営業マネージャーが部下の活動状況を確認するとき、商談数や提案件数、受注件数などの数字を見ることは少なくありません。
しかし、「提案件数が少ないから、もっと提案しよう」「商談数が足りないから、もう少し動こう」と数字だけを見て指導しても、部下育成につながらない場合があります。
なぜなら、数字が増減した理由までは、その数字だけでは分からないからです。
AIを部下育成に活用するのであれば、営業担当者の能力を評価させるのではなく、数週間の活動データから「最近どのような変化が起きているのか」「本人に何を確認した方がよいのか」を整理する使い方が適しています。
この記事でいう「改善ポイント」とは、AIが決める営業担当者の弱点ではありません。
活動データから確認すべき変化を見つけ、本人との対話を通じて、今後どこを改善・支援していくかを考えるためのテーマです。
基本となるのは、
活動データ → 変化を整理 → 本人への質問 → 背景を確認 → 支援内容を考える
という流れです。
AIが担うのは、このうち「変化の整理」と「質問を考えるための材料づくり」です。
数字を見て注意するだけでは、部下育成につながらない
商談数や提案件数だけでは「何が起きているか」は分からない
例えば、ある営業担当者の初回商談が前月より増えた一方で、提案件数が減っていたとします。
数字だけを見ると、「商談は増えているのに提案につながっていない」という状況です。
ここで、すぐに「提案力が弱い」「商談の進め方に問題がある」と判断するのは早すぎます。
実際には、次のような状況も考えられます。
- 情報収集段階の顧客との商談が増えた
- まだ提案条件がそろっていない案件が多かった
- 決裁者との接点が持てていない
- 新規商談が増え、既存案件のフォロー時間が減った
- 商談後の次回予定が決まりにくくなった
ただし、これらも活動数字だけから事実として判断できるわけではありません。
重要なのは、「数字から原因を決める」のではなく、「本人に確認した方がよい変化を見つける」ことです。
「もっと頑張ろう」で終わる指導の問題
営業現場では、次のような会話が起こりがちです。
Before
マネージャー： 「今週も提案件数が少ないね。もう少し提案を増やそう。」
営業担当者： 「分かりました。」
これでは、なぜ提案が少ないのか分からないままです。
本人がどこで困っているのか、商談内容に変化があったのか、ほかの業務に時間を取られているのかも確認できません。
その結果、翌週も同じ数字を見て、同じ指導を繰り返す可能性があります。
AIを使う目的は、この指導を自動化することではありません。
After
「提案が減っている」 ↓ 「ほかの活動にどのような変化があるかを見る」 ↓ 「本人に背景を確認する」 ↓ 「必要な支援を考える」
という形に変えることです。
成果だけでなく、行動・プロセス・変化を見る
売上や受注件数は営業活動の重要な成果指標です。
一方で、短期間の売上や受注には、担当顧客、案件のタイミング、市場環境など、営業担当者本人だけではコントロールできない要素も影響します。
部下育成では、結果だけでなく、その手前にある行動やプロセスの変化を見ることが重要です。
そこでAIには、数週間分の営業活動を並べて、変化を整理する作業を補助させます。
活動データから「本人に確認したい変化」をAIで見つける
まずは1週間ではなく数週間の変化を見る
営業活動を見るときは、1週間だけの数字よりも、数週間の推移を並べた方が変化を把握しやすくなります。
例えば、次のような項目です。
- 新規アプローチ
- 初回商談
- 提案
- 既存案件フォロー
- 次回アクション設定
AIには、まず「良い・悪い」を判断させず、増えている活動、減っている活動、大きく変化した活動、継続して同じ傾向にある活動を整理させます。
予定と実績の差も確認材料になります。
例えば、
- 初回商談：予定5件／実績5件
- 既存案件フォロー：予定8件／実績3件
だったとします。
初回商談は予定通り実施できていますが、既存案件フォローは予定を下回っています。
このときも、「フォローが足りない」とすぐ注意するのではなく、「予定していたフォローが実施できなかった背景に何があったのか」を確認します。
