大学を卒業後初めて働いた職種は「営業職」でした。その際に非常に不思議だったのは「努力」と「根性」論が多く、戦略や戦術がほとんど無い！と感じたことです。日本企業の多くはデータドリブンという考え方が浸透しておらず、旧来のスタイルで仕事を行っている方がたくさんいます。そこで、今回は「営業」をテーマとした記事をお届けしたいと思います。

---

---

あなたの「勘と経験」は、もう通用しない？

営業職に携わる多くの人々は、長年の経験と研ぎ澄まされた勘を頼りに活動してきました。特定の顧客の顔色から商談の成否を読み解き、経験則に基づいたアプローチで成果を上げてきた「エース」の存在は、多くの組織で頼りにされてきた存在です 。しかし、その成功は個人の能力に依存する「属人化」という大きな課題を内包しています。もしそのエースが突然退職してしまえば、売上は大きく落ち込み、長年培ったノウハウはブラックボックスのまま失われてしまいます。これは、目に見えない形で組織に大きなリスクとコストを課している状況といわれています。

営業日報の入力に追われ、日々忙しく活動しているにもかかわらず、その一つ一つの活動が本当に成果に繋がっているのか、あるいは売上が伸び悩んでいる原因がどこにあるのか、感覚的にしか把握できていないと感じることはないでしょうか。今日、市場の変化は加速し、顧客の行動は複雑化しています。一部の先進企業だけでなく、あらゆるビジネスにおいて、この課題に立ち向かうための新しいアプローチが求められています。

その答えこそが「データドリブン営業」です。データ分析は、これまで一部の専門家だけが使う高度なツールというイメージがあったかもしれません。しかし、この手法は、誰でも身近なツールを使って実践し、営業活動を科学的かつ効率的に変革するための強力な武器となり得ます。データ分析を「難しいもの」から「誰もが使える武器」だと理解していただけたら嬉しく思います。

なぜ今、営業にデータ分析が必要なのか？――「数字」がもたらす3つの変革

データ分析は、営業活動の効率化を超え、ビジネスのあり方そのものを根本から変える可能性を秘めています。データがもたらす本質的な変革は、主に以下の3点に集約されるかと思います。

1. 「できる営業」のノウハウをチーム全員で共有できる

従来の営業組織が抱える最大の課題の一つに、営業活動の「属人化」があります。優秀な営業担当者の成功要因が、その個人の勘や経験、感覚に依存している場合、そのノウハウはチーム全体に共有されず、組織としてのスキルアップや安定的な売上確保が困難になります。この状況は、結果的にトップパフォーマーの退職リスクをヘッジできず、新人教育にかかるコストも増大させるという、より広範な経営課題に繋がります。

データ分析を導入すると、この負のサイクルを断ち切ることができることにもつながります。データによって、優秀な営業担当者が「いつ、誰に、どのようなアプローチをして、どのような結果に繋がったか」という活動内容を客観的に可視化・データ化することが可能になってきます。成功事例だけでなく失敗事例も分析することで、勘に頼らない、根拠に基づいた営業ノウハウを形式知として蓄積し、組織全体で共有することができていきます。これにより、新人であってもトップ営業担当者と同じ品質の顧客対応ができるようになり、組織全体が底上げされ、安定した収益基盤を築くことができることも多く、結果が出せている現状もあります。

2. 顧客の「本当の気持ち」が見えてくる

情報化社会の進展に伴い、顧客は多様なチャネルから情報を収集し、購買に至るまでの行動が複雑化しています。これまでの画一的なマスマーケティングは効力を失いつつあり、顧客一人ひとりに寄り添ったアプローチが求められるようになりました。

データ分析は、この複雑な顧客行動を解き明かす鍵となります。顧客の購買履歴やウェブサイトの閲覧履歴、問い合わせ内容といったデータを分析することで、顧客のニーズ、嗜好、さらには潜在的な課題までを的確に把握することが可能になります 。これにより、営業担当者は「この顧客はなぜ契約に至らないのか？」「このタイミングでどのような提案をすれば響くのか？」といった疑問に対し、データに基づいた明確な答えを得ることができます。データは数字の羅列ではなく、顧客が何を考え、何に不満を感じ、何に価値を見出しているかを物語る貴重な情報源です。この深い顧客理解は、表面的な営業活動を超え、より深く信頼性の高い関係を築く土台となります。

3. 感覚ではなく、「数字」で売上をコントロールする

売上が目標に届かない時、多くの組織は「もっと活動量を増やせ」「気合を入れろ」といった精神論に頼りがちです。しかし、勘に頼った闇雲な活動は、根本的な課題解決には繋がりません。

