---
title: CRM予測分析をAIで経営に活かす｜売上予測・チャーン予測・リードスコアリング
description: CRM予測分析とは、CRMに蓄積した商談・顧客・行動データからAIで売上の着地、解約リスク、リードの成約可能性を確率的に見積もる手法です。売上フォーキャスト・チャーン予測・予測リードスコアリングの3つの使い方と、精度を左右するデータ設計、経営ダッシュボードへの組み込み方をHubSpotの設定に沿って解説します。
image: https://start-link.jp/hubfs/blog/screenshots/generated/ai-predictive-analytics-crm.png
---

[![StartLink](https://start-link.jp/hs-fs/hubfs/logo/%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?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")](https://start-link.jp)

- [会社情報About](https://start-link.jp/about)
- [サービスService](https://start-link.jp/service)
- [プロダクトProducts](https://start-link.jp/sync)
- [YoutubeYoutube](https://start-link.jp/about/sns)
- [ブログBlog](https://start-link.jp/hubspot-ai)
- [業界別ガイドIndustry guides](https://start-link.jp/case)
- [採用情報Recruit](https://start-link.jp/recruit)

[資料DL](https://start-link.jp/download/service) [無料相談 →](https://start-link.jp/contact)

[会社情報](https://start-link.jp/about) [サービス](https://start-link.jp/service) [プロダクト](https://start-link.jp/sync) [Youtube](https://start-link.jp/about/sns) [ブログ](https://start-link.jp/hubspot-ai) [業界別ガイド](https://start-link.jp/case) [採用情報](https://start-link.jp/recruit)

[資料ダウンロード](https://start-link.jp/download/service) [無料相談 →](https://start-link.jp/contact)

- [トップ](https://start-link.jp)
- [会社情報](https://start-link.jp/about)
- [サービス](https://start-link.jp/service)
- [Youtube](https://start-link.jp/about/sns)
- [ブログ](https://start-link.jp/hubspot-ai)
- [Contact](https://start-link.jp/contact)
- [個人情報保護方針](https://start-link.jp/privacy-policy)
- [個人情報取り扱い規定](https://start-link.jp/personal-information-processing-agreement)

[ホーム](https://start-link.jp) › [ブログ](https://start-link.jp/hubspot-ai) ›[BtoBマーケティング](https://start-link.jp/hubspot-ai/btob-marketing) ›[AIマーケティングトレンド](https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends) ›CRM予測分析をAIで経営に活かす｜売上予測・チャーン予測・リードスコアリング

# CRM予測分析をAIで経営に活かす｜売上予測・チャーン予測・リードスコアリング

- 2026年3月3日
- 最終更新: 2026年10月18日

![ai-predictive-analytics-crm](https://start-link.jp/hubfs/blog/screenshots/generated/ai-predictive-analytics-crm.png)

この記事の結論

CRM予測分析は、売上フォーキャスト・チャーン予測・予測リードスコアリングの3つから始められます。予測の精度を左右するのは、AIの種類よりもCRMの入力設計です。

ブログ目次

もっと見る ▼

**CRM予測分析は、売上フォーキャスト・チャーン予測・予測リードスコアリングの3つから始められます。予測の精度を左右するのは、AIの種類よりもCRMの入力設計です。**

「CRMにデータは溜まっているのに、来月の売上は結局"勘"で答えている」  
「解約しそうな顧客に気づくのは、いつも解約の連絡が来てから」  
「どのリードから追うかが担当者の感覚任せで、チームの受注率にばらつきがある」——

CRM 予測分析とは、CRMに蓄積された商談・顧客・行動データに機械学習・AIを適用し、売上の着地、顧客の解約、リードの成約可能性といった将来の事象を確率で見積もる手法です。CRMのデータを「過去の記録」から「次の打ち手を決める材料」に変える使い方と言えます。

本記事は「[AI CRMとは？2026年のCRM × AI活用トレンドと実践的な導入ステップ](https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends/ai-crm-trends-2026)」シリーズの一部です。

## この記事でわかること

CRMの予測分析機能を活用して売上精度の向上やチャーン防止を実現したい経営企画・営業マネージャーに向けた記事です。

- **CRM予測分析の3つのユースケースと始める順番** — 売上フォーキャスト・チャーン予測・予測リードスコアリングの仕組みと、自社のデータの状況に応じてどれから始めるかの判断基準を解説します。
- **AI売上フォーキャストの仕組みと運用** — 確率加重で売上を見積もる計算の考え方と、AIの予測と営業担当者の見立てがずれたときの扱い方を紹介します。
- **予測精度を高めるデータ設計** — 予測の精度を左右するCRMデータの4要件と、入力を人の注意力ではなく仕組みで担保する方法を解説します。
- **予測分析を経営判断に直結させるダッシュボード設計** — 予測結果を投資・採用・CS体制などの判断に使うためのダッシュボードの要素と、段階的な作り方を紹介します。

「CRMにデータは溜まっているのに来月の売上を勘で答えている」「解約しそうな顧客を事前に特定できていない」とお悩みの方に、特におすすめの内容です。

## CRM予測分析の全体像｜スプレッドシートの積み上げ予測から何が変わるのか

CRM予測分析は、新しい分析ツールを足す取り組みというより、CRMにすでにある商談・顧客・行動データの使い方を変える取り組みです。本記事では、3つのユースケースを「どこから始めるか」「どの順でつなぐか」という1つの実務フローとして整理します。まずは、予測がスプレッドシートで止まってしまう理由から見ていきます。

### 予測がスプレッドシートで止まってしまう理由

さらに、スプレッドシート上の見込みは担当者の判断で書き換えられ、いつ・誰が・なぜ数字を変えたのかが残りません。過去の予測と実績を比べようにも履歴がないため、予測の精度を改善する手がかりが残らない状態になります。

CRM予測分析の出発点は、AIを導入することではなく、予測に使う商談データをCRM上で一元管理し、集計を手作業から外すことです。商談・コンタクト・会社・活動履歴がCRM上で紐づいていれば、AIはそのつながりを材料に確率を計算できます。

### CRM予測分析が実務で使える段階に来た背景

詳細は[AIエージェントとCRM](https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends/ai-agent-crm-automation)をご覧ください。

CRM予測分析は概念としては以前から存在していましたが、実務で使える形になってきた背景には以下の3つの変化があります。

| 変化の要因 | 内容 | CRM予測分析への影響 |
| --- | --- | --- |
| AI・MLの民主化 | CRMベンダーが予測分析をノーコード機能として提供 | データサイエンティスト不要で予測モデルを構築可能に |
| CRMデータの蓄積 | クラウドCRMの普及から年数が経ち、商談・顧客データが蓄積 | 予測精度の向上に必要なデータ基盤が整った |
| AIとの統合 | 予測結果をLLMが自然言語で解釈・説明 | 「なぜこの予測になったのか」を説明可能に |

この表で押さえておきたいのは、2つ目の「CRMデータの蓄積」だけは企業ごとに状況が大きく異なる点です。ノーコードの予測機能やAIによる説明はツール側が用意しますが、学習に使うデータが溜まっているかどうかは自社の運用次第です。予測分析を検討する際は、ツールの比較より先に、自社のCRMに「受注・失注の結果まで記録された商談」がどれだけあるかを数えてみることをおすすめします。

### 3大ユースケースの全体像

CRM予測分析の3大ユースケースを、ビジネスインパクトと導入難易度の観点で整理します。

| ユースケース | 予測対象 | ビジネスインパクト | 導入難易度 | 必要なデータ量 |
| --- | --- | --- | --- | --- |
| **売上フォーキャスト** | 来月・来四半期の売上着地 | 非常に高い | ★★☆ | 季節変動を含む期間の、受注・失注まで記録された商談データ |
| **チャーン予測** | 解約リスクの高い顧客 | 高い | ★★☆ | 過去の解約データ+利用データ |
| **予測リードスコアリング** | リードの成約確率 | 高い | ★☆☆ | リード→商談→受注の流れが記録されたデータ |

3つを同時に始める必要はありません。本記事では、次の条件で最初の1つを選ぶ進め方を提案します。

| 確認すること | 当てはまる場合に選ぶユースケース | 次に記録すること |
| --- | --- | --- |
| 取引に金額・ステージ・クローズ日が入り、受注/失注の結果も残っている | 売上フォーキャスト | ステージ別の件数と、結果が出た商談の受注・失注の内訳 |
| サブスクリプション型の契約で、利用状況や問い合わせがCRMに入っている | チャーン予測 | 過去に解約した顧客の一覧と、解約前に起きていた変化 |
| リード数に対して営業が追い切れず、対応順が担当者任せになっている | 予測リードスコアリング | リードの流入元と、商談化したリードの共通点 |

