営業KPIをAIで設計する方法｜候補を絞る4つの基準
営業KPIを増やしても、現場の行動や受注率が変わるとは限りません。AIはKPIツリーの叩き台や異常値の発見を速めますが、曖昧な目標や欠損の多いSFAデータを渡せば、もっともらしいだけの指標が増えます。本記事では、KGIと営業プロセスを入力情報として整え、AIが出した候補を4つの基準で3〜5個に絞る方法を解説します。成果・先行・行動・品質を組み合わせた最小構成、週次レビュー、人が判断すべき範囲まで整理します。
- 01営業KPIは目標そのものではなく、KGI達成までの変化を途中で観測する指標。設計はツール選びではなく「何を改善するか」を決めることから始める。
- 02AIに渡すのはKGI・営業プロセス・各段階の現状値・計測元。曖昧な目標や欠損の多いデータを渡すと、もっともらしいだけの指標が増える。
- 03AIが出した候補は「成果・先行・行動・品質」の4枠に置き、①現場が動かせる②継続計測できる③KGIとの因果を説明できる④品質を犠牲にしないの採用ゲートで3〜5個に絞る。
- 04目標配分・人事評価・例外案件の判断は人が担う。まず自社のデータと運用の現在地を活用度診断で確認する。
営業KPIの設計は「何を改善するか」から決める
営業KPI（Key Performance Indicator＝重要業績評価指標）は、売上や利益といった最終目標そのものではありません。KGI（Key Goal Indicator＝最終目標）に届くまでの過程を、途中で観測するための指標です。この違いを飛ばして「管理すべき数字」を並べると、追う指標だけが増え、現場の行動は変わりません。
AIをKPI設計に使うときも同じです。始める前に決めるべきは、ツールでも指標の数でもなく、今この四半期で何を改善するかを絞ることです。「商談化率を上げる」「停滞案件を減らす」のように改善対象を定めると、追うべきKPIは自然に決まります。AIはすでに多くの営業現場に入っていますが、改善対象を決めないままでは、AIはもっともらしい指標を大量に返すだけです。
指標は役割で分けて考えます。現場が直接動かせるのは行動指標と品質指標だけです。
← 表は横にスクロールできます
| 指標 | 役割 | 営業での例 |
|---|---|---|
| 遅行指標（結果） | 動かした結果が後から出る | 受注額・受注率 |
| 先行指標 | 結果に先立って動く | 有効商談数・提案件数 |
| 行動指標 | 現場が今日変えられる | 訪問数・フォロー実施率 |
| 品質指標 | 行動の中身の確かさ | ヒアリング項目の充足率 |
KGIから逆算し、どの先行指標・行動指標を動かせば改善対象に効くのかを仮説として持つことが、設計の出発点になります。営業のAI活用そのものの全体像は営業のAI活用とは？で整理しています。
AIに渡す前にKGIと現状値をそろえる
AIの出力の質は、渡す情報の質で決まります。KPI候補を出させる前に、次の項目を1枚のシートに整理します。
- KGIと期限
- 例「今期の新規受注1.2億円」など、達成期限まで書く
- 営業プロセス
- リード獲得→商談化→提案→受注などの段階
- 段階ごとの現状値
- 各段階の件数・金額と、段階間の転換率
- 計測元
- その数値をどこ（SFA・CRM・表計算）から取るか
- 更新頻度
- 日次・週次など、どの間隔で更新されるか
- 変えられる行動
- 現場が今日から増減できる具体的な活動
ただし、渡すデータそのものが崩れていると、AIは崩れた前提のまま候補を出します。データの分断や品質は、AI活用の現実的な壁になっています。
そこで、シートを渡す前にデータ品質を4点で点検します。
- 定義の一致｜「商談」の定義が担当者ごとにずれていない
- 欠損｜空欄や未入力が多い項目がない
- 更新頻度｜実態から遅れず更新されている
- 母数｜判断に足る件数がある
データがそろわない指標は、無理に目標値を作らず、まず数週間ベースラインを測ることを優先します。推測で置いた目標値は、AIに渡した瞬間から誤差の起点になります。SFAやCRMへの入力そのものが定着していない場合は、計測基盤の整備が先です（CRMのAI活用／SFAツールとは）。
AIの候補を「成果・先行・行動・品質」で整理
入力シートが整ったら、AIにKPI候補と、それぞれがKGIに効くという因果仮説を出させます。狙うのは網羅ではなく最小構成です。成果・先行・行動・品質を各1つずつ置く「最小KPIセット」から始めます。
