企業データ名寄せ実務ガイド｜重複統合・住所正規化・法人番号API×AIで整備する方法

企業データの名寄せとは、CRM・SFA上で重複・表記揺れが生じている企業レコードを「正規化→突合→統合」の3ステップで一本化し、営業・マーケティング・与信管理の精度を高めるデータ整備プロセスです。法人番号APIやAIを組み合わせることで、手作業に頼らない継続的な品質維持が可能になります。

「HubSpotに同じ会社のレコードが2つある」「株式会社とKKで別管理になっている」「住所の丁目・番地がバラバラで名寄せできない」——CRMを使っているほぼすべての企業が、ある段階でこの問題に直面します。

データが汚いままではCRMは機能しません。どれだけ優れたAI機能を載せても、重複した企業データの上に構築されたレポートは信頼できないし、営業が「この会社、担当者が2人いる？」と首をひねる状況が続きます。本記事では、企業データの名寄せを実務レベルで進めるための手順を、法人番号APIの活用・住所正規化・AI活用・HubSpot実装まで一気通貫で解説します。

この記事でわかること

CRMの企業データ品質に課題を感じている営業企画・データ担当・CRM管理者に向けた記事です。

• 名寄せの3要素（正規化・突合・統合）と、それぞれで何をすべきかを解説しています — データが汚いとCRMのAI機能は正しく動作しません。
• 法人番号APIと住所正規化を使って、人手に頼らずデータを突合する方法を示しています — 国税庁の法人番号システムは無料で利用でき、法人名・住所の正規化に実用的です。
• AIを活用した曖昧な会社名マッチングの実装アプローチと、HubSpotでの継続運用設計を紹介しています — スモールスタートで始め、段階的に自動化を拡張するのが現実的です。

名寄せが必要になる背景

CRMデータは「自然と汚れていく」

企業データが重複・表記揺れを起こす原因は主に3つです。

1. 入力者ごとの表記ゆれ: 「株式会社ABC」「（株）ABC」「ABC株式会社」「ＡＢＣ株式会社」が共存する
2. 複数経路からのインポート: 展示会リスト・問い合わせフォーム・名刺管理ツール・手動入力が混在し、重複チェックが走らない
3. 買収・社名変更への未追従: 合併や改称があっても旧社名のレコードが残り続ける

CRM上の企業レコードが重複すると、営業は「どちらのレコードに商談を登録すればいいか」迷い始めます。マーケティングは同じ会社に2通のメールを送ります。与信担当は過去取引の全額を把握できません。問題は1箇所にとどまらず、プロセス全体に波及します。

名寄せを後回しにするコスト

多くの企業は「データ整備はいつかやる」と先送りにします。しかし、レコードが増えるほど重複の解消コストは増大します。1,000件のうち10%が重複しているなら、3,000件になったときには整理すべきレコードが300件ではなく、新規追加分にも重複が積み上がり複利的に増えます。

名寄せの3要素：正規化・突合・統合

名寄せは3つのフェーズで構成されます。この順序を守ることが重要です。

フェーズ1：正規化（表記揺れを統一する）

法人格の正規化

もっとも頻発するのが法人格の表記ゆれです。以下のパターンをルールとして持ち、変換します。

正規化の実装は、Pythonなら以下のような辞書マッピングで対応できます。

replacements = {
    r'\(株\)': '株式会社',
    r'（株）': '株式会社',
    r'㈱': '株式会社',
    r'\(有\)': '有限会社',
    r'（有）': '有限会社',
    r'㈲': '有限会社',
}

import re
def normalize_corp_type(name: str) -> str:
    for pattern, replacement in replacements.items():
        name = re.sub(pattern, replacement, name)
    return name.strip()

全角・半角・スペースの統一

法人格以外にも、英字・数字・記号の全角/半角ゆれが発生します。Pythonのunicodedata.normalize('NFKC', text)で全角英数字を半角に変換し、スペース（全角・半角・複数連続）を除去するだけで、マッチ率は大幅に向上します。

import unicodedata

def normalize_text(text: str) -> str:
    # 全角→半角変換
    text = unicodedata.normalize('NFKC', text)
    # スペース除去・トリム
    text = re.sub(r'\s+', '', text).strip()
    return text

フェーズ2：突合（同一企業の判定）

キー設計の優先順位

正規化済みの企業名だけで突合すると、同名異社の誤マッチングが生じます。複数のキーを組み合わせて確度を上げることが重要です。

法人番号が一致すれば、それだけで同一企業と確定できます。まず法人番号でマッチングし、未付与・不明なレコードに対してはドメインや電話番号で補完するというアプローチが実務的です。

法人番号APIの活用

国税庁が提供する「法人番号システム Web-API」は無料で利用でき、法人名・住所の正規化にも使えます。

エンドポイント（差分更新型検索）:

https://api.houjin-bangou.nta.go.jp/4/name?name={社名}&type=12&mode=1&target=1&appId={アプリID}

