「今期の売上着地はいくらになるのか」——この問いに対して、自信を持って答えられる営業マネージャーは多くありません。Gartner社の調査によると、営業リーダーの55%がフォーキャストの精度に自信を持てていないと回答しています。
フォーキャスト（売上予測）の精度が低いと、経営判断に直接的な悪影響を及ぼします。予測を大きく下回れば投資計画や人員計画の見直しが必要になり、逆に予測を大きく上回ればリソースの過剰投下や機会損失を招きます。
営業マネジメントの型化やKPI設計については「営業マネジメントの型化｜KPI設計・フォーキャスト・1on1をCRMで設計する」で概要を解説していますが、本記事ではフォーキャストに特化して、手法の詳細、パイプラインハイジーン、精度改善サイクルまで深掘りします。
本記事はStartLinkの「BtoBマーケティング完全ガイド」関連記事です。
営業フォーキャストとは、一定期間（月次・四半期・年次）における売上の着地金額を、パイプラインのデータに基づいて予測する活動です。単なる「希望的観測」や「前年実績の延長」ではなく、現在のパイプラインの状況と過去の実績データに基づいた科学的な予測を指します。
フォーキャストの精度が高い組織と低い組織では、以下のような違いが生まれます。
| 項目 | フォーキャスト精度が高い組織 | フォーキャスト精度が低い組織 |
|---|---|---|
| 経営判断 | データに基づいた適切な投資判断 | 感覚に頼った場当たり的な判断 |
| リソース配分 | 必要な時に必要なリソースを投入 | リソースの過不足が常態化 |
| 採用計画 | 成長に合わせた計画的な採用 | 急募による質の低い採用 |
| 営業行動 | 逆算思考による計画的な活動 | 月末・期末の駆け込み営業 |
| 外部説明責任 | 投資家・株主への信頼性の高い報告 | 予測の乖離による信頼低下 |
フォーキャストを正確に行うためには、まずパイプライン内の案件を適切にカテゴリ分類する必要があります。一般的に使用される4つのフォーキャストカテゴリは以下の通りです。
| カテゴリ | 定義 | 基準 |
|---|---|---|
| Commit（コミット） | 今期内に受注できると営業が確信している案件 | 口頭または書面での合意あり、決裁プロセスに入っている |
| Best Case（ベストケース） | 条件が揃えば今期内に受注できる可能性が高い案件 | 主要なステークホルダーの支持あり、競合に対して優位 |
| Pipeline（パイプライン） | 進行中だが、今期内の受注は不確定な案件 | 商談は進行中だが、タイムラインや決裁が未確定 |
| Omit（除外） | 今期内の受注は見込めない案件 | 長期検討、予算未確保、競合劣位 |
この4つのカテゴリを正しく運用するためには、各カテゴリの判定基準を組織として統一することが不可欠です。営業担当者によって「Commit」の基準が異なると、フォーキャストの精度は大きく損なわれます。
最もシンプルな手法で、各営業担当者が自分の担当案件を1件ずつ評価し、今期の受注見込みを積み上げます。
メリット
デメリット
精度を高めるポイント
各営業担当者の過去のフォーキャスト精度を記録し、「この担当者は平均して予測の120%で着地する傾向がある」というバイアス補正係数を把握しておきます。
パイプライン内の全案件に対して、受注確度（確率）を掛け合わせた加重値を算出し、その合計をフォーキャストとする手法です。
計算式
フォーキャスト = Σ（各案件の金額 × 受注確度%）具体例
| 案件名 | 金額 | ステージ | 受注確度 | 加重金額 |
|---|---|---|---|---|
| NTTデータ案件 | 1,200万円 | クロージング | 80% | 960万円 |
| トヨタ自動車案件 | 2,000万円 | 提案中 | 40% | 800万円 |
| 三井住友銀行案件 | 800万円 | ディスカバリー | 20% | 160万円 |
| ソニーグループ案件 | 1,500万円 | 見積もり提示済 | 60% | 900万円 |
| 合計 | 5,500万円 | 2,820万円 |
メリット
