AI・機械学習の活用で営業活動はどう変わる？ 活用方法や事例を紹介

近年、AI (人工知能)による職業の代替はビジネスのあらゆる分野で論点になっており、営業の分野でも営業効率化・顧客への付加価値向上を目的とした AI の活用が注目されています。さらに、AI の技術要素の中には、すでに営業分野で実用化されているものもあり、導入を検討する企業も増加しています。

そこで本記事では、AI と AI 技術要素の1つである機械学習に焦点を当て、AI と機械学習とは何か、営業活動にどのように活用できるのかについて詳しく解説しています。AI・機械学習の具体的なサービス事例についてもいくつか紹介しておりますので、ぜひご覧ください。

また、当社では AI 営業プラットフォーム「Magic Moment Playbook」を提供しています。効果的な営業オペレーションの構築と、営業活動の大幅な増加により、大手企業からスタートアップまで幅広い顧客において、商談数が1.5倍、受注率が1.2倍向上するなどの成果を上げています。

営業における AI・機械学習の活用とは

近年、AI (人工知能)と機械学習は、営業戦略とプロセスを根本から変革することができる新たな技術として注目を集めています。

これらの最新技術は、営業チームが業務効率を高め、顧客との関係を深化させるのを助けるだけではなく、未来のトレンドを予測し、それに基づいた戦略的な意思決定を行うことも可能にします。

AI (人工知能)とは

AI (人工知能)とは、コンピュータを使って、学習・推論・意思決定などの人間の知能を模倣する技術です。AI は Artificial Intelligence の略称であり、日本語に訳すと「人工知能」となります。一般的に AIシステムは、ラベル付けされた大量の学習データを取り込み、相関関係とパターンを分析し、これらを活用して将来の状態を予測することによって機能します。

AI の主要機能として、以下の4つが挙げられます。(図1)

これらの機能は、AI の技術要素よって実現されるものであり、AI の技術要素は大きく「機械学習」、「自然言語処理」、「画像認識」、「音声認識」、「推論・探索」、「データマイニング」の6分野に分けられます。

6分野の AI 技術要素については、弊社の公式 note で公開された連載「Future of Sales」の第一章で詳しく解説しています。「Future of Sales」では、営業における AI の最新トレンドに関するリサーチから中長期のインパクトを探り、企業が備えるべき営業の未来を考察しています。ぜひご覧ください。

併せて読みたい：Future of Sales「第一章：AI 技術要素と営業における実用化例」

また、AI の種類は、大きく「特化型人工知能(ANI)」と「汎用型人工知能(AGI)」の2つに分けられます。(図2)

特化型人工知能(ANI)

Artificial Narrow Intelligence (ANI) は、名前の通りある特定の分野・作業に特化した AI のことです。ANI は、天気の確認、Web検索の実行、ローデータの分析など、単純な反復タスクを人間よりもはるかに速く完了でき、私たちの身近なものでは、iPhone に搭載されている Siri や Google 翻訳などに活用されています。

しかし、ANI はプログラミングに基づいて特定の作業を実行するように設計されており、プログラムされた能力を超えた学習をすることはできません。範囲外の分野や想定外の状況にも対応できないため、弱い AI とされています。

汎用型人工知能(AGI)

Artificial General Intelligence (AGI) は、人間同様に状況に応じた対応ができる AI です。人間の認知と同様に、新しい状況を学習して適応するように設計されており、1つの特定の分野・作業に限定されません。近年注目を集めている周囲を認識し、意思決定と交通誘導を行う自動運転車など、様々な作業に渡って人間レベルの知能を模倣する可能性を秘めています。

AGI は、想定外の状況にも対応できるという点で、ANI よりも優れていることから、強い AI として知られていますが、現状まだ初期段階にあり、実現には至っていません。

近年では、上述した AI の機能や技術要素を営業分野で活用することも期待されており、世界的調査機関 Gartner は、2028年までに営業担当者の業務の60%は AI によって実行されると予想しています。¹⁾ しかし、AI がすぐに営業担当者に完全に置き換わるわけではありません。営業においては、コミュニケーションが非常に重要であり、最新技術を活用したとしても、現時点で AI が人間のコミュニケーションを完璧に再現することはできません。AI はデータに基づいたインサイトの提供や、営業の効率、正確性、生産性を向上させるための販売プロセスの最適化などで、営業担当者の役割の一部を支援しています。

