AI活用

リードスコアリングをAIに任せたら、重要顧客の絞り込みが変わった話

2026-09-24　AI活用営業自動化リードスコアリングChatGPT

PR・アフィリエイトについて

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

AIリードスコアリングは「誰に時間を使うか」を自動で判断してくれる仕組みです。ChatGPTとGoogleスプレッドシートがあれば、高価なSFAツールなしでも今日から導入できます。リストの優先順位が明確になるだけで、営業の動き方が改善につながることがあります。

「100件のリストがある。でも全員にアプローチする時間はない。」

これは私が知人の営業担当者から聞いた、リアルな悩みです。営業のボトルネックは「リードの数」ではなく、「どのリードに集中するか」の判断精度にある——そう気づいてから、ChatGPTとGoogleスプレッドシートを使ったAIリードスコアリングを試し始めました。

この記事では、非エンジニアの私が実際に組んだ「AIリードスコアリング」の手順を、再現できる形で具体的にまとめます。

リードスコアリングとは何か#

リードスコアリングとは、見込み顧客（リード）に点数をつけて「成約しやすい順」にランク付けする手法です。伝統的には「業種×役職×資料請求の有無」のような条件を担当者が手動で設定していました。

ところが、この手動設定が曲者です。

担当者の経験則でルールが変わり、引き継ぎのたびに崩れる
ルール更新を忘れて半年後にはスコアが形骸化する
「感覚的に良さそう」なリードを優先して時間を溶かす

AIを使うと、この3つの問題が一気に解消されます。過去の成約データを読み込ませることで、人間が見落としていた「成約パターン」を抽出してスコアを自動で算出できるからです。

なぜAIが営業の絞り込みに効くのか#

方法	スコア設定	更新頻度	担当者依存
手動ルール設定	人が経験則で決める	年1〜2回	高い
AIによる自動分析	データから抽出	都度更新可	低い

手動ルールは「先月まで正しかったルール」で動き続けます。一方、AIは過去の成約・失注データを再分析して「今この瞬間に有効なパターン」を返してくれます。

営業が「重要顧客の絞り込みをAIに任せて成約率が改善した」という話が増えているのは、この「判断の更新速度」が根本的に違うからです。精度が上がると「追うべきでないリードに時間を使う」ことが減り、その分を本当に見込みのある相手への提案準備に充てられるようになります。

非エンジニアが今日からできる5ステップ#

SFAを導入していなくても、GoogleスプレッドシートとChatGPT（プロンプトを入力するだけ）さえあれば始められます。私がChatGPTを使って実際に試した流れを、そのまま再現できる形でまとめます。

手順

過去の成約・失注データをスプレッドシートに整理する

「業種」「企業規模（従業員数）」「流入経路」「担当者の役職」「成約or失注」の列を作り、過去実績を入力します。最低30件、できれば100件以上あると分析精度が上がります。

ChatGPTにスコアリングルールを作らせる

データをCSV形式でコピーし、次のプロンプトで依頼します。「このデータから成約率が高いリードの特徴を分析し、0〜100点でスコアリングするルール（評価項目と配点）を提案してください」

提案されたルールをスプレッドシートの数式に変換する

ChatGPTが「業種:IT系=20点、役職:部長以上=30点…」のようなルールを返したら、「Googleスプレッドシートで使えるIF数式に変換してください」と一言追加すれば、そのまま貼り付けられる形式で返してくれます。

新規リストに対してスコアを自動計算する

新しいリードが追加されるたびに数式が自動でスコアを算出します。上位30%を優先アプローチの対象とし、残りは後回しにします。

月1回、成約・失注の結果をフィードバックしてルールを更新する

「先月の成約結果を追加したので、スコアリングルールを再分析して改善案を出してください」と依頼するだけでルールが更新されます。

この5ステップで完結します。コードは一切書きません。

実際に試して気づいた3つの落とし穴#

注意

スコアは確率です。「スコアが高い＝必ず成約する」ではなく、「統計的に見込みが高い順を効率的に回す」ための補助ツールとして使う意識が重要です。

落とし穴①：データ量が少ないと精度が出ない

成約件数が10件以下のケースでは、AIが有効なパターンを抽出できません。その場合は「業界の一般的な傾向をもとにスコアリングルールを作ってください」と依頼する方が現実的です。ゼロから始めるよりはるかにマシな基準が得られます。

