製品
成果が伸び悩む業績報告を前に、経営層とマネージャーが厳しい表情で議論しているシーンです。

営業目標管理とは、数字の追跡ではなく行動の管理

営業目標管理は、売上や件数といった結果目標を立て、その進捗を追う取り組みとして語られがちです。とはいえ、数字を並べて見えてくるのは、すでに起きた結果にすぎません。マネージャーが本当に動かせるのは、その数字を生み出す日々の行動の側にあります。

UMUの取り組みを詳しく知る

結果目標と行動目標をつなぐ設計

結果目標だけでは足りない

売上や受注件数といった結果目標は、チームが目指す到達点をはっきりと示します。ただ、結果の数字が動くのは商談が終わった後です。四半期の終盤に未達が判明しても、打てる手は限られてしまいます。到達点を示す指標と、途中で軌道修正するための指標は、役割が異なるのです。

行動目標に分解する

結果目標を、日々の行動の単位まで分解すると、進捗の見え方が変わります。質の高いヒアリングを何件重ねたか、想定される反論への備えはできているか。こうした先行指標を追うことで、マネージャーは四半期の途中でも、具体的な働きかけができるようになります。

目標未達が繰り返される本当の理由

具体的な根拠やデータを欠いた、主観的で一面的な評価にとどまっている様子を描いたイラストです。

見えない行動は管理できない

結果のダッシュボードには、受注率や達成率が並びます。しかし、その数字を生んだ一件一件の商談で、担当者が何を話し、どこでつまずいたのかは残りません。観察されなかった行動は、振り返ることも立て直すこともできません。数字は、見えないまま過ぎていった行動の影にすぎないのです。

評価が印象に頼っている

担当者が伸びているかどうかの判断が、同行やロールプレイの断片的な印象に頼りがちです。同じ商談を見ても、評価はマネージャーごとに揺れます。印象を基準にした評価はチーム全体で足し合わせられず、どの段階に共通の弱みがあるのかまで届きません。

行動目標を現場に根づかせる難しさ

コーチング依頼と評価シートに埋もれ、対応しきれずに疲弊しているマネージャーを描いたイラストです。

知っていても、できない

研修の資料で理想的な話し方を学んでも、それを本番の緊張感の中で実行できるとは限りません。顧客の表情がこわばった瞬間に、覚えた言葉が出てこないという経験は珍しくありません。繰り返し体で覚える機会がないまま現場に出ると、学んだ行動はなかなか習慣として定着しにくいものです。

コーチングは時間で頭打ち

行動目標をスキルに変える手立ては、結局のところコーチングです。ところが、一人のマネージャーが立ち会えるロールプレイの数には限りがあります。チームの人数が増えるほど、一人あたりに割ける時間は薄まります。練習の質が、マネージャーの空き時間の多さに左右されてしまうのです。

行動の反復を、AIとの練習で支える

いつでも繰り返せる練習環境

AIが顧客役を担うため、担当者は相手の都合を待たずに、スマートフォンからいつでも実践に近い会話を練習できます。習慣になりにくかった行動も、日々短時間の反復を積めば体に馴染んでいきます。四半期に一度の集合研修よりも、分散した毎日の練習のほうが、能力は早く定着すると言えます。

評価の基準をそろえる

AIが毎回同じ基準で評価するため、伸びているかどうかの判断が、誰が見たかに左右されなくなります。チーム全員の行動データを同じものさしで足し合わせられるので、共通の弱みも把握しやすくなります。AIが担うのは反復練習と評価の統一までであり、目標の設定や動機づけは、引き続きマネージャーの役割です。

現場の場面で試すAIロールプレイ

本番の商談で失注する前に、高負荷の模擬環境で失敗を経験し備えられることを表したイラストです。

難しい反論に備える

競合と比較される大型商談を控えた担当者が、AIの顧客を相手に価格や競合への反論を繰り返し練習します。AIはその場で押し返してくるため、本番に近い緊張感で受け答えを試せます。当日には、黙り込む状態から落ち着いて切り返せる状態へ変わっています。反論対応という行動目標の仕上がりを、商談の前に確かめられるのです。

新任の立ち上がりを早める

新しく配属された担当者が、立ち上がりの時期に、訪問の五つの段階をAIとの対話で毎日通しで練習します。マネージャーは進捗の曲線を見て、弱い段階に絞って助言できます。自分の商談時間を削ってつきっきりで教えなくても、最初の目標達成に向けた戦力化を早められると言えます。

まとめ

営業目標管理の要は行動にある

結果目標はチームの到達点を示しますが、マネージャーが途中で動かせるのは、その数字を生む日々の行動です。営業目標管理は、管理の目線が行動の層まで届いたときに、はじめて機能します。

行動を鍛えるには反復と基準が要る

行動目標をスキルに変えるには、繰り返しの練習と、そろった評価基準の両方が要ります。従来のやり方では、この二つがマネージャーの時間の限界にぶつかってしまうのです。

AIとの練習が現場の実行を支える

AIとの練習は、実行の側に必要な反復と、そろったデータを補います。目標の設定や動機づけは人が担うからこそ、数字の背後にある行動が動き、結果も動き始めると言えます。

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