HigLabo
Latest posts
Demandbase AIは魔法じゃない：なぜ初心者ほど「営業に渡した後」で困るのか
AIが賢くなっても、案件化支援の成否は営業との受け渡し設計で決まる
「AIが案件化を助ける」と聞くと、見込み客を自動で見つけて営業につなげれば、そのまま成果が出るように感じやすいです。たしかにDemandbaseのような仕組みは、企業単位で関心の高まりを捉えたり、優先順位をつけたりするのが得意です。
Demandbaseの説明でも、AIはシグナルやアカウントに関する情報を分析し、どこに注力すべきかを示す役割として整理されています。つまり強いのは、「今どこを見るべきか」を早くそろえることです。
Demandbase
ただ、AIが入るほど別の難しさが見えてきます。マーケティングと営業の役割分担が曖昧なままだと、AIがスコアを出しても、その数字を誰がどう解釈し、どの条件で営業に渡し、渡した後に何を成果とみなすのかが定まりません。
この問題はDemandbaseだけの話ではありません。MAやCRM、ABMツールでも起こりうる、運用設計の問題です。HubSpotでも、営業とマーケの足並みをそろえることの重要性が繰り返し語られています。
案件化・商談化・営業への受け渡しは、似ていても判断基準が違う
リード獲得後の商談化が弱い初心者マーケターが最初につまずきやすいのは、言葉が似ているのに、実務では意味が違うことです。ここを曖昧にしたままAI活用を学ぶと、「リードを渡したのに成果にならない」という不満が起きやすくなります。
営業に渡すとは、マーケが獲得または発見した見込み顧客を、営業が確認し接触できる状態に引き継ぐことです。これは連携の開始であって、まだ商談や案件が確定した状態ではありません。
たとえば資料請求やウェビナー参加をきっかけに、一定条件を満たしたリードを営業へ送るのがここにあたります。Salesforceのリード管理資料でも、リードは見込み顧客情報を管理するオブジェクトとして扱われています。
商談化は、営業が実際に会話を進め、課題や導入可能性について具体的に話す段階に入ることです。打ち合わせの日程が決まったり、ニーズ確認の場が設定されたりした状態を指すことが多く、単なる受け渡しより一歩進んでいます。
案件化は、さらに導入の現実味が高まり、予算、課題、導入時期、決裁関与者などが見えてきた段階です。会社ごとに定義は異なりますが、営業パイプライン上で売上見込みとして追う状態を指すことが一般的です。
予算、決裁権、必要性、導入時期のような観点がよく使われるのもこの段階です。こうした要素を確認しながら、どこまで営業案件として追うかを見極めていきます。
この3つは順番に並ぶことが多い一方で、境界線は会社ごとに違います。大事なのは一般論を暗記することではなく、自社ではどこから営業案件と呼ぶのかを言葉にしてそろえることです。
Demandbase AIが助けるのは、案件そのものではなく比較と優先順位づけの精度
Demandbase AIのような仕組みが得意なのは、見込み顧客の温度感を人より早く見つけることです。サイト訪問傾向、広告反応、コンテンツ閲覧、意図シグナルなどを組み合わせながら、今関心が高まりつつあるアカウントを浮かび上がらせます。
Demandbaseの製品説明でも、アカウントの選定、スコアリング、優先順位づけ、営業とマーケの共通データ基盤といった文脈で機能が整理されています。ABMでは、この「企業単位で比較しながら優先順位をつける」考え方が特に重要です。
Demandbaseここで初心者が誤解しやすいのは、AIが案件を作ってくれると思ってしまうことです。実際には、AIは案件そのものを作るのではなく、案件化しやすい相手を見つけやすくしたり、営業が動く順番を整理したりする支援をします。
言い換えると、AIが主に助けているのは次のような仕事です。
- 注目すべき企業や担当者群の優先順位づけ
- 行動データから関心の高まりを検知すること
- 営業とマーケが見るべき対象をそろえること
- 配信や接触のタイミングを改善すること
一方で、AIだけでは決めにくいこともあります。その企業に本当に予算があるのか、担当者に社内推進力があるのか、競合比較がどこまで進んでいるのかといった点は、対話がないと確定しません。
だからこそ、AI導入後も営業との連携設計が要になります。Demandbaseの公式YouTubeでは、ABM関連の動画を確認できます。
Youtube
初心者ほど「営業に渡した後」の役割分担でつまずきやすい
