製品
営業チーム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シーンです。

営業 KPI ツリーとは、成果と行動をつなぐ考え方

営業 KPI ツリーは、売上という最終目標を、商談数や受注率といった構成要素へ段階的に分解する考え方です。マネージャーがまず知りたいのは、その正しい組み立て方でしょう。とはいえ、ツリーを描き終えた先にこそ、本当の課題が控えています。

UMUの取り組みを詳しく知る

売上を構成要素に分解する考え方

最終目標から逆算する

営業 KPI ツリーは、売上という最終目標を頂点に置き、商談数や受注率、平均単価へと分けていきます。商談数はさらに訪問数や有効面談率へと枝分かれし、目標達成までの道筋を一枚で見渡せるようになるのです。

現場の行動に結びつける

頂点の売上だけを見ていると、達成できたかどうかは月末までわかりません。ツリーの末端まで下ろすと、今週の訪問件数や提案準備といった、担当者が今日から動かせる行動が見えてきます。目標が日々の具体的な一手へと変わっていきます。

なぜ分解が成果を動かすのか

評価の結果を複数の観点からグラフで可視化し、どこに課題があるかを具体的に把握できるシーンです。

結果を過程に置き換える

売上のような結果の数字は、マネージャーが直接指示して動かせるものではありません。KPIツリーはその結果を、訪問や提案といった日々の過程の指標へ置き換えます。過程であれば、途中で状況を確かめ、手を打ち直せます。ここに分解の意味があります。

ばらつきの原因が見える

数字が目標に届かないとき、結果だけを見ていては原因を絞り込めません。ツリーをたどれば、訪問数が足りなかったのか、受注率が落ちたのかを切り分けられます。調子が悪いという曖昧な感覚が、どの枝に手を入れるべきかという具体的な問いに変わります。

測れても、そこから伸ばせない

膨大なコーチング依頼と評価シートに囲まれ、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。

末端は行動の質で決まる

ツリーの末端に並ぶ受注率や提案の質は、担当者が顧客とどう対話したかで決まります。反論にどう切り返したか、ニーズをどこまで引き出せたか。こうした行動の質は、数値として測ることはできても、測るだけでは伸びにくいものです。

コーチングの時間が足りない

行動の質を高めるには、一人ひとりの実際の商談を題材にした練習と、その場での具体的なフィードバックが要ります。ところがマネージャーが同時に見られる人数は限られています。チームが大きくなるほど、コーチングに割ける時間が成長の上限になってしまうと言えます。

AIロールプレイで行動の質を鍛える

練習量の上限をなくす

AIが顧客役を務めることで、担当者はマネージャーの空き時間を待たずに、反論対応やニーズの深掘りを何度でも練習できます。すきま時間に一人で取り組めるため、これまで練習量を抑えていた制約から解放されます。

評価の基準をそろえる

AIは一つひとつの対話を共通の基準で評価し、どこを直せばよいかを同じ目線で示します。属人的になりがちだった指導の質がそろい、末端の行動をチーム全体で引き上げられます。ただし、AIが担うのは反復練習と評価基準の統一であり、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。

商談の場面ごとに実力を積み上げる

各地に分散した多くの営業担当者が、AIを活用して同時に高品質な練習に取り組んでいるシーンです。

新人が受注率を上げる

入社まもない担当者が、提案前の空き時間にAIの顧客を相手に反論対応を繰り返し、その場で採点結果を確認します。ツリー上で弱点とされていた受注率の枝に、少しずつ手ごたえが生まれます。知識が本番で使える状態へと近づいていきます。

マネージャーが底上げを測る

マネージャーは月次の振り返りで、担当者ごとの練習データを場面や反論の種類別に見渡せます。ツリーのどの枝がチーム全体で遅れているかを見極め、コーチングの的をそこに絞れます。改善が進んでいるかを、感覚ではなく数字で確かめられます。

まとめ

分解は結果を過程に置き換える営み

営業KPIツリーの価値は、直接動かせない売上を、日々の行動という動かせる過程に置き換える点にあります。だからこそ、途中で軌道を修正できます。

末端の質は測るだけでは伸びない

受注率や提案の質といった末端の指標は、行動の質そのものです。測って可視化するだけでは動かず、実際の商談を題材にした練習とフィードバックが欠かせません。

反復練習が全員の底上げにつながる

AIとの反復練習は、練習量と評価基準をそろえ、末端の行動をチーム全体で引き上げます。目標設定や動機づけといった人の役割と組み合わせることで、ツリーが成果へ結びつきます。

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