ケーススタディ

マーケティング部門が「量重視」から「質重視」へのABMシフトを決定。しかし、購買意思決定に関わる組織構造が複雑で、「どの企業の誰が今どの段階にいるか」を把握できず、アプローチ優先順位の判断が属人的になっていた。

以前に別のマーケティングツールを導入した際も、インサイトを活用するための分析工数が確保できずプロジェクトが頓挫。開発リソースも逼迫しており、自社内製での解決も困難な状況だった。

• 購買組織の自動可視化 — 決裁者・導入推進者・技術評価者などの役割をAIが自動判別し、「誰に何を言うか」の課題を解決
• 既存システムをそのまま活用 — 運用中のMarketoやSFA/CRMを大幅改変せず拡張でき、乗り換えコストゼロで導入可能
• AI自動更新で工数を削減 — 初期設定後はAIがBuying Groupを継続構築・更新。人的分析工数を大幅削減しながら精度を維持
• 新設データ分析チームの体制構築に直結 — 手動作業ではなくAI活用で意思決定をサポートする体制を、追加採用なしで立ち上げ

決裁者を含めた「組織全体が検討しているHOT状態」を認識してからのアプローチが可能になった。従来のリード単位のマーケティングでは見逃していた「裏にいる決裁者の温度感」や「複数役割による組織的な検討進捗」を可視化することで、商談化率の向上につながっている。

インサイドセールス担当5〜6名で年間数百社に対応する中、「今まさに購買検討に動いている企業」を特定する手段がありませんでした。複数部門が関与する大型案件では現場担当者が活発でも決裁者が動いていないケースもあり、単一担当者の熱量だけでは組織の本質的な検討段階を判断できませんでした。

アプローチ優先順位が担当者の経験・勘に大きく依存した結果、有望案件への気づき漏れや空振りが発生。限られた営業リソースが十分な効果を発揮できていませんでした。

• 組織単位での検討段階の可視化 — AIが行動ログから決裁者・技術評価者等の役割を自動判別し、「組織全体が温まった状態」からアプローチ可能に
• 既存のMarketo+SFA構成をそのまま活用 — 運用中の環境を大幅改変せず導入でき、移行コストと運用負荷を最小化
• 失注案件の敗者復活 — AIが新たな接触行動と過去の失注案件を自動で紐づけ、眠れる資産の再活性化を実現

既存顧客データを活用した購買グループ自動生成精度の実証を実施しています。インサイドセールス業務の効率化と商談化率向上の両立を段階的な展開で検証中です。「決裁者を含む組織的な検討が進んでいる案件」への優先アプローチにより、架電当たりの成果率向上が見込まれています。

アウトバウンド架電において、膨大なリード候補の中からどの企業・担当者を優先すべきかをデータに基づいて判断する仕組みがありませんでした。同一企業内の複数部門から接触があるケースでも「どの部門が本当の検討ドライバーか」を見極めることが困難で、アプローチの質が安定しませんでした。

• 購買グループによるターゲティングの自動化 — AIが同一企業内で同一商材に関心を持つ複数担当者を自動グループ化し、「実は経営層が検討している」といった組織構造を可視化。架電リストの最適アプローチ対象を自動抽出
• 架電当たりの商談化率を向上 — 検討度が高い企業・適切な役職者への優先アプローチにより、限られたIS人数でも営業効果を最大化
• 複数商材への柔軟な対応 — 商材ごとに異なるロール構造にも自動対応し、一つのプラットフォームで多商材展開を支援

PoC期間中に架電成功率と購買グループ自動生成精度を実データで検証しています。複数商材・複数部門からの接触が混在する環境でも、AIが役割と優先度を正確に判定できることを確認しながら、本格的なランニング運用への移行を計画しています。