落とし穴②：属性データが粗いとスコアが意味をなさない

「業種：サービス業」という粗い分類より「業種：人材紹介業、従業員50〜200名」のように細かいほうが精度が上がります。データを整理する段階で入力粒度を上げておくだけで、結果が変わります。

落とし穴③：スコアリングルールを一度作ったら更新しない

市場環境の変化でスコアと実態がズレてきます。「先月の結果で更新」を月次業務として仕組み化するのがコツです。

ChatGPTとClaudeの使い分け#

実際にスコアリング分析をやってみると、ChatGPTとClaudeで向き不向きがあることがわかりました。

用途	おすすめ
大量データのパターン分析	ChatGPT（GPT-4o）
スコアリングルールの言語化・説明	Claude
スプレッドシート数式の生成	どちらでも可
営業トークや提案文の改善	Claude

どちらも無料プランで試せますが、分析精度を上げたいなら有料プランが現実的です。体感として、無料プランで十分通用するのはデータ量が少ない初期段階まで、という印象です。

AIスコアリングが向いている場面・向いていない場面#

メリット

リードリストが月30件以上あり、全件アプローチが物理的に難しい
成約・失注の記録が50件以上ある（判断の材料がある）
チームで営業しており、優先順位の基準を揃えたい
「感覚で良さそうな人を優先する」に限界を感じている

デメリット

リードが少なく全員に対応できる規模（スコアリングの恩恵が薄い）
成約記録がまったくない創業初期（判断材料がないためAIも判断できない）
属性よりも個人の関係性が決め手になる業種（高額BtoB・地場商売など）

SFAツールとAIを組み合わせる場合#

SalesforceやHubSpot、Zoho CRMなどのSFAツールを使っているケースでは、AIスコアリング機能が標準搭載されているものもあります。ただし、ツール内のスコアリングロジックはブラックボックスになりがちで「なぜこのスコアなのか」が見えにくいのが難点です。

スプレッドシート＋ChatGPTの手法の強みは、ルールの根拠が見える点です。「なぜこのリードを優先するのか」を営業チーム全員が説明できる状態になり、現場での納得感が上がります。

AI営業の活用をより体系的に学びたい場合は、専門の講座で体系化された知識を得る選択肢もあります。

まとめ#

リードスコアリングにAIを使うとは、「誰に時間を使うか」という判断を感覚から根拠に変えることです。

スプレッドシート＋ChatGPTで今日から始められる
コードは不要、必要なのは過去の成約・失注データだけ
月1回のフィードバックでルールが少しずつ育っていく

「全リードに同じ熱量でアプローチする」状態から抜け出すための、最初の一手として試してみてください。

よくある質問#

リードスコアリングは中小企業・個人事業主でも使えますか？#

月10件以下の少量リードなら、スコアリングを組む工数の方が高くつきます。目安として月30件以上のリードがある場合に効果が出やすいです。それ以下の規模でも、ChatGPTに「このリストの優先順位をつけてください」と属性情報を渡すだけで、感覚的な判断より精度が上がることがあります。

既存のCRMやSFAに入力したデータをそのまま使えますか？#

CSVエクスポート機能があれば流用できます。多くのSFAツールは「全データをCSVで出力」できるので、それをChatGPTに貼り付けるだけで分析が始められます。ただし個人情報（氏名・連絡先）は入力せず、「業種・企業規模・役職・成約有無」など属性情報だけを使うようにしてください。

スコアリングルールの更新はどのくらいの頻度が適切ですか？#

月1回が現実的な目安です。成約・失注が10件以上溜まったタイミングでChatGPTにフィードバックすると、ルールが改善されていきます。年1回しか更新しないと、市場環境の変化でスコアと実態がズレてくるため、「先月の結果で更新」を月次の習慣にするのがコツです。