%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png?width=130&height=39&name=%E6%9C%80%E7%B5%82Start%20Link%20(500%20x%20150%20px)%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png "StartLink"){kind=logo}
この記事の結論
AI予測リードスコアリングは、CRMに蓄積された実績を使い、リードへの対応順を検討するための仕組みです。最初に決めるべきことは、何を予測し、その結果を誰の判断に使うかです。
AI予測リードスコアリングは、CRMに蓄積された実績を使い、リードへの対応順を検討するための仕組みです。最初に決めるべきことは、何を予測し、その結果を誰の判断に使うかです。
「リードは獲得できているが、どれを優先すべきか決められない」「スコアリングの閾値を説明できない」「担当者ごとに対応順が違う」。こうした状況では、スコアの導入前に、営業へ渡す基準と対応できる範囲をそろえる必要があります。
AI予測リードスコアリングでは、CRMに記録された属性、行動、過去の結果をもとに、新しいリードを評価します。ただし「商談化しそうか」と「顧客化しそうか」は異なる問いです。予測対象が営業の意思決定とずれていれば、スコアを算出しても対応順は決められません。本記事は「AI × CRMで企業価値を上げる設計思想｜経営者が知るべきAI CRM戦略」シリーズの一部です。
この記事でわかること
マーケティング・営業の責任者が、AI予測スコアリングを導入するか、既存のルールを改善するかを判断するための内容です。
- ルールベースとの違いと限界 — 営業が判断したい結果とデータの状態から、比較すべき方式を決めます
- 設計の5ステップ — 結果の定義、データの点検、比較方法、営業へ渡す条件を順に決めます
- HubSpotでの実装方法 — 予測確率を示すプロパティとAIを使って作成するスコアの違いを踏まえ、設定前に確認する項目を整理します
- よくある失敗と回避策 — 実績不足、現場との判断のずれ、運用後の変化を見つけたときの対処を示します
読み終えたら、自社で評価したい結果を定義し、手元のデータで比較を始められるか判断できます。そのうえで、営業と合意する最初の対応条件を決められます。
AI予測リードスコアリングとは
ここでは、AI予測が何を評価し、その結果をどの判断に使えるかを整理します。予測対象を先に明確にすると、比較方法と営業での使い方を決められます。
仕組みの概要
AI予測リードスコアリングは、過去のリードの属性や行動と、その後の結果との関係を使って、新しいリードを評価します。人が条件ごとの点数を決めるルールベース方式に対し、過去データに見られる複数項目の関係を評価に利用する方法です。
設計時には「結果」を先に定義します。商談化を予測したいなら、商談化と判定する条件を営業とそろえ、その結果がCRMに記録されているか確認します。受注や顧客化を予測する指標を、そのまま商談化の判断に使うことはできません。
HubSpotの「Likelihood to close」はコンタクトが今後90日以内に顧客になる確率を示し、「Contact priority」はその値に基づいてコンタクトを相対的な階層に分けたものです（出典：Determine likelihood to close with predictive lead scoring）。
ルールベースとの違い
| 項目 | ルールベース | AI予測 |
|---|---|---|
| 条件の決め方 | 人が条件と点数を設定 | データからパターンを学習 |
| 陳腐化への対応 | 人がルールを更新する | 再学習で追従しやすい |
| 複合条件 | 設計者が気づいた範囲のみ | 変数の組み合わせを検出しやすい |
| 根拠の説明 | ルールがそのまま根拠になる | 確率値で出力される |
利用する値が何を示すかを確認します。
理由を明示した優先順位が必要なら、まずルールベースで条件をそろえます。既存のルールでは説明しにくい結果があるなら、同じリードについてAIの順位と実際の結果を並べます。順位が違うだけではルールを変えず、その違いが営業の対応判断に役立つかを確かめます。
AI予測が向かない条件
新しい市場や商材では、過去のリードと今後のリードが同じ傾向を示すとは限りません。商談化の記録が不足している、担当者によって商談化の定義が違う、結果がCRMに残っていない場合も、予測を評価しにくくなります。
