「経験と勘」の営業をAIの参謀に変える営業OS

Transcript

1. SALES OS 「経験と勘」の営業を AIの参謀に変える営業OS 地域の法人営業を、5つのAIスキルで「一本道」にした設計の話 山﨑 （ゆっちゃん） 01
2. WHAT WE RUN 営業メンバーは、SFのURLを渡すだけ 社内外のデータ 営業メンバー Claude Slack・チャットで依頼 営業の参謀役のAI Salesforce Tableau Web検索 調べる・考える・資料にする、までをAIが一気に返す。 人間は「誰に会うか」と「最後の判断」に集中します。 02
3. REAL OUTPUT 実物 —「この会社の攻略戦略ちょうだい」 SFのURLを貼るだけで、AIが社内データと 営業メンバー 10:12 （SFの企業URL）明日ここに架電したい。攻略戦略ちょうだい Webを調べて、戦略・台本・文面まで返します。 AI 10:19 • 4つの問いに必ず仮説を立てる 攻略戦略を作成しました。 • テレアポより先に紹介ルートを探す ・紹介ルート: グループ会社に他エリアの取引実績あり → まず紹介を打診 • 事例は自社の実データだけ ・刺さる切り口: 同業A社の採用2名事例 • 次の一手まで提案して返す ・課題仮説: ◯◯職の募集が半年以上続いている 架電スクリプトとメール文面はNotionに保存済みです。不在だった場合のメ ールも作りますか？ ※実際のやり取りを架空データで再構成したイメージ 03
4. THE PROBLEM 営業の判断が「経験と勘」に閉じていた エリアごとの最重要ターゲットは約100社。数で当てる営業ができない市場です。 誰に・いつ会うか どう話すか どの企業から攻めるか、失注した企業にいつ戻るか。 経験の浅いメンバーは準備の型がなく、有限のターゲットに トップ営業の頭の中にしかなく、組織で再現できない。 闇雲に当たって関係を消耗してしまう。 AIに任せる前に、まず「うちの営業の正解」を言葉にする必要がありました。 04
5. STEP 0 最初に書いたのはコードではなく「営業思想」 社長の営業観をヒアリングし、1枚の設計原則ファイルにまとめました。 PRINCIPLE 1 PRINCIPLE 2 PRINCIPLE 3 ティア制 アプローチの順番 4つの問い 企業を S〜E の6段階に分け、上位ほど 紹介 → 情報提供メール → テレアポ。 課題は何か・どう解決するか・どの切り口 調査と準備を深くする。AIの調査量もテ 紹介ルートを探さずに電話することをAIに が刺さるか・どこから入るか。仮説を立てて ィアに連動。 許さない。 から動く。 全スキルがこのファイルを判断基準として参照します。 書いてみると、新人への説明資料としてもそのまま使えました。 05
6. EVIDENCE 自社の商談データを掘ると、勘と違う景色が見えた 5.7倍 91% 18.2% 先方の責任者が3名以上同席した商談の 失注した商談のうち、相手がまだ 失注した商談のうち、その後 受注率（1名のみの商談との比較） 「欲しい」と言っていない段階だった割合 同じ企業から受注できた割合 分析結果は、そのままスキルのルールになります。 例: 社長や役員が同席する小さな会社の商談は、温度感を1段上げる。 ※自社Salesforceの商談データを集計。指標ごとに対象エリア・期間が異なります 06
7. ARCHITECTURE 営業の時系列に沿った「一本道」の5スキル ① ターゲット提案 ② 攻略戦略 ③ 商談準備 ④ 商談後支援 誰に会うか スコアでティア付け どう入るか 紹介ルートを探索 どう話すか 温度感で資料を変える 次に何をするか 稟議支援・ピボット 再アプローチ 保留・失注 ⑤ フォローアラート（常時監視） いつ動くべきかを見張る 前のスキルの出力を次のスキルが引き継ぐので、迷わず・調べ直さない。 ⑤だけは横串で「いつ動くべきか」を見張ります。 07
