営業現場では、成果が出ない理由を早く特定し、次の行動を決めることが求められます。しかし、判断を急ぐあまり、十分に確かめていない見方を事実として扱ってしまうことがあります。
「価格が高いから商談が進まない」「この業界にはニーズがない」「営業担当者の提案力が足りない」といった見方も、確認されるまでは仮説にすぎません。一つの仮説だけを前提に動けば、原因を取り違え、効果の薄い対策に時間や予算を使う可能性があります。
営業仮説を考える際、AIは正解を出す存在ではありません。複数の可能性を出し、反対の見方を示し、どのように確かめるかを整理する壁打ち相手として活用します。
重要なのは、AIが出した仮説をそのまま採用することではなく、確認できる事実と照らし合わせ、小さな営業活動で検証することです。
目次
営業課題を一つの原因で決めつけてはいけない
営業現場で語られる原因の多くは仮説である
営業会議では、数字が悪化した理由について、さまざまな意見が出ます。新規開拓の反応率が下がれば「営業リストの質が悪い」、初回商談から次回へ進まなければ「顧客の温度感が低い」と説明されることがあります。 しかし、その説明が顧客への確認や活動結果によって裏づけられていなければ、現時点では仮説です。経験豊富な営業担当者やマネージャーの見方であっても、事実と同じように扱うことはできません。 営業では、すべての情報がそろうまで判断を待つことは難しいため、仮説を持つこと自体は必要です。問題は、仮説であることを忘れ、最初に思いついた原因を確定事項として扱うことにあります。事実、解釈、仮説を分けて考える
営業仮説を考える前に、事実、解釈、仮説を分ける必要があります。 例えば、「初回商談が月20件あり、次回商談へ進んだのは5件だった」という内容は、記録から確認できる事実です。「顧客の関心が以前より低い」という見方は、その事実に対する解釈です。 「対象業界を広げたことで、課題の弱い顧客が増えたのではないか」「新任担当者が増えたことで、初回商談の進め方にばらつきが出ているのではないか」という見方が仮説です。 この三つが混ざると、AIへの相談内容も曖昧になります。「最近の顧客は関心が低いので、提案方法を改善したい」と伝えれば、AIは顧客の関心が低いという前提に沿って回答します。しかし、その前提自体が正しいとは限りません。
一つの仮説だけで動くと対策も一方向に偏る
初回商談から次回商談へ進む割合が下がった場合、「営業担当者の提案力が不足している」と判断すれば、研修やロールプレイを増やすことになります。 しかし、実際には対象業界を広げたことで、自社商品との適合度が低い商談が増えている可能性があります。新任担当者だけではなく、既存担当者の商談でも同じように数字が下がっているかもしれません。 顧客側の予算時期が変わった、初回商談に意思決定者が参加していない、次回商談の目的を合意できていないなど、別の原因も考えられます。 原因を一つに決めつけると、対策も一方向に固定されます。複数の仮説を持つことで、担当者の能力だけでなく、対象顧客、商談内容、提案時期、顧客の検討体制などを確認できるようになります。AIは原因を決める存在ではなく、可能性を広げる壁打ち相手
AIは、入力された情報をもとに複数の可能性を短時間で整理できます。一方で、営業現場を直接見ているわけではなく、顧客の本音や営業担当者の行動を自動的に把握できるわけでもありません。 そのため、「原因を教えてください」と相談するよりも、「異なる観点から複数の仮説を出してください」と依頼する方が適しています。 AIから得たいのは原因の断定ではなく、自分たちだけでは思いつかなかった可能性です。もっともらしい回答が返ってきても、検証すべき候補として扱います。AIに営業仮説を考えてもらう前に情報を整理する
現時点で確認できている事実をまとめる
AIから実務に使える仮説を得るためには、営業課題を具体的に伝える必要があります。「最近、商談がうまく進まない」といった相談だけでは、一般的な原因しか出てきません。 例えば、次のような情報を整理します。- 対象となる期間
