製品
営業マネージャーと担当者が訪問後に1on1で振り返り、見落としと商談の情報をその場で確認しているシーンです。

営業人材育成の現場で助言が食い違うとき、何を基準に選ぶか

「先週は『まず相手の状況を聞け』と言われ、今週は『先に結論から出せ』と言われた……」営業人材育成の多くは同行の場で進み、同行する先輩はその日の予定によって変わります。どちらの助言も、その人が自分の商談で通してきたやり方です。決めかねたまま次の商談を迎えないために、先に自分の型を一つ持っておくという考え方があります。

なぜ先輩ごとに指摘が変わるのか

同行相手ごとに変わる助言の前提

現場の営業人材育成の多くは、同行と、その後の短い振り返りで進むものです。同行する先輩は、その日の予定によって変わります。ある人は「まず相手の状況を聞け」と言い、別の人は「先に結論から出せ」と言います。どちらもその人が自分の商談で通してきたやり方であり、それぞれの文脈では正しい助言です。ところが受け取る側から見ると、前回の指摘と今回の指摘が重なりません。どちらを採ればよいか決められないまま、次の商談を迎えることになります。ここで起きやすいのが、いただいた指摘を全部取り入れようとして、進め方がその場しのぎになることです。あるいは、どれも採らずに自己流のまま固まることもあります。自己流そのものが悪いわけではありません。ただ、なぜその順番で進めているのかを自分で説明できないと、うまくいかなかった商談の原因を後から確かめられなくなるのです。

本番で試せる回数の少なさ

顧客側の事情も関わります。B2Bの購買担当者の67%が、営業担当者を介さない購買体験を望んでいます(出典:Gartner)。顧客は商談の前に情報を集め終えており、担当者が価値を伝えられる時間は以前より短くなりました。本番の場だけで助言を試そうとしても、確かめられる回数は限られています。

助言を自分の力に変える受け取り方

まず自分の型を決める

型といっても、複雑なものは要りません。導入で何を確かめ、どの順番で聞き、どこで提案に移るのかという流れを、一度言葉にしておくだけで十分です。書き出すと、同じつもりで進めていた商談にも、その日の状況で変わっている箇所が見つかるのです。

指摘を型との差分で聞く

型が決まっていると、いただいた指摘の当て先が分かります。「いまの型ではここでこう聞いている、指摘はこの部分を変えろということか」と置き換えて確かめます。食い違って見えた助言も、どの場面への指摘かが分かれば、どちらも使えます。

型を固める回数をつくる

決めた型は、一度書き出しただけでは身につきません。同じ場面を繰り返し、詰まった箇所を直しながら通し直す往復が要ります。ただ、本番の商談は数が限られ、やり直しもききません。そのため、練習の回数をどこで確保するかが次の問いになります。

自分の型を、毎回同じ手順で通せます

AIによる構造化された5ステップの訪問フレームワークが、営業の方法論を現場で身についた習慣に変える画面です。

訪問プロセスに沿った対話設計

UMU AIロープレでは、導入、ヒアリング、異議対応、クロージングといった訪問プロセスを、AIとの対話の土台に組み込めます。自社で決めた進め方がそのまま練習の枠組みになるため、毎回同じ手順で通せます。型が、頭の中の心づもりから、繰り返し確かめられる形に変わります。

どこを直せばよいか、その場で分かります

数秒で生成される構造化された即時レポートが、改善が必要なポイントを正確に示し、一回ごとの練習を成長につなげる画面です。

即時の構造化フィードバック

練習が終わると、UMU AIロープレがプロセスごとのスコアと改善が必要なポイントを示します。「全体的によかった」で終わらず、どの発言が評価を下げたのかをその場で確認できます。先輩からいただいた指摘と照らせば、同じ箇所を指しているのかどうかも見えてきます。

相手の予定を待たずに何度でも練習できます

同時利用に制限のないトレーニング基盤でチーム全員が同時に練習でき、指導する側は価値の高い戦略的な対話に集中できる画面です。

同時利用に制限のない練習環境

UMU AIロープレではAIが相手役を務めるため、順番待ちも日程調整も要りません。指導する側も、判断の難しい場面の相談に時間を使えます。AIが担うのは反復練習と評価基準の統一までであり、目標設定や動機づけは、引き続き人の役割と言えます。

担当を持ちながら育てる現場での実践

製薬企業・若手MR育成

製薬企業のMRが、自宅からすきま時間を活かして高頻度にAIロープレへ取り組んでいるシーンです。

日本市場で事業を展開する製薬企業では、若手MRの育成が同行訪問に依存していました。中堅・ベテランMRは、自身の担当を持ちながら指導にあたっていました(出典:導入企業へのヒアリング)。

そこでAIとの対話型トレーニングを取り入れ、若手MRが実際の訪問シーンを繰り返し練習できる仕組みを整えました(出典:導入企業へのヒアリング)。

その結果、受講後7〜9カ月で、医師との対話型面談の回数が受講前比で約2倍に増加しました(出典:導入企業へのヒアリング)。

製薬企業・新任リーダー研修

製薬企業の新任チームリーダーが、マネジメントの対話と現場のコーチングのスキルをAIで練習しているシーンです。

日本国内の大手製薬企業では、新任チームリーダー約100名が、担当を持ちながらメンバーの育成も担っていました(出典:導入企業へのヒアリング)。

「行動コーチング」「スキルコーチング」「動機づけコーチング」の3種類のシナリオを用意し、全3セッションを通じて型を繰り返し練習しました(出典:導入企業へのヒアリング)。

その結果、第3セッションの時点でコーチングを実践した割合は98.1%に達し、実践した人のうち93.1%がメンバーの変化を挙げています(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