どの行にも当てはまらない場合は、予測分析より先に取引データの入力ルールを整えるところから始めるのが近道です。

### 全体フローの中での3つの位置付け

3つのユースケースは、顧客との関係の流れに沿って並べると役割がはっきりします。予測リードスコアリングは「リード→商談」の入口で対応順を決め、売上フォーキャストは「商談→受注」の取引パイプライン上で着地を見積もり、チャーン予測は「受注→継続・更新・請求」の段階で既存の売上を守ります。

この流れは一方通行ではありません。失注した商談や解約した顧客の記録は、次のスコアリングや予測の学習材料になります。失注した商談のコンタクトはナーチャリングの対象に戻し、再び関心が高まったらスコアリングで拾い直す、というループを設計しておくと、予測分析は単発の分析ではなく、営業・マーケティング・CSをつなぐ仕組みとして機能します。

## ユースケース1：AI売上フォーキャスト

AI売上フォーキャストは、パイプライン上の各商談の成約確率をもとに、売上の着地を確率加重で見積もる使い方です。3つのユースケースのなかでも経営へのインパクトが大きい一方、予測の土台となるパイプライン設計が曖昧なままでは精度が上がりません。ここでは従来の予測の限界、AI予測の仕組み、予測の土台になる設計を順に整理します。

### 従来の売上予測の限界

さらに深掘りしたい方は[AI営業支援ツールの比較と選び方](https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends/ai-sales-tools-comparison)もあわせてお読みください。

従来の売上予測（フォーキャスト）は、営業担当者の自己申告に基づく「ボトムアップ型」が主流でした。営業担当者がパイプラインの各案件について「今月受注できる」「来月受注になる」と報告し、それを積み上げて予測値とする方法です。この方法には、次のような問題があります。

| 問題点 | 内容 | 影響 |
| --- | --- | --- |
| 楽観バイアス | 営業担当者は受注確度を過大評価する傾向 | 予測が上振れし、経営判断を誤らせる要因 |
| 個人差 | 担当者によって「受注確度80%」の基準がまちまち | 予測の精度が担当者のスキルに依存 |
| 静的な判断 | 申告時点の状況で固定され、商談の変化が未反映 | リアルタイムの状況変化への追従が困難 |
| 加工の手間 | Excelでの集計・加工に毎週まとまった時間が発生 | 予測レポート作成自体がコスト |

4つの問題のうち、楽観バイアスと個人差は担当者の努力では解消しにくいものです。「もっと正確に申告してください」と求めても、確度の基準が人によって違う限り、積み上げた数字の意味はそろいません。基準をそろえる役割を、人ではなくCRMの設計とAIの計算に移すのがAI売上予測の考え方です。

### AI売上予測の仕組み

AI売上予測は、パイプラインに存在する各商談の「成約確率」をAIが算出し、その確率加重で売上を予測するアプローチです。計算ロジックは次のとおりです。

**AI予測売上 = Σ（各商談の金額 × AIが算出した成約確率）**

| 商談 | 商談金額 | AIが算出した成約確率 | 確率加重の金額 |
| --- | --- | --- | --- |
| 商談A | 500万円 | 85% | 425万円 |
| 商談B | 300万円 | 60% | 180万円 |
| 商談C | 800万円 | 30% | 240万円 |
| AI予測売上 | — | — | 845万円 |

この例では、金額が大きい商談Cも、確率加重後の金額では商談Aを下回ります。金額の大きさだけで見込みを語ると予測が上振れしやすい理由が、この計算からも読み取れます。

確率加重の考え方は、HubSpotの標準機能にも組み込まれています。HubSpotの取引パイプラインでは、取引ステージごとに受注の確率（取引確率）を設定でき、取引金額にこの確率を掛けた加重金額をフォーキャストやレポートで扱えます（出典：[Set up and customize pipelines](https://knowledge.hubspot.com/object-settings/set-up-and-customize-pipelines)）。ステージ単位の確率は同じステージの全商談に同じ値がかかるのに対し、AI予測は商談ごとの属性や活動から確率を個別に見積もる点が違いです。

AIが成約確率を算出する際に使用する主なデータは以下のとおりです。

| データカテゴリ | 具体的なデータ項目 | 予測への寄与 |
| --- | --- | --- |
| 商談属性データ | 商談金額、業種、企業規模、商談ソース | 類似属性の商談の過去成約率を参照 |
| パイプラインデータ | 現在のステージ、各ステージの滞留日数 | ステージ別の成約率と、滞留期間と失注の相関 |
| 活動データ | メール送受信数、会議回数、電話回数 | 活動量と成約率の相関（活動が多い商談は成約率が高い傾向） |
| コンタクトデータ | 意思決定者の関与有無、コンタクト数 | 決裁者が関与している商談ほど高い成約率 |
| 行動データ | 見込み顧客のWeb閲覧ページ、メール開封率 | 料金ページの閲覧回数が多い商談ほど高い成約率 |

この5つのカテゴリのうち、自社のCRMで記録できていないものは予測に効かないと考えてください。例えば活動データが手入力頼みの場合、記録の多寡は商談の状態ではなく担当者の入力習慣を表すだけになります。その場合は、予測に使う前にメール・カレンダー連携で自動記録に切り替えることを優先します。

### 予測の土台になるパイプライン設計

AIが算出する成約確率も、ステージの定義が担当者ごとにばらばらでは意味を持ちません。本記事では、売上予測の土台になるパイプライン設計を次の4つの要素で整理します。

| 設計要素 | 考え方 | 売上予測への効き方 |
| --- | --- | --- |
| 取引ステージ | 受注の可能性が変わるポイントでステージを分割 | ステージ別の成約率の比較が可能 |
| 受注確度 | ステージごとに受注の確率を置き、加重金額を算出 | AI予測と比べる基準線 |
| ステージ定義 | 各ステージに入る条件を文章で決め、社内で共有 | 担当者による「同じステージ」の解釈差の解消 |
| 必須入力プロパティ | ステージを進めるときに入力させる項目を指定 | 金額・クローズ日などの欠損防止 |

ステージの切り方や確度の置き方は、商材の単価や検討期間、関与する部門の数によって変わります。トップ営業やマネージャーが「この段階まで来れば受注が見えてくる」と感じるポイントと、過去の受注・失注データを突き合わせ、その集合知をステージに落とし込んでいくのがおすすめです。

4つ目の必須入力プロパティは、データ品質を人の注意力に頼らず仕組みで担保する手段です。HubSpotでは、取引が特定のステージに移動するときに入力を求めるプロパティを、パイプラインの設定で指定できます（出典：[Set up and customize pipelines](https://knowledge.hubspot.com/object-settings/set-up-and-customize-pipelines)）。

例えば見積もり提示のステージでは金額とクローズ日、受注では受注理由、失注では失注理由を必須にしておけば、異動してきた担当者や新任者でも同じ項目がそろいます。何を確かめるべきかが入力画面に表れるため、新任者の育成にも役立ちます。

### AI売上予測の精度向上のためのデータ設計

AI売上予測の精度は「入力データの質と量」に直結します。予測精度を高めるためには、CRMに以下のデータが正確に記録されていることが前提条件になります。

| 必須データ | CRMでの管理方法 | 注意点 |
| --- | --- | --- |
| 商談金額 | 取引の金額フィールド | 概算でも入力。空欄は予測精度を大きく下げる要因 |
| 商談ステージ | パイプラインのステージ管理 | ステージの定義を明確化し、全営業で統一 |
| 商談開始日・予定クローズ日 | 取引の日付フィールド | 予定クローズ日は現実的な日付を入力。安易な先送りを防止 |
| 受注/失注の結果 | 取引のクローズ理由 | 失注理由の記録が特に重要（次の予測モデルの学習データ） |
| 活動記録 | 活動ログ（メール・電話・会議） | 自動記録（メール連携・カレンダー連携）の活用を推奨 |

5項目のうち、後から取り戻しにくいのは「受注/失注の結果」と「失注理由」です。金額やステージは後から修正できますが、クローズした商談の失注理由は、時間が経つと担当者も思い出せなくなります。

## AI売上フォーキャストの実装と運用

予測の仕組みを理解したら、次はどのツールで計算し、出てきた数字を誰がどう扱うかを決めます。AIの予測値は会議で眺めるだけでは意味がなく、営業担当者の見立てとのずれを議論の材料にしたときに価値が出ます。ここではツールの整理と、週次の運用の組み立て方を紹介します。

### 実装ツール

| ツール | AI売上予測の機能 | 特徴 |
| --- | --- | --- |
| HubSpot Forecasting + Breeze | パイプラインデータに基づくAI予測。予測信頼度の表示 | Sales Hub Professional以上で利用可能。直感的な操作 |
| Salesforce Einstein Forecasting | Einstein AIによる予測。予測根拠の説明機能 | Enterprise以上。大規模組織向けの高度な機能 |
| Zoho CRM Zia | Ziaによる売上予測と異常検知。予測の精度フィードバック | 中小企業向け |