デメリット
加重パイプライン法の発展形で、受注確度を「個々の営業担当者の感覚」ではなく、過去のデータに基づいたステージ別の平均転換率から算出する手法です。
設計手順
ステップ1：過去12〜24ヶ月の商談データを抽出する
ステップ2：各ステージからの最終受注率を算出する
ステップ3：得られた実績値をステージ別の確度として設定する
| ステージ | 過去の該当案件数 | うち受注件数 | 受注率（=確度） |
|---|---|---|---|
| 初回商談 | 200件 | 20件 | 10% |
| ディスカバリー | 150件 | 25件 | 17% |
| デモ/提案 | 100件 | 30件 | 30% |
| 見積もり提示 | 70件 | 35件 | 50% |
| 交渉/クロージング | 40件 | 32件 | 80% |
この確度を各ステージの案件金額に掛け合わせることで、営業担当者の主観に依存しないフォーキャストが可能になります。
メリット
デメリット
近年、CRMベンダーが提供するAIフォーキャスト機能が注目されています。HubSpotの「Forecasting Intelligence」やSalesforceの「Einstein Forecasting」がその代表例です。
AIフォーキャストは、以下のデータを総合的に分析して予測を行います。
メリット
デメリット
実務では、複数の手法を組み合わせて使うのが最も効果的です。
推奨する組み合わせ:
パイプラインハイジーン（Pipeline Hygiene）とは、パイプラインのデータを常に正確で最新の状態に保つための規律と運用ルールのことです。フォーキャストの精度は、入力データの品質に完全に依存します。パイプラインが汚れていれば、どんなに優れた手法を使っても正確な予測は不可能です。
| パターン | 内容 | フォーキャストへの影響 |
|---|---|---|
| ゾンビ案件 | 数ヶ月以上動きがないのに「進行中」のまま放置 | パイプライン金額の過大評価 |
| ステージの過剰前進 | 実際にはまだ早いのに先のステージに進めている | 受注確度の過大評価 |
| 金額の未更新 | 初回ヒアリングで入れた概算金額がそのまま | 受注金額の予測精度低下 |
| クローズ日の先送り | 期限が来るたびに翌月・翌四半期にずらす | 着地タイミングの予測不能 |
| 失注判断の遅延 | 事実上失注しているのに「保留」で残し続ける | パイプラインの水増し |
パイプラインを清潔に保つために、以下の運用ルールを組織として定めます。
ルール1：ステージ遷移の客観基準
各ステージへの遷移に客観的な基準を設け、基準を満たさない案件はステージを進められないようにします。
| ステージ | 遷移に必要な条件（例） |
|---|---|
| 初回商談 → ディスカバリー | 顧客の具体的な課題をヒアリング完了、主要ステークホルダーを特定 |
| ディスカバリー → 提案 | 顧客から提案の要請を受けた、予算感が確認できた |
| 提案 → 見積もり | 見積書を正式に提出した |
| 見積もり → クロージング | 顧客から口頭で合意を得た、契約書のレビューに入った |
ルール2：滞留ルール
各ステージに最大滞留日数を設定し、超過した案件は自動的にフラグが立つようにします。
HubSpotの「取引の滞留アラート」機能やワークフローを活用すれば、滞留案件の自動検知と通知が可能です。
ルール3：週次パイプラインレビュー
毎週、マネージャーとメンバーで全パイプラインを確認し、以下の3つの質問を各案件に投げかけます。
ルール4：月次パイプラインクリーニング
月に1回、パイプライン全体を棚卸しし、不要な案件をクローズします。
キーエンスでは、営業パイプラインの管理を極めて厳密に行い、ステージの遷移基準を客観的なエビデンスベースで設定しています。「顧客がこの行動を取ったからこのステージ」という明確な基準があるため、パイプラインの信頼性が高く、フォーキャストの精度も非常に高いとされています。
フォーキャストの精度を定量的に測定するために、以下のKPIを使用します。
Forecast Accuracy（フォーキャスト精度）