機械学習とは

機械学習とは、6分野ある AI 技術要素の1つで、機械（コンピュータ）が大量のデータを分析し、データ内のパターンや規則性を見つけ出します。機械学習を営業分野で活用することで、顧客をより深く理解し、行動を予測し、より適切な意思決定を行うというように販売プロセスを改善できます。

機械学習は、回帰・分類・時限削減・クラスタリング・レコメンデーション・異常検知の6種類に分けられます。

6種類それぞれの詳しい解説と活用例についても、弊社の公式 note で公開された連載「Future of Sales」の第一章で詳しく解説しています。ぜひ、併せてご覧ください。

併せて読みたい：Future of Sales「第一章：AI 技術要素と営業における実用化例」

AI・機械学習が営業活動においてできること

これまで説明してきた AI や機械学習といった最新技術を活用することで、営業活動においてどのようなことが可能になるのかを詳しく解説します。

予測分析

AI・機械学習によってできることの1つとして、予測分析が挙げられます。予測分析では、営業の販売予測やリードジェネレーションを、従来よりも効率的に、高い精度で行うことができます。

販売予測

従来の販売予測の方法は、先述した線形回帰として知られる2つの変数の比較に基づいたものであり、これにより営業担当者の売上と経験年数の相関を見つけることができます。

販売予測に機械学習を活用することで、時系列分析、回帰分析、決定木分析などに基づいて正確な売上予測を生成できます。さらに、機械学習では膨大なデータセットを分析できるため、高度な分析と予測を行うことも可能です。

今後、営業組織においても機械学習などの技術を活用して将来の販売予測を行うようになると予想されています。そこで、営業組織が知っておくべき4つの販売予測テクニックをご紹介します。

アルマナック方式

1つ目は、過去のデータを使用して将来のパフォーマンスを予測するアルマナック方式です。データが多ければ多いほど正確な予測を得られる可能性も高くなるため、大量の過去データにアクセスできる企業にとって有効です。しかし、事実とデータに基づいているものの、市場や経済の変化は考慮されていません。

ファネル予測

2つ目は、ファネル予測です。これは、勝率や平均的な販売サイクル、販売パイプラインの送料など、セールスファネルのパフォーマンスを詳しく調べて、販売を予測する方法です。予測の精度は、パイプラインの範囲や健全性、最新性に依存しています。

ポートフォリオ予測

3つ目は、ポートフォリオ予測で、これはいくつかの売上予測戦略を組み合わせたものです。過去データなどの「定量化可能な洞察」と、長年の経験や意見、潜在的な市場リスクなどの「目に見えない側面」の両方を考慮して予測します。

多変量回帰分析

4つ目は、多変量回帰分析です。前述した線形回帰分析が、直接相関関係にある2つのオブジェクトまたはデータポイントを比較する一方で、多変量回帰分析は、複数の従属変数を調べて相互に分析する統計手法であり、より精度の高い予測が得られます。しかし、データの質が高いことが重要であり、データセット内の情報の差や混乱が多いほど、予測分析の結果の信頼性は低下します。

リードジェネレーション

リードジェネレーションも予測分析の1つです。これまで営業担当者が担っていて、時間のかかる工程であったリード創出も、AI を活用することで購買により近いリードを予測し、効率的に見つけ出せるようになります。

AI の活用により、以下のようなことを予測、特定することが可能になります。

• 自社の商品・サービスに興味を持っている新規顧客
• 次にターゲットにすべき見込み顧客
• 成約する可能性が最も高い見込み顧客

AI を活用したリードジェネレーションでは、業界・職種・人口統計・市場動向など見込み顧客に関する様々なデータをふるいにかけ、購買に至る可能性が高いリードを見つけ出します。さらに、これを行う過程で、顧客データの収集と分析を行うことで、リード創出の精度を高めていくことも可能です。

ハイパーオートメーション

AI や機械学習などの最新技術を活用することで、これまで人の手によって行われていた営業業務の多くを自動化することができます。McKinsey & Company が行った調査では、営業業務の5分の1が自動化できる可能性があることが報告されています。²⁾ ここでは、AI や機械学習の活用により自動化することができる業務とその方法をご紹介いたします。