ツールを選ぶ分かれ目は、予測に使うデータがどこにあるかです。商談・活動・Web行動のデータがすでに1つのCRMにまとまっているなら、そのCRMに組み込まれた予測機能を使うのが近道です。データが複数のシステムに分かれている場合は、予測機能の比較より先に、どのシステムを商談データの正とするかを決めてください。

### AIの予測と営業の申告がずれたときの扱い

AI売上予測を導入すると、AIの成約確率と営業担当者の見立てが食い違う商談が出てきます。このずれを「どちらが正しいか」で片付けず、議論すべき論点を見つける材料として使うことをおすすめします。

| ずれのパターン | 考えられる理由 | 次のアクション |
| --- | --- | --- |
| AIは高確度、営業は悲観的 | データに表れない懸念（競合の動き、先方の体制変更など） | 懸念の内容を取引のメモに記録し、次回の予測時に解消したかを判断 |
| AIは低確度、営業は楽観的 | 楽観バイアス、または活動がCRMに未記録 | 決裁者との接点や直近の活動を記録。記録後もAIの確度が低ければ見込みから除外 |
| 両者とも高確度 | 根拠がそろっている状態 | 受注までの残りのステップと期日を取引に入力 |
| 両者とも低確度 | 商談の停滞 | 次のアクションを決めるか、失注として理由を記録しナーチャリングへ |

以下の画面は、Breezeが生成した商談動向レポートで、担当者ごとの偏りを可視化した例です。

![Breeze生成の商談動向レポート（担当者別の偏り）](https://start-link.jp/hubfs/blog/screenshots/library/breeze_report_owner_bias.png)

担当者ごとの偏りを見る目的は、特定の担当者を評価することではなく、ステージ定義や入力ルールの解釈がずれている箇所を見つけることです。偏りが1人に集中しているならその担当者との認識合わせを、複数の担当者に同じ傾向があるならステージ定義そのものを見直す、という切り分けで進めます。

### 週次の予測レビューの進め方

AI予測を経営に使える数字にするには、レビューの場を定例化するのが効果的です。次の順で進めると、毎週の会議が数字の読み上げで終わらず、判断と記録まで進みます。

1. **予測値と前週差を見る** — AI予測売上と前週からの増減を確認し、増減の大きかった商談を抜き出します。
2. **ずれの大きい商談を議論する** — 前の表のパターンに当てはめ、商談ごとに次のアクションを決めます。
3. **大型案件は人が判断する** — 金額の大きい商談や戦略的に重要な商談は、AIの確率だけで見込みに入れるかを決めず、担当者とマネージャーで根拠を言葉にして取引に記録します。
4. **結果を記録する** — 決めたアクションと期日を取引に入力し、翌週のレビューで進捗を追います。

以下の画面は、Breezeが生成した商談動向レポートの例です。

![Breeze生成の商談動向レポート ※提案用クロップ版](https://start-link.jp/hubfs/blog/screenshots/library/breeze_deal_trend_report-2.png)

AIに任せやすいのは、商談データの集計や傾向の要約、レポートの下書きです。一方、どの商談を見込みに入れるか、どこに営業リソースを寄せるかといった判断は、事業の状況を知る人が下すものとして分けておくと、AIの出力に振り回されずに済みます。

## ユースケース2：AIチャーン予測（解約予測）

AIチャーン予測は、顧客の利用状況や問い合わせの変化から解約の兆候を検知し、解約リスクの高い顧客を事前に特定する使い方です。売上フォーキャストが「これから入る売上」を見積もるのに対し、チャーン予測は「すでにある売上」を守る役割を担います。ここでは経営へのインパクト、解約シグナル、ヘルススコアの設計を整理します。

### 解約を「予測」することの経営インパクト

実務での応用については[AIマーケティングトレンド](https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends/)で具体例とともに紹介しています。

SaaS企業やサブスクリプション型ビジネスにおいて、チャーン（顧客解約）は大きな経営リスクです。月次解約率がわずかに違うだけでも、1年後の売上には大きな差が生まれます。

**チャーン率の影響シミュレーション（MRR 1,000万円の場合）：**

| 月次チャーン率 | 年末のMRR | 年間売上損失 |
| --- | --- | --- |
| 1% | 約886万円 | 約1,368万円 |
| 2% | 約785万円 | 約2,580万円 |
| 3% | 約694万円 | 約3,672万円 |
| 5% | 約540万円 | 約5,520万円 |

この試算は、月次チャーン率が1年間一定で、新規獲得やアップセルがない前提の計算です。「年間売上損失」の列は、年末時点のMRRの減少分を12か月分に換算した値として読めます。チャーン率2%と3%の差はわずか1ポイントですが、この試算では年間の損失に約1,100万円の差が生じます。解約リスクの高い顧客を事前に特定し、先回りしてフォローできれば、このインパクトを抑えられる可能性があります。

### 解約シグナルの検知

AIチャーン予測は、顧客の行動データから「解約の兆候（シグナル）」を検知し、解約リスクスコアを算出します。主な解約シグナルは以下のとおりです。

| シグナルカテゴリ | 具体的なシグナル | リスク重み付け |
| --- | --- | --- |
| 利用頻度の変化 | ログイン回数が前月から大きく減少 | 高 |
| 機能利用の変化 | 主要機能の利用が停止 | 高 |
| サポート問い合わせ | 問い合わせ頻度の急増（不満の表れ） | 中〜高 |
| NPS/アンケート | NPSスコアが6以下（批判者） | 高 |
| コミュニケーション | CSからの連絡に対する返信率の低下 | 中 |
| 契約状況 | 契約更新期限の接近+上記シグナルの複合 | 非常に高 |
| 決裁者の異動 | 契約時の決裁者が退職・異動 | 中 |

シグナルの重み付けは、表のとおりに固定するものではありません。過去に解約した顧客を一覧にし、解約の連絡が来る前にどのシグナルが出ていたかを振り返って決めます。例えば過去の解約顧客の多くで「決裁者の異動」が先行していたなら、そのシグナルの重みを上げる、といった調整です。何割減れば「大きく減少」とみなすかの基準も、自社の顧客の利用データから決めてください。

### ヘルススコアの設計

解約シグナルを統合し、顧客ごとの「ヘルススコア」を算出します。

**ヘルススコアの設計例（100点満点）：**

| スコア項目 | 配点 | 算出方法 |
| --- | --- | --- |
| 利用頻度 | 30点 | 月間ログイン日数 ÷ 基準値 × 30 |
| 機能利用深度 | 20点 | 主要機能の利用率 × 20 |
| サポート満足度 | 15点 | 直近のCSAT/NPS回答を点数化 |
| コミュニケーション活性度 | 15点 | CS担当とのやり取り頻度・返信率 |
| 契約健全性 | 20点 | 支払い遅延なし(10点) + アップセル/拡張の動き(10点) |

| ヘルススコア | ステータス | 対応 |
| --- | --- | --- |
| 80〜100点 | 健全（Green） | 定期フォローの継続、アップセル提案 |
| 60〜79点 | 注意（Yellow） | フォロー頻度の増加、課題ヒアリング |
| 40〜59点 | 警戒（Orange） | CS担当者による積極介入、改善プラン提案 |
| 0〜39点 | 危険（Red） | エスカレーション、経営レベルでの対応 |

配点は、前のシグナルの振り返りで解約との関係が強かった項目ほど高くします。HubSpotでは、数値プロパティを組み合わせた計算結果を値として持つ計算プロパティを作成できます（出典：[Create calculation properties](https://knowledge.hubspot.com/properties/create-calculation-properties)）。ログイン日数や問い合わせ件数をCRMに取り込めていれば、ヘルススコアを手作業で集計せず、プロパティとして自動計算する設計にできます。

## チャーン予測をCRMの運用に組み込む

ヘルススコアは、計算するだけでは解約を防げません。スコアの変化を誰が受け取り、何をするかまでをCRM上の仕組みとして決めておくと、担当者が入れ替わっても同じ対応が続きます。ここではツールの整理、アクションへのつなぎ方、チャーン予測が向かないケースを紹介します。

### CRMでのチャーン予測実装

以下は本記事の初版公開時点の整理です。プラン条件や機能名は変わることがあるため、導入判断の前に各社の公式ページで現在の提供条件を見てください。

| ツール | チャーン予測の機能 | 特徴 |
| --- | --- | --- |
| HubSpot Service Hub + カスタムスコア | ヘルススコアのカスタムプロパティ構築、ワークフローによる自動アラート | カスタマイズの自由度が高い |
| Salesforce Einstein Prediction Builder | ノーコードで解約予測モデルを構築。予測根拠の可視化 | ドラッグ&ドロップで予測モデルを作成可能 |
| Gainsight | CS特化プラットフォーム。ヘルススコア管理が中心 | 大規模SaaS企業向け。高度な分析機能 |
| ChurnZero | チャーン予測に特化したCSプラットフォーム | 中堅SaaS企業向け。CRM連携が豊富 |