初心者マーケターがこの発想に陥りやすいのは、施策のKPIが手前に置かれやすいからです。資料請求数、登録数、MQL数のような指標を追っていると、「条件を満たしたので営業へ渡した」で仕事が完了したように感じやすくなります。
でも営業から見ると、本当に知りたいのは別の情報です。そのリードはなぜ今注目すべきなのか、どのテーマに反応していたのか、ほかの接点はあったのか、競合比較の段階なのか。こうした情報がないまま名前だけ渡されても、追う価値を判断しにくくなります。
営業準備度を見極めるには、属性情報と行動情報の両方が重要です。スコアは便利ですが、それだけで営業が動けるわけではありません。
もう一つの理由は、言葉の責任範囲がズレていることです。マーケは「良いリードを渡した」と考えていても、営業は「まだ会話するには早い」と感じていることがあります。
このズレが続くと、マーケは営業が動かないと不満を持ち、営業はマーケのリードは質が低いと見なします。問題は人ではなく、基準の不一致です。
営業が見ているのは反応の数より、商談に入れるだけの文脈
営業が重視するのは、単なる反応の有無ではありません。資料請求や閲覧履歴はヒントになりますが、それだけでは優先度は決まりません。
営業は「この相手は本当に課題を持っているか」「導入を進める現実味があるか」「今動く理由があるか」を見ています。つまり必要なのは、スコアだけではなく会話を始められるだけの文脈です。
たとえば、次の情報があると営業は動きやすくなります。
- どの企業が、どのテーマの記事や資料に反応したか
- 直近で接点が増えたのか、一時的な反応なのか
- 問い合わせの背景にある課題仮説
- 部署、役職、導入関与の可能性
- 既存接点やイベント参加履歴
この感覚は、リードスコアだけでは代替できません。Gartnerも、B2Bの購買は直線的ではなく、複数人が関与する前提で捉えるべきだと説明しています。
https://www.gartner.com/en/sales-service/insights/b2b-buying-journey
だからマーケの役割は、「数を渡す」ことではなく「営業が動ける解像度で渡す」ことに変わってきます。ここでAIは、文脈の手がかりを見つける補助輪として使うと機能します。
受け渡し設計が弱いと、同じリードでも商談化の成果が変わる
悪い例はシンプルです。ホワイトペーパーを1回ダウンロードしただけの担当者を、理由の説明なくすぐ営業に渡すケースです。営業は「誰に、何を、どう話せばいいのか」が分からず、形式的な連絡になりやすくなります。
その結果、反応が取れず、「マーケのリードは弱い」で終わってしまいます。ここで起きているのは、リードの質の問題というより、受け渡し時の情報設計の弱さです。
一方、良い例では渡す情報が違います。「製造業の中堅企業で、価格比較よりも運用効率化テーマの資料を複数閲覧」「ウェビナー参加後に導入事例ページも確認」「過去接点はないが、直近2週間で関心が急上昇」といった文脈を添えます。
これなら営業は、最初の会話で何を切り口にするかを決めやすくなります。ハンドオフ時には、必要な情報を一緒に共有することが重要です。
初心者マーケターがまず見直すべきなのは、高度なAI設定ではありません。むしろ先に整えるべきなのは、次の3点です。
- 営業へ渡す条件を数値と行動の両方で決める
- 渡すときに最低限添える情報を統一する
- 渡した後、商談化したか・しなかったかの理由を回収する
この3つが回り始めると、AIのスコアやシグナルもようやく活きてきます。逆に言えば、ここがないままでは、AIを入れても「賢いけれど現場で使いにくい仕組み」になりがちです。
動画で確認したい場合の参考先もあります。
先にそろえるべきなのは、AIの機能比較より営業引き取り条件の明文化
初心者にとって大切なのは、「AIが何をしてくれるか」を覚えることだけではありません。「営業に渡すとは何か」「商談化とはどこからか」「案件化を誰がどう判断するか」を整理することです。
そこが見えると、Demandbase AIのようなツールも魔法ではなく、判断を助ける実務ツールとして使えるようになります。AIで成果が出るかどうかは、モデルの賢さ以上に、営業へ渡す前後の役割分担と基準をどこまで言語化できているかで変わります。
比較検討の前に、まずは自社のリード管理で「マーケが判断していること」と「営業が引き取る条件」を1枚に整理してみてください。AIによる案件化支援を便利機能としてではなく、マーケと営業の受け渡し再設計として理解しやすくなります。