- 現在の商談数や反応率
- 以前の数値との違い
- 変化が始まった時期
- 対象顧客や業界の変化
- 担当者や営業体制の変化
- 商品、価格、提案内容の変更有無
- 顧客から確認できている反応
自分の解釈と不足情報も分けて伝える
AIへ相談するときは、自分が現在考えている原因も伝えて構いません。ただし、確認済みの事実とは分けて記載します。 例えば、「事実として確認できているのは、新任担当者が増えたことと、対象業界を広げたことです。私は、新任担当者のヒアリング不足が原因ではないかと考えています」と伝えます。 あわせて、分かっていないことも明示します。 今回の例であれば、担当者別の次回商談移行率、業界別の移行率、初回商談で確認した内容、顧客が次回へ進まなかった理由は十分に整理されていません。 不足情報を伝えることで、AIは仮説だけでなく、追加で確認すべき情報も示しやすくなります。仮説を考える対象と範囲を指定する
AIにすべての可能性を出させようとすると、仮説が広がりすぎて扱いにくくなります。そのため、どの範囲で考えるかを指定します。 例えば、「顧客側の事情、自社の営業活動、対象顧客の選び方、外部環境の四つの観点から考えてください」と伝えます。 また、「商品改修や大幅な価格変更はすぐにできないため、現在の営業活動で検証できる範囲を中心にしてください」と条件を加えることもできます。 期間、予算、人員などの制約を伝えることで、実行可能な検証案を得やすくなります。AIを使って複数の営業仮説をつくる
異なる観点から仮説を出す
複数の仮説を出すときは、数だけを増やすのではなく、観点を変えることが重要です。 今回の例では、次のような仮説が考えられます。- 新任担当者が初回商談で顧客課題を十分に具体化できていない
- 新たに対象とした業界と商品の適合度が低い
- 初回商談で商品説明に時間を使いすぎている
- 顧客側の検討時期が以前より先になっている
- 初回商談に意思決定者や関係者が参加していない
- 次回商談の目的や参加者を合意できていない
反対の仮説と反証材料を出してもらう
AIを使う意味の一つが、自分の見方とは反対の可能性を出してもらえることです。 「新任担当者が増えたため、商談の質が下がった」と考えている場合には、「新任担当者が原因ではないとしたら、どのような可能性があるか」と質問します。 さらに、「この仮説が誤っていることを示す情報は何か」と依頼します。 新任担当者だけでなく既存担当者の移行率も下がっていれば、担当者の経験だけでは説明できません。新任担当者でも特定業界では高い移行率を維持している場合は、業界との適合度が影響している可能性があります。 各仮説について、支持する情報と反証する情報を並べることで、自分たちに都合のよい材料だけを集める状態を避けやすくなります。
AIに任せる範囲と人が判断する範囲
営業仮説の検討では、AIと人の役割を分ける必要があります。 AIに任せやすい内容は、次のとおりです。- 一つの課題について複数の仮説を出す
- 顧客側、自社側など観点を変える
- 自分の仮説と反対の可能性を示す
- 仮説を支持する情報と反証する情報を整理する
- 追加で確認すべき情報を洗い出す
- 小さく試せる検証方法の案を出す
- AIへ渡す情報が事実として正しいか
- どの仮説から検証するか
- 顧客へどのように確認するか
- 検証に使える期間、予算、人員
- 結果をどのように解釈するか
- 営業方針として何を採用するか
検証できる営業仮説へ絞り込む
抽象的な仮説を確認できる形へ変える
「営業力が弱い」「顧客の質が悪い」「この業界にはニーズがない」といった表現は、そのままでは検証できません。 営業力が弱いのであれば、初回商談で顧客課題を具体化できていないのか、次回アクションを設定できていないのか、意思決定者との接点をつくれていないのかを分けます。 顧客の質が悪いのであれば、業界、企業規模、担当部門、課題の有無、導入予定時期など、従来の顧客との違いを明確にします。 AIには、抽象的な仮説を「営業記録や顧客への確認によって確かめられる表現」に書き換えてもらうとよいでしょう。どの仮説から検証するかを決める
