AIで営業ファネルのKPIを設計する方法｜商談数から受注まで

営業ファネルのKPIは、受注率だけを見ても改善点を特定できません。まずLead、商談、提案、受注など各Stageへ入る条件を定義し、そのうえで件数、Stage間の転換率、滞留時間、金額を同じ期間・同じ母集団で見ます。AIは計算や差分整理を助けられますが、Stageの意味や「何を1件と数えるか」は自社の営業プロセスに合わせて人が決めます。

この記事では、架空の営業データを使い、Stage定義、conversionの計算、cohortのそろえ方、滞留・pipelineの見方、AIへの依頼文、ダッシュボードに残す指標まで整理します。読後に、自社CRMの項目から最初のKPI表を作れる状態を目指します。

最初にStageの名前ではなく「入る条件」を決める

「Lead」「商談」「提案」は会社ごとに意味が違います。問い合わせが来たらLeadなのか、営業が有効判定した時点か。打ち合わせ日程が決まれば商談なのか、実施後なのか。この条件が曖昧なまま転換率を計算すると、担当者や月によって分母が変わります。

Stage Definitionは次のように書きます。

表は横にスクロールできます

Stage	入る条件	記録する時刻	除外例
Lead	新規問い合わせ/対象list登録	created_at	spam、重複
Qualified	対象顧客と確認済み	qualified_at	対象外業種
商談	初回商談を実施	meeting_at	日程だけ確保し未実施
提案	金額を含む提案を提出	proposal_at	情報提供のみ
受注	契約/注文が確定	won_at	口頭内諾だけ

この定義は例です。自社CRMで運用できる条件へ置き換えてください。重要なのは、AIに「営業ファネルを作って」と頼む前に、各Stageの判定Ruleを固定することです。

件数・転換率・滞留時間・金額を別の問いとして見る

営業ファネルでは、少なくとも4種類のKPIを分けます。

表は横にスクロールできます

見るもの	代表KPI	分かること
Volume	Lead数、商談数、提案数、受注数	母数が足りるか
Conversion	Lead→商談、商談→提案、提案→受注	どこで落ちるか
Speed	初回応答時間、Stage滞留日数、Sales Cycle	詰まりがあるか
Value	平均商談額、Pipeline、受注額	件数以外の事業影響

たとえば受注数が減っていても、Lead数が大きく減ったのか、商談→提案率が落ちたのか、単価が下がったのかで打ち手は変わります。AIには一つの率から原因を決めさせず、この4方向から差分を整理させます。

架空例でconversionを計算する

説明用の架空例です。10月に同じcohortとして追ったLeadが100件あり、Qualified 70件、商談50件、提案30件、受注12件だったとします。

表は横にスクロールできます

Stage	件数	前Stageからの転換率
Lead	100	—
Qualified	70	70%
商談	50	約71.4%
提案	30	60%
受注	12	40%

計算はQualified率=70/100、商談化率=50/70、提案化率=30/50、提案→受注率=12/30です。全体のLead→受注は12/100=12%です。

ここで「受注率12%」だけを見ると、どの段階が弱いか分かりません。前月がLead100→Qualified80→商談60→提案30→受注12なら、最終受注数は同じでも上流の転換が悪化しています。反対に上流が改善しても提案→受注だけ落ちることもあります。

cohortを混ぜるとconversionが壊れる

月次レポートでよく起きるのが、今月作成されたLeadと、数か月前から進行中の商談・受注を同じ分母分子へ入れることです。営業サイクルが長いほど、単純な「10月Lead数」と「10月受注数」の比率はStage conversionを表しません。

設計時に少なくとも2つの見方を分けます。ひとつはCreated Cohortで、同じ時期に発生したLeadが後でどこまで進んだかを見る方法。もうひとつはPeriod Activityで、10月中に何件の商談・提案・受注が発生したかを見る方法です。

前者は転換品質、後者は当月の活動量や売上進捗を見るのに向きます。ダッシュボードへ両方出す場合は、指標名に「10月発生Lead Cohort」「10月受注件数」のように違いを明記します。

滞留時間を見ると「件数はあるのに進まない」が分かる

件数とconversionだけでは、Stageに長く止まっている案件を見落とします。商談→提案の率が正常でも、平均滞留日数が7日から21日へ伸びていれば、将来の受注遅延につながる可能性があります。