データ分析は、この課題に対し、客観的かつ論理的なアプローチを提供します。売上データを分析することで、課題を「見える化」し、その原因を明確に特定できます。例えば、「あるエリアで売上が伸び悩んでいる」という問題に対し、データ分析を行えば、その原因が「担当者の力量不足なのか」「エリア独自の市場特性なのか」「季節的な要因なのか」といった点を特定し、感覚ではない具体的な打ち手を立案できます。さらに、設定したKPI（重要業績評価指標）を定期的にモニタリングすることで、施策の効果を数値で検証し、改善を繰り返す「データに基づいた改善サイクル」を回せるようになります。このサイクルを習慣化することで、営業活動は常に最適化され、目標達成に向けた確実な一歩を踏み出すことができるようになります。

これだけは押さえたい！営業データ分析のキホンの「キ」

データ分析と聞くと難しく聞こえるかもしれませんが、その基本は非常にシンプルです。まずは、その考え方と、最低限知っておくべき指標から見ていきましょう。

1. データドリブン営業とは？

「データドリブン営業」とは、経験や勘に頼るのではなく、顧客情報や市場動向といった客観的なデータを収集・分析し、その分析結果に基づいて科学的に営業戦略を立てる手法です。この手法により、営業活動の精度が向上し、成約率の向上やコスト削減を実現します。

2. 初心者がまず知るべき重要指標（KPI）

KPIは、営業活動を評価するための「道しるべ」です。闇雲に売上だけを追うのではなく、この道しるべを追うことで、売上という最終目標に至るまでのどのプロセスに問題があるのかを明確にすることができます。

【表1】初心者向け営業KPI一覧

KPI名	意味	なぜ重要か
アポイント件数	顧客との面談を設定できた件数	顧客との接点の多さを測る基本指標。これが少ない場合、リストの質や架電方法を見直す必要がある。
リード獲得数	新規見込み顧客の獲得数	営業活動の「入り口」の健全性を測る。これが多ければビジネスのパイプラインは健全だと言える。
成約率	提案・商談した案件のうち、成約に至った割合	営業担当者の提案力やクロージング能力を測る指標。成約率が低い場合、商談内容や提案資料、顧客選定を見直す必要がある [10, 11]。
顧客単価	顧客一人当たりの平均取引額	顧客からの収益性を測る。クロスセルやアップセル施策の効果を測る指標にもなる。
セールスサイクル	初回接触から成約までの期間	営業プロセスの効率性を測る。期間が長すぎると、案件が失注する可能性が高まる傾向がある。
LTV （顧客生涯価値）	顧客が取引を開始してから終了するまでに企業にもたらす利益の総額	短期的な売上だけでなく、長期的な顧客との関係の価値を測る指標。特にサブスクリプション型ビジネスでは、この指標を追うことで、短期的な売上追求から、長期的な顧客育成へと営業の目的をシフトさせる重要性を示す。

LTV（顧客生涯価値）は、特に注目すべき指標です。従来の「売り切り型」のビジネスモデルでは、単発の売上額が最も重要視されてきました。しかし、サブスクリプション型ビジネスが増加する現代において、LTVは顧客との長期的な関係の価値を測る上で不可欠な指標です。LTVの向上を目指すことは、短期的な売上を追いかけるのではなく、顧客ロイヤリティを高め、継続的な関係を築くという、営業活動そのもののパラダイムシフトを意味します。

3. 魔法の分析フレームワーク「いつ・どこで・何を・誰が」

データ分析の基本は、この4つのシンプルな切り口でデータを整理し、特徴を見つけることです。これは、複雑なツールや手法を学ぶ前に、データの「見方」を身につけるための最も効果的な方法です。

• いつ (時間軸): 売上の推移から、売上が下がり調子か上がり調子か、季節性があるかなどを把握します。
• どこで (場所軸): エリアや店舗ごとの売上特性を把握し、地域による課題や成功要因を特定します 。
• 何を (商品軸): どの商品やサービスが売れているか、あるいは売れていないかを把握します。
• 誰が (顧客軸): 顧客の属性（年齢、性別、職業など）や購買行動の傾向を把握します。

これらの切り口を組み合わせることで、より深い洞察を得ることができます。例えば、「いつ」×「どこで」の切り口で、特定の店舗の季節ごとの売上推移を分析すれば、テコ入れが必要な店舗を特定できます。

ただし、注意すべき点があり、初心者が陥りがちなのは、「分析している感」が出て楽しくなり、初めから細かく分析しすぎて混乱してしまうことです。まずは1つ、多くても2つの切り口に絞ってデータを比較することから始めるのが、スムーズに分析を進めるコツかと考えます。

明日から始められる！超実践データ分析5ステップ

データ分析を「難しそう」と感じる必要はありません。以下に示す5つのステップは、誰でも明日から実践できる、具体的でシンプルな方法を紹介します。

1. 【ステップ1】「何のために」分析するのか、目的を明確にする

データ分析の最も重要な第一歩は、分析を始める前に、何を解決したいのか、どのような目標を達成したいのかを明確にすることです。目的が曖昧なままデータをいじり始めても、結局「その特徴を知ってどうするの？」という壁にぶつかり、無駄な作業に終わってしまいます。