すべての仮説を同時に検証する必要はありません。次の観点から、検証する順番を考えます。- 既存の営業記録だけで確認できるか
- 数日から数週間で試せるか
- 顧客や営業担当者の負担が大きくないか
- 正しかった場合に営業成果への影響が大きいか
- 間違った判断を続けた場合の損失が大きいか
- ほかの仮説と結果を切り分けやすいか
中心事例で仮説を絞り込む
今回の例では、まず担当者別、業界別の次回商談移行率を確認します。既存の営業記録から確認できるため、顧客への追加調査よりも早く着手できます。 新任担当者だけで数字が下がっているなら、商談の進め方を確認する必要があります。新たに対象とした業界だけで低下しているなら、対象顧客との適合度を検討します。 担当者や業界に関係なく全体的に下がっている場合は、初回商談の内容、顧客の検討時期、次回商談の設定方法など、共通する要因を確認します。 この段階では、原因を確定する必要はありません。可能性の低い仮説を外し、営業活動で試す仮説を一つか二つに絞ることが目的です。小さな営業活動で仮説を検証する
顧客への確認と営業活動での検証を分ける
仮説の検証方法は、大きく二つに分けられます。 一つは、顧客へ確認する方法です。商談後の振り返りや追加質問によって、検討優先度、社内事情、次回へ進まなかった理由を確認します。 もう一つは、営業活動を変えて結果を見る方法です。例えば、初回商談で次回の検討事項を明確にする、意思決定者の参加条件を確認する、特定業界向けの説明を変更するといった方法です。 顧客へ確認するときは、仮説をそのままぶつけないことが重要です。「価格が高いことが理由ですよね」と聞けば、顧客の回答を誘導する可能性があります。 「今回、次の検討に進むうえで不足していた点はありますか」など、仮説を正当化するためではなく、事実を確認する聞き方に調整します。 顧客が社内事情をすべて話せるとは限りません。顧客の回答だけを唯一の事実とせず、営業記録や実際の行動結果とあわせて判断します。一度に変える項目を増やしすぎない
営業活動を改善しようとすると、対象顧客、商談資料、説明内容、ヒアリング項目、フォロー方法を一度に変えたくなります。 しかし、複数の条件を同時に変えると、結果が改善しても、何が影響したのか分かりません。 今回の例では、「初回商談で次回商談の目的と参加者を合意できていない」という仮説を検証するとします。 まず一部の商談で、初回商談の終盤に次回の検討内容、参加してほしい関係者、次回までに双方が準備する内容を確認します。対象顧客や使用する資料など、ほかの条件はできるだけそろえます。 小さく試す目的は、すぐに最終的な解決策を完成させることではありません。仮説が正しい可能性を確認し、次の判断材料を増やすことです。対象、期間、判断基準を実施前に決める
検証を始める前に、対象、期間、担当者、確認する指標を決めておきます。 例えば、「特定業界の初回商談10件を対象に、次回商談の目的と参加者を初回で合意し、次回商談への移行率と顧客の反応を確認する」といった形です。 実施後に判断基準を変えると、自分たちに都合のよい解釈をしやすくなります。 ただし、商談10件程度の結果だけで、すべての顧客に有効だと断定することもできません。1件の成功や失敗だけで判断せず、業界、担当者、商談条件の違いも確認します。 短期的な受注結果だけではなく、次回商談への移行、意思決定者の参加、顧客から得られた具体的な反応なども判断材料にします。 件数が少ない場合は、「仮説を支持する傾向が見られた」「現時点では明確な差がない」「対象を広げて追加検証する」といった段階的な判断が必要です。検証結果から仮説を更新し、チームの判断につなげる
検証結果を新しい仮説の材料にする