選び方の分かれ目は、CSの業務がどこで回っているかです。問い合わせ・契約・請求の情報がすでにCRMに集まっているなら、CRMの中でスコアとアラートを組むほうが、営業とCSが同じ顧客情報を見ながら動けます。

### スコアを行動につなげるワークフロー設計

ヘルススコアのステータスが変わったときに、CS担当者の記憶に頼らず対応が始まるよう、ワークフローでタスク作成や通知を自動化します。本記事では、次のような段階別の設計を提案します。

| ステータスの変化 | 自動で起こすこと | 人が判断すること |
| --- | --- | --- |
| Green→Yellow | CS担当者にフォローのタスクを作成 | ヒアリングの内容と頻度 |
| Yellow→Orange | CS責任者に通知し、改善プラン作成のタスクを作成 | 改善プランの中身 |
| Orange→Red | エスカレーション先に通知 | 経営レベルでの対応方針 |

通知は、受け取った担当者がその日のうちに行動を決められる条件に絞ります。運用の中で開かれないまま残る通知が多ければ、その条件を通知の対象から外していくと、本当に動くべきアラートが埋もれにくくなります。

解約シグナルの「サポート問い合わせ」は、問い合わせをチケットとして記録していれば、顧客ごとの件数として集計できます。以下の画面は、HubSpotのチケット一覧の例です。

![チケット一覧（2件）](https://start-link.jp/hubfs/blog/screenshots/library/crm_tickets_list.png)

問い合わせがメールやチャットに散らばっていると、件数の増減をシグナルとして使えません。サポート窓口の記録先をチケットにそろえ、顧客の会社レコードと紐づけておくことが、チャーン予測の土台になります。

### チャーン予測が向かないケース

ただし、ヘルススコアはすべての事業に向くわけではありません。次の表で自社の状態を見て、スコア設計に進むか、別の方法から始めるかを判断してください。

| 確認すること | スコア設計に向く状態 | 別の方法を選ぶ状態と次の一手 |
| --- | --- | --- |
| 利用データの所在 | 製品の利用ログをCRMに取り込める | 利用ログがCRM外にあり連携の見通しが立たない → 問い合わせ・返信率・更新時期などCRM内の項目だけで簡易スコアを作成 |
| 顧客数と担当者数 | 担当者が全顧客を日常的に把握しきれない | 担当者が全顧客と定期的に会話できている → スコアより定例ヒアリングの記録を優先 |
| 過去の解約データ | 解約顧客とその前兆を振り返れる | 解約の記録がほとんどない → 解約理由の記録ルールを先に作成 |

## ユースケース3：予測リードスコアリング

予測リードスコアリングは、過去のリード→商談→受注のデータからAIが成約確率を学習し、新しいリードを自動でスコアリングする使い方です。どのリードから追うかを担当者の感覚から切り離し、チームとして同じ優先順位で動けるようにすることが狙いです。ここでは従来型との違い、仕組み、営業プロセスへの組み込みを整理します。

### 従来のリードスコアリングの限界

従来のリードスコアリングは、マーケティング担当者が「このページを見たら+10点」「役職が部長以上なら+20点」といったルールを手動で設定する「ルールベース」の方式でした。

| 比較項目 | ルールベース（従来型） | 予測リードスコアリング（AI型） |
| --- | --- | --- |
| スコアリングルール | 人間が手動で定義 | AIが過去データから自動学習 |
| 評価基準 | 固定（定期的な見直しが必要） | 動的（新しいデータで自動更新） |
| 精度 | 設定者の知見に依存 | データ量が増えるほど精度向上 |
| 運用コスト | ルールの更新・メンテナンスが必要 | 自動更新（メンテナンス工数低） |
| 説明可能性 | 高い（ルールが明確） | ツールによるが、寄与度分析で説明可能 |

AI型が向くのは、リードの量が多く、ルールを人が更新し続けるのが負担になっている場合です。反対に、リードの数が少なく受注の実績も限られている段階では、AIが学習できる材料が足りません。その段階では、営業が「受注につながった」と感じるリードの特徴をルールベースで数項目だけ置き、データが溜まってから予測型に移るほうが運用しやすいと考えています。

### 予測リードスコアリングの仕組み

予測リードスコアリングは、過去のリード→商談→受注のデータをAIが学習し、新規リードの成約確率を自動で予測します。

**AIが学習するデータ：**

| データカテゴリ | 具体的な項目 | 成約との相関（例） |
| --- | --- | --- |
| BANT情報 | Budget（予算）、Authority（決裁権）、Need（必要性）、Timeline（時期） | 確認済みの項目が多いリードほど成約率が高いかを検証 |
| 企業属性 | 業種、従業員数、売上規模、地域 | 自社の受注実績が多い業種・規模帯の成約率を比較 |
| 行動データ | Web閲覧ページ数、資料DL数、メール開封率 | 料金ページや事例ページを閲覧したリードの成約率を比較 |
| エンゲージメント | イベント参加、ウェビナー視聴、チャット問い合わせ | ウェビナー参加者と未参加者の成約率を比較 |
| ソース | リードの流入元（広告、SEO、紹介、展示会） | 流入元ごとの成約率を比較 |

予測型でも、各カテゴリが成約にどの程度効くかは企業によって異なります。導入後は、高スコアのリードが実際に商談化・受注しているかを定期的に見て、AIのスコアと現場の手応えが合っているかを検証してください。合っていない場合は、流入元や業種などの項目に入力漏れがないかを先に疑い、入力が整っているのにずれが続くならスコアの対象とする項目を見直します。

### CRMでの予測リードスコアリング実装

以下は本記事の初版公開時点の整理です。プラン条件や機能名は変わることがあるため、導入判断の前に各社の公式ページで現在の提供条件を見てください。

| ツール | 予測スコアリング機能 | 特徴 |
| --- | --- | --- |
| HubSpot 予測リードスコアリング | 過去のコンバージョンデータからAIがスコアを自動算出 | Professional以上。設定不要で自動的にスコアリング |
| Salesforce Einstein Lead Scoring | Einstein AIが成約確率を自動予測。スコアの根拠を可視化 | Enterprise以上。高精度な予測モデル |
| Marketo Engage 予測スコアリング | Adobe SenseiによるAI予測。マーケ特化の高度な分析 | MA連携が前提。大規模組織向け |

### 予測スコアの営業プロセスへの組み込み

予測リードスコアリングの価値は、スコアを営業プロセスに組み込んだときに発揮されます。

| スコアレンジ | 分類 | 営業アクション |
| --- | --- | --- |
| 80〜100点 | ホットリード | 即日フォロー。インサイドセールスが48時間以内に架電 |
| 60〜79点 | ウォームリード | 1週間以内にフォロー。メール+電話のシーケンス開始 |
| 40〜59点 | ナーチャリング対象 | MAによる自動メールナーチャリング。スコア上昇を待つ |
| 0〜39点 | ロングテール | コンテンツ配信のみ。手動フォローは行わない |

スコアと営業アクションの対応は、インサイドセールスの人数や1日に対応できる件数に合わせて決めます。ホットリードが多すぎて期限内に架電しきれない状態が続くなら、しきい値を上げて対象を絞り、少なすぎて手が空くなら、しきい値を下げます。

スコアの区分は、ライフサイクルステージの移行とつなげておくと全体フローに乗ります。

## 予測精度を上げるためのデータ設計

3つのユースケースに共通する成功条件は、CRMデータの品質です。予測モデルをどれだけ高度にしても、欠損や入力のばらつきがあるデータからは信頼できる予測は出てきません。ここではデータ品質の要件、精度改善の回し方、入力を仕組みで担保する方法を整理します。

### データ品質の4つの要件

CRM予測分析の精度は「入力データの質」に直結します。予測モデルの精度を高めるために、以下の4要件を満たすデータ設計を進めます。

| 要件 | 内容 | 具体的なアクション |
| --- | --- | --- |
| **完全性** | 必須項目に欠損値がない | 商談金額・ステージ・クローズ日の入力率を週次で計測し、低い項目から改善 |
| **正確性** | 入力データが実態を正確に反映 | ドロップダウンの選択肢設計、入力バリデーションの設定 |
| **一貫性** | 全担当者が同じ基準でデータ入力 | 入力ガイドラインの策定、商談ステージの定義文書化 |
| **適時性** | データがリアルタイムに近い鮮度で更新 | 商談ステージの週次更新ルール、自動入力の活用 |

