製品
伸び悩む業績レポートを前に、経営層が難しい表情で数字を見つめ、営業チームが対策を話し合っている会議のシーンです。

営業 評価 制度の本質は、商談行動の再現性にある

営業 評価 制度を見直すとき、多くの営業マネージャーはまず評価項目の設計から着手します。ただ、項目を精緻にしても現場の商談行動が変わらないという声は少なくありません。制度が何を測り、何を動かすのか。その全体像から捉え直すことが出発点になります。

UMUの取り組みを詳しく知る

営業の評価軸は、成果だけではない

成果と行動を分けて見る

営業の評価は、受注や売上といった成果の数字だけで組み立てられているわけではありません。多くの制度では、商談件数や提案の進め方といった行動の側面も評価の対象に含めます。成果だけを見ると、担当領域や市場環境の差が反映されにくく、再現できる行動が埋もれてしまうためです。

能力は商談の段階で捉える

もう一つの軸が、商談そのものを進める能力の評価です。初回訪問、ヒアリング、提案、反論対応、クロージングといった段階に分け、それぞれで何ができているかを見ます。段階ごとに整理すると、売れた売れなかったという結果の手前にある、商談の質そのものを捉えやすくなります。

評価の本当の目的は、勝ちパターンの再現にある

データの裏づけがなく、主観的で大まかな評価結果だけが並び、改善につながりにくい従来のフィードバックを表したイラストです。

評価は基準の共有から始まる

評価制度の土台は、何を良い商談とするのかという基準を、組織のなかで共有することにあります。基準が言葉になっていないと、同じ商談を見てもマネージャーごとに評価が分かれ、メンバーは何を目指せばよいのか分かりません。基準をそろえて言語化することこそが、評価の出発点になるのです。

測るだけでは行動は変わらない

一方で、基準を決めて点数をつけるだけでは、現場の商談は変わりにくいものです。評価はあくまで現在地を映す鏡であり、そこから何を練習し、どう改善するのかがつながって初めて、行動として身につきます。測定と育成が地続きになっているかどうかが問われます。

評価基準と日々の練習が切り離されている

評価シートや指導依頼に追われ、対応しきれずに疲弊しているマネージャーの状況を誇張して描いたイラストです。

行動評価には観察の量が要る

商談の行動や能力を評価するには、実際の商談を数多く観察する必要があります。ただ、営業マネージャーが同行や商談録画の確認に割ける時間は限られ、メンバー全員の商談を十分に見ることは簡単ではありません。結果として、評価はどうしても一部の場面の印象に頼りがちになります。

評価が年に数回では距離が開く

もう一つの課題は頻度です。評価面談が半期や四半期に一度では、基準を思い出す機会が少なく、日々の商談との間に距離が生まれます。基準を知っていることと、商談で自然に実行できることの間には、繰り返し練習して埋めるべき隔たりがあるのです。

AIとの実践練習が、評価基準を行動に変える

同じ基準で何度でも練習できる

AIシミュレーションロールプレイは、顧客役をAIが務める対話練習です。組織が定めた評価基準を、そのまま練習の採点軸として設定できるため、メンバーは時間や場所を選ばず、同じ基準で繰り返し商談を練習できます。評価のための基準を、日々の練習の物差しとして使えるようになります。

商談の中身がデータで残る

練習のたびに、どの段階で何ができたのかがデータとして記録されます。マネージャーは全員の商談に同行しなくても、段階ごとの傾向を把握でき、面談の前に見るべき点を絞れます。ここでAIが担うのは、反復練習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、引き続き人が担う役割になります。

評価基準が活きる、AIロールプレイの実践場面

本番での失敗を避けるために、あらかじめ緊張感のある模擬商談で練習しておく大切さを表したイラストです。

新人の早期戦力化を支える

配属直後の新人が、初回訪問やヒアリングの基本を、現場に出る前にAIとの対話で繰り返し練習します。マネージャーは練習データで到達度を確認し、どの段階から同行に切り替えるかを判断できます。基準に沿った準備が、立ち上がりの遅れを防ぐ支えになります。

反論対応のばらつきを減らす

価格や競合を持ち出された場面で、担当者ごとに対応が分かれることは珍しくありません。AIが顧客役となり、評価基準に沿った反論対応を全員が練習することで、チーム全体の対応のばらつきが小さくなります。マネージャーは、どの反論で誰がつまずくのかをデータで捉え、面談の的を絞れるようになるのです。

まとめ

評価は成果と行動と能力の複数の目で見る

営業 評価 制度は、受注や売上などの成果だけでなく、商談の行動や段階ごとの能力まで含めて捉えることで、再現できる強さが見えてきます。

測定と育成が地続きで初めて定着する

基準を決めて点数をつけるだけでは、現場の商談はなかなか変わりません。評価で見えた現在地を、繰り返しの練習と結びつけて初めて、基準が行動として身につきます。

AIとの練習が、基準と現場を近づける

AIとの実践練習を使えば、同じ基準で何度でも商談を練習でき、その中身がデータで残ります。評価と日々の育成の距離を縮める、現実的な方法の一つと言えます。

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