まず評価するリードの範囲を一つに絞り、商談化と非商談化を同じ基準で判定できるか確認します。結果を判定できないリードがあれば、その理由を調べ、記録方法を整えます。結果を比較できる状態になったら、過去のある時点で分かっていた情報だけを使い、その後の実際の結果と予測順位を比べます。比較できなければ、予測の導入判断を保留し、記録を続けます。
AI予測リードスコアリング設計の5ステップ
結果の定義からデータ、比較方法、営業の対応条件までを順番に決めます。各ステップの確認を終えてから次へ進むと、スコアを作成した後に用途を探す事態を避けられます。
ステップ1：データ基盤の整備
まず「どのリードが、いつ、どの結果になったか」を追える状態にします。次の項目を確認します。
- コンタクト・会社データの重複を把握し、同じリードを重複して評価しない状態か
- 商談化・非商談化の判定条件と記録時点がそろっているか
- 評価に使いたい行動データが、営業の判断時点までにCRMへ記録されているか
- 未入力の多いプロパティと、その未入力が偏っているリード群を把握しているか
CRM内でプロパティがどこで、どのように使われているかを確認します（出典：Use data quality tools）。
次へ進む条件は、評価対象のリードについて、結果と判定時点を一貫した基準で確認できることです。確認できなければ、入力方法と商談化の定義を先にそろえます。
ステップ2：特徴量の設計
特徴量とは、評価に使うデータ項目です。候補は次のように整理できます。
| カテゴリ | 具体的な特徴量 | 重要度（一般的な傾向） |
|---|---|---|
| 行動データ | ページ閲覧数、閲覧ページの種類、メール開封率、資料DL回数、フォーム送信回数 | 高 |
| エンゲージメント | 最終接触からの経過日数、過去30日の接触回数、セッション数 | 高 |
| 属性データ | 業種、従業員数、役職、地域、流入チャネル | 中 |
| ソースデータ | 最初の流入チャネル（自然検索/広告/紹介）、キャンペーン参加履歴 | 中 |
表の重要度は、自社での予測力を示すものではありません。各項目について、まず営業が対応を決める時点で分かっていたかを確認します。商談化後に記録された情報を含めると、過去データでは結果を説明できても、実際の優先順位付けには使えません。
HubSpotの予測リードスコアリング用プロパティの値は、HubSpotによって自動設定され、編集できません（出典：Determine likelihood to close with predictive lead scoring）。
次へ進む条件は、使う項目の意味、記録方法、取得できる時点を説明できることです。項目の意味が部署ごとに違う場合は、定義をそろえてから比較します。
ステップ3：モデルの構築方法を選ぶ
| アプローチ | 方法 | メリット | デメリット |
|---|---|---|---|
| CRM内蔵AI | HubSpotの予測リードスコアリング等 | 設定が簡単、CRMと自動統合 | カスタマイズ性が限定的 |
| 外部MLモデル | Python (scikit-learn等) + BigQuery | 完全なカスタマイズ、高精度 | 構築・運用に技術リソースが必要 |
表のメリットやデメリットは、選択時に確認する観点です。設定のしやすさ、連携の範囲、カスタマイズできる内容は、実際の機能と運用環境で確かめます。外部モデルを選ぶだけで高い精度が得られるわけではありません。どちらの方法でも、同じ対象リードと同じ結果の定義で比較します。
HubSpotのアカウントでは、MoreからMarketing > Lead Scoringへ進みます。Moreが表示されない場合は、Marketing > Lead Scoringへ直接進みます（出典：Build contact lead scores with AI）。
合わなければ、商談化の代わりとしてそのスコアを使わず、ルールベースで判断理由と結果を記録します。合う場合は、既存ルールと同じリードで順位を比較し、営業の対応順を変える根拠があるか検討します。
次の画面は、HubSpotのリードスコアリング設定画面の例です。フィット条件やエンゲージメント条件をどう評価するか、設定項目を確認する際の参考にしてください。現在の利用環境で表示される項目と照らし合わせて判断します。
ステップ4：閾値を設定しチューニングする
閾値は、スコアを営業の対応に変える境目です。先に営業が対応できる範囲と、見逃したくないリードの条件を合意します。その後、過去のリードを使い、閾値ごとの対象件数と実際の結果を比べます。
- 営業へ渡す条件を仮に決め、その条件に当てはまるリードを抽出する