4要件のどこから手を付けるかは、予測と実績のずれ方で判断できます。

| 予測と実績のずれ方 | 疑うべき要件 | 次に設定すること |
| --- | --- | --- |
| 予測が一貫して上振れする | 正確性・一貫性（確度やステージの基準が甘い） | ステージ定義の文章化と、ステージ移行時の必須項目の追加 |
| 予測が月によって大きくぶれる | 適時性（ステージ更新が月末にまとめて行われる） | ステージの週次更新ルールと、停滞商談の通知 |
| 一部の商談だけ予測が外れる | 完全性（金額・クローズ日・活動の欠損） | 欠損している商談の一覧ビューを作り、週次で補完 |

### 予測精度改善のPDCAサイクル

| ステップ | 内容 | 頻度 |
| --- | --- | --- |
| Plan | 予測モデルのKPI（予測精度、予測と実績の乖離率）を設定 | 四半期ごと |
| Do | 予測値を経営判断に活用し、実績と比較 | 月次 |
| Check | 予測精度の測定。乖離が大きい場合、原因を分析 | 月次 |
| Act | データ入力ルールの改善、予測モデルのチューニング | 四半期ごと |

このサイクルでは、Checkで見つけた原因をデータの問題とモデルの問題に分けて記録します。前の表のどの行に当てはまるかを記録しておくと、次の四半期のActで「入力ルールを直すのか、予測の前提を直すのか」をすぐに決められます。

### 予測精度の目安の考え方

| 予測ユースケース | 導入初期の精度目安 | 6ヶ月後の精度目安 | 12ヶ月後の精度目安 |
| --- | --- | --- | --- |
| 売上フォーキャスト | 予測と実績の乖離幅を測り、基準値として記録 | 基準値からの乖離幅の縮小 | 乖離幅が経営判断の前提に使える水準で安定 |
| チャーン予測 | 高リスク判定した顧客のうち実際に解約した割合（適合率）を記録 | 基準値からの適合率の改善 | 適合率がCS介入の優先順位付けに使える水準で安定 |
| リードスコアリング | 上位スコア帯の成約率を平均と比較 | 上位スコア帯と平均の差の拡大 | 上位スコア帯への営業集中を判断できる差で安定 |

到達水準は商材や商談数によって変わるため、自社の導入初期の値を基準として記録し、その基準からどれだけ改善したかで評価してください。基準値を取らずに始めると、半年後に「精度が上がったのか」を誰も答えられなくなります。

### 入力を人ではなく仕組みで担保する

「入力を徹底してください」と呼びかけるだけでは、忙しい時期ほど入力は後回しになります。データ品質を担保するには、入力の手間そのものを減らす設計を組み合わせます。

- **項目を絞る** — 予測やレポートに使わない項目は作らないか非表示にします。項目が少ないほど、入力すべき項目に集中できます。
- **ステージ移行時に必須化する** — 前述のとおり、取引ステージの移動に合わせて入力を求めます。
- **自動記録に寄せる** — メール・カレンダー連携で活動を自動記録し、手入力を減らします。
- **AIで補完する** — 企業情報など外部から取得できる項目は、AIによる自動入力を活用します。

以下の画面は、Breezeのスマートプロパティで、会社一覧の項目にAIが自動入力した結果の例です。

![スマートプロパティで会社一覧にAI自動入力された結果](https://start-link.jp/hubfs/blog/screenshots/library/breeze_smart_property_result.png)

AIが自動入力した値は、予測モデルの学習データに使う前に、数件を抜き出して正しさを見ておくことをおすすめします。業種や従業員数のように予測に効く項目で誤りが目立つ場合は、その項目を人が確かめるまで予測に使わない運用にしておくと、誤ったデータが予測を歪めるのを防げます。

## 経営の意思決定に直結させるダッシュボード設計

予測分析の結果は、経営の意思決定の場で見られて初めて価値を持ちます。売上予測・チャーン予測・リードスコアを別々のレポートで追うのではなく、1つのダッシュボードにまとめると、営業・マーケティング・CSの数字を同じ場で議論できます。ここでは必須要素、活用場面、段階的な作り方を紹介します。

### 経営ダッシュボードの必須要素

CRM予測分析の結果を経営の意思決定に直結させるために、以下の要素を含む経営ダッシュボードを構築します。

| ダッシュボード要素 | 表示内容 | 意思決定への活用 |
| --- | --- | --- |
| AI売上予測サマリー | 今月・来月・来四半期の予測売上（確度別） | 投資判断、採用計画、キャッシュフロー管理 |
| パイプライン健全性 | ステージ別の案件数と金額、滞留案件のアラート | 営業リソースの配分、ボトルネック対策 |
| チャーン予測アラート | 解約リスク「Red」の顧客リスト | CS介入の優先順位付け、解約防止策の実行 |
| リードスコア分布 | スコアレンジ別のリード数とコンバージョン率 | マーケティング投資の最適化、リード品質の改善 |
| 予測精度トラッキング | 過去の予測値 vs 実績値の推移 | 予測モデルの信頼性評価、改善施策の検討 |

以下の画面は、HubSpotのレポートで商談をクローズ日別に集計し、色分けして表示したテーブルの例です。

![HubSpotレポート「クローズ日別 商談分析（色分け）」のテーブル](https://start-link.jp/hubfs/blog/screenshots/library/report_close_by_month.png)

クローズ日別の集計は、AI売上予測サマリーと予測精度トラッキングの両方の土台になります。月ごとの着地見込みを並べておけば、翌月以降に実績と並べて比べるだけで、予測がどれだけ当たったかを追えます。

### 予測データを活用した経営判断の例

| 経営判断の場面 | 従来の判断方法 | AI予測分析による判断 |
| --- | --- | --- |
| 来四半期の目標設定 | 前年実績+成長率で設定 | AIパイプライン分析に基づく実現可能性の高い目標設定 |
| 営業人員の増減 | 売上目標÷1人あたり目標 | AI予測に基づくパイプライン充足度から必要人員を算出 |
| マーケティング予算配分 | 前年踏襲 or 均等配分 | リードスコアリング結果に基づく高ROIチャネルへの集中投資 |
| CS体制の強化 | 解約が発生してから対応 | チャーン予測で事前にリスク顧客を特定し、先回り対応 |
| 新製品の投入判断 | 営業の肌感覚 | CRM顧客データの傾向分析に基づくニーズの定量化 |

この表の右列の判断は、いずれも予測値をそのまま採用するものではありません。例えば営業人員の増減では、パイプラインの充足度が目標に届かない理由が「商談数の不足」なのか「商談の停滞」なのかで打ち手が変わります。商談数が足りないならマーケティングとリード獲得への投資を、停滞が多いなら営業プロセスの見直しを先に検討する、というように、予測値は判断の出発点として扱います。

### スモールスタートで作る順番

経営ダッシュボードは、最初から5つの要素をそろえる必要はありません。次の順で段階的に広げ、各段階で条件を満たしてから次へ進むのがおすすめです。

| 段階 | 追加するもの | 次へ進む条件 |
| --- | --- | --- |
| 1 | AI売上予測サマリーとパイプライン健全性 | 週次の予測レビューで、毎回この画面を見て議論できている |
| 2 | 予測精度トラッキング | 予測と実績を数か月分並べ、乖離の原因を記録できている |
| 3 | リードスコア分布、チャーン予測アラート | 各スコアの区分に対応するアクションと担当者が決まっている |

各段階で条件を満たさないまま要素を増やすと、誰も見ないレポートが並ぶダッシュボードになります。見られていない要素があれば、いったん外して1つ前の段階に戻るほうが、経営の場で使われるダッシュボードに近づきます。

BtoBマーケティングの全体像は[BtoBマーケティング完全ガイド](https://start-link.jp/hubspot-ai/btob-marketing)で体系的にまとめています。また、このテーマのカテゴリ全体は[AI・マーケティングトレンド](https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends)で網羅しています。

## よくある質問

### Q. CRM予測分析を導入するには、どのくらいのデータ量が必要ですか？

売上予測には季節変動を含む期間の、受注・失注まで記録された商談データ、チャーン予測には過去の解約事例とその前の利用データ、リードスコアリングにはリード→商談→受注の流れが記録されたデータが材料になります。データ量が少ない初期段階では予測精度は限定的ですが、運用を続けるほどデータが蓄積されて精度が上がっていきます。データが少ないうちはルールベースや確度の固定値で運用し、結果を記録しながら予測型に移る進め方をおすすめします。

