新しい営業施策を考えるとき、多くの場合は「どうすれば成果を出せるか」という方向から検討します。
誰を対象にするのか。どのようにアプローチするのか。誰が担当するのか。どのようなKPIを設定するのか。もちろん、こうした成功に向けた設計は欠かせません。
一方で、実施前には見えていなかった問題が、施策開始後に発覚することもあります。そこで有効なのが、「この施策が失敗したとしたら、何が原因だろうか」と逆方向から考えることです。
ここでAIに任せるのは、成功・失敗の予測ではありません。まだ起きていない失敗を仮定し、自分たちだけでは見落としやすい論点を広げる壁打ちです。
すでに起きている営業課題の原因を分析するのではなく、まだ問題が起きていない段階で失敗を仮定し、実施前の対策と実施後の確認ポイントを決める。これが今回のテーマです。
営業施策は「成功させる方法」だけを考えない
実施前ほど施策の失敗要因には気づきにくい
例えば、「半年以上商談のない休眠顧客200社へ再アプローチする」という施策を考えたとします。
実施前には、対象顧客を抽出し、担当者を決め、アプローチ方法を考え、「3か月で20件の商談を作る」といったKPIを設定します。
ここまで決まると、施策としてはかなり具体的に見えます。
しかし、実際に始めてみると、「そもそも対象顧客の選び方が適切ではなかった」「担当者によってアプローチ方法が違った」「顧客から返信が来た後の対応が決まっていなかった」といった問題が出ることがあります。
施策を企画している段階では、どうしても「どう実行するか」「どう成果を出すか」に意識が向きます。そのため、施策の前提そのものを疑う視点が弱くなりやすいのです。
「3か月後に失敗した」と仮定して逆算する
そこで、一度だけ成功とは逆の方向から考えてみます。
「この施策を3か月実施したものの、期待した成果が出なかった」
そう仮定したうえで、「なぜ失敗したのか」を考えます。
これは、失敗した状態を先に仮定して原因を考える「プレモーテム」と呼ばれる考え方です。実際に失敗してから振り返るのではなく、まだ施策を変更できる段階で失敗要因を考える点に意味があります。
目的は原因を当てることではありません。
失敗要因を考えることで、今のうちに確認できることはないか、準備しておくことはないか、始めた後に注意すべき兆候は何かを整理します。
AIは失敗を予測するのではなく、見落としを探す壁打ち相手
この検討は人だけでもできますが、自分たちだけで考えると、普段意識している範囲に論点が偏りやすくなります。
そこでAIに、「この施策が失敗したと仮定して、考えられる原因を複数の観点から挙げてください」と相談します。
例えば、対象顧客、アプローチ内容、営業プロセス、担当者、実施体制、フォロー方法、KPIなど、観点を切り替えながら原因候補を出してもらいます。
ただし、AIが挙げた原因は「実際に起こる失敗」ではありません。
AIの役割は、検討すべき論点を広げることです。どのリスクが自社に当てはまるのか、どこまで備えるのかは人が判断します。
まずAIに営業施策の前提条件を伝える
施策内容だけでなく、目標・制約・対象条件まで伝える
事前検証を具体的にするには、AIへ施策の前提条件を伝える必要があります。
例えば、今回の休眠顧客への再アプローチであれば、次のような情報です。
- 半年以上商談のない休眠顧客200社が対象
- 営業担当者5名で実施する
- メールと電話を組み合わせる
- 実施期間は3か月
- 20件の商談創出を目標とする
- 通常の営業活動と並行して進める
- 対象顧客は過去の商談履歴をもとに抽出している
単に「休眠顧客への営業施策のリスクを考えてください」と依頼するよりも、こうした前提がある方が検討内容は具体的になります。
特に重要なのは、何を実施するかだけでなく、どのような条件の中で実施するかまで伝えることです。
過去の営業活動も参考材料になる
過去に似た施策を実施している場合は、そのときの活動結果や顧客の反応も参考になります。
例えば、「以前も休眠顧客へ一斉メールを送ったが、返信率が低かった」「特定業界では比較的反応があった」といった情報です。
SFAやCRMなど営業情報を残す仕組みに過去の活動履歴があれば、必要な範囲で確認すると、検討材料を増やせます。
ただし、過去の結果が今回もそのまま再現されるとは限りません。過去情報も「何を確認するか」を考えるための材料として扱います。
一般論ではなく「今回の施策の弱点」を考える
AIへの情報が少ないと、「ターゲット設定が不適切」「フォロー不足」「KPI設定に問題がある」といった一般的な回答に寄りやすくなります。
