製品
営業チームが伸び悩む業績レポートを前に、マネージャーが成績の停滞要因を話し合っているシーンです。

営業 成績 分析の本質は、数字ではなく行動

営業 成績 分析に取り組む多くのマネージャーが、売上や達成率は把握できても、次に何を改善すべきかが見えないという壁に直面します。数字が映すのは結果であり、その結果を生んだ商談での行動まではたどれないのです。

UMUの取り組みを詳しく知る

営業成績の分析で本当に見るべき対象

結果指標を分解して読む

営業成績の分析は、売上や達成率を全体の合計で眺めるところから一歩進めることが出発点になります。案件の規模別、期間別、担当者別に数字を分解すると、どの領域が伸び、どこが停滞しているのかが具体的に浮かび上がります。合計値だけでは見えなかった差が、比較の中で輪郭を持ち始めます。

プロセス指標まで踏み込む

結果の数字だけでなく、その数字が生まれるまでのプロセスに目を向けることも欠かせません。初回訪問からヒアリング、提案、クロージングへと進む各段階で、どこを通過し、どこで止まっているのかを追います。受注という結果の手前にある通過率を見ることで、成績を動かす要因に近づけます。

数字が結果しか語らない理由

低い評価だけを受け取り、次にどう改善すればよいか分からず戸惑う営業担当者を描いたイラストです。

成績は遅れて表れる結果

営業成績は、日々の商談の積み重ねが結果として表れたものです。数字が動いたときには、その原因となった行動はすでに数週間前に終わっています。月末の集計を見て課題に気づいても、対象の商談はもう過ぎ去っているため、打ち手が後手に回りやすいのです。

数字は理由まで映さない

数字が教えてくれるのは、受注できたか、目標に届いたかという事実の部分です。なぜその商談で顧客の反応が変わったのか、どの一言が信頼につながったのかは、集計表のどこにも記録されていません。成績の背後にある行動の質は、数字を眺めるだけでは見えてきません。

行動まで踏み込めない現場の事情

一人ひとりへの指導依頼が積み上がり、対応しきれずに疲弊する営業マネージャーを描いたイラストです。

商談の中身は見えにくい

行動まで見るべきだとわかっていても、実際の商談の多くは担当者と顧客だけの場で進みます。マネージャーが同席できる機会は限られ、日報や記憶を頼りに状況を推測するしかありません。何が起きたのかを正確に把握できないまま、次の指導に入らざるを得ない場面が続きます。

指導の基準がそろわない

仮に商談の様子を共有できても、どこを評価し、どう助言するかは、マネージャー一人ひとりの経験に委ねられがちです。同じ場面でも人によって指摘が変わり、チーム全体で基準がそろいません。担当者が増えるほど、一人ひとりに同じ質で向き合う時間も足りなくなります。

行動をデータに変えるAIロールプレイ

顧客役をAIが務める

AIロールプレイでは、AIが顧客役を務め、実際の商談に近いやり取りを何度でも繰り返せます。これまで密室で見えなかった商談の中身が、練習という形で観察できるようになります。担当者は失敗を気にせず試行錯誤でき、その一つひとつがデータとして残っていくのです。

同じ基準で評価が返る

練習を終えるたびに、あらかじめ定めた基準に沿った評価がその場で返ります。誰が指導しても同じ観点で振り返れるため、チーム全体で基準がそろいます。ただし、AIが担うのは反復練習と評価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マネージャーの役割です。

商談の現場で効くAIとの実践練習

AIが商談の練習結果をレーダーチャートや推移グラフで多面的に可視化しているイラストです。

新任の立ち上がりを支える

配属直後の新任担当者が、AIを相手にヒアリングから提案までを繰り返し練習します。本番の前に近い状況を何度も経験することで、初回商談で言葉に詰まる場面が減っていきます。緊張する場面での受け答えを体に覚えさせてから現場に立てるため、立ち上がりが早まると考えられます。

弱点を段階別に見つける

マネージャーは週次の振り返りで、チームの練習結果を商談の段階別に確認できます。多くの担当者がクロージングで評価を落としているといった傾向が見えれば、指導の対象を絞り込めます。営業成績の分析が、結果の数字を眺める作業から、行動の改善につながる取り組みへと変わっていくのです。

まとめ

分析は行動まで見て初めて活きる

売上や達成率を分解するだけでは、次に何を変えるべきかまでは分かりません。営業成績の分析は、数字の背後にある商談での行動まで視野に入れて、はじめて改善につながります。

行動の把握と基準統一が難しい

商談の多くは担当者と顧客だけの場で進み、行動を正確に把握するのは簡単ではありません。指導の基準も人によってばらつきやすく、これが従来の育成が抱えてきた課題でした。

AIとの練習が改善の起点になる

AIとの反復練習は、見えにくかった商談での行動を観察できる形に変えます。同じ基準で振り返れるため、成績の分析が結果の確認で終わらず、日々の改善行動へと結びついていくのです。

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