- 対象件数が営業の対応可能な範囲に収まるか確認する
- 対象内外の商談化結果を比べ、対象外で商談化したリードも確認する
- 対応しきれないなら対象を絞り、見逃しが問題なら条件を見直す
| 閾値の調整 | 効果 | トレードオフ |
|---|---|---|
| 閾値を上げる | MQLの質が向上、商談化率UP | MQL数が減少、機会損失のリスク |
| 閾値を下げる | MQL数が増加、カバレッジ拡大 | MQLの質が低下、営業の負荷増 |
表は検討する方向を示しています。閾値を上げても商談化率の向上は保証されず、下げても有効な接点が増えるとは限りません。候補の閾値ごとに、対象件数、対象内の結果、対象外で見逃した結果を同時に確認します。流入経路や商材によって結果が異なる場合は、全体の数字だけで条件を決めず、分けて比較します。
次へ進む条件は、閾値を選んだ理由、営業が対応できる範囲、見逃しを見直す方法を説明できることです。
ステップ5：ルールベースと併用する
実運用では、両方式の判断が一致するリードと、分かれるリードを見比べます。
- ルールベース：営業が重視する条件を明示し、その条件を満たすリードを確認する
- AI予測：過去の結果に照らして、ルールとは異なる順位になるリードを確認する
「ルールでは高いがAIでは低い」リードは、ルールを設けた理由と実際の結果を確認します。逆の場合も、新しい有望な傾向と即断せず、どの属性や行動が共通し、営業が対応した後にどうなったかを調べます。結果に一貫した違いが見えなければ、既存ルールを維持して記録を続けます。
次へ進む条件は、判断が分かれたリードを誰が確認し、どの結果が出たらルールや閾値を見直すか決まっていることです。
HubSpotでの実装とワークフロー連携
ここでは、決めた評価基準をHubSpotの画面で確認し、営業の対応につなげる流れを整理します。利用するスコアの種類を明確にし、画面で選べる評価対象と営業に渡す判断基準を照らし合わせます。
設定の流れ
- HubSpotの利用環境で、参照できる予測プロパティと作成できるスコアの種類を確認する
- 自社で定義した商談化の条件と、選べる評価対象・期間が合うか確認する
- 有効化する前に、対象リードの範囲と算出結果を営業と確認する
- 利用できる条件を確認したうえで、セグメント、レポート、ワークフローでの使い方を決める
「Likelihood to close」と「Contact priority」を使う場合は、それぞれの値が何を示すかを確認し、AIを使って作成するコンタクトスコアと区別して営業の対応判断に用います。画面上の名称や選択肢は、実際の利用環境と公式手順で確かめます。設定後は代表的なリードで想定した値が表示されるか、対象外にしたリードが含まれないかを確認します。
ワークフローへの組み込み例
- 合意した条件を満たすリードを担当者の確認対象にし、対応内容をタスクに記録する
- スコアの変化を通知する場合は、直近の行動と対応履歴を担当者が確認できるようにする
- 優先度が下がったリードは、対応履歴と除外理由を確認してから次の扱いを決める
通知にスコアの変化が表示されても、変化した理由を担当者が読み取れるとは限りません。自動処理の前に、担当者、確認する情報、対応内容、結果の記録先を決めます。まず担当者による確認で運用し、届いたリードに対応でき、結果を振り返れる状態になってから自動化の範囲を判断します。
AI予測リードスコアリングでよくある失敗と回避策
導入時と運用後に起きやすい問題を整理します。それぞれについて、何を確認し、どの状態になれば次へ進めるかを示します。
データ量が足りないまま始める
実績が少ない場合は、スコアの良し悪しを判断するための結果も不足します。件数だけで可否を決めず、商談化と非商談化の記録があり、評価したいリードの種類を過去の記録に含むか確認します。
結果を比較できなければ、ルールベースで対応順を決めながら、判断理由とその後の結果を記録します。異なる時期のリードでも同じ基準で結果を比べられる状態になったら、AI予測を並行評価します。
スコアを営業に押し付ける
高スコアというだけでは、営業は対応理由を判断できません。営業が現在優先している条件とAIの順位を並べ、判断が分かれるリードを一緒に確認します。
対応後の結果が予測と合わなければ、営業の対応内容、CRMへの記録、評価に使った条件を順に点検します。営業が対応する理由を理解し、結果を記録できる状態を運用開始の条件にします。
構築して放置する
市場、商材、流入経路、営業の対応方法が変われば、過去の結果との比較条件も変わります。スコア上位の結果だけでなく、対象となるリードの構成や未入力項目の変化を確認します。