取得できる主なフィールド:

• corporateNumber: 13桁の法人番号
• name: 正規法人名（国税庁基準）
• prefectureName / cityName / streetNumber: 住所の正規化された各要素
• closeDate: 解散・廃業日（生存確認に使える）

CRM上の社名で法人番号APIを叩き、法人番号・正規名・正規住所を取得してCRMにマッピングするだけで、突合キーの品質が格段に上がります。

また、gBizINFO（経済産業省）も活用できます。従業員数・業種コード・資本金などを無料で取得でき、CRMの不足項目補完にも使えます。

住所正規化

住所は「東京都中央区銀座一丁目」と「東京都中央区銀座1-」のように表記が多様です。直接文字列比較すると全くマッチしません。

住所正規化の手順:

1. 都道府県・市区町村の正規化: 「大字」「字」の除去、政令指定都市の区を含めた正規化
2. 丁目・番地の統一: 漢数字→アラビア数字変換（「一丁目」→「1丁目」）、区切り文字の統一（「-」で統一）
3. 建物名・フロアの分離: マッチングキーからは除外し、補足情報として保持

Pythonライブラリ「jusho」「normalize-japanese-addresses」を使うと、これらの処理を効率化できます。

フェーズ3：統合（マスターレコードの選定）

マスターレコードの選定基準

突合で「これは同一企業」と判定されたレコード群から、1つを「マスター」として残し、他を統合します。マスター選定の基準は以下を推奨します。

統合時のデータ引き継ぎ

マスターレコードに統合する際は、サブレコードの関連データ（コンタクト・商談・活動ログ・チケット）をすべきマスターへ再紐づけします。HubSpotでは「会社レコードのマージ」機能がこの処理を行います。

マージ前に必ず確認すべきこと:

• 上書きされるフィールドに重要情報がないか
• 担当者が異なる場合どちらを引き継ぐか
• メールオプトアウト状態の引き継ぎルール

AI活用：曖昧マッチングと不足項目補完

LLMによる意味的類似度マッチング

法人番号・ドメインなどの確定キーがなく、正規化後の法人名だけで判定しなければならないケースがあります。「株式会社エービーシー」と「ABC株式会社」のような表記差異は、文字列の編集距離（Levenshtein距離）では正しく判定できません。

こうした曖昧マッチングに、LLMが有効です。

import anthropic

client = anthropic.Anthropic()

def check_same_company(name_a: str, name_b: str) -> dict:
    prompt = f"""
以下の2つの法人名が同一企業を指しているか判定してください。
法人名A: {name_a}
法人名B: {name_b}

以下のJSON形式で回答してください:

"""
    message = client.messages.create(
        model="claude-opus-4-5",
        max_tokens=256,
        messages=[{"role": "user", "content": prompt}]
    )
    import json
    return json.loads(message.content[0].text)

ただし、LLMによるマッチングは処理コストがかかります。法人番号・ドメインで確定できなかった残件に絞って使うのが実践的です。大量処理が必要な場合はBatch APIを使うとコストを50%削減できます。

業種推定・企業規模推定（不足項目補完）

CRMに「業種」「従業員数」「売上規模」が未入力のレコードが多い場合、gBizINFOや法人番号APIで取得できる情報と、LLMを組み合わせた補完が有効です。

企業名・ドメイン・住所などの既存情報を入力として、LLMに「業種カテゴリ」「推定規模」を推定させ、CRMの対応プロパティに書き込む運用が実装できます。これにより、リードスコアリング・セグメント配信の精度が向上します。

HubSpotでの名寄せ実装

HubSpotの重複検出機能

HubSpotには「類似企業の検出」機能が標準搭載されており、会社名・ドメインが類似するレコードを自動的にサジェストします。

• アクセス先: CRM → 会社 → アクション → 「重複の管理」
• 判定基準: ドメインの一致、会社名の類似度
• マージ操作: 2レコードを選択し「マージ」ボタンで統合。どちらのフィールド値を残すか選択可能

HubSpotの重複検出は手動確認ベースです。月次でレビューする運用フローを設計するのが現実的です。

プロパティ設計：名寄せ用フィールド

名寄せを継続的に運用するため、以下のカスタムプロパティを会社オブジェクトに追加することを推奨します。

Automationで継続的に品質を維持する

初期の名寄せ後も、新規レコードが追加されるたびに重複が生まれます。HubSpotのワークフロー（Automation）で以下のフローを設計すると、継続的な品質維持が可能です。

1. 新規会社レコード作成時 → 法人番号が空の場合はSlackで担当者に通知
2. 同一ドメインの会社レコードが存在する場合 → 重複候補フラグを立て、管理者にレビューを依頼
3. 一定期間アクティビティがないレコード → データクレンジング対象としてタグ付け

