Clayを、日本語で理解する

Clayを「海外で人気の営業リスト作成ツール」と理解すると、いちばん重要な変化を見落とします。

Clayが変えようとしているのは、名簿を作る速さだけではありません。どの企業に、なぜ今、何を伝えるのかという仮説を、外部データと社内データから組み立て、行動へ移し、その結果で次の仮説を更新する。GTM（Go-To-Market）そのものを、反復可能なシステムへ変えようとしています。

ただし、その仕組みを日本企業へ移すとき、英語を日本語へ置き換えるだけでは動きません。

翻訳すべきなのは画面ではなく、前提です。

Clayは何を一つにつないだのか

Clayの公式サイトを見ると、機能は広範囲に見えます。200以上のデータプロバイダー、複数ソースを順に照合するWaterfall、企業や人物を調べるClaygent、Signals and Intent、CRM enrichment、広告オーディエンス、メッセージ配信。

しかし、機能名を並べてもClayの強さは説明できません。

一つの企業を例にすると、動きは次のようになります。

Clayによる顧客事例では、Anthropicはデータエンリッチメントのカバレッジを3倍にしたと報告されています。Pendoの事例では、新製品の第1四半期販売目標を200%以上達成し、売上の55%以上がClayで構築したリストから生まれ、インバウンドパイプラインは2倍になったとされています。

Lovableの事例では営業担当者一人あたりの有資格商談が50%増加。FigmaはSalesforceを記録、Snowflakeをプロダクトデータ、Clayを実行のオーケストレーション層として使っています。

ここにClayの本質があります。

データを集める製品でも、文章を生成するAIでも、メールを送る自動化でもない。それらの間にあった手作業をつなぎ、GTMの仮説を実行可能な単位へ変える仕組みです。

日本で最初に衝突するのは「データ量」ではない

海外のGTM事例を日本へ持ち込むと、「日本には使える外部データが少ない」という話になりがちです。確かに、取得できる法人・担当者データやメール到達性には差があります。

けれど、最初の壁はデータ量だけではありません。

日本企業では、同じ会社がCRMに複数登録され、部署名や支店名で分かれ、担当者の異動が追いつかないことがあります。マーケティングが見つけた反応と、営業が会話で得た事実が別々の場所に残る。既存顧客への提案なのに、過去の問い合わせ、商談、利用状況を確認せず、新規リードと同じ文面を送ってしまう。

外部データを増やす前に、「この会社と、この人と、これまでの接点は同じ顧客の時間である」とつなげられなければなりません。

これはデータクレンジングに見えて、実際には経営の問題です。誰と、どんな時間を過ごし、何が進み、何が止まったのか。法人、担当者、商談、会話、契約、利用が同じ顧客IDで結ばれて初めて、その関係性を次の判断の根拠にできます。

Magic Momentが「顧客との関係性を、経営判断の根拠にする」と言うとき、その入口にあるのがこの接続です。名寄せを誤れば、AIは別の顧客の過去を使って、もっともらしい次の行動を作ってしまいます。

権限も重要です。

取得できるデータだからといって、誰もが自由に使ってよいとは限りません。どの目的で取得し、どの顧客接点に使い、誰が承認し、どのシステムへ記録するのか。AIが調査と実行を担うほど、この境界は業務フローの中に実装する必要があります。

「GTM Engineerがいない」は、導入しない理由ではない

Clayのような仕組みは、データ、CRM、営業活動、マーケティング施策をまたぎます。そのため海外では、GTM EngineerやRevenue Operationsが設計と改善を担う例が増えています。

日本企業で同じ職種名が見つからなくても、仕事そのものは消えません。

誰が対象条件を決めるのか。誰がデータ品質を直すのか。誰がAIの調査結果を評価するのか。誰が営業現場の修正を次のルールへ戻すのか。

これを情報システム部門だけに置けば、顧客接点から離れます。営業企画だけに置けば、権限やデータ構造で止まります。個々の営業担当者に任せれば、再利用できる仕組みになりません。

必要なのは、顧客接点の成果に責任を持ちながら、データとAIと業務を横断して改善する運営単位です。

日本版Clayは「名簿」から始めない

日本企業が同じ価値を得るための順序は、次のようになります。

ここでいう顧客の変化は、一回の返信や商談化だけではありません。会話の温度が変わった。止まっていた合意が進んだ。現場の不満が、決裁者の課題として共有された。そうしたMoment（関係性が動いた瞬間）を判断と行動へつなぎ、結果から学ぶ。この連鎖が積み上がったとき、GTMは作業の自動化からMomentum（前へ進み続ける力）の生成へ変わります。

最初に巨大なデータ基盤を完成させる必要はありません。

一つの顧客セグメント、一つの変化信号、一つの行動、一つの成果指標から始める。その経路で、人が何を修正したかまで残す。小さく閉じた仮説検証を回せれば、次に増やすデータと自動化の優先順位が見えるようになります。

Clayが日本企業へ投げかけている問い

Clayは、営業データを増やすための答えではありません。

むしろ、こう問いかけています。

自社のGTMは、誰かがExcelと検索とコピー＆ペーストで支えている作業なのか。それとも、顧客の変化を捉え、仮説を更新し、行動と成果をつなぐ仕組みなのか。

Magic Momentが見ているのは、接点の数ではなく、顧客との関係性がどちらへ動いたかです。AIが賢くなっても、誰に何が起き、なぜ次の行動を選び、その結果がどう変わったかがつながらなければ、GTMは学習しません。そこまでつながって初めて、顧客との時間が会社の判断資本になります。

Clayから学ぶべきなのは、豊富なデータプロバイダーの数だけではありません。

GTMを、個人の調査力と作業量から解放し、顧客との時間に沈殿した判断を会社の資産へ変える。その考え方を、日本の顧客接点と組織の現実に合わせて実装することです。

出典

• Clay — Product and use cases
• Clay customer story — Anthropic
• Clay customer story — Pendo
• Clay customer story — Lovable
• Clay customer story — Figma