メールの自動送信

商談の資料送付、御礼メールをはじめとするフォローアップなど、営業担当者はメールの作成と送信だけでも多くのタスクがあります。これは、重要な業務である反面、時間がかかり負担が大きいのも事実です。さらに、メール作成は、担当者ごとにばらつきや抜け漏れが発生しやすい業務でもあるため、担当者の経験やスキルに依存してしまいがちです。

これに対して、AI を活用することで、高品質で説得力のあるメールと件名を誰でも数秒で作成できるようになります。企業と顧客の間で発生するインタラクション(顧客からのメール返信、商談実施、資料ダウンロードなど)の発生をフックに一連のコミュニケーションが自動化されるように設定することで、これまで手動で行っていた単純業務も機械が正確に実行します。

機械学習を活用することで、メール送信自動化のメリットはさらに大きくなります。機械学習では、開封率、クリックスルー率、コンバージョン率などの数値を分析し、顧客の行動のパターンと傾向を特定することもできます。この情報を元に、顧客にパーソナライズされた内容や送信時間でメールを作成することも可能です。

商談情報や顧客情報の記録

顧客との商談や営業電話で話した内容の CRM や SFA などへの記録は、営業担当者が日常的に行う最も時間がかかる業務の1つです。これも、AI の技術要素を活用して自動化することが可能です。ここでは、技術要素の1つである自然言語処理を使用して、電話の音声録音をテキストに書き起こし、重要な論点を要約した上で、CRM などのツールに記録することができ、営業担当者の負担軽減に繋がります。

さらに、録音データをもとに、成約に至る営業担当者の電話の雰囲気や、口調を分析することも可能です。これは、誰でも実行できるトークスクリプトの作成や新人営業を育成するためのコーチング資料の作成にも役立ちます。

ネクストアクションの提示

AI や機械学習の活用で自動化できる業務もありますが、それでもなお営業担当者は多くの業務を抱えています。生産性を向上させるためには、優先順位をつけ、適切なアクションを適切な順序で実行することも大切です。正確な優先順位付けができなければ、より多くの収益獲得機会を逃してしまう可能性もあります。また、これまで説明した最新技術を活用して収集・分析されたデータも、蓄積されたまま営業活動に活用できなければ、生産性向上や売上拡大といった成果に繋げることができません。

このような状況においても AI を活用することにより、データを行動に繋げることができます。AI は過去の顧客や見込み顧客のデータから学習と分析を行うだけでなく、営業担当者に対して最適な行動をリアルタイムで提案します。これにより、営業担当者は、いつ何をすべきかについての熟考ではなく、顧客との関係構築と契約の成立に集中する時間を確保できるのです。

AI・機械学習の活用により解決できる3つの営業課題とサービス事例

近年、労働力の不足や顧客の購買行動の変化など営業組織を取り巻く環境は変化に伴い、様々な課題を抱える営業組織も少なくありません。AI など最新技術が発達する中で、AI を活用した営業課題の解決に関心を持つ企業も多くあります。

ここでは、仕事量が多い上に、メンバーの入れ替わりも多い営業部門において生じやすい3つの課題と、AI や機械学習などを用いた解決方法について、具体的なサービス事例を提示しながら詳しく解説します。

【課題】コア業務に集中できない

営業担当者にとって、営業のためのメールや電話、顧客との商談がコア業務です。しかし、商談の際のプレゼン資料や見積書などの資料作成、営業メールの送信、日報作成などの営業業務に付随する事務作業も多くあります。Hubspot が実施した「日本の営業に関する意識・実態調査2024」において、「1日の営業時間を100%とした場合に費やした時間の割合」についての質問では、顧客とのやり取りに費やす時間は54%という結果が出ています。³⁾これは、1日の半分近くは事務的な作業に時間を費やしていることを示しています。同調査での「理想とする業務の時間配分（割合）」についての質問では、営業担当者は「1日にあと25分」顧客とのやり取りに使う時間を増やしたいと考えていることもわかっています。

これらの結果から、営業担当者は事務作業の負担により、コア業務である顧客とのやり取りに集中する時間を確保できていないことは明らかです。では、営業担当者がコア業務に集中する時間を確保するために AI や機械学習はどのようにして活用できるのでしょうか？

