リード獲得AIで購買確度を自動判定｜営業パイプラインを整理して成約率を高める方法

2026-06-14　AI自動化営業効率化リード獲得購買確度

当サイトはアフィリエイトプログラムを利用しており、紹介リンク経由での申込により報酬を得る場合があります。記事内で紹介するサービスには筆者が実際に使用しているものと、客観情報として比較掲載しているもの（未使用・PR表記あり）が含まれます。

結論

見込み客の属性・問い合わせ内容・行動履歴をまとめてAIに渡せば、購買確度を高・中・低の3段階に自動分類できる。ChatGPTやClaudeとGoogleスプレッドシートを組み合わせれば、非エンジニアでも追加コストほぼゼロで即日使える仕組みが作れる。営業が集中すべき相手が可視化されると、アタック件数が同じでも行動の質が変わってくる（成果を保証するものではない）。

「どのリードから当たるか」問題、あなたも抱えていませんか#

展示会で100枚の名刺を集めた。資料請求フォームに50件の申込が入った。でも成約に至るのはそのうちのほんの数パーセント。問題は「全員に同じエネルギーをかけてしまう」ことだ。

電話1本・メール1通でも時間とコストはかかる。温度感の低い相手に営業リソースを消費している間に、「今すぐ検討したい」熱いリードを取りこぼしている。

この非効率を解消するのが リードスコアリング——見込み客の行動・属性・状況をもとに「どれだけ買いそうか」を数値化する手法だ。従来は専用CRMや開発リソースが必要とされてきたが、今はChatGPTやClaudeで非エンジニアでも実現できる。

AIがリードの購買確度を判定する仕組み#

AIはテキストを読んで分類・評価するのが得意だ。見込み客の情報（業種・役職・資料請求内容・問い合わせ文面・過去の行動履歴など）をスプレッドシートにまとめてAIに渡すと、あらかじめ設定した基準に従ってスコアを割り振ってくれる。

たとえば「決裁権のある役職 → ＋3点」「問い合わせ文に価格・予算への言及がある → ＋2点」「無料トライアル中に主要機能を3つ以上試している → ＋2点」といった独自ルールをAIに覚えさせ、新しいリスト全体に一括適用する。

メモ

AIはゼロから「点数の基準」を生み出すことはできない。最初に「自社にとって購買確度が高い見込み客の特徴」を言語化するのは人間の仕事。過去の成約データを見ながら「なぜあの会社は買ってくれたのか」を整理するところから始めよう。

非エンジニアでもできる購買確度スコアリングの手順#

手順

リストをスプレッドシートに整理する　見込み客の基本情報（社名・業種・担当者の役職・問い合わせ日・問い合わせ内容）と、把握できている行動情報（資料ダウンロードの有無・メール開封回数・無料登録後の操作ログなど）を1行1人でまとめる。名刺情報だけでも構わない。

スコアリング基準をAIと一緒に作る　ChatGPTやClaudeに「自社の成約パターン」を説明し、「購買確度が高い見込み客の特徴を5〜10項目と点数で整理してほしい」と依頼する。過去の成約案件を3〜5件テキストで渡すと精度が上がる。

スコアリング用プロンプトを用意する　ステップ2で作った基準をもとに「この条件表に従い、以下のリストの各行をスコアリングして合計点と理由を返してください」というプロンプトを作る。列名も含めて貼り込むと誤解が減る。

リストを分割してAIに投げる　リストが大きい場合は20〜50行ずつ分割して貼り付け、返ってきたスコアを元のシートに転記する。ChatGPT/Claude APIが使える人はシートのApp Scriptや自作スクリプトで自動化できるが、手動でも十分機能する。

スコア順に並べ替えて優先度を決める　上位20〜30%を「今週のアタック対象」として営業に渡す。中位は翌週以降のフォロー候補、下位は資料送付のみのメルマガ運用へ振り分ける。

実際に試してみた感想とつまずきポイント#

Claudeを使って自社への流入リードを手動スコアリングしてみたとき、一番驚いたのは「今まで感覚でやっていたことが言語化できた」という副産物だった。「なんとなく熱そう」という直感を項目化してAIに再現させる作業は、最初こそ手間がかかるが、一度作ってしまえば使い回しが効く。

注意

スコアリング基準を作る初回は1〜2時間を想定しておくこと。「過去の成約案件の共通点を5件分書く」作業に思いのほか時間がかかるからだ。一度基準を作ってしまえば次回以降はリストを貼るだけなので、最初の時間投資と割り切ろう。

問い合わせ文が短すぎる場合：「詳細を教えてください」しか書いていないリードはAIも判断しにくい。「情報不足」フラグをAIに付けてもらい、追加ヒアリングの対象として別管理するとよい。

