製品
伸び悩む業績報告を前に、営業会議で経営層が難しい表情を浮かべ、数字の背後にある現場の課題を話し合っているシーンです。

売上を上げる営業会議は、報告ではなく再現の場

売上を上げる営業会議をどう設計すればよいか。多くの会議は先月の数字の確認と個別案件の詰めで終わりますが、実際に売上を動かすのは、会議のあとに現場で交わされる一つひとつの商談です。会議で共有した勝ち筋が翌日の現場で再現されるかどうかに、成果は大きく左右されます。

UMUの取り組みを詳しく知る

売上を動かす会議に共通する視点

結果の確認から行動の設計へ

会議で達成率や案件の進捗を確認するだけでは、翌月の数字は変わりにくいものです。売上を上げる会議は、受注できた商談で何が効いたのか、つまずいた商談で何が起きたのかを、具体的な行動の単位まで分解します。その一つひとつを、次の現場で試せる形にして持ち帰れるようにするのです。

勝ち筋を全員が使える形に

トップ営業がなぜ受注できたのかは、本人の感覚のまま埋もれていることが多いものです。売上を上げる会議では、その勝ち筋を言語化し、切り返しの型や質問の順番としてチームで共有します。特定の誰かの成果を、組織全体が再現できる標準へと変えていく場になります。

共有した勝ち筋が現場で再現されない理由

準備が整わないまま商談に臨んだ営業担当者が、顧客の鋭い質問を前に言葉に詰まり、対応に苦しんでいる様子を描いたイラストです。

知っていることと、できること

会議で優れた切り返しを共有すると、その場では全員が理解します。ところが本番の緊張の中では、頭で分かっていても身体が動かず、いつもの話し方に戻ってしまうことも少なくありません。理解していることと、顧客を前にとっさに実行できることの間には、大きな隔たりがあるのです。

一度の共有では定着しない

新しい話法は、一度聞いただけで身につくものではありません。実際の商談に近い状況で繰り返し試し、うまくいかなかった点をその場で修正する経験を重ねて、はじめて自然に口をついて出るようになります。月に一度の会議での共有だけでは、この反復の回数が決定的に足りないのです。

反復の場を全員に用意できない事情

コーチングの依頼が山積みになり、一対一の対応に追われて疲弊している営業マネージャーの状況を、誇張して描いたイラストです。

一対一の指導には限界がある

現場で再現できるまで練習させるには、一人ひとりの商談に付き合い、繰り返し相手役を務める必要があります。しかしマネージャーが割ける時間は限られ、担当者が増えるほど一人あたりに向き合える時間は短くなります。指導が必要だと分かっていても、現実には手が回らないのが実情と言えます。

感覚的な指摘では改善しにくい

商談の振り返りが、もう少し自信を持って、話し方を工夫しよう、といった言葉にとどまると、担当者は何をどう直せばよいのかをつかめません。どの場面のどの対応が課題だったのかを具体的に示せなければ、次の商談で同じつまずきを繰り返してしまいます。

反復と評価をAIが引き受ける仕組み

いつでも繰り返せる練習相手

AIが顧客役を務めるロールプレイでは、担当者は相手の予定を気にせず、すきま時間に何度でも商談を練習できます。会議で共有した切り返しを、翌日の現場に出る前にAIとの対話で試せます。人と向き合う練習にありがちな気後れがないため、失敗を恐れずに繰り返せるのです。

評価の基準をそろえる

AIは、あらかじめ定めた基準に沿って、どの場面のどの対応に課題があったのかをその場で示します。人によって評価がぶれないため、担当者は次に練習すべき点を具体的につかめます。ただし、AIが引き受けるのは反復と評価の部分であり、目標設定や動機づけは、引き続きマネージャーが担います。

AIロールプレイが現場を変える場面

レーダーチャートや推移グラフといった構造化された図表で、課題を的確に指し示し、客観的な評価を提示するAIの多面的な診断画面を描いたイラストです。

新人が初商談に臨む前に

配属直後の担当者が、初めての商談に出る前に、価格を指摘される場面や競合と比較される場面を、AIとの対話で繰り返し練習します。本番に近い緊張を安全な場で経験しておくことで、実際の顧客を前にしても落ち着いて切り返せます。立ち上がりまでの期間を縮めることにつながります。

会議前に課題を見極める

マネージャーが会議の前に、チームの練習データを確認します。どの段階でつまずく担当者が多いのかが見えるため、全体で共有すべき課題と、個別に指導すべき課題を切り分けられます。限られた会議の時間を、売上に直結する話し合いに充てられるようになるのです。

まとめ

売上を上げる会議は行動の再現を設計する

数字の確認で終える会議と、勝ち筋を次の商談で再現できる形に落とし込む会議とでは、その後の成果に差が生まれます。会議の目的を、報告から再現へと移すことが出発点になります。

共有だけでは現場の行動は変わりにくい

優れた話法を会議で共有しても、本番で自然に出るには、実際に近い状況での反復と具体的なフィードバックが欠かせません。知っている状態から、できる状態への転換にこそ、手立てが要ります。

AIとの練習が反復と評価の負担を軽くする

AIが練習相手と評価の一部を引き受けることで、マネージャーは一人ひとりへの指導や戦略の話し合いに時間を使えます。会議とAIとの練習を組み合わせることが、売上につながる行動を定着させる近道と言えます。

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