【解決策】AI活用で事務作業を自動化・効率化しコア業務の時間を確保

資料送付や御礼メールなどを自動的に送信する機能は、すでに活用している組織も多くあります。一方で、成約率などの成果にも影響を与えるフォローアップメールなど、顧客にパーソナライズされたメールの作成を自動的に行うことは難しいとされていました。しかし近年、AI の活用によりこれが可能になってきています。 2023年8月、Outreach 社は、営業担当者の効率を大幅に向上させるために、AI を活用して返信Eメールを生成できる Smart Email Assist という機能を発表しました。

Outreach：Smart Email Assist

• 特徴
  • 顧客に返信するメールの内容を、これまでの会話記録を元に自動的に生成
  • 営業担当者は、AI により生成されたコンテンツを確認し、必要な変更を加えて送信するのみ
  • ゼロからメールを作成する手間を省き、営業担当者はコア業務に集中できる
• 利用方法
  1. 営業担当者は「Assist」ボタンを押してメールの作成を開始する
  2. 顧客と営業担当者のこれまでの会話やメール履歴をふまえて自動的にメールを生成する（営業担当者はプロンプトに追加情報を入力したり、メールの文量や声のトーンを設定することで、理想的なメールを生成するように調整可能）
  3. 担当者は生成されたメールを確認し、必要な修正を加えて送信する

【課題】営業が属人化している

属人化とは、特定の業務の進捗や顧客関係が特定の営業担当者に依存している状況のことを指します。コロナ禍でリモートワークが増加したことで、ノウハウや情報の共有がさらに難しくなり、営業組織における属人化が進んでいます。これに対して、SFA や CRM などのツールで顧客や案件に関する情報を一括管理することで、業務や取引の進捗などに関する属人化の問題は解消されつつあります。しかし、情報をどのように営業活動に活用するかといった営業手法は、未だ営業担当者に依存している状態です。そのため、顧客や案件に関するデータを活用して成果を出せるトップセールスと、データの活用方法がわからない新人や未経験の営業担当者との差は拡大してしまっています。

【解決策】AI を活用した最適な情報共有とワークフローの生成で脱属人化

営業の属人化を解消するためには、案件や業務の進捗を一元的に管理し、誰でも把握できる環境を整備する必要があります。Gong 社は昨年、営業の属人化に繋がる AI を活用したいくつかのサービス機能を発表しました。その1つとして、昨年8月に発表された Call Spotlight という AIソリューションを紹介します。

Gong：Call Spotlight

• 特徴
  • 営業電話専用に設計された生成 AI 情報クエリ機能を搭載
  • 事前に設定されたプロンプトや自由形式の質問に対して、正確で関連性の高い回答を生成
  • 電話での顧客とのやり取りから、顧客の課題、成果、次のステップなどのインサイトを自動的に提示
  • 営業担当者やマネージャーは最大80%以上早く会話や案件の進捗状況の内容を把握
  • Gong が収集した何十億もの営業取引履歴に基づいているため、要約の精度は既存の2倍
• 機能
  • Ask Anything
    • 営業担当者やリーダーは顧客とのやり取りからより多くのインサイトを収集
  • Highlight
    • AI が会話の中で最も関連性の高いポイントを要約
    • 顧客に関する精度の高いインサイトや次のステップを既存の CRM システムに自動的に入力
  • Outline と Call Briefs
    • 顧客とのやり取りを深く理解するために通話のトピックを分類して、要約

Gong 社が昨年発表したサービス機能として、誰でも成果の出せるワークフローを予測、生成する新機能も紹介します。

Gong：Revenue Intelligence Platform

• 特徴
  • AI の多様なアプリケーションを使用して、収益を促進するために必要な最もインパクトのあるワークフローの予測、生成、提示
  • 取引が成立する可能性の高さに関する予測も提供
  • 顧客に最適なビジネスプロセスをシームレスに実行できるよう支援
  • CRM のデータのみに基づく予測よりも最大20%正確な予測が可能
• 機能
  • Predict
    • 正確で完全なインサイトを提示することで、マネージャーのデータに基づいた意思決定を支援
  • Produce
    • 上述した Call Spotlight の「Ask Anythig」や新機能「Gong Engage」などの生成AI を活用し、正確性と効率性を促進するインサイトとワークフローを生成
  • Prescribe
    • 独自の AIモデルを活用し、パイプラインの作成、管理、転換を行いながら顧客を維持することで、事業成長のための最善策を提示
    • 次に取るべき最善の行動を提案し、ワークフローを自動化することで、部署間の連携を強化し、取引の損失を削減