今回必要なのは、営業施策一般のリスク一覧ではありません。
「通常業務と並行して5名で200社に対応するなら、担当者ごとの実施量に差が出ないか」
「半年以上商談がない顧客という条件だけで、再アプローチ対象として十分なのか」
「20件の商談創出という目標に対して、途中経過を何で確認するのか」
といった、今回の施策だからこそ確認したい論点を出すことが目的です。
「3か月後に失敗した」とAIと考えてみる
休眠顧客200社への再アプローチを具体例にする
ここからは、実際の流れに沿って考えてみます。
施策は、「半年以上商談のない休眠顧客200社へ、営業担当者5名が3か月間再アプローチし、20件の商談創出を目指す」とします。
この条件を整理したうえで、次のように問いかけます。
「この施策を実施したものの、3か月後に期待した成果が出なかったと仮定してください。考えられる失敗原因を、異なる観点から挙げてください」
ポイントは、単に「リスクを教えてください」と聞かないことです。
一度「失敗した」という状態を仮定することで、施策を成立させるための発想だけではなく、施策が崩れる方向からも考えやすくなります。
対象顧客・アプローチ・営業プロセスから失敗原因を考える
まず対象顧客について考えます。
「半年以上商談がない」という条件だけでは、再アプローチする価値が高い顧客と、現時点では可能性が低い顧客が混在しているかもしれません。
過去に失注理由が明確だった企業、担当者が変わっている企業、そもそも自社の対象市場から外れている企業まで含まれていれば、200社という件数自体は達成しても、商談創出につながりにくくなります。
アプローチ内容にも同様の問題があります。
以前の商談内容を考慮せず、全社へ同じメールを送る。顧客にとって改めて話を聞く理由が弱い。電話とメールをどのタイミングで使い分けるかが決まっていない。
こうした点は、施策開始後に初めて気づくこともあります。
さらに、「返信があった後に誰が対応するのか」「再商談までどのようにつなぐのか」といった営業プロセスまで見ていくと、入口だけを設計して出口が決まっていない可能性も見えてきます。
担当者・実施体制・フォロー方法から失敗原因を考える
施策自体に問題がなくても、実施体制によって成果が出ない場合があります。
例えば、5名の営業担当者が通常業務と並行して取り組む場合です。
ある担当者は毎週計画的に実施している一方、別の担当者は既存商談が忙しく、ほとんど手を付けられていないかもしれません。
また、「200社へ連絡すること」ばかりが管理されると、件数をこなすことが目的になり、反応があった顧客へのフォローが後回しになる可能性もあります。
こうした場合、問題は営業担当者個人の能力ではなく、施策の優先順位、担当配分、フォローの役割分担など、実施体制にあるかもしれません。
KPI・評価方法・施策の前提条件まで疑ってみる
KPIも検討対象です。
例えば、「200社へ連絡する」という実施件数だけを追うと、活動量は確認できますが、施策がうまく進んでいるかは分かりません。
一方で、「20件の商談を作る」という最終結果だけを見ていると、途中でどこに問題があるかを判断しにくくなります。
接触できた割合、何らかの反応があった割合、再商談へ進んだ割合など、途中経過を見る指標も必要になるでしょう。
さらに重要なのは、施策の前提条件そのものです。
「半年以上商談がない顧客へ今アプローチする意味があるのか」「休眠期間だけで対象を決めてよいのか」といった点まで一度疑うことで、施策開始前の確認事項が見えてきます。
AIが出した失敗要因から「備えるリスク」を人が絞る
すべての失敗要因に対策する必要はない
失敗を仮定して考えると、数多くのリスク候補が出てきます。
ここで、それらをすべて対策しようとすると、施策は動かしにくくなります。
必要なのは、リスクを増やすことではなく、今回の施策で優先して備えるべきものを選ぶことです。
AIが出した候補をそのまま採用するのではなく、人が絞り込みます。
「起こる可能性×影響の大きさ×対策可能性」で判断する
絞り込みでは、次の3点を見ると整理しやすくなります。
- 自社で実際に起こる可能性は高いか
- 起きた場合に施策への影響は大きいか
- 今のうちに現実的な対策ができるか
例えば、「担当者によってアプローチ方法がバラバラになる」という失敗要因を考えます。
過去にも担当者ごとに営業方法の差が大きかったのであれば、起こる可能性は比較的高いと判断できます。