### Q. AIの売上予測と営業担当者の予測が異なる場合、どちらを信用すべきですか？

どちらか一方を盲信せず、両者を併用して意思決定することをおすすめします。AIが高確度なのに営業担当者が悲観的な場合はデータに表れない懸念材料が、AIが低確度なのに営業担当者が楽観的な場合は楽観バイアスや活動の記録漏れがある可能性があります。この「ギャップ分析」の結果を取引に記録していくことが、予測精度を高める鍵になります。

### Q. チャーン予測でリスクが高いと判定された顧客に対して、具体的にどんなアクションを取るべきですか？

解約リスクのレベルに応じた段階的なアクションをおすすめします。Yellow（注意）ではCS担当からの定例ミーティングを増やして活用状況をヒアリングし、Orange（警戒）ではCS責任者が直接介入して専用の活用プランを策定します。Red（危険）では経営レベルの判断を仰ぎ、場合によっては契約条件の見直しも検討します。いずれの段階でも、「解約理由」ではなく「顧客が実現したい成果」に焦点を当てた対話が大切です。

### Q. 予測リードスコアリングを導入したら、低スコアのリードは完全に無視すべきですか？

無視するのはおすすめしません。低スコアのリードは「今すぐの商談化は見込めないが、将来有望な顧客候補」である可能性があるため、手動フォローは行わず、MAによる自動ナーチャリングで接点を保ち、スコアが上昇した時点で営業フォローに切り替える設計が効果的です。また、低スコアから予想外に受注に至ったケースは、予測モデルの改善材料として記録しておきます。

### Q. 予測精度が低い場合、何を改善すべきですか？

最初に疑うのは「データの品質」です。商談金額の未入力、ステージの更新漏れ、失注理由の未記録など、データの欠損が精度低下の大きな原因になります。データ品質に問題がなければ学習データが足りていない可能性があるため、運用を続けてデータを蓄積するか、過去データのインポートで学習データを増やすことを検討してください。

## まとめ

CRM予測分析は、CRMに蓄積されたデータを「過去の記録」から「次の打ち手を決める材料」に変える取り組みです。本記事で解説した3大ユースケースの要点を整理します。

- **AI売上フォーキャスト** — パイプラインの各商談にAIが成約確率を算出し、確率加重で売上を予測します。営業の自己申告だけに頼らず、AIの予測と営業の見立てのずれを議論の材料にすることで、予測が経営判断に使える数字に近づきます。
- **AIチャーン予測** — 利用頻度・サポート問い合わせ・NPSなどの解約シグナルからヘルススコアを算出します。スコアの変化をワークフローでタスクや通知につなげることで、「事後対応」から「予兆に基づく先回りの対応」に切り替えられます。
- **予測リードスコアリング** — BANT情報・行動データ・企業属性から成約確率を予測し、営業チームが同じ優先順位で動けるようにします。失注・低スコアのリードをナーチャリングに戻すループまで設計すると、リードを取りこぼしにくくなります。

3つに共通する成功条件は、CRMデータの品質です。予測精度はデータの完全性・正確性・一貫性・適時性に直結するため、予測分析の導入と並行して、パイプライン設計と入力ルールの整備、自動記録の活用を進めてください。なお、HubSpotではForecasting機能（AI売上予測）、カスタムスコアリング（ヘルススコア構築）、予測リードスコアリングをプラットフォーム内で提供しており、3つのユースケースを1つのCRMの中で組み立てられます。

まずは、売上フォーキャストに使う取引データの入力状況を把握するところから始めてみてください。次の3ステップで、予測分析の土台を作れます。

1. 取引の金額・ステージ・クローズ日・受注/失注の結果について、入力されている割合を一覧にする
2. 取引ステージごとに「このステージに入る条件」を文章で書き出し、ステージ移行時の必須項目を決める
3. 現在のステージ別の加重金額を予測値として記録し、翌月の実績と並べて基準値にする

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、StartLinkまでお気軽にお問い合わせください。

## あわせて読みたい

- [AIとCRMの連携活用ガイド｜ChatGPT・Claude等のAIでCRM業務を効率化する方法](https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends/generative-ai-crm-integration)
- [Cookie規制でBtoBマーケティングはどう変わる？対策と代替手法を解説](https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends/cookie-regulation-marketing-guide)
- [AI×マーケティング｜BtoB企業が今すぐ使える活用法20選](https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends/generative-ai-marketing-20-uses)

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。

[サービス概要を見る](https://start-link.jp/service/hubspot-ai) [無料で相談する](https://start-link.jp/contact)

## 次に読む

### [![](https://start-link.jp/hubfs/blog/screenshots/generated/gen_CQ-4_featured.png) kintoneからHubSpotへの移行手順｜顧客・案件データ設計とCSV取込](https://start-link.jp/hubspot-ai/btob-marketing/crm-backoffice/kintone-to-hubspot)

### [![](https://start-link.jp/hubfs/blog/screenshots/generated/gen_KT-3.png) Kintoneの複数アプリをHubSpotオブジェクトに再設計する方法｜関連付けはカバー率を実測してから設計する](https://start-link.jp/hubspot-ai/btob-marketing/crm-backoffice/kintone-multi-app-object-mapping)

### [![](https://start-link.jp/hubfs/blog/screenshots/generated/gen_KT-1.png) kintoneからHubSpotへの移行 完全ガイド｜判断基準から手順・帳票・連携まで全体像を整理](https://start-link.jp/hubspot-ai/btob-marketing/crm-backoffice/kintone-hubspot-migration-guide)

## あわせて読みたいBtoBマーケ実践ガイド

### [GTM GTM戦略の設計ガイド 市場投入の順番、仮説設計、営業連携までを一気通貫で整理できます。](https://start-link.jp/hubspot-ai/btob-marketing/btob-marketing-basics/gtm-go-to-market-strategy-design-guide-1)

### [Law 特定電子メール法ガイド BtoBメール配信で外せない法対応と実務運用の注意点を確認できます。](https://start-link.jp/hubspot-ai/btob-marketing/email-marketing-ma/can-spam-law-btob-guide)

### [SEO AIO対策の実践SEOチェックリスト AI Overview時代に引用される記事構造と改善優先順位を整理できます。](https://start-link.jp/hubspot-ai/btob-marketing/content-marketing-seo/aio-ai-overview-seo-strategy)

### [Service BtoBマーケとCRM活用を相談する 集客、ナーチャリング、CRM整備まで成果につながる導線設計を支援します。](https://start-link.jp/service/hubspot-ai)

## 記事の内容を、そのまま実務に落とし込みたい方向け

[無料で相談する](https://start-link.jp/contact) [資料をダウンロード](https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends/ai-predictive-analytics-crm#blog-download)

 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](https://www.start-link.jp/contact)より、お気軽にご連絡くださいませ。

###### 関連キーワード:

[AI](https://start-link.jp/hubspot-ai/tag/ai) [HubSpot](https://start-link.jp/hubspot-ai/tag/hubspot) [CRM](https://start-link.jp/hubspot-ai/tag/crm) [リード管理](https://start-link.jp/hubspot-ai/tag/リード管理) [データ](https://start-link.jp/hubspot-ai/tag/データ)

## サービス資料を無料DL

## 著者情報

![7-1](https://start-link.jp/hubfs/7-1.jpg)

### 今枝 / Imaeda

 株式会社StartLink 代表取締役。累計150社以上のHubSpotプロジェクト支援実績を持ち、Claude CodeやHubSpotを軸にしたAI活用支援・経営基盤AXのコンサルティング事業を展開。  
 HubSpotのトップパートナー企業や大手人材グループにて、エンタープライズCRM戦略策定・AI戦略ディレクションを経験した後、StartLinkを創業。現在はCRM×AIエージェントによる経営管理支援を専門とする。

[StartLink](https://start-link.jp/)

### Service

- [会社情報](https://start-link.jp/about)
- [サービス](https://start-link.jp/service)
- [プロダクト](https://start-link.jp/sync)
- [採用情報](https://start-link.jp/recruit)
- [コンサルタントの方へ](https://start-link.jp/consultant-platform)

### Contact

- [問い合わせ](https://start-link.jp/contact)
- [資料ダウンロード](https://start-link.jp/download/service)
- [Syncナレッジベース](https://start-link.jp/sync/knowledge-base)
- [個人情報保護方針](https://start-link.jp/privacy-policy)
- [個人情報取り扱い規定](https://start-link.jp/personal-information-processing-agreement)