例えば、以下のような具体的な目的を設定してみましょう。

• 「売上が伸び悩んでいる店舗を見つけて、テコ入れしたい」
• 「在庫を減らすべき商品を決定したい」
• 「優秀な営業担当者の活動パターンを特定したい」

2. 【ステップ2】分析に必要なデータを「どこから」集めるか？

目的が明確になったら、その分析に必要なデータを収集します。データは社内にすでに存在している場合がほとんどです 。

• 社内データ:
• 売上データ: 売上高、販売日、商品名、顧客情報など。
• 顧客データ: 顧客の名前、連絡先、購買履歴、問い合わせ履歴など。
• 営業日報・活動記録: 訪問数、架電数、商談時間、商談内容など。

• 外部データ:
• 政府が公開している統計データ（国勢調査など）や、業界団体の調査レポートなど。

ここで重要なのはデータの品質です。「Garbage In, Garbage Out（ゴミを入れれば、ゴミしか出てこない）」という言葉があるように、不正確なデータや古い情報からは意味のある結果は得られません。データの重複や表記ゆれ（例：「〇〇株式会社」「(株)〇〇」）をなくすための「データクレンジング」や「名寄せ」といった作業を意識することが、精度の高い分析に繋がります。

3. 【ステップ3】一番身近なツールで分析に挑戦しよう

高度な専門知識がなくても、データ分析は始められます。まずは、身近なツールを活用して、実際にデータを分析してみましょう。

【表2】初心者向けデータ分析ツール比較

ツール名	ベストな人	メリット	デメリット
Excel / Googleスプレッドシート	初期費用を抑えたい人、少人数チーム、まずは小さく始めたい人。	多くの人が操作経験を持つため習得しやすい。自由にフォーマットを作成可能。リアルタイムで共有できる。	データ量が増えると管理が煩雑になる。高度な分析や自動化が困難。
SFA / CRM	営業活動のプロセス全体を管理したい人、チームの情報共有を強化したい人。	顧客情報や営業活動を自動で一元管理できる。営業担当者ごとの進捗や課題を可視化しやすい。	導入コストや運用工数がかかる場合がある。入力作業が面倒という心理的障壁がある。
BIツール	大量のデータを視覚的に分析したい人、経営判断に活用したい人。	専門知識がなくても、直感的な操作でデータの可視化や分析ができる。組織全体でのデータ共有が容易。	導入コストが高い場合がある。

ハンズオン：Excelでできる！「売れる商品」を見つけるABC分析

ABC分析は、売上データから商品をA、B、Cの3つのランクに分類し、どの商品に注力すべきかを把握するためのシンプルな分析手法です。

1. 売上データを降順に並べ替える:
   • エクセルに「商品名」と「売上高」の列を作成し、データを入力します。
   • 「データ」タブから売上高を基準にデータを高い順に並べ替えます。
2. 累積売上高と累積割合を計算する:
   • 「累積売上高」列に、上から順に売上高を足し算していく数式 $=SUM(B2,C1) を入力し、下のセルにコピーします。
   • 「累積割合」列に、累積売上高を全体の合計売上高で割る数式 $=C2/$C$4 を入力し、割合を算出します。
3. VLOOKUP関数でランク付けする:
   • ランクの基準（例：Aランクは累積割合70%まで）を表で作成します。
   • 「ランク」列に $=VLOOKUP(D2,$H$1:$K$3,4,TRUE) のようなVLOOKUP関数を入力し、累積割合に基づいて自動でランク付けを行います。

この分析によって、例えば「売上高の70%はAランクの3商品で成り立っている」といった具体的な事実が明らかになります。

4. 【ステップ4】分析結果から「仮説」を立てる

分析で「売上が低い店舗」や「売れない商品」が特定できたとしても、それだけでは意味がありません。次に、「なぜだろう？」と問いかけ、要因を深掘りするプロセスが重要です。

例：「ある店舗の売上が低い」という分析結果が出た場合、

• 仮説A：「担当者のスキルが不足しているのではないか？」
• 仮説B：「そのエリアの人口構成が自社の商品に合っていないのではないか？」

といった仮説を立てます。この要因分析のポイントは、単純な数字の増減ではなく、その背景にある「構造」に目を向けることです。

5. 【ステップ5】立てた仮説を「検証」し、改善を繰り返す

最後に、立てた仮説が正しいかを検証します。

• 仮説Aを検証するために、営業日報からその担当者の訪問数や商談時間を他と比較してみる。
• 仮説Bを検証するために、そのエリアの統計データ（人口、世帯構成など）を調べてみる。