Stageごとにentered_atとexited_atを持てるなら、滞留日数を計算します。平均だけでなく、極端に長い案件や一定日数を超えた件数も見ると、少数の長期案件に平均が引っ張られていないか確認できます。

AIへは「商談Stageが14日超の案件を列挙し、担当・金額・次回Action有無を並べる」のように、対象条件と出力列を明示します。滞留=営業担当の問題と断定せず、顧客都合、稟議、価格、案件規模など追加情報を確認します。

Pipelineは件数と金額を分ける

商談10件でも、1件50万円と1件1,000万円では事業影響が違います。Open Pipelineを見るときは件数、総額、Stage別金額、予定Close時期を分けます。

期待売上のようなweighted pipelineを使う場合は、Stageに付ける確率がどう決まったかを明示します。過去実績から推定した率なのか、営業担当の主観なのかで意味が変わります。AIがStage名から勝手に確率を割り当てないよう、使うWeightを入力側で固定します。

segmentで切る前に母数を確認する

全体のconversionが悪化したら、source、商品、担当、顧客segmentなどで分解すると原因候補を見つけやすくなります。ただし、件数が少ないsegmentの率は大きく振れます。

たとえば担当Aが2商談1受注で50%、担当Bが100商談30受注で30%でも、これだけでAが優秀とは判断できません。率だけでなく母数と案件構成を併記します。AIへランキングさせる場合も、最低母数を満たすsegmentだけを比較するなどRuleを入れてください。

AIへ渡すInputはStage Logか集計表にする

AIへCRMの画面説明だけを渡すより、stage、entered_at、exited_at、amount、owner、sourceなど必要な列をそろえたデータにすると分析しやすくなります。個人情報や機密情報は必要最小限にし、利用環境のルールへ従ってください。

依頼例：

以下の営業ファネル集計を分析してください。

Stage定義は別表の通りです。

見る順序：

1. 各Stage件数

2. Stage間conversion

3. 滞留時間

4. Pipeline金額

5. source別差分

ルール：

• 分母を明記する

• cohortと当月activityを混ぜない

• 母数が小さいsegmentは注意を付ける

• 原因は断定せずHypothesisとする

• 各Hypothesisに追加確認dataを付ける

出力：

Funnel table / 異常Stage / Hypothesis / Unknown / Next Action

データ品質チェックをKPI設計に含める

Stageが未入力、日付の順序が逆、同じ案件が重複、受注なのに金額が空欄、といったデータ品質問題があると、KPIは正しく見えても根拠が壊れます。ダッシュボードとは別に、Stage欠損率、重複件数、entered_at不整合、amount欠損などのQuality Checkを持たせると、数値異常が営業活動なのか記録不備なのか切り分けやすくなります。

ダッシュボードは「見るだけ」でなく異常条件を決める

毎月同じグラフを見るだけでは、AIを使ってもActionにつながりません。指標ごとに「どの状態なら調べるか」を決めます。たとえば商談化率が過去3か月平均より一定幅下がった、提案Stageの滞留が14日を超えた案件が増えた、当月Close予定pipelineが目標を下回る、といった条件です。

しきい値は業務特性に合わせます。固定の業界平均をAIに作らせるのではなく、自社の過去data、目標、営業サイクルから決めます。異常を検知したら、該当案件やsegmentへdrill downできる設計にします。

よくある誤読を先に防ぐ

営業ファネルで避けたいのは次の5つです。

1. Leadと商談の定義が月ごと・担当ごとに違う。

2. 当月Leadを当月受注で割り、conversionと呼ぶ。

3. 率だけ見て母数を隠す。

4. Stage確率を根拠なく設定し、pipeline予測を確定値のように扱う。

5. conversion低下と施策変更の因果を、時系列が近いだけで断定する。

AIはこれらの計算を速くできますが、定義が曖昧なままなら高速で曖昧な数字を作るだけです。最初にData Contractを整える方が重要です。

AIものさしの判断

営業ファネルのKPI設計は、Stage名を並べることではなく、「誰をいつそのStageへ入れるか」を定義し、同じcohortで件数・conversion・滞留・金額を追える状態を作ることです。

まずCRMから過去1〜3か月分をsample抽出し、Stage Definition表を作ってください。そのうえでLead→Qualified→商談→提案→受注の件数を計算し、率と母数を並べます。次に滞留とpipelineを加え、AIには低下箇所と追加確認dataを出させる。ここまでできれば、受注率だけを追うダッシュボードから、どこを改善すべきか調べられる営業ファネルへ進めます。