その結果、顧客への伝え方やフォロー品質に大きな差が出るのであれば、影響も小さくありません。
さらに、事前に基本的なアプローチ方針や最低限の確認項目を共有するだけである程度防げるのであれば、対策可能性も高いと言えます。
このようなリスクは、優先的に準備しておく価値があります。
実施前に確認すること・準備することへ落とし込む
優先するリスクを決めたら、次は具体的な準備に変えます。
例えば、「対象顧客の選定が適切ではない」というリスクであれば、200社をそのまま配布するのではなく、過去の商談内容や最終接触時の状況を確認する方法があります。
「担当者によってアプローチ方法に差が出る」というリスクであれば、基本方針や最低限伝える内容を事前に共有できます。
「返信後のフォローが遅れる」というリスクであれば、誰が、どの程度の期間内に、どのように対応するかを決めておきます。
ここで重要なのは、失敗要因を列挙したままにしないことです。
失敗要因→実施前の確認事項→事前対策まで変換して、初めて施策実行に使える情報になります。
顧客への影響や現場での実行可能性は人が判断する
ただし、対策は多ければよいわけではありません。
例えば、200社すべてについて詳細な過去履歴を調べてから連絡するとなれば、準備工数が大きくなり、施策自体が進まなくなる可能性があります。
どこまで情報を確認するのか。どこまで営業方法を統一するのか。どの程度の準備なら現場で継続できるのか。
さらに、営業側の効率だけでなく、顧客にどのような印象を与えるかも考える必要があります。
こうした判断には、自社の営業体制、顧客との関係、施策の重要度などが関わります。AIから案を出してもらうことはできますが、最終的な優先順位は人が決めます。
施策開始後の「早期警戒サイン」まで決めておく
失敗してからではなく、途中の変化を見る
事前に考えたリスクのすべてを防げるわけではありません。
そのため、失敗を仮定した事前検証では、事前対策だけでなく、問題が起こり始めたときに何が見えるのかまで考えておきます。
今回の休眠顧客施策であれば、例えば次のような兆候があります。
- 1か月経っても接触できる顧客が極端に少ない
- 接触できても「現在は対象外」という反応が多い
- 担当者ごとの実施件数に大きな差がある
- 返信が来ているのに、その後のフォローが滞留している
- 商談化しない理由が特定のパターンに偏っている
こうした兆候は、「最終的に20件の商談が作れなかった」と分かる前に確認できます。
兆候ごとに見直す対象を決める
早期警戒サインは、見るだけでは十分ではありません。
「その兆候が出たら何を見直すのか」までセットで考えておきます。
例えば、接触できても「現在は対象外」という反応が多いのであれば、アプローチ件数を増やす前に、対象顧客の選定条件を確認します。
担当者ごとの実施件数に大きな差が出ているのであれば、担当者の意欲だけを問題にするのではなく、通常業務との優先順位や担当配分を見直します。
返信後のフォローが滞留しているのであれば、対象顧客や最初のアプローチ方法ではなく、フォロー体制を確認します。
このように、兆候と見直し対象を対応させておくことで、施策開始後の判断がしやすくなります。
数字だけでなく顧客や営業担当者の反応も確認する
早期警戒サインは、数値だけではありません。
「以前の提案内容と現在の状況が合っていない」「担当者がすでに変わっている企業が多い」「再度連絡する理由が伝わっていない」といった顧客の反応も重要です。
営業担当者から、「対象顧客の優先順位を判断しにくい」「返信後の対応方法が分からない」といった声が増えている場合は、実施体制に問題が出始めている可能性があります。
数字と現場の反応を合わせて見ることで、単に「活動量が足りない」と結論づけずに済みます。
見直し・変更・中止を検討する条件を事前に考える
さらに、どのような状態になったら施策を見直すのかも考えておきます。
例えば、「1か月実施しても対象顧客からほとんど反応がない場合は、対象条件を確認する」「担当者間で実施量に大きな差が続く場合は、体制を見直す」といった条件です。
場合によっては、施策の縮小や中止も選択肢になります。
ただし、「反応率が何％なら中止」といった基準をAIに決めてもらうものではありません。
目標、コスト、顧客への影響、営業組織への負荷などを踏まえ、人が判断します。
事前に見直し条件を考えておくことで、「せっかく始めたのだから、もう少し続けよう」と惰性で施策を続けることを防ぎやすくなります。
営業施策の事前検証でAIを使うときの注意点
