製品
訪問のあと、営業のマネージャーと担当者が振り返りを行い、見落としていた点をその場で拾っているシーンです。

BtoBの新規営業、断られ方の内訳は上がってきますか

BtoBの新規営業では、断られる回数が圧倒的に多くなります。マネージャーの手元に上がってくるのは、動いた件数と、決まったか決まらなかったかです。ところが同じ「断られた」のなかには、まったく違う出来事が入っています。内訳が分からないままだと、次に何を指導するかも決まらないのです。

BtoBの新規営業で、報告は何に丸められるのか

「断られた」は結果の名前です

相手が興味を持たなかったのか、話していた相手が決める立場ではなかったのか、こちらの説明が相手の言葉に届かなかったのか。どれも結果は同じ一言になります。報告の欄が件数と結果でできているので、途中で何が起きたかは書く場所がありません。例えば、週の報告で二十件動いて全部断られたと上がってきたとき、そのうち半分は担当部署が違っていただけだったのに、「もっと数を増やそう」という話になって終わる。こうした場面がこれにあたります。内訳が見えないと、指導は数を増やすか、勉強させるかのどちらかに寄っていきます。

分類は、本人にしか付けられません

断られ方の違いは、その場にいた本人が一番よく知っています。ただ、聞かれない限り言葉にはなりません。報告の欄がなければ、なおさら残りません。マネージャーが見たいのは一件ごとの詳細ではなく、分類の偏りです。偏りが見えれば、手を入れる場所は自然に決まってきます。担当者ごとに偏りが違えば、同じ件数でも別の指導が必要になると言えます。一人は相手の選び方、もう一人は説明の届き方、という具合に分かれてくるからです。

内訳を残すには、何を決めておくか

分類の名前を先に決める

断られ方をいくつかに分け、名前を付けておきます。相手が違った、時期が合わなかった、説明が届かなかった、といった粒度です。名前があると、本人はその場で選べます。最初は三つか四つで足りますし、足りなくなったら足していけばよいものです。

分類は本人が付け、上長は偏りを見る

一件ごとの正しさを詰めると、報告が重くなって続きません。本人が選んだ分類をそのまま集め、どこに寄っているかだけを見ます。選び方が甘い場合も、偏りとして現れるので後から気づけます。

説明が届かなかった分は、練習に回せます

相手や時期が理由の分は、練習では変えられません。説明が届かなかった分だけが、会話の練習で扱える範囲です。この切り分けができると、練習の量を増やす判断にも根拠がつきます。逆に、相手や時期の分が多いときは、練習を増やしても結果は動きません。

3分で、相手を説得できるか試してみよう

業務シーンを1つ選ぶと、AIが顧客役を務めてあなたと1回の会話を行います。終了後、評価フィードバックを確認できます。

循環器内科部長に新しい脂質低下薬を紹介する
あなたはMR(医薬情報担当者)です。王部長への初めての正式訪問で、外来の合間の時間を使って製品を紹介します。
顧客に重大疾病保険を紹介する
あなたは保険代理人です。李様は以前に重大疾病保険についてご相談されましたが決めきれずにいたため、今回は対面でお話しする約束をしました。
顧客に高価格帯の定番ハンドバッグを紹介する
あなたはベテランのレザーグッズ販売員です。陳様が来店され定番のハンドバッグをご覧になっているので、声をかけてご案内します。
不動産デベロッパーの調達責任者にエレベーターを提案する
あなたはエレベーターメーカーの営業です。ある不動産デベロッパーの調達部・趙マネージャーを訪問します。この案件は複数のサプライヤーで比較検討が進んでいます。
訪問目標
新薬の有効性と安全性の優位性を王部長に明確に伝え、有効性・安全性への懸念を解消し、外来の対象患者に試していただけるよう合意を得ます。
対話相手
王部長|某大手総合病院 循環器内科 部長医師
“部長、3分だけお時間をいただけますか。先生の外来で、スタチン不耐容の患者さんや、単剤では脂質管理目標に届かない患者さんについて、現在はどのように処方を調整されていますか?”
ワンクリックで入力
送信
ログイン / 新規登録でご利用いただけます。各シナリオ10回まで練習可能です
3分で、相手を説得できるか試してみよう

業務シーンを1つ選ぶと、AIが顧客役を務めてあなたと1回の会話を行います。終了後、評価フィードバックを確認できます。

循環器内科部長に新しい脂質低下薬を紹介する
あなたはMR(医薬情報担当者)です。王部長への初めての正式訪問で、外来の合間の時間を使って製品を紹介します。
顧客に重大疾病保険を紹介する
あなたは保険代理人です。李様は以前に重大疾病保険についてご相談されましたが決めきれずにいたため、今回は対面でお話しする約束をしました。
顧客に高価格帯の定番ハンドバッグを紹介する
あなたはベテランのレザーグッズ販売員です。陳様が来店され定番のハンドバッグをご覧になっているので、声をかけてご案内します。
不動産デベロッパーの調達責任者にエレベーターを提案する
あなたはエレベーターメーカーの営業です。ある不動産デベロッパーの調達部・趙マネージャーを訪問します。この案件は複数のサプライヤーで比較検討が進んでいます。
訪問目標
新薬の有効性と安全性の優位性を王部長に明確に伝え、有効性・安全性への懸念を解消し、外来の対象患者に試していただけるよう合意を得ます。
対話相手
王部長|某大手総合病院 循環器内科 部長医師
“部長、3分だけお時間をいただけますか。先生の外来で、スタチン不耐容の患者さんや、単剤では脂質管理目標に届かない患者さんについて、現在はどのように処方を調整されていますか?”
ワンクリックで入力
送信
ログイン / 新規登録でご利用いただけます。各シナリオ10回まで練習可能です

