経営会議で伸び悩む業績レポートを前に、マネージャーや経営層が難しい表情を浮かべているシーンです。

営業データ活用とは勝ちパターンの再現

営業データ活用と聞くと、案件数や受注率を一覧化する取り組みを思い浮かべる方が多いかもしれません。もっとも、数字を眺めるだけでは、成果を出す担当者の動き方までは再現できません。データ活用の本当の価値は、勝ちパターンを組織全体で再現できる状態をつくることにあるのです。

UMUの取り組みを詳しく知る

結果の数字と行動の記録

結果データでわかること

受注率や案件数、商談期間といった結果データは、チームの現在地を把握するうえで欠かせません。どの案件が動いているか、目標にどれだけ近いかを、営業マネージャーは数字で確認できます。ただ、これらの数字は、なぜその成果になったのかという理由までは教えてくれません。

行動データが語ること

一方で、担当者が商談のどの場面で何を話し、顧客の反応にどう対応したかという行動データは、成果の背景を映し出します。トップ営業がどのように質問を重ね、反論にどう切り返しているのか。この動き方こそ、成果を再現するための手がかりになります。

数字が語らない、成果の理由

データの裏づけがなく、主観的な意見だけで終わってしまう営業フィードバックの様子を描いたイラストです。

結果は遅れて現れる

受注や失注という結果は、商談が終わった後にしか確定しません。数字が出そろった時点では、その案件で何が効き、何が足りなかったのかを振り返る手立ては限られています。結果データは、起きたことを正確に記録します。ところが、次の商談で再現すべき動き方までは示してくれないのです。

行動が記録に残らない

成果の理由は、商談中の一つひとつのやりとりに宿ります。しかし、その場でどんな質問をし、顧客の懸念にどう応えたかは、CRMの入力欄にはほとんど残りません。営業マネージャーが同席できるのは、限られた商談だけです。多くの現場で、成果を左右する行動データが、可視化されないまま流れていると言えます。

行動データを蓄積できない理由

コーチング依頼が山積みになり、一対一の対応に追われて余力を失っているマネージャーを描いたイラストです。

商談は一度きりで再現できない

実際の商談は一度きりで、同じ場面をもう一度試すことはできません。うまくいかなかった切り返しを、その場でやり直す機会もありません。担当者が本番で経験を積むほど、失注という形で学ぶことになります。安全に何度も試せる場がないまま行動データを集めようとしても、その機会そのものが足りないのです。

評価の基準が人によって違う

行動を記録できたとしても、その良し悪しを測る基準が人によって異なると、集めたデータは比べられません。あるマネージャーが高く評価する対応を、別のマネージャーは物足りないと感じることもあります。基準がそろっていない状態では、チーム全体の傾向を読み取ることも、勝ちパターンを見きわめることも難しくなります。

AIロールプレイが行動を可視化する

練習が構造化データになる

AIを相手にした実践練習では、担当者が何度でも商談を再現できます。一度きりだった本番のやりとりを、安全な環境で繰り返し試せるのです。しかも、一回ごとの練習は、段階ごとの評価とともに記録されます。これまで流れて消えていた行動が、比べられる形のデータとして蓄積されていきます。

同じ基準で全員を測れる

評価の基準をあらかじめ決めておけば、だれが練習しても同じものさしで採点されます。マネージャーの主観に左右されず、チーム全体のデータを横に並べて比べられます。ここでAIが担うのは、反復練習の相手役と、評価基準を統一する部分です。目標設定や動機づけは、引き続きマネージャーの役割として残ります。

AIロールプレイが生きる育成の場面

離れた拠点にいる多くの担当者が、AIを相手に同時に質の高い練習へ取り組んでいる様子を描いたイラストです。

新人が戦力になるまでの育成

配属されたばかりの新人が、初回訪問の入り方を何度も練習する場面を考えてみます。先輩の時間を借りずに、通勤の合間でも一人で商談を試せます。段階ごとの評価が毎回残るため、どこで伸び、どこでつまずいているかを本人もマネージャーも確認できます。立ち上がりの様子を、感覚ではなくデータで見守れるようになります。

マネージャーのコーチング

商談件数の多いチームでは、マネージャーが全員の練習に付き添うことはできません。AIとの練習なら、離れた拠点の担当者も同時に取り組めます。マネージャーは、たまった練習データを見てから一対一の時間に臨めます。どの段階に課題が集まっているかがわかるため、指導すべき相手と論点を、数字をもとに絞り込めるのです。