役職情報の表記ゆれ：「部長」「課長」「Manager」「マネージャー」が混在していると判定精度が落ちる。事前にシートを目視で統一するか、前処理プロンプトを一枚挟もう。

最初の基準が「なんとなく」になりがち：「熱心そう」「ちゃんとしてそう」では採点できない。「役員・部長クラスの役職」「見積もり金額の質問あり」のように、誰が見ても判断できる粒度まで落とすことが精度のカギだ。

有料CRMツールとの比較#

一定規模を超えると専用ツールへの移行も選択肢に入る。

方法	コスト目安	月処理件数	自動化の度合い	向いている場面
ChatGPT/Claude＋スプレッドシート	ほぼ無料〜月2,000円程度	〜300件	手動がメイン	試し段階・少人数営業
国産SFA/CRM（中規模向け）	月1〜5万円	数千件〜	一部自動	営業チーム3〜10名
HubSpot等グローバルCRM	月3〜10万円〜	無制限	ほぼフル自動	大規模・マーケと連携

月リード数が300件以下なら、まず無料のAI活用から始めて運用基準を整えるのが現実的だ。ツールを先に導入しても、スコアリング基準が定まっていなければ宝の持ち腐れになる。

メリット

今日から始められる（追加コストほぼゼロ）
自社独自の成約パターンをそのまま基準に落とし込める
失敗しても修正が容易で、基準を育てながら運用できる
「自社にとっての熱いリードの定義」が言語化される副産物がある

デメリット

リード数が増えると手作業の負担が大きくなる
AIが誤った理由でスコアをつけることがある（プロンプト品質に依存）
リアルタイムの自動処理はAPIなしでは難しい
最初の基準の質がそのまま精度の上限になる

購買確度スコアリングが向く・向かない状況#

非エンジニア向け実用度4.0/5

向いている状況：月リード数が20〜300件・営業担当が2〜5名・成約パターンがある程度固まっている・既存のスプレッドシート管理から一歩進みたい、というチーム。

向いていない状況：月1,000件を超えるリード数・Webの行動データをリアルタイムで取り込みたい・マーケティングオートメーションと連携させたい、という場合は専用ツールへの投資の方が費用対効果が高くなる。

AIを使ったスコアリングは「仮説検証の入口」だ。運用しながら基準を磨き、いずれ本格的なツールへ移行するための土台を作る——そういう使い方が最も効果的だと感じている。

AIを体系的に業務に活かしたいなら#

プロンプト設計や業務フローの組み立て方を独学で進めると、どうしても「なんとなく使っている」状態になりやすい。カリキュラムで体系的に学ぶと、今回のようなスコアリング設計の精度も上がりやすい。

まとめ#

リードスコアリングはCRMがなければできない、という時代は終わった。ChatGPTやClaudeとスプレッドシートがあれば、今日から購買確度の自動判定は始められる。

大切なのはツールより先に「AIに何を判断させるか」の基準作りだ。過去の成約パターンを言語化してAIに渡す——この一手間を最初に惜しまなければ、以降のリスト処理は大幅に速くなる。

月リード数が増えてきたら専用ツールへの移行を検討しつつ、まずは小さく試して「自社基準」を育てることから始めてほしい。

PRあわせて検討AI議事録・商談記録ツール商談後の議事録・ネクストアクション記録をAIで自動化するSaaS。リードスコアリングと組み合わせると、商談内容から購買意欲のシグナルを継続的に記録・蓄積しやすくなる。

よくある質問#

スコアリングには見込み客データがどれくらい必要ですか？#

10〜20件あれば試すことができる。精度を上げるには、過去に成約した案件を3〜5件、成約しなかった案件を3〜5件、合わせてAIの「教師データ」として渡すのが効果的だ。データが少なくても基準を仮置きして運用しながら修正していけばよく、完璧なデータを揃えてから始める必要はない。

ChatGPTとClaudeはどちらが向いていますか？#

どちらでも大きな差はないが、長いリストを一度に処理したい場合はコンテキストウィンドウが広いClaudeの方が扱いやすい場面がある。まず使い慣れている方から試してみて、精度や操作感で選ぶのがおすすめだ。プロンプトの設計次第でどちらも精度は変わるため、ツールより基準の質に時間を使った方がよい。

AIのスコアをそのまま信用してよいですか？#

あくまで「参考値」として扱うのが正しい。特に初期は基準が不完全なため、AIが見落とすシグナルや逆に過大評価するパターンが出る。週に一度、実際の商談結果とスコアを突き合わせて基準を修正していくサイクルが重要だ。最終的な優先度は営業担当が確認・判断する運用を推奨する。