製品
営業マネージャーが伸び悩む業績レポートを前に、チームの課題を話し合っているシーンです。

営業の評価基準とは、結果ではなく再現性を測る視点

営業の評価基準を整えるとき、多くの現場では売上や受注件数といった結果指標が中心になります。とはいえ、数字が伸びた理由を説明できなければ、同じ成果を再現する手がかりは残りません。評価すべきは、結果そのものよりも、その結果を生んだ行動にあるのです。

UMUの取り組みを詳しく知る

営業の評価基準を構成する要素

結果を映す指標

売上や受注件数、目標達成率は、営業の評価基準の中でも最も分かりやすい指標です。組織の成果を端的に映し出し、経営への報告にもそのまま使えます。まずはこの結果指標こそ、チームの評価の出発点となるのです。

過程を測る指標

もう一つの軸が、商談の各段階でどう振る舞ったかを見るプロセスの評価です。ヒアリングで顧客の課題を引き出せたか、競合との比較にどう応じたか。こうした行動レベルの基準を加えることで、結果が出る前に打ち手を修正でき、成果を再現する手がかりが残ると言えます。

数字だけの基準が現場を動かさない理由

主観的で曖昧な評価が、改善につながらない様子を表したイラストです。

遅れて届く結果指標

結果指標は、商談や案件が決着してはじめて確定します。四半期の数字が未達だと分かった時点では、原因となった商談はすでに過去のものとなっています。評価が下がった理由を後から探ろうとしても、その場で何が起きていたかを再現できず、次の一手にはつながりにくいものです。

言葉にされない基準

もう一つの要因は、評価基準が評価者の頭の中にとどまり、共通の言葉になっていないことです。同じ商談を見ても、ある上司は高く、別の上司は低く評価することがあります。担当者からすれば、何をどう直せば評価が上がるのかが見えないまま、指導のたびに違う助言を受け取ることになるのです。

基準を一貫して運用できない現実

一人のマネージャーが個別指導に追われ、評価が追いつかなくなる様子を描いたイラストです。

見きれる人数の上限

行動を基準に沿って評価するには、一人ひとりの商談を丁寧に確認する時間が要ります。ところがマネージャーが同席や録画の確認に割ける時間は限られ、チームが大きくなるほど、全員を同じ密度で見ることは難しくなります。評価の精度を保とうとすれば対象を絞らざるを得ず、多くのメンバーの行動は評価の外に置かれてしまうのです。

評価の材料が足りない

行動を評価するには、その行動が観察できる場面が必要です。実際の商談は顧客の都合で進むため、特定の場面を狙って練習し、評価するということができません。うまくいかなかった商談を後から振り返っても、記録が断片的で、どの段階でつまずいたのかを基準に照らして確かめる材料がそろわないことも多いといえます。

AIとの対話練習が評価を一貫させる

同じ場面を繰り返せる

AIシミュレーションロールプレイでは、AIが顧客役を務め、ヒアリングや競合対応といった特定の場面を、本番を待たずに何度でも再現できます。全員が同じ設定の顧客と向き合うため、評価基準を一つに定めたうえで、誰の練習も同じ基準で見比べられます。顧客の都合に左右されずに評価の場を用意できる点が、従来の運用との違いになります。

段階ごとに評価が返る

練習が終わると、商談のどの段階で何ができていたかが、あらかじめ定めた基準に沿って構造化された形で返ります。これにより、評価する人の主観に頼らずに、担当者は次に直すべき点を具体的に受け取れるのです。ただしAIが担うのは、反復の機会づくりと評価基準の統一という部分です。目標設定や動機づけは、引き続きマネージャーが担う領域として残ります。

評価基準が現場の行動に変わる場面

AIが商談の各段階を可視化し、客観的な評価を示しているイラストです。

立ち上がり期の練習

配属間もない担当者が、ヒアリングや反論対応の場面をAIとの対話練習で繰り返します。毎回、決められた基準に沿った評価がその場で返るため、どの段階が弱いのかを自分で把握しながら練習を積めます。先輩の商談に同行できる回数が限られていても、立ち上がりにかかる時間を短くしていける環境が整うと言えます。

指導の前の見立て

マネージャーは、週次の面談に入る前に、メンバーの練習データを同じ評価基準で見渡せます。誰が競合対応でつまずいているのか、どの段階がチーム全体の弱点なのかが、主観ではなく記録として見えてきます。限られた面談の時間を、感覚的な助言ではなく、事実にもとづく指導に充てられるようになるのです。

まとめ

評価基準の軸は再現性にある

営業の評価基準を結果指標だけで組み立てると、成果を再現する手がかりが残りません。商談の各段階でどう行動したかを見るプロセスの視点を加えることで、次の打ち手につながる評価基準につくり変えられます。

基準は言語化して初めて働く

評価基準が評価者一人の判断に委ねられている限り、評価はばらつき、担当者は何を直すべきか分かりません。基準を共通の言葉にし、全員に一貫して運用できる形にすることが、行動を変える出発点になるのです。

AIとの練習が基準を運用に変える

本番の商談を待たずに同じ場面を繰り返し、決めた基準で評価できるAIとの対話練習は、明文化した基準を日々の指導に組み込む現実的な方法です。基準づくりと運用が地続きになると言えます。

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