← 表は横にスクロールできます
| 枠 | 役割 | 例 |
|---|---|---|
| 成果KPI | KGIに最も近い結果 | 受注率 |
| 先行KPI | 成果に先立つ量 | 有効商談数 |
| 行動KPI | 現場が今日動かせる | 提案後フォロー実施率 |
| 品質KPI | 行動の中身の確かさ | ヒアリング必須項目充足率 |
この4つを「受注率 ← 有効商談数 ← フォロー実施率 ← ヒアリング充足率」とつなげ、川上の行動・品質を動かせば川下の成果が変わる、という仮説の鎖にします。目標値は一般値を流用せず、自社のベースラインから決めます。
AIへの指示（プロンプト）には、次の出力を必ず含めるよう指定します。
- 前提
- 渡したKGIと改善対象
- 候補数
- 各枠1〜2個まで
- 根拠
- 各候補がKGIに効くと考える因果仮説
- 不足データ
- 計測に足りない情報
- 反証条件
- この仮説が外れているとわかる兆候
AIは複数の候補を淀みなく出しますが、その多くは「測れるが動かせない」指標です。数を絞る作業は次の章で行います。
AIのKPI候補を4つの採用ゲートで絞る
候補が出そろっても、そのまま採用しません。会議で扱える3〜5個に絞るために、各候補を4つの条件で○・△・×判定します。これが本記事の中核となる「採用ゲート」です。
← 表は横にスクロールできます
| 条件 | 問い | ×なら |
|---|---|---|
| ① 動かせる | 現場が自分の行動で数字を変えられるか | 採用しない（管理できない指標） |
| ② 継続計測 | 同じ定義で毎週測り続けられるか | 定義・計測元を直してから |
| ③ 因果を説明 | KGIに効く理由を一言で言えるか | 採用しない（測るだけの指標） |
| ④ 品質を守る | 数字合わせや品質低下を誘発しないか | 採用しない（歪む指標） |
- ×が一つでもある候補は採用しない
- △（今は満たせないが直せる）は、データ収集や定義修正を先に行い、次回の設計で再判定する
- ○がそろった候補だけを、成果・先行・行動・品質の4枠に最大3〜5個まで残す
訪問数だけをKPIにすると、質の低い訪問を増やして数字を満たす動きが出ます。行動KPIには必ず品質KPIを対にします。
AIが担うのは候補の生成、定義の矛盾や異常値の指摘までです。目標値の最終決定、部門やメンバーへの目標配分、人事評価への接続、例外案件の扱いは営業責任者が判断します。ここを渡すと、現場はAIの数字に合わせて動くようになり、KPIが目的化します。
- 残ったKPIは成果・先行・行動・品質の4枠に収まっている
- 合計3〜5個に収まっている
- 各KPIに「同じ定義で測る手順」がある
- 行動KPIに対になる品質KPIがある
週次レビューは「仮説との差」をAIで調べる
設計したKPIは、運用で見る間隔を分けます。
← 表は横にスクロールできます
| 間隔 | 見る対象 | AIと人の分担 |
|---|---|---|
| 日次 | 入力の異常（未入力・重複・明らかな誤り） | AI：未入力の洗い出し |
| 週次 | 先行・行動・品質KPIの変化 | AI：前週差・ボトルネック候補・確認質問の下書き |
| 月次 | 成果KPIと先行KPIのつながり | 人：施策の継続・修正・廃止を判断 |
週次レビューで問うのは「KPIを達成したか」ではなく、設計時に立てた因果仮説と実績がどれだけずれたかです。「フォロー実施率を上げれば受注率が上がる」と置いたなら、フォロー実施率が上がったのに受注率が動かない週こそ、仮説を見直す合図になります。AIには前週差の集計、ボトルネックの候補出し、確認すべき質問の下書きまでを任せ、人は顧客事情や施策変更を踏まえて「継続・修正・廃止」を決めます（営業分析の進め方）。
行動KPIの未達だけを責めると、入力の改ざんを招きます。数字の前に、仮説のどこがずれたかを確認します。
見る対象が増えると、どれも追えなくなります。増やす前に、既存のKPIを差し替えられないかを検討します。
データ品質を最優先するトップ営業は79%、成果の出ていない担当者は54%という差があります（Salesforce「State of Sales」2026）。ただしこれは相関であり、品質を上げれば必ず成果が出るという因果ではありません。仮説は検証で確かめます。
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。