Share
Embed
「経験と勘」の営業をAIの参謀に変える営業OS
山﨑祐月
October 11, 2026
Transcript
16 slides
-
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 -
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 -
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 -
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 -
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 -
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 -
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 -
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 -
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 -
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 -
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