8. SKILL ③ 商談準備は「温度感」で4タイプに分ける COLD HOT ニーズがまだ見えていない ニーズが見えている • A: 対面で時間をくれる → 関係づくりから • C: 対面で時間をくれる → 差別化を示し、押しすぎない • B: 対面なしで進む → 短く情報提供して次へ • D: 対面なしでも進む → 料金・導入フローまで全部出す 流れ: ヒアリング → 気づき → 次回の約束 流れ: ヒアリング → 紹介 → 料金 → クロージング 資料: 市場・外部データ中心 資料: 導入イメージ・事例中心 タイプはSFの記録（アポの経路・同席者・訪問の有無など）を点数化して判定。 社長や役員が同席する小さな会社なら1段上げる。 08
9. SKILL ⑤ 「いつ戻るか」をAIが拾う — フォローアラート 失注・保留 理由をSFに記録 適期まで寝かせる 状態の変化を検知 担当者に通知 失注理由ごとに 戻りやすい時期が違う 期日到来・適期・ 同業の成果など チャットで知らせる → ②攻略戦略へ 通知には「前回なぜ落ちたか」「この理由の再受注率」「スコアの内訳」を必ず添える。 担当者が納得して動ける理由がないアラートは、すぐ無視されるからです。 失注は終わりではなく、次の接点を探すトリガー。 09
10. ……と、ここまで話すと、必ずこう言われます。 「AIの作った資料、信用できるの？」 数字の盛り、他社の話の混入、手順の飛ばし…… たしかに、素のAIは平気でやります。 10
11. THE ANSWER 品質の検査は、AIがAIに対してやる AIがやること 人間（管理者） • 出力前セルフチェック — 全スキル共通のチェックリストを通す • 実商談で使った結果をレビュー • 混入防止 — この企業について今回取った以外の事実は書かない • • QAエージェント — 別のAIが出力を検査し、NGなら作り直し 指摘はAIの記憶に1件ずつ保存し、 次回から自動で守らせる 品質の作業はAIの仕事。品質の判断だけが人間の仕事。 11
12. LESSON LEARNED 実例 —「チェックをサボるAI」をどう捕まえたか チャット経由で、人が見ていないところで動かすと、AIがセルフチェック工程を黙って省略することがありました。 資料の品質が、人が横で見ながら動かしたときより明らかに落ちる。 BEFORE AFTER（現行） スキルの最後で検査を依頼させる 会話の終わりで強制的に起動する この方法は失敗。 AIの応答が終わるたびに仕組み側が検査役のAIを別プロセスで起 サボるAIは「検査を依頼する」工程ごと飛ばす。 動。本体AIの意思に関係なく必ず検査が走る。 お願いベースの仕組みは、お願いを守らない相手には効かない。 「AIにやらせる」のではなく、「AIがやらざるを得ない場所」に置く。 12
13. HOW IT GROWS 思いつきは採用せず、「検証キュー」で寝かせる 現場の仮説 キューに登録 定期チェック 自動で検証 スキルに反映 「たぶんこう」 を拾う 検証に必要な サンプル数を決める データの 溜まり具合を見る 閾値に届いたら 集計・判定 結果をDMで報告 人間が採否判断 サンプルが少ないうちに出た「効いた気がする」で、ルールを変えない。 数字が揃うまで待つことも、仕組みにしておかないと人間は待てません。 13
14. WHAT WE LEARNED アラートがないと、失注先は放置される 過去に失注した企業（契約中を除く）・約5ヶ月 連絡した割合 アラートなし 8,767社 アラートあり 128社 35% 商談になった割合 6.7% 64% 12.5% アラートを受けても動かなかったエリアでは、商談は0件でした。 AIが拾い、人が動いて、はじめて商談になる。 ※約5ヶ月の初期結果。自社Salesforceの活動・商談データと突合。アラートは見込みの高い企業を選んで出しているため、差のすべてが通知の効果ではありません。 連絡はアラートありがメール等を含む全活動、アラートなしはテレアポのみで集計。 14
15. SUMMARY まとめ 1. AIより先に、「うちの営業の正解」＝営業思想を言葉にする 2. 受注・失注データを掘り、勘ではなく数字でスキルのルールを決める 3. 営業の時系列に沿った一本道にし、出力を次のスキルへ引き継ぐ 4. 品質の検査はAIがAIにやる。サボれない場所に検査を置く 5. 仮説は検証キューで寝かせ、数字が揃ってから採用する 15
16. AIは営業の代わりではなく、 参謀になれる。 最後まで読んでいただきありがとうございました 山﨑（ゆっちゃん） 16