【課題】営業データを活用できていない

近年、営業組織の DX化による売上拡大や生産性向上が注目を集める中、SFA や CRM などのツールを導入する企業が増加しています。しかし、SFA や CRM を導入し、顧客や案件に関する情報を収集、蓄積していても、それらのデータを活用できている企業は多くありません。Gartner 社が今年1月に発表したデータに関する調査では、データ利活用に対する日本企業の関心は依然として高いものの、全社的に成果を得ている割合は3%程度と非常に低い結果が出ています。⁴⁾

「データを活用する」とは、データを加工・分析し、分析結果から得たインサイトを営業活動に反映できている状態のことを指します。SFA / CRM などのツールを導入しても、「データを活用する」ことができなければ、売上拡大・顧客増加といった成果に繋がらないのです。

【解決策】AI と機械学習を活用して営業データから得たインサイトを営業活動に反映

ここでは、Salesforce が開発した CRM のための AI 「Salesforce Cloud Einstein」を紹介します。

H4 Salesforce：Einstein

• 特徴
  • 信頼性の高いセールス向け AI を CRM に搭載することで、営業効率向上
  • 予測AI と生成AI の両方を使用できるため、営業サイクル全体で CRM に蓄積された情報を有効的に活用
  • 営業プロセスの自動化、顧客との関係強化、商談成約のためのサポートなど、営業担当者を幅広く支援
• 機能
  • Einstein リードスコアリング
    • データサイエンスと機械学習を使用して、営業におけるリードの取引開始パターンを検出
    • 過去のパターンに基づき、現在どのリードを優先すべきか予測可能
    • 機械学習を使用し、従来の方法よりも迅速かつ正確な結果を提示
  • Einstein 行動スコアリング
    • 機械学習を使用し、過去と現在の顧客とのやり取りにおいて最も影響力の大きい行動指標を発見
    • 取引成立する可能性が高い行動をした顧客を特定し、Einstein のエンゲージメントモデルに基づいてスコアをつけることで、営業担当者は成約する見込みの高い顧客との取引に注力可能
  • Einstein Copilot
    • 今年の2月に発表された新機能で、企業の持つデータとメタデータを活用することで以下のことが可能
      • 質問への回答
      • コンテンツの要約
      • 新しいコンテンツの作成
      • 複雑な会話の解釈
      • タスクの自動化

まとめ

今回は、営業活動における AI と機械学習の活用について解説してきました。営業組織が抱える課題やそれを解決できる具体的なサービス事例もいくつか紹介し、最新技術を活用したツールについて学んでいただけたかと思います。

AI やその他の技術要素、実際のサービスについては理解できたが、具体的にどのように営業活動に活用できるのか、より大きな収益と効果を獲得するためにどのようにしてテクノロジーを選定すれば良いのかがわからないという方もいらっしゃるかと存じます。

以下の資料では、BtoB 営業の収益拡大実現のための AI 活用に関して、今後の BtoB 営業組織のあり方や自社に最適なテクノロジー・AI の選び方、AI が組織にもたらす効果について詳しく解説しています。無料でダウンロード可能ですので、ぜひご活用ください。

3つの営業課題を解決できる セールスエンゲージメントプラットフォーム(SEP)

近年、SFA や CRM を代表とした、IT を活用して営業活動の生産性を高める目的で使うサービスであるセールステックを導入する企業が増加しています。その中でも、セールスエンゲージメントプラットフォーム(以下、SEP)が注目されています。

SEP とは、アメリカで誕生したテクノロジーであり、ツール内に蓄積されたデータをアクションへと繋げるためのものです。営業担当者が見込み顧客や既存顧客とのコミュニケーションをより効果的に実行できるようにしてくれます。そのため、従来の SFA/CRM ツールに加えて SEP を導入することで、営業活動の効果アップが期待できます。また、SEP はアルゴリズム/機械学習を取り入れていることが多く、AI を起点としています。