(c) 2026 All Rights Reserved.

```json
{
  "@context" : "https://schema.org",
  "@type" : "BlogPosting",
  "author" : {
    "@type" : "Person",
    "name" : "今枝 拓海",
    "url" : "https://start-link.jp/hubspot-ai/author/imaeda"
  },
  "datePublished" : "2026-03-03T08:56:12.000Z",
  "headline" : "CRM予測分析をAIで経営に活かす｜売上予測・チャーン予測・リードスコアリング",
  "image" : [ "https://start-link.jp/hubfs/blog/screenshots/generated/ai-predictive-analytics-crm.png" ],
  "mainEntityOfPage" : {
    "@id" : "https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends/ai-predictive-analytics-crm",
    "@type" : "WebPage"
  },
  "publisher" : {
    "@type" : "Organization",
    "logo" : {
      "@type" : "ImageObject",
      "url" : "https://start-link.jp/hubfs/Start%20Link%20(1500%20x%20600%20px)%20(5)-1.png"
    },
    "name" : "株式会社StartLink"
  }
}
```

```json
{
  "@context" : "https://schema.org",
  "@type" : "FAQPage",
  "mainEntity" : [ {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "売上予測には季節変動を含む期間の、受注・失注まで記録された商談データ、チャーン予測には過去の解約事例とその前の利用データ、リードスコアリングにはリード→商談→受注の流れが記録されたデータが材料になります。データ量が少ない初期段階では予測精度は限定的ですが、運用を続けるほどデータが蓄積されて精度が上がっていきます。データが少ないうちはルールベースや確度の固定値で運用し、結果を記録しながら予測型に移る進め方をおすすめします。"
    },
    "name" : "CRM予測分析を導入するには、どのくらいのデータ量が必要ですか？"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "どちらか一方を盲信せず、両者を併用して意思決定することをおすすめします。AIが高確度なのに営業担当者が悲観的な場合はデータに表れない懸念材料が、AIが低確度なのに営業担当者が楽観的な場合は楽観バイアスや活動の記録漏れがある可能性があります。この「ギャップ分析」の結果を取引に記録していくことが、予測精度を高める鍵になります。"
    },
    "name" : "AIの売上予測と営業担当者の予測が異なる場合、どちらを信用すべきですか？"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "解約リスクのレベルに応じた段階的なアクションをおすすめします。Yellow（注意）ではCS担当からの定例ミーティングを増やして活用状況をヒアリングし、Orange（警戒）ではCS責任者が直接介入して専用の活用プランを策定します。Red（危険）では経営レベルの判断を仰ぎ、場合によっては契約条件の見直しも検討します。いずれの段階でも、「解約理由」ではなく「顧客が実現したい成果」に焦点を当てた対話が大切です。"
    },
    "name" : "チャーン予測でリスクが高いと判定された顧客に対して、具体的にどんなアクションを取るべきですか？"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "無視するのはおすすめしません。低スコアのリードは「今すぐの商談化は見込めないが、将来有望な顧客候補」である可能性があるため、手動フォローは行わず、MAによる自動ナーチャリングで接点を保ち、スコアが上昇した時点で営業フォローに切り替える設計が効果的です。また、低スコアから予想外に受注に至ったケースは、予測モデルの改善材料として記録しておきます。"
    },
    "name" : "予測リードスコアリングを導入したら、低スコアのリードは完全に無視すべきですか？"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "最初に疑うのは「データの品質」です。商談金額の未入力、ステージの更新漏れ、失注理由の未記録など、データの欠損が精度低下の大きな原因になります。データ品質に問題がなければ学習データが足りていない可能性があるため、運用を続けてデータを蓄積するか、過去データのインポートで学習データを増やすことを検討してください。"
    },
    "name" : "予測精度が低い場合、何を改善すべきですか？"
  } ]
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends/ai-predictive-analytics-crm#article",
  "@type" : "BlogPosting",
  "author" : {
    "@id" : "https://start-link.jp/#founder"
  },
  "dateModified" : "2026-10-18T10:30:23+09:00",
  "datePublished" : "2026-03-03T08:56:12+09:00",
  "headline" : "CRM予測分析をAIで経営に活かす｜売上予測・チャーン予測・リードスコアリング",
  "image" : "https://start-link.jp/hubfs/blog/screenshots/generated/ai-predictive-analytics-crm.png",
  "isPartOf" : {
    "@id" : "https://start-link.jp/#website"
  },
  "mainEntityOfPage" : {
    "@id" : "https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends/ai-predictive-analytics-crm",
    "@type" : "WebPage"
  },
  "publisher" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "speakable" : {
    "@type" : "SpeakableSpecification",
    "cssSelector" : [ ".blog-section h2", ".blog-section p:first-of-type", ".blog-section blockquote" ]
  }
}
```

```json
{
  "@context" : "https://schema.org",
  "@type" : "BreadcrumbList",
  "itemListElement" : [ {
    "@type" : "ListItem",
    "item" : "https://start-link.jp",
    "name" : "ホーム",
    "position" : 1
  }, {
    "@type" : "ListItem",
    "item" : "https://start-link.jp/hubspot-ai",
    "name" : "ブログ",
    "position" : 2
  }, {
    "@type" : "ListItem",
    "item" : "https://start-link.jp/hubspot-ai/btob-marketing",
    "name" : "BtoBマーケティング",
    "position" : 3
  }, {
    "@type" : "ListItem",
    "item" : "https://start-link.jp/hubspot-ai/btob-marketing/ai-marketing-trends",
    "name" : "AIマーケティングトレンド",
    "position" : 4
  }, {
    "@type" : "ListItem",
    "name" : "CRM予測分析をAIで経営に活かす｜売上予測・チャーン予測・リードスコアリング",
    "position" : 5
  } ]
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#organization",
  "@type" : "Organization",
  "address" : {
    "@type" : "PostalAddress",
    "addressCountry" : "JP",
    "addressLocality" : "中央区",
    "addressRegion" : "東京都",
    "postalCode" : "104-0061",
    "streetAddress" : "銀座1丁目12番4号 N&E BLD.6F"
  },
  "alternateName" : "StartLink Inc.",
  "award" : [ "HubSpot Gold Solutions Partner（HubSpotゴールドパートナー、2026年4月認定）" ],
  "contactPoint" : [ {
    "@type" : "ContactPoint",
    "availableLanguage" : [ "ja" ],
    "contactType" : "customer support",
    "url" : "https://start-link.jp/contact"
  }, {
    "@type" : "ContactPoint",
    "availableLanguage" : [ "ja", "en" ],
    "contactType" : "sales",
    "url" : "https://start-link.jp/contact"
  } ],
  "description" : "「AI × HubSpot」をコンセプトに掲げるHubSpotゴールドパートナー（Gold Solutions Partner、2026年4月認定）。HubSpotマーケットプレイスに自社アプリ（Sync for freee / Notion / Money Forward / Chatwork）を公開するアプリ開発企業であり、HubSpot/Salesforce知見とAI活用を組み合わせたCRM構築・移行・最適化・AIエージェント/PoC支援まで一貫して提供する。",
  "founder" : {
    "@id" : "https://start-link.jp/#founder",
    "@type" : "Person",
    "jobTitle" : "代表取締役",
    "name" : "今枝 拓海",
    "sameAs" : [ "https://x.com/ImaedaTakumii", "https://www.linkedin.com/in/takumi-imaeda/", "https://www.facebook.com/takumiIma" ]
  },
  "foundingDate" : "2024-09-04",
  "hasCredential" : {
    "@type" : "EducationalOccupationalCredential",
    "credentialCategory" : "certification",
    "name" : "HubSpot Gold Solutions Partner",
    "recognizedBy" : {
      "@type" : "Organization",
      "name" : "HubSpot, Inc.",
      "url" : "https://www.hubspot.com/"
    }
  },
  "image" : [ "https://start-link.jp/hubfs/startlink-ai-agent.jpg", "https://start-link.jp/hubfs/startlink-aiorg.jpg" ],
  "knowsAbout" : [ "HubSpot CRM", "HubSpot Implementation", "HubSpot導入支援", "CRM構築", "AI活用", "HubSpot連携アプリ開発", "Salesforce to HubSpot Migration", "Generative AI Integration", "AI Agent Development", "Revenue Operations", "Marketing Automation", "freee Integration", "Notion Integration", "Money Forward Integration" ],
  "legalName" : "株式会社StartLink",
  "logo" : "https://start-link.jp/hubfs/startlink-logo.png",
  "mainEntityOfPage" : "https://start-link.jp/",
  "memberOf" : {
    "@type" : "ProgramMembership",
    "hostingOrganization" : {
      "@type" : "Organization",
      "name" : "HubSpot, Inc.",
      "url" : "https://www.hubspot.com/"
    },
    "membershipNumber" : "Gold Tier",
    "programName" : "HubSpot Solutions Partner Program"
  },
  "name" : "株式会社StartLink",
  "sameAs" : [ "https://www.youtube.com/@startlink-hubspot", "https://x.com/ImaedaTakumii", "https://www.linkedin.com/in/takumi-imaeda/", "https://www.linkedin.com/company/108100307/", "https://www.facebook.com/takumiIma", "https://www.facebook.com/profile.php?id=61566874764985", "https://prtimes.jp/main/html/searchrlp/company_id/149669", "https://app.hubspot.com/ecosystem/46046172/marketplace/solutions/startlink" ],
  "taxID" : "8010001248134",
  "url" : "https://start-link.jp/"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#website",
  "@type" : "WebSite",
  "inLanguage" : "ja",
  "name" : "株式会社StartLink",
