなく具体的な指摘として残ります。次の練習で同じ場面をもう一度試せるため、弱点を確かめながら積み重ねられるのです。

商談の山場を事前に練習する

本番の失注につながる前に、高い緊張感のある模擬商談で失敗を経験しながら備えられる練習環境を描いたイラストです。

他店比較への切り返し

他店の見積もりを持ち出す顧客役をAIに設定しておけば、担当者は本番の前に同じ場面を何度もくぐれます。価格だけを求める相手に値引き以外の価値をどう伝えるかを繰り返すうちに、当日は慌てず、下取りや保証、納期といった条件を落ち着いて持ち出せるようになります。値段の一点勝負に流れるのを防ぐ練習と言えます。

試乗後のひと押し

試乗を終えた顧客が、もう少し考えますと迷いを見せる場面も、練習の対象にできます。迷いの背景にある不安を質問で引き出し、見積もりや次回の来店にどうつなげるかを、AIとの対話で事前に体験しておきます。こうした一押しの場面を繰り返しておくと、本番で持ち帰りをそのまま見送りにせず、次の約束を残す確率を高められます。

まとめ

ノルマは商談の質の積み重ね

ディーラー営業のノルマは、最終的には成約台数の合計ですが、その台数を生むのは一件ごとの商談の質です。とりわけ他店比較や値引き交渉といった限られた場面での対応が、成約と持ち帰りを分けています。

知識だけでは本番で出てこない

答え方を知っていても、本番の緊張の中でとっさに使えるとは限りません。難しい場面ほど場数が繁忙期に偏り、必要な反復を積む前に本番を迎えてしまうところに、現場の難しさがあるのです。

反復と振り返りが商談力を育てる

本番に近い場面を安全に何度も練習し、その場で具体的に振り返る仕組みがあれば、商談力は少しずつ育っていきます。AIとの対話練習はその反復を支えますが、動機づけや現場での判断は、引き続き人が担う部分になります。

UMUが選ばれる理由

1,000社突破
導入企業数
1億人超
ユーザー数
208以上
対応エリア
100社突破
Fortune 500企業導入
UMUとは
2015年の設立以来、10年以上にわたりエビデンスに基づく「学習の科学」に特化
ATDをはじめとする世界的な専門機関と連携し、学習の科学の知見をビジネス現場に実装
導入実績
世界トップ20製薬企業のうち18社
世界トップ5医療機器メーカーのうち4社
国内トップ5製薬企業のうち4社
国内トップ5保険会社のうち4社
国内人気企業ランキングTOP20の半数近くが導入
セキュリティ・コンプライアンス
ISO/IEC 27001:情報セキュリティマネジメントシステム (ISMS) の国際規格
ISO/IEC 27017:クラウドサービスに関する情報セキュリティ管理の国際規格
SOC 3:セキュリティ・可用性に関する第三者監査報告書
ISO/IEC 27018:クラウド上の個人情報保護に関する国際標準
ISO/IEC 27701:プライバシー情報管理に関する拡張標準
GDPR:EU一般データ保護規則
HIPAA:米国の医療情報保護に関する連邦法
ISO/IEC 42001:AIマネジメントに関する国際標準
AI活用基盤
最新のエンタープライズ向けAIモデルを採用
企業データの漏洩・再学習ゼロ
エンタープライズ水準の高度なAIカスタマイズ
ハルシネーションのリスクを効果的に低減
多様なデータに対応し、実務での活用を支援
資料をダウンロード