AIが挙げた失敗要因は「起こること」ではない
AIが「対象顧客の選定に問題がある可能性があります」と回答しても、実際に問題があることが確認されたわけではありません。
AIが出しているのは、検討候補です。
「こんな失敗もあり得るのではないか」という論点を広げ、そのうえで自社に当てはまるかを確認します。
AIの回答を予測結果として扱わないことは、この活用方法の重要な前提です。
リスクを増やしすぎて施策を動かせなくしない
AIに繰り返し失敗要因を聞けば、リスク候補はいくらでも増やせます。
しかし、営業施策には、実際に動かしてみなければ分からないこともあります。
事前検証の目的は、すべての失敗可能性をなくすことではありません。
起こる可能性が高く、影響が大きく、事前に対処しやすい問題を中心に準備したうえで、施策を動かすことです。
リスクを考えるほど慎重になり、実施できなくなってしまっては本来の目的から外れます。
AIに任せるのは洗い出し、人が担うのは判断
施策の判断そのものではなく、判断するための材料を増やす作業はAIと分担しやすい領域です。
例えば、失敗パターンを複数の観点から洗い出す、見落としている前提条件を探す、事前対策や早期警戒サインの候補を整理するといった使い方です。
一方で、どのリスクが実際に起こりそうか、どこまで対策するか、どの程度のコストや工数をかけるかは人が判断します。
顧客への影響や現場での実行可能性を考え、施策を実施するか、途中で変更するか、中止するかを決めるのも人の役割です。
AIを答えを決める存在ではなく、判断する前に検討すべき論点を増やす思考パートナーとして使うことが重要です。
今日から試せるAIへの相談例
このような営業施策の実施前に使える
この方法は、休眠顧客への再アプローチだけに限りません。
例えば、次のような施策でも使えます。
- 特定業界への新規開拓強化
- 紹介営業キャンペーン
- 既存顧客への追加提案
- 展示会後の一斉フォロー
- 新しい営業トークや提案方法の展開
共通しているのは、何を実施するかはある程度決まっているが、まだ本格実施していないという段階です。
施策を選ぶためではなく、決めた施策を実行する前の事前検証として使います。
「失敗した」と仮定する壁打ちプロンプト例
以下のように、施策内容と前提条件を具体的に伝えて相談します。
あなたは営業施策の事前検証を支援する壁打ち相手です。 来月から、半年以上商談のない休眠顧客200社へ再アプローチする施策を実施します。 営業担当者5名で実施し、3か月間で20件の商談創出を目標としています。 この施策を実施したものの、3か月後に期待した成果が出なかったと仮定してください。 その場合に考えられる失敗原因を、 ・対象顧客 ・アプローチ内容 ・営業担当者 ・実施体制 ・フォロー方法 ・KPIや評価方法 など異なる観点から挙げてください。 各失敗原因について、 ・なぜ起こる可能性があるか ・実施前に確認できること ・事前にできる対策 ・施策開始後に注意すべき兆候 を整理してください。 最後に、重要度が高そうなものから優先順位案を示してください。 ただし、実際にどのリスクが発生するかは断定せず、施策実施前に検討すべき材料として提示してください。
失敗要因→事前対策→警戒サインまでつなげて考える
この壁打ちで重要なのは、失敗原因を出したところで終わらないことです。
「なぜ失敗するか」 ↓ 「実施前に何を確認するか」 ↓ 「どのような対策をするか」 ↓ 「開始後にどの兆候を見るか」 ↓ 「どの状態なら見直すか」
ここまでつなげることで、営業施策の実行に使える情報になります。
重要なのは、AIに失敗を予測させることではありません。
「失敗したとしたら」という問いから、自分たちだけでは見落としていた論点を増やし、事前対策と施策開始後の確認ポイントへつなげることです。
施策を決める ↓ 失敗を仮定する ↓ 原因候補を出す ↓ 人が優先するリスクを絞る ↓ 実施前の対策をする ↓ 開始後の兆候を確認する
この一連の流れを作ることで、営業施策を始めてから問題に気づくのではなく、まだ修正できる段階で準備できることが見えてきます。
AIを未来予測の道具ではなく、施策実行前の見落としを減らす思考パートナーとして使う。これが、営業施策の失敗をAIで先回りして考える基本です。
よくある質問（FAQ）｜営業施策の事前検証にAIを使うときの疑問を解決
営業施策の実施前にAIを使って失敗要因を考える際に、現場でよく出やすい疑問をまとめました。AIに任せる範囲と、人が判断すべきポイントを中心に整理しています。
