製品
業績が伸び悩む数字を前に、経営層と営業マネージャーが表情を曇らせて会議で議論しているシーンです。

営業の品質目標とは、行動の基準を決めること

営業の目標といえば、売上や件数といった結果の数字が中心になりがちです。品質目標は、その結果に至るまでの商談そのものの質に基準を置く考え方を指します。何をもって良い商談とするかを定義し、達成度を見ていくことで、数字だけでは見えてこない現場の実力が浮かび上がってくるのです。

UMUの取り組みを詳しく知る

品質目標で測る営業活動の中身

結果目標と品質目標の役割

売上や受注件数は、営業活動がどこにたどり着いたかを示す到達点です。一方で品質目標は、その到達点までの進め方に基準を設けます。顧客の課題をどれだけ引き出せたか、提案が相手の状況に沿っていたか。結果の数字の手前にある、こうした過程の質を見ようとする点に特徴があります。

商談の質を測る観点

商談の質は、いくつかの観察できる行動から捉えられます。たとえば、ヒアリングで顧客の本音を引き出せているか、反論を受けたときに一度受け止めてから応じているか、商談の各段階を適切な順序で進められているか。いずれも、成果が出る前の段階で確認できる要素です。

数字だけでは質が見えない理由

データの裏づけがなく、主観的な印象だけで営業の良し悪しを判断している研修フィードバックのイラストです。

結果に表れるまでの時間差

商談の質が落ちても、その影響が数字に表れるまでには時間がかかります。受注率の低下として見えてきたときには、原因となった行動はすでに数カ月前のものになっています。結果の数字だけを追いかけると、対応はつねに後追いになりがちです。質の変化を早い段階でつかむ視点が欠かせません。

平均値に埋もれる個人差

チーム全体の数字を見ているだけでは、誰がどの段階でつまずいているかまでは見えてきません。成績上位の担当者が平均を押し上げるため、全体では順調に見えても、中間層の具体的な弱点は見過ごされがちです。合計がそろっていることと、一人ひとりの商談の質が保たれていることは、別の話なのです。

品質目標の運用でつまずく点

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

質の評価にかかる時間

商談の質を見極めるには、本来、担当者一人ひとりの商談を丁寧に観察する必要があります。ところが、チームの人数が増えるほど、マネージャーがすべての練習や商談に立ち会うことは難しくなります。品質目標を掲げても、それを測る手立てが追いつかず、掛け声だけで終わってしまう場面も少なくありません。

基準のばらつき

質を評価できたとしても、今度は評価する人によって基準がぶれるという課題が残ります。あるマネージャーが十分と見るヒアリングを、別のマネージャーは物足りないと判断することもあります。共通の物差しがないままでは、チーム全体で質を比べることも、目標として運用することも難しくなります。

品質基準を保つAIロールプレイ

いつでも繰り返せる練習環境

ここで手がかりになるのが、AIシミュレーションロールプレイという練習の形です。AIが顧客役を務めるため、担当者はマネージャーの時間を気にせず、すきま時間に何度でも本番に近い商談を試せます。相手を待つ必要がないため、チーム全員が同じ量の練習を積み重ねられます。掲げた品質目標が、日々の行動として定着していきます。

評価の基準を一つにする

良い商談とは何かという会社としての定義を、AIの評価基準に組み込んでおくと、担当者は全員が同じ基準で振り返りを受けられます。AIが担うのは、反復練習の相手役と、評価のものさしを統一する部分です。目標そのものを定め、一人ひとりの意欲を引き出す役割は、これまでどおりマネージャーが担います。

商談の質が変わる練習の現場

レーダーチャートや推移グラフで営業の実力を多面的に可視化する、AIによる診断画面のイラストです。

新任担当者の立ち上がり

初めて顧客を担当する新任者は、最初の商談の前に、AIを相手にニーズの引き出しや反論への対応を繰り返し練習できます。マネージャーは、その担当者がどの段階でつまずくかを見たうえで、必要な点だけを的確に指導できます。顧客の前に立つ前に、一定の質に届いた状態をつくりやすくなります。

競合比較への切り返し

顧客から競合のほうが安いと切り出されると、言葉に詰まってしまう担当者は少なくありません。この場面をあらかじめAIとの対話で練習しておくと、慌てずに受け答えする型が身につきます。マネージャーは、チームの誰もが一定の質で切り返せているかを、練習の記録から確かめられるようになります。

まとめ

品質目標は営業の行動に基準を置く

品質目標は、売上や件数という結果だけでなく、そこに至る商談の進め方に基準を設ける考え方です。結果の数字と組み合わせることで、営業の実力をより立体的に捉えられます。

数字だけでは質の変化をつかみにくい

商談の質は、数字に表れるまでに時間差があり、人数が増えるほど共通の基準で測ることも難しくなります。結果の管理だけでは、質の変化に気づくのが遅れがちだと言えます。

実践練習が基準の定着を後押しする

本番に近い練習を繰り返し、評価のものさしを一つにすることで、掲げた品質目標は日々の行動として根づいていきます。マネージャーは指導と動機づけに力を注げるようになります。

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