例えば、機械学習を用いて、営業に求められる次善のアクションを継続的に分析し、提案する Algorithmic-guided Selling や、将来の販売予測やトレンド予測を行う Predictive Lead Analytics といった仕組みがまさに SEP の機能に該当します。SEP は、「データを元に何を判断できるか」を人ではなくテクノロジーに任せることができるため、先述した多くの営業組織の課題でもある「成果のバラツキ」「売上の再現性」「新規顧客の獲得」などにおいて効果を発揮します。

AI 営業プラットフォーム Magic Moment Playbook

Magic Moment は、Magic Moment Playbook (以下、Playbook)という AI 営業プラットフォームを提供しています。Playbook は誰でもが実行できる成果の出る営業オペレーションを営業組織に実装し、誰でも標準的な活動ができる上に、データが蓄積され、そのデータを元に最適な営業活動を導きます。これを可能にするのが、Playbook に搭載されている3つの機能です。

Next Best Action 機能

顧客の行動をもとに、AI が今最も優先すべき案件を提示します。これにより、優先順位づけに悩む時間が削減され、営業活動量が増加すると同時に、提案の質を高めることに集中できます。

シーケンス機能

オートメールを駆使して顧客課題の深掘りや自社ソリューションへの期待感を調整します。温度感の高い顧客とすぐにアポイントを設定するために、自社担当者のカレンダーの空き日程を自動で提案し、その後ビデオ会議の URL の送信まで行います。さらに、温度感の低い顧客に対しては、Playbook が自動で追いかけを行うため、営業担当者は温度感の高い顧客への対応に集中できます。

Playbook Core 機能

成果を出せて、全員が再現可能な営業活動を仕組み化します。必須項目の共有やトップセールスの知見も組み込むことで、精度の向上を実現できます。チェック項目を選定し、営業担当者は必要な情報のみをワンクリックで入力できるようにすることで、営業の効率を向上させることもできます。これにより、PDCA  を素早く繰り返し、型をより精度の高いものにブラッシュアップし続けます。

これらの機能を活用することで、以下のような成果を実現することも可能になります。

営業活動量1.8倍、アポ率45%向上、成約率25%向上、育成期間2.5ヶ月削減

Magic Moment Playbook の成果は導入企業の実績ベースで担保され、多くの企業で営業の生産性向上に寄与しています。あなたの企業ではどのような成果が出るのか、費用対効果を知りたい方は、こちら から診断ができます。

また、詳しい製品情報については こちら よりお問い合わせください。

弊社サービス詳細は下記サービスサイトよりご確認・お問合せください

サービスサイト：lp.magicmoment.jp/magic-moment-playbook
資料請求：https://lp.magicmoment.jp/magic-moment-playbook-document
お問い合わせ：https://lp.magicmoment.jp/magic-moment-playbook-inquiry

《引用文献》

¹⁾ Gartner. “Gartner Expects 60% of Seller Work to Be Executed by Generative AI Technologies Within Five Years”. 2023-09-21. https://www.gartner.com/en/newsroom/press-releases/2023-09-21-gartner-expects-sixty-percent-of-seller-work-to-be-executed-by-generative-ai-technologies-within-five-years, (参照 2024-03-15)

²⁾ McKinsey & Company. “AI-powered marketing and sales reach new heights with generative AI”. 2023-05. https://www.mckinsey.com/~/media/mckinsey/business%20functions/marketing%20and%20sales/our%20insights/ai%20powered%20marketing%20and%20sales%20reach%20new%20heights%20with%20generative%20ai/ai-powered-marketing-and-sales-reach-new-heights-with-generative-ai.pdf, (参照 2024-03-15)

³⁾ Hubspot. 「日本の営業に関する意識・実態調査2024の結果を Hubspot が発表」2024-02-19. https://www.hubspot.jp/company-news/stateofsales-20240219 , (参照 2024-03-15)

⁴⁾ Gartner. 「Gartner、日本企業のデータ活用に関する最新の調査結果を発表 － データ活用で全社的に十分な成果を獲得している日本企業は3%にとどまる」. 2024-01-29. https://www.gartner.co.jp/ja/newsroom/press-releases/pr-20240129, (参照 2024-03-15)