この検証結果をもとに、具体的な改善策を実行し、その効果を再びデータで測定します。このステップを繰り返すことで、営業活動がデータに基づいた「改善サイクル」へと進化し、継続的な成果向上を実現できるようになります。

成功と失敗から学ぶ！データ活用のリアル

データ分析は魔法ではありません。成功事例から学び、失敗事例からリスクを回避することが、データ活用を成功させるための鍵となります。

1. データ分析成功事例

• 事例1：受注率30%向上！ターゲット顧客の絞り込み
• あるITソリューション企業は、過去の商談データを分析し、成約率の高い業界や企業規模を特定しました。その結果、新規リードを獲得する際に優先的にアプローチするターゲットを明確化。リード獲得数自体は減少したものの、成約率が30%向上し、営業活動の効率化を実現しました。これは、闇雲に多くの見込み客を追うのではなく、データに基づいて「勝てる相手」にリソースを集中させた成功例です。
• 事例2：リソース配分を最適化！受注率25%向上
• あるコンサルティング会社では、商談履歴や顧客の行動データを分析し、受注確度が高い案件をAIでスコアリングしました。そして、スコアの高い案件に優先的に営業リソースを割り当てた結果、全体の受注率が25%向上しました。データに基づいたリソース配分は、営業チームの生産性を劇的に高めることがわかります。
• 事例3：煩雑な発注作業を10秒に短縮！
• 衣料品チェーンのワークマンは、データ活用によって2時間かかっていた発注作業を10秒にまで短縮しました。これは、データ活用が売上向上だけでなく、煩雑な業務を自動化・効率化することで、営業担当者がより戦略的な活動に時間を使えるようになるという、もう一つの重要なメリットを示しています。

2. データ分析で失敗する3つの落とし穴

データ活用には、見落としがちな落とし穴が存在します。これらを事前に理解しておくことで、失敗を回避できます。

• 落とし穴1：「ゴミ」を入れると「ゴミ」しか出てこない
• 問題点: データ分析の失敗で最も多いのが、データ品質の問題です。不正確なデータ入力、表記ゆれ、重複データ、古い情報などが混在している場合、分析の精度は著しく低下し、誤った結論を導き出します。
• 対策: データ入力のルールを統一し、定期的にデータのクレンジング（重複排除や情報の修正）を実施することが必要となります。
• 落とし穴2：数字にばかり気を取られ、現場の声を忘れる
• 問題点: SFAやCRMなどのツールに蓄積される定量データだけでは、顧客の「感情」や「課題の優先順位」といった定性情報が抜け落ちてしまうことがあります。例えば、商談がうまくいかなかった理由が、単なる価格の問題ではなく、顧客の社内における力関係や感情的な要因にある場合、数字だけを見ていては真の原因を見つけられません。
• 対策: 定量データ（数字）と、商談メモや現場のヒアリングといった定性データを組み合わせて分析することが、より深い洞察を得るために重要です。
• 落とし穴3：導入しただけで満足し、誰も使わない
• 問題点: データ分析ツールやSFA/CRMを導入しても、現場の営業担当者に「監視されている」という心理的障壁や、入力作業が面倒という理由で定着しないケースが少なくありません。
• 対策: 新しいツールを導入する際は、導入前に「なぜ今、このツールが必要なのか」「どのように役立つのか」を現場に丁寧に説明し、納得感を得ることが大切です。また、最初から完璧を求めず、まずは少人数や一部の機能から始め、無理なく続けられるシンプルなルールを設定して、徐々に定着させることをお勧めします。

さあ、あなたも「データで語れる」営業になろう

データ分析は、一部の専門家だけが持つ特別なスキルではありません。それは、誰でも身につけることができる、現代のビジネスにおける基礎体力です。この力を身につけることで、あなたは感覚ではなく数字で課題を語り、論理的な戦略を立て、より確実な成果を出せるようになります。

今日から始めるデータ分析に、特別なプログラミング知識や複雑な統計学は必要ありません。まずは一つ、あなたが気になっているKPIから、たった1枚のエクセルを使って分析を始めてみましょう。そして、その分析結果から生まれた小さな気づきを、日々の営業活動に活かしてみてください。その一歩が、あなたの営業スタイルを、そしてあなたのキャリアを、大きく変えることになります。

<文/綱島佑介>

参考・出典

[1] ITソリューション企業の営業データ分析による成約率向上事例 note

[2] ECサイトの顧客セグメント分析による売上向上事例 コトラ

[3] エクセルでのABC分析の具体的なやり方 SUIT UP

[4] Googleスプレッドシートの顧客管理テンプレート活用方法 formrun Media

[5] LTV（顧客生涯価値）の計算方法と営業への活用法 SMBC DX リンク

[6] 受注期間（セールスサイクル）の短縮方法と重要性 Mazrica Sales