以前は優先されていたリード群の結果が変わったら、まず記録方法や対象の変化を調べます。記録の問題なら入力方法を直し、対象が変わったなら比較するリードの範囲を見直します。そのうえで、ルール、閾値、モデルのどこを調整するか決めます。
スコアリングだけで完結する
スコアは対応順を考える材料です。営業へ渡す条件を決める際は、誰が、何を確認し、どの対応結果を残すかまで定義します。
高スコアのリードに対応しきれないなら、閾値と担当範囲を見直します。対応できているのに期待した結果につながらないなら、スコアに加えて、対応内容と対象リードの条件を確認します。
あわせて読みたい
予測スコアをCRMの意思決定にどう位置付けるかを考える際は、次の記事を参照してください。全体の設計思想を確認したうえで、AIの評価結果をどの業務判断に使うか、CRM戦略との関係を整理できます。
まとめ
AI予測リードスコアリングを使う前に、予測したい結果、判断時点で使えるデータ、営業が対応できる範囲をそろえます。導入後は、スコア上位の結果だけでなく、対象外で商談化したリードと営業の対応結果も確認します。
最初の一歩は次の3ステップです。
- 商談化の定義を営業とそろえ、CRMで結果とデータの状態を確認する
- 現在のルールで優先したリードと、その後の結果を記録する
- AIスコアを利用できる場合は同じリードで並行比較し、対応順を変える根拠があるか判断する
企業様によって最適な形は異なります。まずは現在のルールで対応順を説明できるか確かめます。説明しにくい判断が残る場合は、そのリードを比較対象にし、結果がそろってからAI予測の利用範囲を決めます。
CRMを活用した業務効率化やAIとの連携に関するご相談は、CRM特化型コンサルティングのStartLinkまでお気軽にお問い合わせください。商談化の定義、スコアの比較方法、営業へ渡す条件を整理したい場合にご相談いただけます。
よくある質問（FAQ）
Q1. AI予測スコアリングを始めるのに必要なデータ量は？
一律の件数では判断できません。まず、商談化と非商談化の結果を同じ基準で確認できるか、評価したいリードの種類が過去の記録に含まれるかを見ます。結果を比較できない場合は、ルールベースで運用しながら判断理由と結果を記録します。比較できる状態になったら、営業の判断時点で分かっていた情報を使い、AIの順位と実際の結果を比べます。
Q2. ルールベースのスコアリングだけでは足りませんか？
営業が対応順の理由を説明でき、結果を見てルールを更新できているなら、ルールベースを続ける判断ができます。判断が分かれるリードや、ルールで説明しにくい結果がある場合は、AI予測を並行して比較します。
| ルールベースの限界 | AI予測での改善 |
|---|---|
| 設計者の経験に依存する | データから客観的にパターンを発見 |
| 新しい行動パターンに対応しにくい | モデル再学習で自動的に追従 |
| 複数変数の交互作用を捉えにくい | 多変量の非線形関係を自動検出 |
| 閾値の根拠が感覚的になりがち | 確率値（0〜100%）で定量的に出力 |
表の改善は、AI予測を導入するだけで得られる結果ではありません。再学習後も実際の結果で確認が必要です。また、確率値の行は確率として表示される指標についての説明であり、AIで作成するすべてのスコアに当てはまるわけではありません。利用する値の意味を確認し、ルールとAIで判断が分かれたリードの結果を見てから、使い方を変えます。
Q3. スコアの精度はどう確認しますか？
同じ基準で結果を判定できるリードを用意し、スコアの高い群と低い群で実際の商談化結果を比べます。違いが見えなければ、商談化の定義、データの記録時点、未入力項目を確認します。違いが見えても、営業が対応できる範囲と、対象外で商談化したリードを確かめてから閾値を決めます。流入経路や商材が変わったときは、同じ比較を改めて行います。
Q4. HubSpotのAIスコアリングはどこで設定しますか？
AIによるコンタクトスコアを作成する際は、利用環境の画面に表示される設定項目を確認してください。
記事の内容を、そのまま実務に落とし込みたい方向け
HubSpotゴールドパートナーのStartLinkが、HubSpot導入・AI活用・CRM整備・業務効率化までをまとめて支援しています。記事で気になったテーマを、そのまま相談ベースで整理できます。
次に読む
株式会社StartLinkは、事業推進に関わる「販売促進」「DXによる業務効率化（ERP/CRM/SFA/MAの導入）」などのご相談を受け付けております。 サービスのプランについてのご相談/お見積もり依頼や、ノウハウのお問い合わせについては、無料のお問い合わせページより、お気軽にご連絡くださいませ。
著者情報
