失注分析にAIを使う方法｜原因を見誤らない5ステップ

AI失注分析は原因の断定ではなく仮説づくりから

失注分析にAIを使う目的は、負けた理由を言い当てることではありません。商談記録から負けパターンの仮説を素早く立て、人が顧客に確かめて再発を防ぐことです。ここを取り違えると、AIはもっともらしい原因を並べるだけの装置になり、失注理由の一覧が「価格」「競合」でさらに埋まっていきます。

AIが得意なのは、大量の商談記録を同じ基準で要約・分類し、受注案件と失注案件を突き合わせて共通点と差分を見つける作業です。反対に、顧客が口に出していない本当の理由を断定することや、次の一手を決める最終判断は人が担います。失注分析は犯人探しではなく、勝ち筋を更新する作業だと位置づけると、AIの使いどころがはっきりします。

本記事では、AIの出力を「事実・傾向・仮説」の3層に分けて扱います。①顧客が明言した事実、②複数案件の比較で見える傾向、③AIが推定した仮説。この3つを混ぜないことが、誤った断定を避ける出発点です。以降のステップとシートは、すべてこの3層を土台にしています。

← 表は横にスクロールできます

失注理由を集計して終わりにせず、営業活動へ戻すところまでを一続きの作業にします。分析の全体設計は営業分析とは？見るべき指標とAIで改善する5ステップも参考にしてください。

「価格負け」で止めないためのデータ準備

「価格が高いと言われた」で失注理由を止めると、値引き以外の打ち手が出てきません。AIに渡す前に、比較できる形でデータをそろえることが分析の質を決めます。Salesforceの調査では、AIを使う営業担当者の46%がデータ品質の問題で営業活動が損なわれていると回答しています（Salesforce「State of Sales」2026年）。失注分析でも、入力漏れ・重複・古い記録の点検が前提になります。

必要な項目は次のとおりです。失注案件だけを集めても比較の相手がいないため、受注案件も同じ形式で用意します。

案件属性

業種・規模・提案金額・商談期間

顧客課題

相手が解決したかった問題と、その優先度

決裁

意思決定者・決裁ルート・予算の状況

商談工程

初回接触から失注（受注）までの各段階

提案内容

提示した商品・条件・見積

競合

比較された相手と、選ばれた理由

顧客の発言

商談記録やメールに残る一次情報

結果

失注（受注）の時点と、顧客が語った理由

自由記述の失注理由だけ、あるいは結果だけを渡しても、AIは差分を見つけられません。商談記録の整え方は商談でAIを活用する方法｜要約・会話分析・改善の進め方、CRM側の整備はCRMのAI活用とは？入力自動化から予測まで3段階で解説にまとめています。

AIへ入力する前の確認欄として、次の4点を必ず点検します。

• 匿名化：企業名・担当者名・金額など、特定につながる情報を伏せたか
• 権限：その商談記録を分析に使ってよい利用範囲か
• 保存範囲：入力したデータがAI側でどこまで保存・学習に使われるか確認したか
• 根拠ログ：AIに渡す記録に、発言の引用元（どの商談・どの一文か）が残っているか

AIで失注を分析する5ステップ

分析はいきなり全件で回さず、少数の案件で試して分類を調整してから広げます。

1. STEP01

   分析の目的と対象期間を決める

   「直近2四半期の失注案件で、価格以外の共通点を洗い出す」のように、問いを一つに絞ります。

2. STEP02

   分類ルールをそろえる

   失注理由の言葉を「価格」「機能不足」「決裁停滞」などに統一し、受注・失注の両方に同じ定義を当てます。

3. STEP03

   受注案件と失注案件を比較する

   同じ業種・規模の受注案件を対にして、どこで差がついたかを見られる状態にします。

4. STEP04

   AIに共通点と差分を根拠付きで出させる

   後述のプロンプトで、引用箇所のない推定は断定させず、不足情報は確認質問として返させます。

5. STEP05

   顧客・担当者に確認してから改善策を決める

   AIの仮説を鵜呑みにせず、一次情報で裏を取ってから打ち手に落とします。

STEP04で使う分析プロンプトには、次の3つを必ず入れます。

• 入力：受注・失注案件のデータ（匿名化済み）と、比較してほしい観点。
• 指示：根拠のない原因は断定しない／引用できる根拠箇所（発言・記録）を示す／不足情報は確認質問として返す。
• 出力：案件ごとの「事実・傾向・仮説・確認質問・改善策」を分けた表形式。

こう指示すると、AIは「価格が原因」とだけ返す代わりに、「〈商談3回目で予算が半減した旨の発言あり〉という事実」と「〈受注案件では初回に決裁者が同席していた〉という傾向」を分けて示し、確認すべき質問まで返します。プロンプト設計の基本は商談でAIを活用する方法も合わせて確認してください。

「事実・傾向・仮説」判定表で営業改善へ変える

同じ「価格負け」でも、中身は分かれます。予算そのものが不足していたのか、価値が合意できていなかったのか、競合との条件差だったのか、決裁が止まっただけなのか。これを分けずに値引きへ走ると、次も同じ負け方をします。

そこで、案件ごとに次の5列で整理する「事実・傾向・仮説」失注分析シートを使います。AIのもっともらしい断定をそのまま改善策にしない、この記事独自の判定表です。

← 表は横にスクロールできます

改善策は一箇所に集めず、行き先を振り分けます。提案資料の見直し、初回ヒアリング項目の追加、案件の続行基準の変更、トークの修正、商品・料金設計への申し送り。改善策に落ちない失注分析は、集計で終わっているのと同じです。

失注分析が形骸化する4パターンと避け方

失注分析が続かない現場には、共通した崩れ方があります。

AIの出力を採用する前に、次の3点で点検します。

• 根拠：その原因を裏づける発言・記録が引用されているか
• 反証：受注案件にも同じ要素がなかったか（あれば原因とは言い切れない）
• 追加確認：顧客・担当者に確かめるべき点が残っていないか

なお「AIを使う営業チームは売上成長した割合が高い」という調査結果（Salesforce調べで83%対66%）もありますが、これは関連であって因果ではありません。AIを入れれば売れるという話に読み替えないようにします。

効果測定は入力・検証・改善の3段階で追う

失注分析の成果を受注率だけで見ると、うまくいかないときにどこが詰まっているのか分かりません。入力・検証・改善の3段階に分けて指標を持つと、切り分けができます。

← 表は横にスクロールできます

導入前の基準値を必ず残し、月次で分類の精度を、四半期で施策の効果を見直します。受注率のような結果指標だけを追うと、入力が崩れているのか検証を飛ばしているのかが見えません。

品質を単一の指標で測らない考え方は、AI側の評価でも同じです。Microsoftは営業リサーチAIの評価にあたり、顧客の実務をもとにした200の営業質問と、正確性・関連性・明瞭性・説明可能性など8つの品質軸を設計しています（Microsoft、2025年）。失注分析でも、精度だけでなく根拠の示し方や実行率まで複数軸で見ます。

よくある質問