検証した方法で次回商談への移行率が改善しても、それだけで原因を確定することはできません。 対象とした顧客の関心がもともと高かった、担当者の経験が影響した、検討時期が偶然合っていたといった可能性があります。 反対に、結果が改善しなかった場合も、仮説自体が誤っているとは限りません。実施方法、対象顧客、検証期間が適切でなかった可能性もあります。 結果は「正解が分かった」と捉えるのではなく、「仮説を支持する材料が増えた」「反証する材料が見つかった」と整理します。 新任担当者だけでなく既存担当者の数字も下がっていたなら、担当者の経験以外に共通する要因を考えます。特定業界だけで低下しているなら、業界特有の検討時期や課題の違いを確認します。 AIには検証結果を伝え、「当初の仮説では説明できない点」「可能性が下がった仮説」「新たに考えられる仮説」を整理してもらいます。仮説、事実、検証結果を分けて記録する
営業チームで仮説を扱う場合は、仮説、確認できている事実、検証結果を分けて記録する必要があります。 仮説だけが共有されると、時間がたつうちに事実として扱われる可能性があるためです。 検証する際は、少なくとも次の内容を残します。- 確認できている事実
- 検証する仮説
- 仮説を選んだ理由
- 対象となる顧客や商談
- 実施期間と担当者
- 変更する営業活動
- 判断に使う指標
- 得られた結果
- 継続、修正、終了の判断
顧客や営業担当者への先入観を残さない
仮説を持つと、顧客や営業担当者をその仮説に沿って見てしまうことがあります。 「この業界はニーズが弱い」と考えると、商談前から期待を下げ、十分な質問をしなくなる可能性があります。「新任担当者の提案力が原因」と考えると、その担当者の失敗だけに注目しやすくなります。 仮説は相手を評価するためのラベルではなく、確認すべき可能性です。検証中の見方であることをチーム内で共有し、顧客や担当者への決めつけにつながらないようにします。営業方針として何を採用するかは人が決める
AIは、複数の仮説、反証材料、確認項目、検証方法の案を整理できます。しかし、営業方針として何を採用するかは決められません。 顧客との関係、営業組織の能力、使える予算、現場の負担、ほかの営業施策との優先関係を踏まえる必要があるためです。 検証終了後は、結果に応じて継続、修正、終了のいずれかを判断します。 期待した変化が見られた場合でも、対象を広げる前に条件の違いを確認します。結果が出なければ、実施方法を修正するのか、別の仮説へ移るのかを決めます。 最終的な判断と、その結果に対する責任は人が持ちます。今日から試せるAIへの相談例
営業仮説の壁打ちが有効な場面
営業仮説の壁打ちは、原因が明確ではないものの、何らかの変化が起きている場面で活用できます。 例えば、次のような場面です。- 新規開拓の反応率が下がった
- 初回商談から次回商談へ進まない
- 提案後に案件が停滞する
- 特定業界だけ商談化率が低い
- 既存顧客への追加提案が進まない
- 新しい営業施策を始めたが成果が出ない
複数の仮説と検証方法を出す壁打ちプロンプト例
あなたは、営業課題の仮説検討を支援する壁打ち相手です。 現在、初回商談は月20件ありますが、次回商談へ進むのは5件です。以前は20件中8件程度が次回商談へ進んでいました。 現時点で確認できている事実は以下です。 ・初回商談数は大きく変わっていない ・提案する商品と価格に変更はない ・新任の営業担当者が2名増えた ・対象業界を一部広げた ・顧客から明確な失注理由は十分に聞けていない 私は、新任担当者の商談の進め方が影響している可能性があると考えています。ただし、これは確認できていない仮説です。 次回商談への移行率が低下した原因について、顧客側、自社の営業活動、対象顧客、外部環境の観点から、異なる仮説を5つ出してください。 各仮説について、以下を整理してください。 ・仮説の内容 ・仮説を支持する可能性がある事実 ・仮説に反する可能性がある事実 ・追加で確認すべき情報 ・既存の営業記録で確認できる内容 ・短期間で小さく試せる検証方法 私が考えている原因とは反対の可能性も含めてください。 最後に、どの仮説から検証するかを考えるため、検証のしやすさ、営業成果への影響、顧客や担当者の負担という観点から整理してください。 仮説を事実として扱ったり、顧客や担当者へ先入観を持ったりしないための注意点も指摘してください。
