食品メーカーのルート営業、提案が通らない本当の理由
「作り込んだ企画書を持って訪問したのに、『今回は棚を動かせない』の一言で商談が終わってしまった……」食品メーカーのルート営業では、こうした場面が定期訪問のたびに起こります。定番棚の枠は限られ、バイヤーが提案を聞く時間もわずかです。同じ資料を持っていても担当者によって結果が分かれるのには、明確な「理由」があります。
結果は訪問のどこで決まるのか
一度の定期訪問で起きていること
食品メーカーのルート営業の一日は、担当エリアの店舗を順に回ることから始まります。入店してまず定番棚の確認、フェイス数の変化と欠品の把握。そこから売場の担当者と短く話し、動きの良い商品と店頭の反応を聞き取ります。そのうえで新商品や販促企画を持ち出し、棚割の変更やエンドの確保を打診するのが、一度の訪問の山場になります。ここでバイヤーや店長から返ってくるのは、前年実績、既存商品との入れ替え、値入れ、競合の同時提案といった具体的な条件です。この流れ自体は数カ月で覚えられますが、成果の差が生まれているのは、そのうちの一点に偏っているのです。
差がつくのは断られた後
多くの担当者が力を入れているのは、提案を持ち込むまでの準備です。企画書の作り込み、POSデータの整理、競合品の価格調査。ところが訪問の結果を左右しているのは、提案に条件がつけられた後の短いやり取りです。「枠がない」「前回の売れ行きが読めない」と言われた場面で、代案をその場で出せるか、条件を分解して交渉の余地を残せるかどうか。この部分だけは、資料をどれだけ作り込んでも先回りできません。そして、切り返しを声に出して試す機会は、日々の業務の中でいちばん確保しにくい部分でもあります。
切り返しを鍛えにくい事情
社内のロープレでは、相手役を同僚が務めます。互いに気を使うため、実際のバイヤーのように前年実績を持ち出して条件を詰めてくることはありません。競合の同時提案を並べて値入れ(仕入れ値と売価の差)を崩される場面も、練習の中では起こりにくいのです。
ルート営業は担当エリアを一人で回るため、日中は移動と訪問で埋まります。支店に戻る回数は限られ、先輩に相手役を頼める時間も長くは取れません。同行指導で見てもらえる人数にも上限があり、切り返しを声に出して試す回数は、想像よりずっと少なくなります。
同行の後にもらえる助言は、「もう少し押してみよう」「言い方が硬い」といった言葉で終わりがちです。そのため、どの一言で条件の話が止まったのか、次に同じ返しを受けたらどう答えるのかがはっきりせず、次の訪問でも同じ組み立てを繰り返してしまいます。
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。
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。
厳しいバイヤーとの商談を先に経験できます
立場の異なる複数のAIバイヤー
担当者は本番の前に、条件の詰め方が異なる相手と一巡して対話できます。UMU AIロープレでは、前年実績を根拠に値入れを崩してくる本部バイヤー、売場の作業負担を気にする店舗の責任者、競合の企画書を並べて比較する担当者など、関心の異なるAI顧客を設定できます。どのタイプに何から話すべきかを、訪問前に確かめられるのです。
移動の合間だけでも練習を重ねられます
順番待ちのいらない反復練習
担当者は、次の訪問先へ向かう車内でも、スマートフォンから一人で練習を始められます。UMU AIロープレは相手の予定に左右されないため、支店に戻る日を待つ必要がありません。AIが担うのは反復練習と評価基準の統一という部分であり、目標の設定や動機づけは、これまでどおり上司や先輩の役割になります。
どの一言が原因か、その場で分かります
プロセス別の即時フィードバック
練習が終わった直後に、担当者は改善が必要なポイントを名指しで確認できます。UMU AIロープレは、挨拶から売場の確認、企画の提案、条件への切り返し、次回の約束までを段階に分けて採点し、どの段階で話が止まったのかとその理由を示します。次の訪問で試すことが一つに絞れるため、一回ごとの練習が前に進むのです。
本部の企画を現場で通した実例
多店舗を展開する小売企業
子ども靴ブランドを複数展開する小売企業では、本部が販促方針を決めても、店舗ごとに提案の入り方がそろいませんでした(出典:導入企業へのヒアリング)。
そこでUMU AIロープレを活用し、価格に敏感な顧客をAIが演じる形で、販促トークを店舗をまたいで練習しました。
その結果、導入後初めての大型セールでは売上目標の達成率が128%に達しました(出典:導入企業へのヒアリング)。トークがそろったことで、本部の企画がそのまま売上に結びついたのです。
多地域に展開するアパレル企業
レディースアパレル分野で500店舗超を展開する企業では、値引きに頼る接客が定着し、価格以外の提案への切り替えが進みませんでした(出典:導入企業へのヒアリング)。
そこでUMU AIロープレを活用し、業界知見を持つファッションバイヤーや細部に敏感な顧客など、複数のAI顧客タイプとの対話を全店共通のシナリオで練習しました。
その結果、導入した年の大型セールでは自社チャネル経由の売上が前年比90%以上増加しました(出典:導入企業へのヒアリング)。地域をまたいで同じ基準で練習したことが、値引きに頼らない提案の定着を後押ししました。