届かなかった会話だけを、選んで練習できます

価格の指摘や他社との比較、安全面の懸念といった現実の反論を、AIの相手役の会話に組み込んでおける画面です。

分類に沿った場面の設定

説明が届かなかったという分類に入った場面を、そのまま練習の設定にできます。同じ相手の型で、言い方を変えて何度でも試せます。届かなかった箇所が同じところに集まるなら、そこだけを取り出して繰り返せます。

相手が違った場面も、事前に見分けられます

相手の職種や性格、話し方や背景を設定し、傾向の違う顧客像をいくつも用意できる画面です。

決める立場を確かめる練習

相手が決める立場かどうかを、会話のなかで確かめる言い方を練習できます。前もって確かめられれば、断られ方の分類そのものが減っていきます。短い時間でも一つの場面は通せます。

分類ごとの偏りが、記録から見えます

チーム全体の練習の回数と実施の範囲、一人ひとりの伸びの曲線を示す、管理する立場のための集計画面です。

偏りが分かる集計

どの分類に多く入っているかを、担当者ごとに並べて見られます。偏りが違えば、同じ結果でも手を入れる場所が変わります。AIが引き受けるのは、練習と記録の部分です。分類の意味を読むのは上長の仕事になります。記録が増えるほど、偏りの変化も追えるようになります。

上長が見る材料を変えた例です

循環器やがん、免疫の領域を扱う製薬企業

[導入事例]バイオテクノロジー分野の大手企業で、営業の育成をデジタルの仕組みへ移す取り組みを進めているシーンです。

製薬企業が、循環器と、がんや免疫の領域を担っていました。担当者は各地に分かれて動いており、人を付けて教える形をとると費用が重くなります。研修の担当が全員へ、すぐに客観的で筋道の通った指摘を返す余力もありませんでした(出典:導入企業へのヒアリング)。

そこでUMU AIロープレが対面での研修の一部を担いました。直属の上長は、部下の行動と力の付き方を一覧で把握できるようになり、的を絞った一対一の指導に進めます。

その結果、上長の指導は印象ではなくデータをもとに組み立てられます(出典:導入企業へのヒアリング)。見る材料が変わると、同じ結果に対する打ち手も変わってきます。

断られ方の分類を集めることも、上長が見る材料を増やす手立ての一つとして読めます。件数だけを見ていた状態から一歩動かす、という点で共通しています。

保険を扱う代理店の企業

[導入事例]日本で大規模に展開する保険の代理店チェーンで、担当者が支社の制約から離れ、カフェで対話型の練習をしているシーンです。

保険を扱う代理店の企業が、AIによる練習に効果があるかどうかを、厳密な検証のデータで示そうとしていました(出典:導入企業へのヒアリング)。

そこでAIで練習した群と、AIを使わなかった群を、五つの独立した評価の軸で比べる実験を設計しました。評価する人が対話の記録を見て、軸ごとに点を付ける形です。

その結果、五つの軸のすべてで、AIで練習した群が上回りました(出典:導入企業へのヒアリング)。一つの結果を五つに分けて見たからこそ、どこが違うのかを言葉にできたのです。

同じことは日々の報告にも当てはまります。一言に丸めた結果を分けて見る形をつくると、比べられるものが増えます。

導入について相談する 資料をダウンロード

UMUが選ばれる理由

28,000社突破
国内導入企業
1億人超
世界203カ国でユーザー
100社が導入
Fortune 500企業
約5,000製品中で1位
ITreview Best Software in Japan 2022
UMUとは
2015年に設立されたグローバルAIソリューションカンパニーです。AIを活用したオンライン学習プラットフォーム「UMU」を核に、学術的な根拠に基づいた実践型AIリテラシー学習プログラム「UMU AILIT(ユーム エーアイリット)」、セールスイネーブルメントソリューション「UMU AIロープレ」などの提供により、AI時代の企業や組織における学習文化の醸成とパフォーマンス向上を支援しています。
導入実績
業界トップクラスの生命保険会社・電機メーカー・製薬会社など、日本を代表する大企業が導入
製薬、金融・保険、製造、小売など幅広い業界で活用
従業員1,000名以上の大企業を中心に、営業教育や新入社員研修で導入が拡大
導入事例インタビューを公式サイトで多数公開
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策
SOC 3:トラストサービス規準報告書
ISO/IEC 27018:クラウドサービス上における個人情報セキュリティに関する国際規格
ISO/IEC 27701:プライバシー情報マネジメントシステム (PIMS)
GDPR:EU一般データ保護規則
HIPAA:医療保険の相互運用性と説明責任に関する法律
ISO/IEC 42001:人工知能マネジメントシステム (AIMS)
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
企業データの外部共有・AI再学習への利用なし
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