営業分析とは？見るべき指標とAIで改善する5ステップ
営業分析を始めても、数字を眺めるだけで行動が変わらなければ売上改善にはつながりません。大切なのは、多くの手法を試すことではなく、課題を「量」と「率」に分け、結果指標と先行指標を組み合わせて見ることです。本記事では、営業分析の基本から、最初に追う指標の選び方、AIに任せる範囲、週次会議で改善を回す手順まで解説します。自社のボトルネックを特定し、翌週の具体的な行動を決めたい営業責任者に向けた実践ガイドです。
- 01営業分析の完成条件は「翌週に変える行動が一つ決まる」こと。数字を眺めて終わるのは分析ではなく報告。
- 02売上未達はまず「量」と「率」に分けて原因を切り分ける。さらに深く分析するなら「速度」も加え、結果指標と先行指標を対にして見る。
- 03指標は課題1つにつき3つだけ。AIには集計・異常検知・仮説出しを任せ、意味の解釈と判断は人が担う。
- 04定着させる鍵は週次会議の型。「事実→差分→仮説→一手→検証」で毎週回す。
営業分析は「数字を見ること」ではなく次の行動を決めること
営業分析とは、営業活動で生まれたデータをもとに、売上が伸びない原因を特定し、次にとる行動を決めることです。数字を集計してグラフにするところまでが分析だと思われがちですが、それは途中の作業にすぎません。分析が完成したと言えるのは、翌週に変える行動が一つ決まったときです。会議で数字を眺めて「今月も未達でした」と共有して終わるなら、それは分析ではなく報告です。
分析は、現状把握→原因の仮説→行動→検証、という循環で回ります。この順番を守ると、集計はあくまで「どこに手を打つか」を決めるための材料になります。逆に、フレームワークを何種類も集めることが目的になると、分析の量は増えても行動は変わりません。
データを営業判断に活かせている企業は、成果の面でも差が出ています。マーケティングと営業に商業分析を効果的に活用するB2B企業は、同業他社より平均以上の成長率を達成する可能性が1.5倍高く、売上高利益率（売上に対する利益の割合）も競合他社より最大5%高いという調査があります（出典：McKinsey「B2B commercial analytics: What outperformers do」）。分析そのものではなく、分析を行動につなげた企業が成果を得ています。
本記事では、営業分析の基本から、最初に追う指標の選び方、AIに任せる範囲、週次会議で改善を回す手順までを解説します。営業のAI活用全体を先に押さえたい場合は、営業のAI活用とは？できること・導入手順・失敗しない始め方もあわせてご覧ください。
売上未達はまず「量」と「率」で見る
「売上が足りない」という事実だけでは、何を変えればよいか決められません。売上は多くの要素の掛け算の結果なので、まず原因を2つの系統に分解します。
- 量：リード数、商談数、提案数など、活動の総量にあたる指標
- 率：案件化率、受注率、失注率など、次の段階へ進む割合にあたる指標
売上未達のとき、原因の大半はこの2つのどちらかで切り分けられます。商談数が足りないのか（量）、商談はあるのに決まらないのか（率）で、打つ手はまったく変わります。ここを混ぜたまま「もっと頑張ろう」と言っても改善しません。まずは量と率で、自社の課題がどちらにあるかを特定してください。
そのうえで、さらに踏み込んで分析したい企業には、3つ目の軸として速度（スピード）を加えることをおすすめします。初動までの日数、商談期間、リードタイムなど、商談が動くスピードにあたる指標です。「決まってはいるが着地が遅い」という課題は、量と率だけでは見えません。量・率の改善が回り始めたら、速度も見て商談の詰まりを解消します。
そして、これらの指標を結果指標（あとから分かる遅い指標）と先行指標（現場が今日動かせる早い指標）の2層に分けて見ます。結果指標は方向の確認に使いますが、それだけを追うと手遅れになりがちです。改善のアクションは、現場が動かせる先行指標に紐づけます。量と率、必要に応じて速度を、この2層で一枚に並べたものが、次の営業分析マップです。
← 表は横にスクロールできます
| 系統 | 結果指標（遅い） | 先行指標（現場が動かせる） |
|---|---|---|
| 量 | 受注件数・受注額 | リード数・商談数・提案数 |
| 率 | 受注率・失注率 | 案件化率・次回商談の設定率 |
| 速度 （発展） | 平均リードタイム | 初動までの日数・商談期間 |
KPI（重要業績評価指標）、パイプライン分析（商談を段階別に並べて詰まりを見る手法）、失注分析（負けた案件の理由を集計する手法）も、すべてこのマップのどこかに位置づけられる
課題別に最初の3指標を選ぶ
指標は多く見るほどよいわけではありません。最初は課題を1つに絞り、それに直結する3指標だけを見ます。よくある3つの課題ごとに、最初に見る指標、AIに依頼する分析、次に人が決める打ち手を整理します。
← 表は横にスクロールできます
| 課題 | 最初に見る3指標 | AIに依頼する分析 | 人が決める行動 |
|---|---|---|---|
| 商談が足りない（量） | リード数・商談化率・商談数 | 流入元別のリード数と商談化率の集計 | どの流入を増やすか、リード獲得の担当配置 |
| 商談はあるが受注しない（率） | 案件化率・受注率・失注理由 | 失注理由の分類と勝ち負けの傾向抽出 | 提案内容の見直し、価格や提案先の変更 |
