ターゲット企業リストをAIで作る方法｜精度を高める5ステップ

ターゲット企業リストは「会社名の一覧」ではない

AIに「この条件に合う会社を挙げて」と頼めば、企業名はすぐに並びます。しかし、会社名が実在するだけでは、営業で使えるターゲット企業リストとはいえません。営業で使えるリストには、企業名や業種・規模といった基本属性だけでなく、なぜその会社を選んだのかという選定理由、その根拠になったURL、情報を確認した基準日、優先順位、そして次に取るアクションまでがそろっている必要があります。

AIが得意なのは、候補企業を短時間で集め、条件で整理し、分類することです。一方で、その会社が本当に実在するか、情報が古くないか、最終的にアプローチ対象に含めるかを判断するのは人の仕事です。ここを混同すると、AIが挙げた名前をそのまま架電リストにしてしまい、存在しない部署に電話をかけたり、すでに取引のある会社に新規提案をしたりする事故が起きます。

企業データベース型のツールは、収録している企業情報の規模を公称しています。たとえばMazrica Targetは約560万社の企業データを扱えるとしています（出典：Mazrica Target 製品ページ）。ただし件数の多さと、自社に合う会社が見つかるかは別の話です。560万社の中から自社の勝ち筋に合う数十社を選び出せて、初めてリストとして機能します。

営業で使えるリストにするうえで、この記事がほかと違うのは、リストの各セルを次の3つに分けて扱う点です。

• 事実：登記情報や公式サイトなど、出典を確認できる情報。会社名、所在地、事業内容など。
• AIの推定：AIが文脈から補った情報。従業員規模の推計、利用していそうな技術など。裏取り前は推定のまま扱う。
• 営業仮説：自社が立てた見立て。「この会社は今この課題を抱えているはず」という接触の切り口。

推定を事実として扱わないことが、リストの信頼性を保つ最初の一歩です。以降のステップは、この3分類を前提に進めます。

最初に決めるのは「適合度」と「今動く理由」

候補を集める前に決めるべきは、どんな会社が対象かという条件です。ここで多くの人が「業種と規模」だけで線を引きますが、それでは足りません。業種・規模が合う会社でも、今アプローチすべきとは限らないからです。条件は次の2軸に分けて考えます。

• 適合度：自社の勝ち筋に合うか。業種、従業員規模、地域、利用している技術、取引形態など、比較的動きにくい固定属性で測る。既存の優良顧客に共通する条件を洗い出すのが近道です。
• タイミング：今動く理由があるか。求人の増加、資金調達、拠点の開設、新サービスの発表、組織変更など、変化を示す情報で測る。これらは数か月で状況が変わります。

この2軸で候補を4つに分類すると、優先順位が自然に決まります。

← 表は横にスクロールできます

固定属性だけで並べると、適合度は高いがタイミングのない会社に労力を使いすぎたり、逆に今動く理由が明確な会社を見逃したりします。2軸に分けることで、限られた架電・訪問の枠を最優先の会社から使えます。

なお、除外条件も先に決めておきます。競合、既存取引先、過去に明確な失注理由があった会社、自社の提供地域外の会社などです。除外条件を後回しにすると、抽出のたびに同じ会社を手作業で外すことになります。

AIでターゲット企業リストを作る5ステップ

条件が決まったら、次の順番で作ります。大量に抽出してから絞るのではなく、小さく作って検証してから広げるのが要点です。

1. STEP01

   優良顧客と失注先から条件を言語化する

   成約した優良顧客と失注した会社の両方を並べ、共通点と違いを言葉にします。「なぜあの会社は決まって、この会社は決まらなかったか」を分けると、適合条件が具体的になります。

2. STEP02

   情報源と出力する列を決める

   どこから情報を取るか（生成AI、企業データベース、自社の名刺・CRMデータ）と、リストに何列を持たせるかを決めます。会社名、根拠URL、情報基準日、事実／推定／仮説の区分、優先順位の列は最低限そろえます。

