製品
伸び悩む実績レポートを前に、経営層と営業マネージャーが厳しい表情で数字を見つめている会議のシーンです。

営業実績管理とは、数字を動かす現場の行動

営業実績管理といえば、売上やKPIをダッシュボードで追い、達成率を可視化する取り組みを指すことが一般的です。ただ、その数字を動かしているのは現場の一つひとつの商談です。管理の本当の目的は、結果を記録することよりも、結果を生む行動をどう変えるかにあります。

UMUの取り組みを詳しく知る

実績の数字を読み解く視点

結果指標と行動指標

営業実績管理と聞くと、売上高や受注件数、達成率といった結果指標を集計する作業を思い浮かべる方が多いといえます。もっとも、結果指標だけを眺めていても、なぜその数字に至ったのかまでは読み取れません。商談数や提案内容の質という、結果に先立つ行動指標を合わせて見ることで、実績の全体像がつかめます。

数字の背後にある商談

たとえば、達成率が伸び悩むチームの数字を分解すると、商談数は足りているのに受注に至る割合が低い、という傾向が見えることがあります。この場合に見直すべきなのは、活動量そのものよりも、一件ごとの商談の中身です。数字を分解して初めて、どこに手を打つべきかが具体的に定まるのです。

実績数字が語らない現場の過程

具体的なデータの裏づけがなく、主観的で大まかな評価にとどまっている状況を表したイラストです。

結果は過去の記録

受注件数や達成率は、すでに終わった商談の積み重ねを映したものです。数字が確定した時点で、その結果を生んだ行動はもう過去のものになっています。実績を後から集計するだけでは、次の商談に向けて何を変えればよいかまでは見えてきません。過去の記録は、未来の行動を自動的に導いてはくれないのです。

見えない行動の質

同じ商談数をこなしていても成果に差が出るのは、一件ごとの対話の質が異なるためです。しかし多くの現場では、結果の数字は残っても、その商談でどのような受け答えがなされたかは記録に残りません。行動の質という肝心な部分が管理の対象から抜け落ちていることが、実績が思うように動かない一因と言えます。

一人ひとりの商談を見る難しさ

評価やコーチングの依頼が山積みになり、対応しきれずに疲弊しているマネージャーの状況を描いたイラストです。

観察の手が足りない

行動の質を管理するには、一人ひとりの商談を実際に見て、どこでつまずいたかを把握する必要があります。ただ、マネージャーが同行や録画の確認に割ける時間は限られており、メンバー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。見るべき対象は増える一方で、見る側の時間だけは増えていきません。

評価の基準がそろわない

商談を見られたとしても、何を良しとするかの基準がマネージャーごとに違えば、同じ行動でも評価が分かれてしまいます。基準がそろわないまま指導を重ねても、チーム全体としてどの行動を伸ばすべきかが定まりません。実績管理を行動のレベルまで広げようとするほど、この二つの制約が重くのしかかってきます。

練習と評価を、AIが引き受ける

練習量の制約を外す

AIシミュレーションロールプレイでは、AIが顧客役を務めるため、マネージャーが同席しなくても一人で何度でも商談の練習ができます。順番待ちや日程調整の必要がなく、すきま時間にモバイルからでも取り組めます。観察できる人数に育成が縛られていた状態から、練習の機会そのものを大きく広げられます。

評価の基準をそろえる

AIは、あらかじめ定めた評価の観点にそって、一件ごとの商談を同じものさしで振り返ります。マネージャーの主観に左右されず、どの行動を伸ばすべきかを共通の基準で把握できます。AIが引き受けるのは反復練習と評価基準の統一という部分であり、目標設定や動機づけは、引き続き人が担う役割なのです。

AIとの練習が実績につながる場面

レーダーチャートや推移グラフを使い、商談の課題を多面的に可視化しているAI診断の画面です。

新任担当者の立ち上がり

配属されたばかりの担当者は、商品知識を覚えても、顧客を前にすると言葉が出てこないことがあります。AIとの対話練習を日々繰り返すことで、想定される質問や反論への受け答えを、本番の前に体で覚えられます。マネージャーが一件ずつ付き添わなくても、立ち上がりの期間を短くしていけるのです。

停滞したベテランの再点検

経験を重ねた担当者でも、特定の場面での勝率が長く停滞することがあります。AIとの練習後に出る客観的な評価を見ると、価格交渉や競合比較といった、どの段階でつまずいているかがデータではっきりします。感覚に頼らず改善点を確かめられるため、ベテランの伸び悩みにも具体的な手がかりが得られます。

まとめ

実績は行動の結果として生まれる

営業実績管理の出発点は、売上や達成率といった結果指標だけでなく、それを生む現場の行動を合わせて捉えることにあります。数字を分解して初めて、次に手を打つべき場所が見えてきます。

行動まで管理する難しさの正体

行動の質を管理しようとすると、一人ひとりの商談を見る時間と、評価の基準をそろえることが課題になります。人手だけに頼る限り、この制約からは抜け出しにくいものです。

AIは練習と評価の土台を支える

AIとの実践練習は、練習量の制約を外し、評価のものさしを統一する部分を引き受けます。目標設定や動機づけは人が担いながら、実績を動かす行動の育成を、組織全体へ広げていけると考えられます。

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