ワークフローの詳細な設計については「CRMデータクレンジングの設計と運用」も参考にしてください。なお、HubSpotのData Hubを活用したデータ同期・自動化の全体設計については「HubSpot Data Hubの活用設計」もあわせてご覧ください。

スモールスタートで始める実践アプローチ

データ整備を「いつか全社プロジェクトでやる」と考えていると、永遠に着手できません。以下のフェーズで段階的に進めることを推奨します。

フェーズ別ロードマップ

今日から始めるなら、まずHubSpotの「重複の管理」画面を開いて、件数を確認することです。おそらく予想以上の重複が表示されます。そこから優先度の高いレコードを手動でマージするだけでも、CRMの信頼性は大きく改善します。

まとめ

企業データの名寄せは、一度やれば終わりではなく、継続的なデータガバナンスの一部です。本記事で解説した内容を振り返ります。

• 正規化は法人格・全角半角の統一から始める。Pythonの正規表現とunicodedata.normalizeで大半の揺れを吸収できる
• 突合キーは法人番号を最上位に置き、ドメイン・電話番号・住所で補完する。国税庁の法人番号APIは無料で利用可能
• 統合では「最古レコード」「取引紐づき」「入力充実」の優先順位でマスターを選定し、関連データを再紐づけする
• AI活用は法人番号・ドメインで解決できない曖昧マッチングと不足項目補完に絞ると費用対効果が高い
• HubSpotは標準の重複検出機能＋カスタムプロパティ＋Automationで継続運用の仕組みを作れる
• スモールスタートで高優先度レコードから着手し、段階的に自動化を拡張するのが現実的

関連記事として、CRMデータクレンジングの全体像は「CRMのデータクレンジング実践ガイド」と「CRMデータクレンジングの設計と運用」、AI CRMの導入全体像は「AI CRM導入ロードマップ」をあわせて参照してください。

よくある質問（FAQ）

Q1. 法人番号がないレコード（海外企業・個人事業主など）はどう扱うべきですか？

法人番号は日本の法人に対して付与されるものです。海外企業の場合は「企業ドメイン」を代替キーとして使うのが実用的です。個人事業主は会社オブジェクトではなくコンタクトオブジェクトで管理する設計に切り替えると、名寄せの混乱が減ります。

Q2. 既存の重複レコードが多すぎて、どこから着手すべきかわかりません。

「直近6か月にアクティビティ（商談・メール・ミーティング）があった会社」に絞ると、優先度が明確になります。その範囲から始めて、半年ごとに対象を広げていくスモールスタートが現実的です。全件一括でやろうとすると動けなくなります。

Q3. HubSpotの自動マージ機能はありますか？確認なしに統合されると困ります。

HubSpotの標準機能では、重複の「提案」は自動ですが「マージ実行」は手動確認が必要です。誤マージのリスクを防ぐ設計になっています。API経由で自動マージを実装することは技術的に可能ですが、確認フローを必ず組み込むことを強く推奨します。

Q4. 名寄せの精度はどのくらいを目標にすべきですか？

100%の精度を追うよりも、「誤マージ0件」を優先してください。誤って2社を1社にまとめてしまうと、別途アンマージが必要になり作業コストが増大します。判定確度が80%未満のものは「要確認」フラグを立て、人間がレビューする仕組みにするのが実務的です。

Q5. 名寄せ後、データ品質を継続的に維持するにはどうすればよいですか？

2つの施策が有効です。①入力時の予防策（フォームバリデーション、法人番号の必須化、ドメインの自動入力）と、②月次の定期チェック（HubSpotの重複管理画面レビュー、新規レコードの法人番号未入力率モニタリング）です。予防と検出の両輪で運用することで、重複の累積を防げます。

Q6. Claude CodeやPythonで名寄せを自動化する場合、コストはどのくらいかかりますか？

法人番号APIとgBizINFOはどちらも無料です。LLMを使った曖昧マッチングのコストは、Anthropic Claude APIのBatch APIを使えば通常の50%に抑えられます。1,000件の曖昧マッチング処理であれば数百円程度が目安です。大量処理はBatch APIを使い、通常APIは少量の即時処理に限定するのがコスト管理のポイントです。

StartLinkによる企業データ整備支援

StartLinkは、HubSpot認定パートナーとして、CRMデータの名寄せ設計から自動化実装まで支援しています。「どこから手をつければよいかわからない」「既存の重複がひどくて自社では対応できない」という場合は、まず現状のデータ品質診断からご相談ください。スモールスタートで着実に成果を出す設計を、データの実態に合わせてご提案します。

詳しくはStartLinkのHubSpot CRM導入・活用支援サービスをご覧ください。