新規商談への対応が予定以上に増えたのかもしれませんし、優先度の高い案件対応に時間を使ったのかもしれません。
予定と実績の差は、評価の材料ではなく、本人との会話を始める材料として使います。
活動同士の組み合わせを見ることも重要です。
単独の数字よりも、複数の活動を組み合わせることで、確認したいポイントが見つかる場合があります。
例えば、
- 初回商談は増えている
- 提案は減っている
- 次回アクション設定も減っている
という組み合わせです。
この時点では原因は分かりません。
ただし、「最近の商談内容や、商談後の進め方に何か変化がないか確認してみよう」という対話のきっかけにはなります。
AIには、こうした「確認する価値がありそうな変化」を整理させるのがポイントです。
ケーススタディ｜商談は増えたのに提案が減った営業担当者
営業担当者Aさんの4週間の活動を例に考えてみます。
| 活動 | 第1週 | 第2週 | 第3週 | 第4週 |
|---|---|---|---|---|
| 新規アプローチ | 28 | 31 | 35 | 38 |
| 初回商談 | 3 | 5 | 6 | 6 |
| 提案 | 2 | 2 | 1 | 1 |
| 既存案件フォロー | 7 | 6 | 5 | 4 |
| 次回アクション設定 | 5 | 4 | 2 | 1 |
まずAIで「変化」だけを整理する
このデータを見ると、新規アプローチは28件から38件へ増えています。
初回商談も3件から6件まで増えました。
一方で、提案は2件から1件へ減少し、既存案件フォローも7件から4件、次回アクション設定も5件から1件へ減っています。
ここで必要なのは、「Aさんは提案が苦手」と評価することではありません。
例えば、「初回商談が増えている一方で、提案、既存案件フォロー、次回アクション設定が減っている。最近の商談内容や商談後の進め方、新規対応による既存案件への影響を確認する余地がある」と整理します。
変化を本人への質問に変える
次に、整理した変化から本人への確認質問を考えます。
例えば、次のような質問です。
- 「最近増えている初回商談は、以前と比べてどのような商談が多い？」
- 「最近、商談後に次回予定が決まりにくいケースはある？」
- 「新規商談が増えたことで、既存案件への対応時間に変化はあった？」
- 「提案まで進めにくい商談に、共通する特徴はある？」
重要なのは、「なぜできていないのか」と問い詰めるのではなく、状況を確認する質問にすることです。
本人の回答によって数字の見え方が変わる
Aさんに確認したところ、次のような回答があったとします。
「最近はWeb問い合わせからの初回商談が増えていますが、情報収集段階のお客様が多く、すぐに提案へ進める案件はあまり多くありません。」
「新規商談が増えた分、既存案件のフォローを後回しにすることがあります。」
「最近は商談中に次回日程まで決めず、後からメールで連絡するケースが増えています。」
ここまで確認して初めて、活動データの背景が見えてきます。
初回商談が増えても、そのまま提案機会が増えるわけではなかった。
新規商談への対応が増えたことで、既存案件フォローへの時間配分が変わっていた。
商談後の次回アクションの決め方にも変化があった。
数字だけを見て「提案件数を増やそう」と伝えた場合とは、育成テーマが変わってきます。
このケースのBefore／Afterを整理すると、次のようになります。
Before： 提案が少ない → 提案を増やすよう指導する
After： 提案が減っている → 関連する活動変化を確認する → 本人に背景を聞く → 支援すべきテーマを考える
育成テーマの候補としては、
- 初回商談後に次のステップを決める方法
- 情報収集段階の顧客への対応方法
- 新規案件と既存案件の優先順位
- 既存案件フォロー時間の確保
- 商談終了時の次回アクション設定
などが考えられます。
どれを優先するかは、本人の状況や案件の内容を踏まえてマネージャーが判断します。
改善策についても、「来週からこうしなさい」と一方的に決めるのではありません。
例えばマネージャーが、「次回アクションを残しやすくするために、どのやり方なら続けられそう？」と本人に確認したうえで、
- 可能な場合は商談中に次回日程を決める
- 次回未定案件を翌日に確認する
- 金曜日に次回アクション未設定案件を見直す
といった候補から、実際に取り組む内容を一緒に決めます。
改善行動を決めた後も、翌週だけで良し悪しを判断する必要はありません。
数週間の活動変化を見ながら、次回アクション設定が増えたか、既存案件へのフォロー状況が変わったか、本人にとって無理のない方法だったかを確認します。
必要であれば、支援内容や取り組み方を再び見直します。
Excelで始める部下育成データの残し方
AIを使った部下育成のために、必ずしも特別なシステムが必要なわけではありません。
現在Excelで営業活動を管理している企業であれば、まずはExcelから始めることもできます。
「管理項目」ではなく「変化を見る項目」に絞る
注意したいのは、AIで整理できるからといって、記録項目を増やしすぎないことです。
電話件数、電話時間、メール数、商談時間、資料作成時間、移動時間など、細かく記録し始めると、入力そのものが営業活動を圧迫します。
目的は営業担当者を細かく管理することではありません。
育成に必要な変化を確認できるデータを残すことです。
例えば、最初は次のような項目でも十分です。
| 担当者 | 週 | 新規アプローチ予定 | 実績 | 初回商談予定 | 実績 | 提案予定 | 実績 | 既存フォロー予定 | 実績 | 次回アクション設定 | 本人コメント |
|---|
会社によって営業プロセスや商材、案件期間は異なります。
この項目を万能なテンプレートとして使うのではなく、自社の育成で確認したい行動だけを残すことが大切です。
AIに自社向けの項目案を考えさせることもできます。
何を記録すればよいか分からない場合は、Excelフォーマット自体をAIに相談します。
その場合も、「営業担当者を管理する表を作って」と依頼するのではなく、
- 予定と実績の差を確認したい
- 数週間の活動変化を見たい
- 本人が困っていることも残したい
- 週次面談の材料として使いたい
- 入力負担は増やしたくない
と目的を具体的に伝えます。
AIが提案した項目をすべて採用する必要はありません。
自社の営業プロセスで本当に必要か、営業担当者が無理なく入力できるかを確認して決めます。
なお、営業活動データを用意する方法はExcelに限りません。
すでにSFAやCRMなどへ営業活動を記録している場合は、同じ情報を別途Excelへ入力するのではなく、既存データを利用する方が自然です。
SFAがある場合は既存の営業活動データを使う
SFAやCRMなど、営業情報を残す仕組みをすでに運用している場合は、そこに記録されている活動を利用できます。
例えば、
- 活動履歴
- 商談件数
- 提案件数
- 案件進捗
- フォロー履歴
- 次回アクション
などです。
数週間分から必要な項目を抽出し、変化を整理して、本人への確認材料にする流れはExcelの場合と変わりません。
一方で、SFAやCRMにデータがあるからといって、商談の背景まですべて分かるわけではありません。
「なぜ次回アクションを設定できなかったのか」「なぜ提案まで進まなかったのか」といった事情は、記録だけでは分からないことがあります。
その部分は本人へ確認します。
Excelは必要な項目を自由に決めやすい一方で、手入力が必要です。
SFAは日常業務で記録している営業活動を利用しやすい一方で、記録されていない内容は確認できません。
どちらが優れているかではなく、現在の管理方法に合わせて、育成に必要な情報を無理なく残せる方法を選ぶことが重要です。
AIが整理した変化を「指摘」で終わらせず、本人との対話につなげる
活動データをAIで整理すると、さまざまな変化が見えてきます。
しかし、その結果をそのまま本人への指摘に変えてしまうと、従来の数字中心の指導と大きく変わりません。
例えば、
「次回アクション設定が減っています。改善してください」
と伝えるのではなく、
「最近、次回アクション設定が減っているけれど、商談の進め方で何か変わったことはある？」
と確認します。
使い方の基本は、
データ → 注意
ではありません。
データ → 質問 → 本人との対話 → 支援
です。
AIと人の役割を分ける
AIに任せやすいのは、次のような作業です。
- 数週間の活動データの整理
- 予定と実績の比較
- 増減や偏りの抽出
- 気になる活動の組み合わせの整理
- 本人への確認質問案の作成
- 本人コメントを加えた育成テーマ候補の整理
一方で、人が判断すべきことがあります。
- 営業担当者の能力評価
- 人事評価や査定
- 適性や性格の判断
- 活動数字から原因を確定すること
- どの育成テーマを優先するか
- 実際にどの改善行動に取り組むか
AIは、確認ポイントを整理する支援役です。
最終的な育成方針は、本人との対話を踏まえてマネージャーが考えます。
入力する情報も必要な範囲に絞ります。
活動データをAIへ渡す場合、顧客名や具体的な商談内容まで必ず入力する必要はありません。
活動件数や匿名化した案件情報だけでも、数週間の変化を整理できる場合があります。
顧客名、担当者名、具体的な商談内容などを入力する場合は、社内ルール、情報の機密区分、利用するAI環境を確認したうえで利用してください。
今日から試せるAIへの相談例
ここからは、今回の考え方を実際の営業マネジメントで試すためのプロンプト例です。
自社の営業プロセスや管理項目に合わせて調整して使用してください。
Excelフォーマットを作るためのプロンプト
そのままコピーして使えるプロンプト
営業マネージャーが週次で部下の営業活動を確認し、育成に活用するためのExcelフォーマットを作りたいです。 目的は営業担当者を監視・査定することではありません。 予定と実績の差、数週間の活動変化、活動の偏り、本人が困っていることを確認し、週次面談や1on1で話す材料にすることです。 営業担当者が週1回入力できる程度にし、項目を増やしすぎないでください。 必要な項目を、 ・必須項目 ・あると便利な項目 ・最初は不要な項目 に分けて提案してください。 各項目について、なぜ育成に必要なのかも説明し、最後にExcelの列構成を表形式で提示してください。
活動データから確認ポイントを探すプロンプト
そのままコピーして使えるプロンプト
あなたは営業マネージャーの部下育成を支援する役割です。 これから営業担当者1名の数週間分の活動データを入力します。 目的は、この営業担当者を評価することではありません。 活動データから、マネージャーが本人へ確認した方がよい変化や偏りを見つけてください。 まず、 ・増えている活動 ・減っている活動 ・大きく変化した活動 ・継続して同じ傾向にある活動 ・活動同士で気になる組み合わせ を整理してください。 数字が多い＝良い、少ない＝悪いとは判断しないでください。 営業担当者の能力、性格、適性を評価せず、活動数字だけから原因を断定しないでください。 次に、マネージャーが本人へ確認するとよい質問を5個以内で作成してください。 質問は詰問型ではなく、状況を確認できる聞き方にしてください。 最後に、本人の回答を聞いた後に検討できそうな育成テーマ候補を整理してください。 この段階では改善策を確定しないでください。
面談後に育成テーマを整理するプロンプト
そのままコピーして使えるプロンプト
先ほどの活動データについて、本人から以下の説明がありました。 ＜本人コメント＞ 活動データと本人コメントを合わせて、 1. 現在確認できていること 2. まだ分からないこと 3. 育成テーマ候補 4. マネージャーが支援できそうなこと 5. 本人と相談して決めた方がよいこと に分けて整理してください。 本人の能力や適性は評価しないでください。 改善策を一方的に決めず、本人と相談するための候補として提示してください。
数週間の活動から変化を整理し、「今回は何を本人に確認するとよいか」を考える材料を作る。
数字だけでは分からない背景を本人との対話で確認し、そのうえで育成テーマや支援内容、次に取り組む行動を決める。
そして、数週間後にもう一度活動の変化を確認し、必要であれば支援方法を見直す。
活動データ → 確認 → 対話 → 支援 → 実行 → 再確認
というサイクルで使うことが、営業マネージャーがAIを部下育成に活かす基本的な考え方です。
よくある質問（FAQ）｜営業マネージャーの部下育成におけるAI活用
営業活動データをAIで整理し、部下育成に活用する際に現場でよく出る疑問をまとめました。データの見方や本人との対話、Excel・SFAの使い方など、実務で迷いやすいポイントに絞って解説します。