| 着地が読めない（速度） | 商談期間・フェーズ別の滞留・確度別金額 | フェーズ別の滞留日数と異常値の検知 | どの案件に工数を寄せるか、フォロー順 |
ABC分析やSWOT分析を網羅するのではなく、課題から手法を逆引きする
複数の課題を一度に解こうとすると、どれも中途半端になります。3指標に絞ると、次の会議で「この数字が動いたか」を全員が同じ目線で確認できます。指標が10個あると、動いた理由も動かない理由も曖昧になり、行動が決まりません。
AIを使って営業分析を改善につなげる5ステップ
営業分析にAIを組み込むと、集計や異常の発見にかかる時間を大幅に減らせます。ただし、順番を間違えると精度の低い分析結果に振り回されます。次の5ステップで進めます。
-
STEP01
決める意思決定を先に置く
分析の前に「この数字を見たら誰が何を変えるか」を決めます。行動につながらない分析はしません。
-
STEP02
データの定義をそろえる
商談・受注・失注の定義を統一します。定義がずれたデータをAIに渡すと、それらしい嘘の結論が出ます。
-
STEP03
基準値を記録する
現在の量・率（速度も見るならその数値も）を保存します。改善したかどうかは、この基準値との差でしか判断できません。
-
STEP04
AIに集計・異常検知・仮説出しを任せる
整えたデータを渡し、傾向や異常値、仮説候補を出させます。このとき、AIへの依頼は型を決めておくと精度が安定します。
-
STEP05
週次で行動と結果を検証する
出た仮説を一手に落とし、翌週に結果を確認します。ここまで回して初めて分析が売上に効きます。
AIへ分析を頼むときは、次の要素を毎回そろえます。この5点を渡すだけで、出力の使いやすさが大きく変わります。個人名や顧客の機密は外し、架空のIDに置き換えたデータで試します。
- 目的
- 何を判断したいのか
- 項目定義
- 各列が何を指すのか
- 比較期間
- いつといつを比べるのか
- 出力形式
- 表か箇条書きか、どの形で欲しいのか
- 推測と事実の区別
- データから言えることと、AIの推測を分けて書く指示
はじめはExcelやスプレッドシートで十分です。データ量が増え、入力の手間が問題になってきたら、SFA/CRMやBIツールへ移します。この段階の進め方はCRMのAI活用とは？入力自動化から予測まで3段階で解説で詳しく扱っています。分析の前段である営業業務そのものの効率化は営業効率化の方法｜AIで自動化する業務と進め方を参照してください。
AIに任せる分析と人が判断する範囲
AIは万能ではありません。任せてよい範囲と、人が判断すべき範囲を線引きしておかないと、誤った結論をそのまま営業判断に持ち込むことになります。
← 表は横にスクロールできます
| 工程 | AIに任せる | 人が判断する |
|---|---|---|
| 集計・整形 | データの集計・分類・可視化 | 集計軸が正しいかの確認 |
| 発見 | 傾向・異常値の検知、仮説候補の提示 | その数字が示す意味の解釈 |
| 判断 | — | 因果の判断、顧客対応、評価・人事の判断 |
AIに向くのは、集計、分類、傾向や異常の検知、仮説候補の提示です。大量のデータから「先月と比べて受注率が落ちた製品」を見つけるような作業は、人よりAIが速く正確です。一方、人が担うべきなのは、その数字が何を意味するかの確認、原因と結果の因果の判断、顧客への対応方針、そして評価・人事にかかわる判断です。
前提として、データの品質が低いままでは、どんなに高度なAIでも正しい分析はできません。実際、自社データの正確性を完全に信頼している営業担当者は35%にとどまります（出典：Salesforce「Sales AI Statistics 2024」）。逆に、データの整備を優先している割合は高業績の担当者で79%、低業績の担当者で54%と差があります（出典：Salesforce Stat Library「Data」）。分析の精度を上げたいなら、まずデータの入力ルールと整備が先です。
個人情報や顧客の機密情報を、無防備に外部のAIへ入力しないことも重要な線引きです。分析に使うデータは、個人名や取引先名を架空のIDに置き換えてから渡します。
7つの質問に答えるだけで、営業部のAI活用度をA〜Cで判定。登録なしでその場で結果が見られます。
分析が定着しない4つの失敗と週次会議の確認項目
営業分析は、始めても続かないことが最も多い失敗です。定着しない典型的な原因は4つあります。
見る指標が多すぎて、どれも追えなくなります。課題1つにつき3指標に絞ります。
担当者ごとに商談や失注の入れ方が違い、集計が信用できなくなります。定義を先に統一します。
個人の順位づけは萎縮や数字合わせの入力を招き、データがゆがみます。改善はプロセス単位・チーム単位で行います。
分析は分析、営業は営業で別々に動き、数字が行動に反映されません。分析の出口を必ず「一手」に決めます。
これらを避けるには、指標3つ・担当者・期限・検証日を固定し、週次会議を「事実→差分→仮説→一手→検証」の順で回します。次の5問を毎回確認すれば、分析が行動に変わります。
- 今週、量・率（見ているなら速度）のどの指標が動いたかを事実で言えるか
- 先週との差分を数字で示せるか
- その差分の原因仮説を一つに絞れているか
- 来週試す一手と、担当者・期限を決めたか
- 前回決めた一手の結果を検証したか
自社にこうした分析を回すデータがあるかは、商談でAIを活用する方法｜要約・会話分析・改善の進め方のような具体的な業務からも見直せます。