経営層が横ばいの業績レポートを前に、伸び悩みの背景にある課題を話し合っているシーンです。

営業の行動目標は、例の選び方で成果が変わる

営業の行動目標の例としては、訪問件数や提案数、商談化率などがよく挙げられます。とはいえ、同じ指標を掲げても、成果につながるチームとそうでないチームに分かれていきます。数を追うだけの目標にとどめるのか、成果から逆算した行動に落とし込めるのか。その違いが、その後の伸びを左右するのです。

UMUの取り組みを詳しく知る

まず押さえたい、営業の行動目標の代表例

量を測る行動目標の例

営業の行動目標の例として最初に挙がるのが、数で測れる指標です。訪問件数、架電数、提案書の提出数、商談化した件数などが代表的です。行動量が見えやすく、目標として設定しやすい利点があります。日々の活動をそのまま記録できるため、チーム全体の動きを把握する土台になります。

質を測る行動目標の例

一方で、行動の質に踏み込んだ例もあります。顧客の課題をどこまで引き出せたか、提案が相手の状況に沿っていたか、反論を受けた場面で会話を前に進められたか。数字には表れにくいものの、こうした行動の中身こそが、商談の結果を大きく左右すると言えます。

同じ例でも成果が分かれる理由

特定のデータがないまま、感覚的な評価だけが残る従来型フィードバックの息苦しさを描いたイラストです。

数字が行動の中身を語らない

訪問を10件こなしたという記録は残っても、その一件ごとに顧客の本音をどこまで引き出せたのかは、数字の上には表れません。同じ訪問件数でも、次につながる商談と、名刺交換で終わる商談が混在します。行動目標が件数の集計にとどまると、中身の差が見えないまま評価が進んでしまうのです。

成果との因果が描けていない

行動目標が成果に結びつくのは、その行動がなぜ数字を動かすのか、という筋道が描けているときです。他社の例をそのまま持ち込むと、件数は達成しても受注が伴わない状況が起こります。行動と成果をつなぐ仮説がないまま数だけを追うと、努力の方向がずれていても気づきにくくなります。

行動の質を見極め、定着させる難しさ

一人のマネージャーが大量のコーチング依頼を抱え込み、対応しきれずにいる様子を描いたイラストです。

質を客観的に測れない

行動の質を評価しようとすると、基準が評価する人によって揺れやすく、多くの場合マネージャーの主観に頼ることになります。同じ商談を見ても、良し悪しの判断が分かれてしまいます。担当者の側も、どの行動を直せば成果に近づくのかをつかめないまま、次の商談に向かうことになるのです。

練習と指導の量が足りない

質の高い行動は、繰り返し練習してはじめて身につきます。とはいえ、マネージャーが担当者一人ひとりのロールプレイに付き合える時間は限られています。チームの人数が増えるほど、必要な練習量に指導が追いつかず、目標に掲げた行動が現場で定着しないまま終わってしまいます。

行動の質を、AIとの練習で鍛える仕組み

基準をそろえたAI評価

AIシミュレーションロールプレイでは、あらかじめ決めた基準にそって、AIが商談のやり取りを評価します。評価する人によって判断が揺れることが減り、どの段階のどの行動が良かったのか、改善が必要なのはどこかが具体的に見えてきます。担当者は、直すべき点を客観的な手がかりとして受け取れるようになります。

回数無制限の対話練習

AIが顧客役を務めるため、相手の都合を待つ必要がなく、同じ場面を何度でも練習できます。マネージャーが一人ずつ付き合わなくても、必要な反復量を確保できるのです。ただし、AIが担うのは反復練習と評価基準の統一までであり、目標の設定や動機づけは、引き続き人であるマネージャーの役割です。

行動目標が現場で動き出す場面

評価レポートとお手本の動画が、次に何を練習すべきかという改善の道筋を照らしているイラストです。

新任が本番前に場数を踏む

配属されたばかりの新任担当者が、初めての商談に出る前に、AIとの対話練習で反論への切り返しを繰り返します。会話が思うように運ばなかった場面を、その場のフィードバックで確認しながら練り直せます。本番と同じ緊張感で場数を踏むことで、立ち上がりの期間が短くなり、早い段階から商談で成果を出しやすくなります。