精度 = 1 - |（実績 - 予測）÷ 予測|例：予測5,000万円に対して実績4,700万円の場合
精度 = 1 - |（4,700 - 5,000）÷ 5,000| = 1 - 0.06 = 94%
Forecast Bias（フォーキャストバイアス）
バイアス = （実績 - 予測）÷ 予測プラスなら保守的（予測より多く受注）、マイナスなら楽観的（予測より少なく受注）。
| 精度レベル | Forecast Accuracy | 評価 |
|---|---|---|
| 優秀 | 90%以上 | 十分な精度。微調整レベル |
| 良好 | 80〜89% | 許容範囲。改善の余地あり |
| 要改善 | 70〜79% | 経営判断への信頼性が低下 |
| 問題あり | 70%未満 | フォーキャストプロセスの根本的見直しが必要 |
フォーキャスト精度を下げる主な要因と、その対策を整理します。
要因1：営業担当者の楽観バイアス
営業担当者は、自分の案件に対して楽観的になりがちです。特に月末・期末が近づくと「なんとかなる」という心理が働き、Commitカテゴリに入れるべきでない案件をCommitに分類してしまいます。
対策：MEDDICなどのフレームワークに基づく客観的な判定基準を導入し、マネージャーがレビューで検証する。担当者ごとのバイアス傾向を記録し、補正係数として活用する。
要因2：パイプラインの水増し
数字のプレッシャーから、実質的に進行していない案件をパイプラインに残し続けるケースです。
対策：前述のパイプラインハイジーンルール（滞留ルール、月次クリーニング）を徹底する。パイプラインの「量」ではなく「質」を評価する文化を作る。
要因3：大型案件の影響
1件の大型案件の受注/失注がフォーキャスト全体を大きく変動させるケースです。
対策：大型案件（例：四半期目標の20%以上を占める案件）は個別にリスク評価を行い、Best Case / Commit / Worst Caseの3シナリオで予測する。
要因4：CRMデータの不備
金額の未更新、クローズ日の先送り、ステージの不正確な設定など、データの品質問題です。
対策：CRMのデータ品質をKPIとして測定し、入力ルールの遵守を徹底する。自動化ルールでデータ不備を検知する仕組みを構築する。
フォーキャスト精度を継続的に改善するために、以下のサイクルを回します。
月次：フォーキャスト振り返り
四半期：プロセスレビュー
年次：フォーキャストモデルの再設計
HubSpotのSales Hubには、フォーキャストを支援する機能が複数搭載されています。
フォーキャストツール
パイプラインレポート
ディールスコアリング（Breeze）
フォーキャスト精度を高めるために、CRMを以下のように設定します。
取引パイプラインの設定
ダッシュボードの設計
ワークフローの設定
フォーキャストの精度は、個々の営業担当者の意識と行動に依存します。組織全体でフォーキャスト精度を重視する文化を作るために、以下の施策を実施します。
フォーキャスト精度の可視化
担当者別・チーム別のフォーキャスト精度を月次で公開します。ランキング形式で表示することで、精度に対する意識が高まります。
フォーキャストレビューの制度化
週次・月次のフォーキャストレビューを公式なミーティングとして位置づけ、全営業チームが参加する場を設けます。
精度の評価への組み込み
営業担当者の人事評価に「フォーキャスト精度」を組み込みます。売上目標の達成だけでなく、予測の正確さも評価の対象とすることで、「とりあえず高い数字を出しておく」という行動を抑制します。
効果的なフォーキャストレビューミーティングの進め方を示します。
週次フォーキャストレビュー（30分）
議題1：先週の振り返り（5分）
議題2：今週のフォーキャスト更新（15分）
議題3：リスクと対策（10分）
リクルートでは、フォーキャストミーティングを「着地会議」と呼び、各営業チームが週次で実施しています。着地会議では、単に数字を積み上げるだけでなく、「この案件をCommitに入れるエビデンスは何か」を必ず説明することが求められます。この運用により、フォーキャストの主観性を排除し、データに基づいた予測文化を定着させています。
