「受注予測はいつもあてにならない」「期末になって初めて未達がわかる」。
営業会議でこうした不満を口にしたことのある経営者、営業マネージャーは多いはずです。
予測が外れることそのものより、「なぜ外れるのか」を説明できないことが、経営判断を遅らせる本当の問題です。
受注予測精度は、営業組織の実行力を映す、唯一に近い客観的なものさしです。
AIはこのものさしを鮮明に磨くことができますが、ものさしに映る姿(組織の実力)そのものを良くする力は持っていません。AI活用の第一歩は、モデルの精度を上げることではなく、予測の元になる商談データの入力ルールを見直すことです。
パイプライン管理：営業活動の一連の業務フローをパイプの流れに見立て、受注に向けてそれぞれの段階にどれだけの商談が流れているかを管理する方法。
経営者から営業組織に対してよく聞かれる不満があります。
「うちの営業は、顧客ニーズの理解が弱い」「価値提供ができていない」。
しかし、これらの言葉は結果に対する感想であって、原因の特定にはなっていません。多くの営業組織は、自分たちのビジネス実行能力がどの程度あるのかを、客観的に計測する手段そのものを持っていないのです。だからこそ、期末になって初めて未達が判明し、原因を後から探すという後手の対応が繰り返されます。
受注予測精度とは、単に「今月の受注額はいくらか」という数字の当てものではありません
期間内に受注できると予測した商談の的中率、想定受注金額の正確性、部門全体の予測と実績のギャップを可視化するものです。
これらを継続的に見ていくことで、営業組織の実力が数字として見えてきます。実際、外資系企業でトップの売上に責任を持つCROたちは、この受注予測の精度を営業組織を率いるマネージャーの運営能力のものさしとして活用しています。
受注予測精度という切り口は、実はAIと非常に相性の良い領域です。
過去の受注・失注データを大量に学習させれば、どのような特徴を持つ商談が実際に受注に至りやすいのか、統計的なパターンを抽出できます。会話解析ツールを使えば、商談の録音データから、決裁者が実際に会話に登場したか、予算に関する言及があったかを自動で抽出することも可能です。ダッシュボード上で、予測と実績のギャップが四半期を追うごとにどう縮まっているか、営業担当者ごとの予測傾向にどのような偏りがあるかを、一目で把握できるようにもなります。
これは、以前であれば熟練したマネージャーの経験と勘に頼っていた部分を、データとして誰もが見える形にする、大きな進歩です。
AIの予測モデルは、学習データの質を超えることができません。
多くの法人営業組織における商談の状態把握は、担当営業の主観的な報告によって行われています。
「顧客はこの提案を気に入ってくれたと思います」という報告に、客観的な裏付けがあるとは限りません。営業担当者の主観がそのままCRMに入力され、それをAIが学習してしまうと、AIは主観的で不正確な判断を、もっともらしい数字に変換しているだけということになりかねません。
これは技術の未成熟さの問題ではなく、入力されるデータの構造そのものに起因する、根の深い課題です。
ある食品加工業の営業組織を支援した際、担当者ごとに「予測を過大に見積もる傾向がある人」と「保守的に見積もる傾向がある人」がいることが、データを可視化して初めて明らかになりました。
具体的には、5名の営業担当者のうち2名は自己申告の受注確度を平均で25ポイント高く見積もる傾向があり、逆に1名は堅実すぎる見積もりのために優良商談への支援が遅れる傾向がありました。これはマネージャーが感覚では気づいていたことでしたが、数字として裏付けられたことで、個別のコーチングの説得力が大きく変わり、半年後には組織全体の予測誤差が32%から21%まで縮小しました。
受注予測精度は、営業組織にとっての「体温計」のようなものだと私は考えています。
体温計は病気を治しませんが、異常を早期に知らせてくれます。AIによる予測の可視化も同様で、それ自体が組織を強くするわけではなく、どこに手を打つべきかを教えてくれる道具にすぎません。
この違いを理解せずに「AIが予測してくれるから安心だ」と考えてしまう経営者を、私は数多く見てきました。
| 項目 | AI導入前 | AI導入・診断後(典型例) |
| 予測誤差(四半期平均) | 30〜40%程度 | 15〜20%程度まで縮小するケースが多い |
| 予測の根拠 | 担当者の主観的報告が中心 | 会話データ・活動データによる裏付けが加わる |
| マネージャーの関与 | 結果の数字を追うのみ | フェーズ単位の見極めをレビューできる |
商談の進捗判断は、誰が見ても同じ結論に至る客観的な基準に基づいているか
予測と実績のギャップを個人ではなく、組織の課題として定期的に検証する場があるか
マネージャーは商談レビューで、担当者の主観的な報告をそのまま受け入れていないか
Q. 受注予測精度は、どのくらいの数値を目指せばよいですか?
A. 業種や商材によって幅がありますが、四半期の誤差率が20%を切ってくると、経営判断の材料として十分に信頼できる水準になってきます。
Q. AIツールを入れれば予測精度はすぐ上がりますか?
A. 入力データの質が低いままでは、精度は上がりません。まず商談状態の入力ルールを見直すことが先決です。
Q. 予測精度の可視化は、どのくらいの頻度で行うべきですか?
A. 週次でのモニタリング、四半期ごとの振り返りの両方を組み合わせるのが実務的です。
自社の直近4四半期の予測誤差率を担当者別に算出してみてください。
組織全体の平均だけでなく、個人差が見えてくることで、次に取るべきアクションが具体的になります。
受注予測精度を起点とした営業組織診断の設計についてご相談したい方は、株式会社Csvisionコンサルティングまでお問い合わせください。
次回は、なぜ多くの組織が正確な受注予測をできないのか、その根本にある「見極め」の構造的な問題を掘り下げます。