製品
勝ちパターンのトークを現場に定着させ、ブランドメッセージの一貫性を保つAI練習のシーンです。

営業トークの作り方は、現場の会話から始まっていますか

営業トークの作り方を見直したいと考えながら、実際には過去の資料を手直しするだけで終わっているチームは少なくありません。型を配布しても、数カ月後には担当者それぞれの言い回しに戻ってしまいます。原因は資料の完成度ではなく、トークを組み立てる工程そのものにあるのです。

作ったトークは、なぜ現場で使われないのか

顧客の言葉が入っていません

営業トークの整備は、多くの場合、過去の提案資料や商品説明の要点をまとめ直すところから始まります。担当者が集まって表現を磨き、承認を経て、共有フォルダに置かれます。この工程で扱われているのは、自社が伝えたい内容ばかりです。顧客が実際に返してきた言葉は、ほとんど残っていません。商談で「今は検討の段階ではありません」と言われたとき、担当者がどう受け止め、どこから話を戻したのでしょうか。そうした一次情報は同行したマネージャーの記憶にとどまり、文章として残らないまま次の商談へ流れていきます。その結果、配布されたトークと、顧客が実際に口にする表現との間にずれが残ります。担当者は数回試したあと、自分が慣れた言い回しへ戻ります。人材育成担当者の側から見ると、内容は整っているのに使われない状態が続き、次の改訂でさらに表現を磨こうとする流れになりがちです。

作った資料の多くが使われません

マーケティング部門が営業向けに作成したコンテンツのうち、60~70%は現場で使われないままだという調査結果があります(出典:Forrester)。これは、内容の質だけでは説明のつかない数字と言えます。作る工程に現場の会話が入っていないと、完成度を高めるほど、現場との距離が広がっていきます。

営業トークの作り方を3つの工程に分ける

素材は現場の会話から

まず決めるのは、どの会話を素材にするかです。成約した商談と途中で止まった商談の両方から、顧客が実際に発した言葉を書き起こします。断りの一言と、その直前にこちらが話していた内容の組み合わせが手がかりです。自社の説明を整理するのではなく、顧客の反応を先に並べ、それへの応答としてトークを組み立てます。

粒度は商談の工程で決める

次に、どこまでを共通の型にするかを決めます。全体を一律に固めると、担当者は読み上げに近い話し方になります。工程ごとに、外せない要点と担当者に委ねる部分を分けておくと、現場で使える幅が残ります。

更新を止めない仕組み

最後は更新です。商品も競合も動くため、一度作った型は数カ月で合わなくなります。誰が、どの情報をもとに、どの頻度で直すのでしょうか。人の手だけで回し続けられるかどうかが、作り方の分かれ目になります。

成果の出た言い回しを練習の基準にできます

トップ営業の実証済みトークをAIの評価基準に組み込み、チーム全体の水準を引き上げる画面です。

トップ営業の型を評価基準に反映

UMU AIロープレを活用することで、成果につながったトークや承認済みのキーメッセージを、AIの評価基準に組み込めます。全員が同じ基準で練習でき、一部の担当者の中にとどまっていた言い回しを、チーム共通の材料として扱えるようになります。

型の粒度は商談の工程ごとに決められます

アプローチからクロージングまでの5段階の商談フレームワークをAI対話の土台に組み込み、営業手法を現場の習慣に変える画面です。

5段階の商談フレームワーク

UMU AIロープレでは、アプローチ、ヒアリング、価値提案、反論対応、クロージングという5つの工程に沿って練習が進みます。工程ごとに評価の重みを設定できるため、どこを共通の型として固め、どこを担当者に任せるかを、設計の段階で切り分けられます。

更新はその日のうちに反映できます

IT部門に頼らず、事業部門が自ら練習シナリオを設定できる、ブロックを組み合わせるように直感的なノーコード管理画面です。

ノーコードでのシナリオ更新

UMU AIロープレを活用することで、シナリオの修正を人材育成担当者自身が管理画面から行えます。技術部門への依頼を挟まず、競合の動きや新商品の情報を数分で練習内容へ反映できます。AIが担うのは反復練習と評価基準の統一までであり、何を型に残すかの判断は人の役割として残ります。

トークの作り方を変えた企業の事例です

大手外資系生命保険会社

グローバル金融保険グループの資産運用担当者が、資産設計の提案力を高めるために没入型のデスクトップ練習に取り組む事例のシーンです。

日本の大手外資系生命保険会社では、新人育成が支社主導で、指導の基準がばらついていました(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、成約に至った受講者の練習記録を学習コンテンツに組み込みました。

3カ月後には顧客への提案数が30%増加しました(出典:導入企業へのヒアリング)。現場の会話が教材へ戻る流れが定着しました。

自己免疫疾患領域の製薬企業

自己免疫疾患領域を専門とする大手バイオ医薬品企業が、AI練習を活用してMRの学術的な対話力と製品説明の習熟度を高めた事例のシーンです。

自己免疫疾患領域の革新的医薬品企業では、新薬の上市が続き、訪問時のトークを短期間で広げる必要がありました(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、新薬ごとの反論を練習シナリオに落とし込み、集合研修を待たずに展開しました。

シナリオを素早く差し替えられたことで専門トレーニング期間は90日から28日に短縮され、導入初月の売上目標達成率は115%に達しました(出典:導入企業へのヒアリング)。

資料をダウンロード デモを予約する

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