3. STEP03

   10〜30社の小規模で候補を抽出する

   いきなり数百社を集めず、まず10〜30社に絞って抽出します。少数で条件と出力形式が正しいかを確かめ、問題があれば条件を直します。型が固まる前に件数を増やすと、間違った条件で作った大量のリストを作り直すことになります。

4. STEP04

   根拠・鮮度・重複を人が検証する

   AIが挙げた各社について、根拠URLが本物か、情報が古くないか、同じ会社が重複していないかを人が確認します。この工程を飛ばすと、事実と推定が混ざったまま営業現場に渡ってしまいます。

5. STEP05

   優先順位を付けてCRM・SFAへ渡す

   前章の4分類にもとづいて優先順位を付け、CRM・SFAに登録します。ここまで来て初めて、新規開拓やテレアポといった実際のアプローチに進めます。

情報源は役割で使い分けます。

← 表は横にスクロールできます

無料の生成AIだけで完結させようとすると、情報の鮮度と根拠の面で無理が出ます。逆に専用ツールに任せきりでも、自社の勝ち筋に沿った優先順位は付きません。整理・仮説は生成AI、網羅抽出は専用データベース、判断は人、という分担が現実的です。企業データベース型の新しい動きとしては、自然言語の指示から企業を抽出する機能も登場しており、Sansanは「AI企業リストメーカー」で約240万件以上の企業情報を抽出に用いるとしています（出典：Sansan 公式発表）。

会社名を創作させない入力シートとプロンプト例

AIに候補を出させるとき、最も避けたいのは、実在しない会社名や、それらしいだけの根拠を作られることです。これを防ぐには、入力を構造化し、出力の形を指定します。まず、AIに渡す入力シートに次の項目をそろえます。

商材

自社が売る製品・サービスと、解決する課題

優良顧客の共通点

既存の成約先に共通する業種・規模・利用技術など

適合条件

対象とする固定属性の範囲

タイミング情報

今動く理由として使う変化（求人、資金調達、拠点開設など）

除外条件

競合、既存取引先、提供地域外など

情報基準日

いつ時点の情報として扱うか

必須の根拠

各社に根拠URLを付けること

出力列

会社名、根拠URL、取得日、事実／推定／仮説の区分、不明項目

プロンプトには、次の3点を必ず書き込みます。第一に、不明な項目は推測で埋めず「不明」と書くこと。第二に、各社について根拠となるURLと、その情報を取得した日付を付けること。第三に、確認が取れていない情報は推定列に分けて出すこと。この3点を指定するだけで、事実と推定が混ざったリストになるのを大きく防げます。

出力は表形式で受け取ります。列は「会社名／適合条件に合う理由／タイミング情報／根拠URL／取得日／区分（事実・推定・仮説）／不明項目」とします。会社名を創作させないために、根拠URLが空の行は候補から外す、というルールをプロンプトに含めておくと確実です。

リストの精度は3段階の指標で改善する

リストは作って終わりではありません。接触結果を見て条件を更新することで、精度が上がっていきます。評価は工程ごとに3段階で見ます。

← 表は横にスクロールできます

反応率が低いとき、すぐに件数を増やすのは逆効果です。まず、どこに原因があるかを切り分けます。適合条件がずれているのか、タイミング情報が古いのか、訴求（伝え方）が刺さっていないのか。原因を特定してから、その部分だけを直します。件数を増やしても、間違った条件のまま母数が増えるだけです。

公開・配布の前には、次を人が点検します。

• 実在する会社か（登記・公式サイトで確認できる）
• 適合条件を満たしているか
• 情報が古くないか（情報基準日を確認）
• 同じ会社が重複していないか
• 連絡先を営業目的で使ってよいか（規約・法令の確認）
• 推定と事実が区別して表示されているか

そして、AIに任せてはいけない範囲もはっきりさせます。根拠のない情報の補完、サイトの利用規約を無視した収集、最終的に誰を対象から外すかの判断は、人が担う領域です。ここを自動化しようとすると、精度と法令順守の両方でリスクを抱えます。

リスト作成の前後を含めた仕組み全体を検討するなら、AI SDRや営業支援ツールの選び方もあわせて確認してください。

よくある質問