単一の予測値ではなく、複数のシナリオを用意することで、経営判断の柔軟性を高めます。
| シナリオ | 定義 | 用途 |
|---|---|---|
| Worst Case（最悪ケース） | Commitカテゴリの案件のみで算出 | 最低限確保すべき売上の把握 |
| Base Case（標準ケース） | Commit + Best Case × 調整係数 | 経営計画のベースライン |
| Best Case（最良ケース） | Commit + Best Case + Pipeline × 調整係数 | アップサイドの可能性把握 |
この3つのシナリオを提示することで、経営層は「最悪でもこの金額は確保できる」「最良ならここまで伸びる可能性がある」という幅を持った判断ができるようになります。
パイプラインベロシティ（Pipeline Velocity）は、パイプラインが売上を生み出す「速度」を測る指標です。
計算式
パイプラインベロシティ = （商談数 × 平均受注金額 × 受注率）÷ 平均営業サイクル日数この指標を月次で追跡することで、フォーキャストの方向性（上向き・下向き・横ばい）を早期に把握できます。4つの変数のうちどれが変動したかを分析することで、改善すべきポイントも明確になります。
日本オラクルでは、パイプラインベロシティを営業組織のヘルスチェック指標として採用し、四半期ごとにベンチマークとの比較分析を実施しています。ベロシティの低下を早期に検知し、原因分析と対策を講じるサイクルが、安定したフォーキャスト精度の維持に貢献しています。
最初に取り組むべきは、パイプラインハイジーンの整備です。CRMのデータが不正確な状態では、どんなフォーキャスト手法を使っても精度は出ません。具体的には、ステージ遷移の客観基準の策定、滞留ルールの設定、週次のパイプラインレビューの制度化から始めてください。
四半期に1回の再計算を推奨します。ただし、大きなプロダクトアップデート、価格改定、組織変更、市場環境の変化があった場合は、その都度見直すべきです。再計算時には直近12ヶ月のデータを使用し、古すぎるデータは除外してください。
AIフォーキャストの効果は、CRMのデータ品質と量に大きく依存します。月に50件以上の商談が作成され、かつデータの入力品質が高い（入力率90%以上）組織であれば、AI機能の導入は十分に価値があります。一方、データが不十分な状態でAIを導入しても精度は向上しません。まずはデータ基盤を整えてから検討してください。
フォーキャストの乖離が発生した場合は、「誰のせいか」ではなく「なぜ外れたか」の原因分析に集中してください。典型的な原因は、案件の過大評価（楽観バイアス）、予期しない失注・スリップ、パイプラインデータの不備です。原因を特定し、フォーキャストプロセスの改善に反映するサイクルを回し続けることが、長期的な精度向上につながります。
過去データがない場合は、営業担当者のBottom-upフォーキャストをベースにしつつ、保守的な調整係数（例：Bottom-up予測の70%を採用）を適用することを推奨します。3〜6ヶ月間データを蓄積した後に、ステージ別確度法に移行してください。初期段階では精度よりも「データを正確に記録し、蓄積する」ことに注力するのが正解です。
営業フォーキャストの精度向上は、経営判断の質を高め、営業組織のパフォーマンスを最大化するための重要な取り組みです。加重パイプライン法やステージ別確度法などの手法を適切に組み合わせ、パイプラインハイジーンを徹底し、精度改善サイクルを継続的に回すことで、フォーキャスト精度を段階的に高めることができます。
特に強調したいのは、フォーキャスト精度は「手法」だけでは向上しないということです。パイプラインデータの品質、フォーキャストカテゴリの統一された判定基準、組織としてフォーキャスト精度を重視する文化の3つが揃って初めて、信頼性の高い売上予測が実現します。
フォーキャスト体制の構築やCRMを活用した売上予測の仕組み化にお悩みでしたら、StartLinkにご相談ください。HubSpotを活用したパイプライン管理とフォーキャスト体制の構築を、設計から運用定着まで伴走型でサポートいたします。
カテゴリナビゲーション: