資料請求や問い合わせが増えても、「誰から連絡すべきか」を担当者ごとの勘で決め、商談につながる見込み客への初動が遅れていないでしょうか。全員へ同じ順番で対応すると、営業工数は増えても優先度は揃いません。
原因は、リード数の不足ではなく、自社に合う相手と検討が進んだ行動を同じ基準で評価していないことです。AIは過去データから傾向を見つけられますが、欠損や営業記録の偏りまで自動で正しくするわけではありません。
この記事では、AIリードスコアリングの目的、評価項目、営業引き継ぎ、30日検証を解説します。高機能な予測モデルから始めず、説明できる小さなルールとAI補助で営業優先度を揃えられます。
株式会社ラクボは、マーケティングと業務自動化を分けず、問い合わせ取得、情報整理、担当通知、営業後の記録までを一つの運用として設計しています。点数を作ることではなく、次の行動と改善結果が残ることを重視しています。
AIリードスコアリングの目的を一つに絞る
リードスコアリングは、見込み客の属性と行動を基に優先順位を付ける仕組みです。最初の目的は「初回連絡を早める」「商談化しやすい相手を選ぶ」「休眠前に再接触する」のどれか一つに絞ります。目的が違えば、見るデータも合格とする結果も変わります。
2026年に公表されたPwCの日本企業向けB2Bセールス調査でも、顧客インサイト抽出やリードスコアリングは生成AIの営業活用例として整理されています。ただし、導入効果を出すには効率化だけでなく売上や顧客体験につながる使い方が必要です。詳しい位置づけは日本企業のB2Bセールスにおける生成AI活用調査で確認できます。
対象は、同じ入口と同じ商品で一定数の結果が残るリード群にします。資料請求、セミナー参加、紹介、広告問い合わせを最初から混ぜると、入口の違いを購買意欲と誤認します。まず直近30〜50件を並べ、受注、商談、対象外、未接触の状態が追えるかを確認します。
適合度・関心度・減点条件を分けて設計する
評価項目は三つに分けます。適合度は業種、規模、役職、対応地域など「自社が価値を出せる相手か」。関心度は料金ページ閲覧、事例閲覧、資料請求、再訪など「検討が進んでいるか」。減点条件は採用営業、対象外地域、連絡不能、長期間反応なしなどです。
最初は、適合度と関心度を各三項目程度に絞り、なぜ加点したかを営業が読める形にします。AIには自由な点数を出させず、問い合わせ文から用途、時期、困りごとの候補を抽出し、根拠文と確信度を添えさせます。判断材料が足りない場合はゼロ点ではなく「要確認」とします。
よくある失敗は、メール開封やページ閲覧を重ねただけで高得点にすることです。情報収集中の同業者や学生が上位になることもあります。属性だけでも将来の見込みを落とすため、適合度と関心度を別表示し、合計点だけでなく内訳を営業へ渡します。
スコアから営業の次アクションまでをつなぐ
スコアが完成しても、一覧を眺めるだけでは成果になりません。高優先は当日中に担当通知、中優先は事例送付と再確認、低優先は育成コンテンツへ戻すなど、区分ごとの次アクション、期限、担当を決めます。価格、契約、苦情を含む問い合わせは点数に関係なく人へ上げます。
営業へ渡す情報は、点数、加点理由、最近の行動、問い合わせ要約、確認すべき一問に絞ります。AIが作る初回メールは下書きにとどめ、宛先、事実、提示条件を人が確認します。問い合わせ全体の受付と担当通知を整える場合は、問い合わせ対応の自動振り分け設計を先に揃えると記録漏れを減らせます。
休眠リードへ別の接触を行う場合も、現在の高優先リードと同じ配信へ混ぜません。過去接点と同意範囲を確認し、休眠顧客をAIで掘り起こすフローのように、対象抽出から停止条件までを別運用にします。
30日検証で営業結果をスコアへ戻す
最初の30日は、上位リード数、初回連絡までの時間、営業受入率、商談化率、対象外率を確認します。AIの精度だけでなく、営業が実際に優先順位を受け入れたかを見ることが重要です。高得点でも対象外が多ければ適合度を、高得点でも会話が進まなければ関心度を見直します。
一週間ごとに誤判定を五件だけ確認し、原因をデータ欠損、抽出ミス、点数ルール、営業記録の不足へ分けます。受注だけを正解にすると検討期間の長い商材で学習が偏るため、商談受入、次回約束、失注理由も結果として残します。新しい商品やキャンペーンでは、過去モデルをそのまま使わず再検証します。
自社の顧客データと営業手順に合わせて、スコア、通知、下書き、記録を小さく構築したい場合は、ラクボの期間限定AI部署・AI顧問をご覧ください。既存の表やCRMから検証可能な項目を整理したい方は、AIリードスコアリングの設計について相談できます。