製品
伸び悩む業績レポートを前に、経営層とマネージャーが数字の裏にある現場のスキル課題を話し合っているシーンです。

営業マネジメントツールを導入しても商談の成果が伸び悩む理由

週次の案件レビューでは、進捗も受注確度も一覧で確認できます。それでも、伸び悩むメンバーに何を助言すればよいかは、数字だけからは見えてきません。営業マネジメントツールに残るのは商談の結果であり、その手前でどんな会話が交わされたかまでは記録されないのです。

なぜ数字は見えても商談は変わらないのか

記録に残るのは結果だけです

案件の進捗、訪問の件数、受注の確度。営業マネジメントツールに蓄積されるのは、商談が終わったあとの結果です。どの質問で顧客が本音を話し始めたのか、価格の話が出た瞬間にどう切り返したのか、そうした会話の中身までは残りません。そのため、確度の下がった案件を前にしても、何が起きたのかを推測するところから始めることになります。担当者に事情を聞いても、返ってくるのは「先方の予算が合わなかった」という一言で終わりがちです。週次のレビューで「もう少しヒアリングを深めよう」と伝えても、担当者にはどの場面のどの質問を変えればよいのかが分かりません。助言は担当者それぞれの解釈に委ねられ、翌週の商談でも同じ場面でつまずきます。数字が細かく見えるほど、次の打ち手を決められないもどかしさは大きくなるのです。

練習の量と質は記録されません

研修で学んだ内容は、1週間で7割が忘れられるとされています(出典:Gartner)。定着を左右するのは、そのあとの反復練習です。ところが、誰がどの場面を何回練習したのかは、管理画面のどこにも残りません。回数が足りないのか、練習の質に課題があるのか。判断する材料が手元にないと言えます。

結果の手前を管理できていますか

管理の対象を見直す

営業マネジメントツールで追えるのは、行動の件数と結果の数字です。そこに、商談の中でどんな受け答えをしたのかという一段深い情報を加えられると、指導の手がかりが増えます。訪問の件数ではなく、訪問の中で何が起きたかを管理の対象に含める。この一歩が、数字と現場のあいだにある隔たりを埋めます。

良い商談の基準を決める

成果を出している担当者が、どの場面で何を聞き、どう切り返しているか。その型を言葉にしておくと、チーム全員が同じものさしで自分の商談を振り返れます。基準がないまま回数だけ重ねても、差は開いていきます。

振り返りの頻度を上げる

四半期に一度の研修では、商談で迷った翌日に確かめる場がありません。短いトレーニングを日常に組み込めるかどうかが分かれ目になります。その頻度を人手だけで支えられるのか、ここでツールの選び方が問われます。

商談の中身まで、記録として残せます

導入、ヒアリング、価値提案、反論対応、クロージングという5つの商談プロセスを土台に、AIとの対話練習が進む画面です。

商談プロセス別のスコア記録

UMU AIロープレでは、導入からヒアリング、価値提案、反論対応、クロージングまでの流れに沿って練習が進みます。AIが顧客役を担うため、本番に近い緊張感の中で受け答えを試せます。直後に、どのプロセスに課題が残ったかがスコアとして残ります。

同じ基準で、チーム全員を評価できます

トップ営業の実証済みの話法や標準的な反論対応をAIの評価基準に組み込み、チーム全体の底上げにつなげる画面です。

成果につながる話法の基準

成果を出している担当者のキーメッセージや反論対応の型を、AIの評価基準としてあらかじめ組み込めます。拠点や担当者が分かれていても、練習と評価は同じものさしで進みます。マネージャーは、個人の感覚に頼らずチーム全体の到達度を比べられます。

1on1の前に、課題を数字で確認できます

チーム全体の練習データをプロセス別や反論の種類別に集計し、組織としての課題を一目で把握できるダッシュボードの画面です。

課題を段階別に示すダッシュボード

練習のたびに、初回スコアや最高スコアと、伸びが自動でたまります。面談の前に、誰がどのプロセスでつまずいているかを確かめられます。AIが担うのは反復練習と評価基準の統一で、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。

数字の先を管理し始めた企業の事例

体外診断分野の大手企業

体外診断分野のグローバル大手企業で、医療機器チームがAIコーチングを活用し、製品説明と臨床コミュニケーションの力を高めている事例のシーンです。

体外診断分野のグローバル大手企業では、5名で1,500名の能力認定を担い、認定は四半期に1回に限られていました(出典:導入企業へのヒアリング)。

そこでAIロールプレイを取り入れ、準備ができた人から認定を受けられる体制を整えました。

その結果、認定通過者の実訪問における成約率が22.4%向上しました(出典:導入企業へのヒアリング)。基準がそろい、指導の質も上がったのです。

日本大手の製薬企業

日本大手の製薬企業で、チームのマネージャーがAIとの模擬対話を通じて1on1のコーチング力を高めている事例のシーンです。

日本大手の製薬企業では、新任チームリーダー約100名が、学んだコーチングを1on1で使えるまでに時間がかかっていました(出典:導入企業へのヒアリング)。

そこでAIとの対話練習を取り入れ、「行動コーチング」「スキルコーチング」「動機づけコーチング」を段階的に練習しました。

その結果、第3セッションの時点で98.1%がコーチングを実践し、そのうち93.1%がメンバーの変化を実感しました(出典:導入企業へのヒアリング)。

資料をダウンロード 導入について相談する

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