  "publisher" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "url" : "https://start-link.jp/"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-hubspot",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "CRM導入", "HubSpot" ],
  "description" : "150社以上の実績を持つHubSpotゴールドパートナーが、業務フローに合わせた設計から構築・本番稼働まで一貫支援。",
  "name" : "HubSpot導入・構築支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "HubSpot導入・構築支援",
  "url" : "https://start-link.jp/service/hubspot"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-hubspot-ai",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "CRM最適化", "AI活用" ],
  "description" : "HubSpotを軸に業務要件に沿った設計改善とAI連携活用を包括支援。",
  "name" : "HubSpot AIコンサルティング",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "HubSpot AIコンサルティング",
  "url" : "https://start-link.jp/service/hubspot-ai"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-hubspot-training",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "研修", "HubSpot" ],
  "description" : "HubSpotの概念・基本操作からAI活用ノウハウまで、社内浸透のための研修を提供。",
  "name" : "HubSpot研修・レクチャー支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "HubSpot研修・内製化支援",
  "url" : "https://start-link.jp/service/hubspot-ai/training"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-sf2hs-replace",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "CRM移行", "データ移行" ],
  "description" : "Salesforce/HubSpot双方の思想とデータモデルを理解した移行設計とHubSpot側CRM開発を実行。",
  "name" : "SalesforceからHubSpotへのリプレイス支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "SalesforceからHubSpotへのリプレイス支援",
  "url" : "https://start-link.jp/service/salesforce-hubspot-replace"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-claude-code-bi",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "AI活用", "経営管理" ],
  "description" : "複数システムのデータを統合し、毎朝のAIブリーフィングなど経営の意思決定を加速する仕組みを構築。",
  "name" : "Claude Codeによる経営データ活用支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "AI経営管理支援",
  "url" : "https://start-link.jp/service/claude-code/business-intelligence"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#service-claude-code-content",
  "@type" : "Service",
  "areaServed" : "JP",
  "category" : [ "コンテンツマーケティング", "AI活用" ],
  "description" : "キーワード戦略からSEO記事制作、CMS公開まで、AIを活用したコンテンツマーケティングを自動化。",
  "name" : "Claude Codeによるコンテンツマーケティング支援",
  "provider" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "serviceType" : "AIコンテンツ制作支援",
  "url" : "https://start-link.jp/service/claude-code/content-marketing"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#product-sync-freee",
  "@type" : "SoftwareApplication",
  "applicationCategory" : "BusinessApplication",
  "author" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "description" : "HubSpotとfreee会計・freee請求書をシームレスに連携。取引先の同期から請求書作成まで、バックオフィスの業務を自動化するHubSpotマーケットプレイスアプリ。",
  "featureList" : [ "freee取引先をHubSpotに自動同期", "HubSpotからfreee見積書・請求書を作成", "取引データをfreee会計に自動登録", "月次請求・更新処理に対応", "商品項目・品目・部門・タグ情報の連携" ],
  "installUrl" : "https://ecosystem.hubspot.com/marketplace/apps/sync-for-freee-bystartlink",
  "name" : "Sync for freee",
  "offers" : [ {
    "@type" : "Offer",
    "description" : "請求月5件・見積月20件まで",
    "name" : "Free",
    "price" : "0",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "請求月50件・見積月100件まで",
    "name" : "Professional",
    "price" : "4000",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "無制限",
    "name" : "Enterprise",
    "price" : "10000",
    "priceCurrency" : "JPY"
  } ],
  "operatingSystem" : "Web",
  "softwareHelp" : {
    "@type" : "WebPage",
    "url" : "https://start-link.jp/sync/knowledge-base/freee/basic-steps"
  },
  "url" : "https://start-link.jp/sync/freee"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#product-sync-notion",
  "@type" : "SoftwareApplication",
  "applicationCategory" : "BusinessApplication",
  "author" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "description" : "HubSpotのCRMレコードとNotionのページ・データベースを接続。HubSpotの画面から離れずにNotionのすべてにアクセスできるHubSpotマーケットプレイスアプリ。",
  "featureList" : [ "CRMカードからNotionページの作成・閲覧・編集", "NotionデータベースをCRMタブにテーブル表示", "4つのワークフローアクションで自動化", "コンタクト・会社・取引・チケット・サービス・プロジェクト対応" ],
  "installUrl" : "https://ecosystem.hubspot.com/marketplace/listing/sync-for-notion-bystartlink",
  "name" : "Sync for Notion",
  "offers" : [ {
    "@type" : "Offer",
    "description" : "ページ・DB合計50件まで",
    "name" : "Free",
    "price" : "0",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "無制限",
    "name" : "Professional",
    "price" : "10000",
    "priceCurrency" : "JPY"
  } ],
  "operatingSystem" : "Web",
  "url" : "https://start-link.jp/sync/notion"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#product-sync-moneyforward",
  "@type" : "SoftwareApplication",
  "applicationCategory" : "BusinessApplication",
  "author" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "description" : "HubSpotとマネーフォワード クラウドを連携。取引情報から見積書・請求書を自動作成し、取引先・品目の同期や継続請求に対応するHubSpot連携アプリ。",
  "featureList" : [ "取引（Deal）から見積書・請求書を自動作成", "会社情報とマネーフォワード取引先の同期", "商品項目・品目マスタの連携", "月次・固定回数の継続請求に対応（Professionalプラン以上）", "合算請求（Enterpriseプラン限定）", "前受請求（一括請求・月次計上）（Enterpriseプラン限定）", "原価登録（MF会計への仕訳登録）で案件別の原価・粗利を可視化（Enterpriseプラン限定）", "取引レコードにCRMカードで連携ステータスを表示" ],
  "installUrl" : "https://ecosystem.hubspot.com/ja/marketplace/listing/sync-for-moneyforward-bystartlink",
  "name" : "Sync for Money Forward",
  "offers" : [ {
    "@type" : "Offer",
    "description" : "請求月5件・見積月20件まで",
    "name" : "Free",
    "price" : "0",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "請求月50件・見積月100件まで",
    "name" : "Professional",
    "price" : "4000",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "無制限",
    "name" : "Enterprise",
    "price" : "10000",
    "priceCurrency" : "JPY"
  } ],
  "operatingSystem" : "Web",
  "url" : "https://start-link.jp/sync/moneyforward"
}
```

```json
{
  "@context" : "https://schema.org",
  "@id" : "https://start-link.jp/#product-sync-chatwork",
  "@type" : "SoftwareApplication",
  "applicationCategory" : "BusinessApplication",
  "author" : {
    "@id" : "https://start-link.jp/#organization"
  },
  "description" : "HubSpotとChatworkを連携。ワークフローからChatworkのルームへ通知を送り、CRMカード上で最新のやり取りの確認と返信ができ、紐付けたルームの新着メッセージをHubSpotのノートとして自動で記録するHubSpot連携アプリ。",
  "featureList" : [ "ワークフローアクション「Chatworkに通知」（取引・会社・コンタクト・チケット対応）", "送信先ルームIDとメッセージ本文にHubSpotのプロパティを差し込み", "取引・会社・コンタクトとChatworkルームの紐付け（全プラン無制限）", "CRMカードにルームの最新100件のメッセージを表示（Professionalプラン以上）", "CRMカードからChatworkへメッセージを送信（Professionalプラン以上）", "紐付けたルームの新着メッセージをHubSpotのノートへ自動記録（Enterpriseプラン限定）", "引用や装飾を、HubSpotのノートでも読みやすい見た目のまま記録", "OAuth接続とAPIトークン接続（SAML/SSO環境向け）に対応" ],
  "installUrl" : "https://ecosystem.hubspot.com/marketplace/listing/sync-for-chatwork-bystartlink",
  "name" : "Sync for Chatwork",
  "offers" : [ {
    "@type" : "Offer",
    "description" : "通知 月10件まで・ルーム紐付け無制限",
    "name" : "Free",
    "price" : "0",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "通知無制限・CRMカードで最新100件の表示とメッセージ送信",
    "name" : "Professional",
    "price" : "3000",
    "priceCurrency" : "JPY"
  }, {
    "@type" : "Offer",
    "billingIncrement" : "P1M",
    "description" : "Professionalの全機能＋メッセージ同期（30分ごと）",
    "name" : "Enterprise",
    "price" : "10000",
    "priceCurrency" : "JPY"
  } ],
  "operatingSystem" : "Web",
  "url" : "https://start-link.jp/sync/chatwork"
}
```