製品
営業マネージャーと経営層が、伸び悩む業績レポートを前に数字の背後にある課題を話し合っている職場のシーンです。

営業目標設定は、数字の割り当てでは終わりません

営業の目標設定というと、売上目標の数字をどう決めるかが中心の話になりがちです。もっとも、数字を決めること自体は、それほど難しくありません。営業マネージャーが本当に頭を悩ませるのは、割り当てた目標をチーム全員が実際にやり切れるかどうか、その一点にあります。

UMUの取り組みを詳しく知る

成果につながる営業目標設定の進め方

結果目標と行動目標を分ける

営業目標というと、売上や受注件数といった結果の数字に目が向きがちです。ただ、結果はあくまで日々の行動の積み重ねの先に現れるものです。訪問数や提案数、そして商談での切り返しの質といった、日々の行動そのものを目標として言語化しておくことで、達成までの道筋が具体的になります。

現状の実力から逆算する

前年比や経営目標から降りてきた数字をそのまま割り当てるだけでは、現場の実感と乖離しやすくなります。今のチームがどの商談段階でつまずいているのかを把握したうえで、届く目標と少し背伸びする目標を組み合わせて設計します。実力の現在地を起点にすることで、目標は納得感を持って受け止められるようになるのです。

目標が結果に変わらない理由

本番前に高負荷の模擬商談で失敗を経験しておくことで、知っている状態と実行できる状態の差を埋める様子を描いたイラストです。

目標は日々の行動の総和

設定した目標が達成されるかどうかは、担当者一人ひとりが商談でどう振る舞うかの積み重ねで決まります。数字を高く掲げても、その数字を生み出す行動が変わらなければ、結果は昨年までと同じ場所にとどまります。目標設定の巧拙は、行動の変化にどこまで結びつけられるかで決まると言えます。

行動の質は現場でしか見えない

行動の量、つまり訪問数や提案数は、CRMを開けば把握できます。ところが、その一件ずつの商談で、顧客の反論にどう切り返し、どんな質問で本音を引き出せたのか。行動の質にあたる部分は、実際のやり取りの中でしか現れません。数字の裏側にあるこの見えにくさが、目標達成の再現性を下げているのです。

現場の行動までは目が届かない

コーチング依頼や評価シートの山に埋もれた営業マネージャーが、一対一の育成では全員に手が回らない状況に直面しているイラストです。

マネージャーに見えるのは数字だけ

多くの営業マネージャーが手元で確認できるのは、受注額や進捗率といった結果の数字です。目標に届かない担当者がいても、その原因が提案内容にあるのか、反論対応にあるのかまでは数字からは読み取れません。行動の質を確かめるには一件ずつの商談に同席する必要がありますが、そこまで時間を割ける管理職は限られています。

コーチングが全員には回らない

商談に同席し、振り返りを一緒に行うコーチングは、担当者の成長に効果があります。ただ、一対一で向き合える人数には、どうしても上限が生まれます。チームが大きくなるほど、あるいは拠点が分散するほど、マネージャーの手が回らない担当者が増えていきます。育て方を知っていても、全員に同じ密度で関わることが現実には難しくなっていきます。

AIとの実践練習で行動から変える

何度でも挑める練習環境

AIシミュレーションロールプレイは、AIが顧客役を務める練習の仕組みです。担当者は相手の都合を気にせず、すきま時間に何度でも商談を試せます。目標達成に欠かせない反論対応やヒアリングを、本番前に繰り返し体で覚えられます。AIが担うのは反復練習と評価基準の統一であり、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。

行動の質がデータで見える

練習のたびに、どの商談段階で評価が伸び、どこでつまずいているのかが記録として残ります。これまで数字の裏に隠れていた行動の質が、段階ごとのデータとして表に出てきます。マネージャーは同席せずとも、誰にどの行動を重点的に伸ばせばよいかを、根拠を持って判断できるようになるのです。

AIロールプレイが実力を底上げする

各地の営業担当者がAIを活用して同時に高品質な練習に取り組み、チーム全体で実力を底上げしている様子を描いたイラストです。

新任担当者の早期戦力化

配属されたばかりの担当者が、初回訪問やヒアリングをAIとの実践練習で繰り返します。実際の顧客に向かう前に、つまずきやすい場面を安全な環境で経験しておけます。生きた商談を練習台にする必要がなくなり、立ち上がりまでの期間が短くなります。早期戦力化は、そのまま新任者の目標達成の前倒しにつながります。

成果を出す型を全員が練習する

成果を出している担当者の進め方や切り返しを、練習シナリオの評価基準として全員が同じ形で練習します。特定の担当者の経験に頼っていた勝ち方が、チーム共通の練習対象になります。結果として、担当者ごとの実力のばらつきが小さくなり、チーム全体で目標を達成しやすくなります。

まとめ

目標設定は数字の割り当てで終わらない

営業目標の設定で本当に問われるのは、掲げた数字をチームがやり切れる状態をどう作るかです。結果目標と行動目標を分け、現状の実力から組み立てることが出発点になります。

目標と結果の差は行動の実行力にある

目標が結果に変わるかどうかは、担当者が商談でとる行動の質で決まります。ところが行動の質は数字の裏に隠れやすく、マネージャーの目やコーチングだけでは全員分を追い切れません。

行動を可視化し反復で定着させる

AIとの実践練習を取り入れると、行動を繰り返し鍛えながら、その質を段階ごとのデータで確かめられます。目標達成を後押しする一つの方向性として、検討する価値があると言えます。

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