HubSpotのAIによる売上自動予測！営業の「予実管理」を正確に行うためのBreeze AIの売上予測機能とは？

今のビジネスって、本当に変化が激しいですよね。そんな中で、正確な受注予測って、私たち中小企業が成長し続けるために、まるで羅針盤のように大切なんです。単に「これくらい売れたらいいな」という目標設定だけじゃなく、どこにリソースを集中させるか、キャッシュフローをどう回すか、そしてどんな戦略を立てるか、そのすべてを支える土台になるんですよ。

もし予測がズレてしまうと、リソースが無駄になったり、在庫が多すぎたり少なすぎたり、営業戦略が非効率になったり、せっかくの収益チャンスを逃してしまうなんてことも…。特に、これからグッと成長したいスタートアップや企業にとって、限られたリソースの中で的確な予測ができるかどうかは、まさに成長を加速させるか、それとも立ち止まってしまうかの分かれ道になるかもしれません。

この記事では、HubSpotのAI受注予測機能「Breeze」を中心に、

• HubSpotのAI受注予測機能の詳しい説明
• 人間とAIの予測をどう組み合わせるのがベストなのか？
• Salesforce Einsteinをはじめとする他のAI受注予測ツールとの比較

も交えながら、中小企業の経営者さん、営業部長さん、役員さんの皆さんが未来の経営戦略を立てるための具体的なヒントをお届けします！

第1章：HubSpot AI受注予測の最前線：「Breeze」が拓く新たな可能性、ご存知ですか？

参考：AI予測で予測を改善（BETA）

「Breeze」機能の詳細：過去データに基づく予測と信頼性って、どう見るの？

HubSpotのAI受注予測機能「Breeze」は、過去3ヶ月間の「クローズ済み受注（Closed won）」ディールデータに基づいて、将来の売上を予測してくれます。この予測は、皆さんのチームが立てた予測を調整するための、「人間の着地予想ではない」もう一つの視点を提供してくれるんですよ。

BreezeのAI予測は、クローズ済み受注ディールの金額とクローズ日に基づいて行われます。予測は「範囲」として表示され、以下の3つの値で示されます：

• 有望 : レンジの中間点であり、モデルが予想する最も着地しそうな場所。
• Upper : 着地が予測される範囲の上限。
• Lower:着地が予測される範囲の下限。

この「範囲」表示は、予測には常に不確実性が伴うことを経営者の皆さんに明確に示してくれるので、リスク管理にも役立ちますよね。

BreezeのAI受注予測は、現在パブリックベータ版としてSales Hub Pro以上/Service Pro以上のユーザー向けに提供されています。

一部の報告では、HubSpotのAI予測が95%以上の精度向上をもたらす可能性が示唆されています。ただし、これはあくまで予測であり、保証されるものではないこと、そしてデータの精度に大きく左右される点には注意が必要です。

フォーキャストのAI売上予測の実際の画面です↓

AI予測の精度は、1日、7日、14日、21日、28日といった月内の異なる時点での予測精度を比較することでモニタリングできます。（上記はダミーデータのため値は入っていない画面です）

※各日ごとの予測精度は、予測された売上数値と実際の売上数値との絶対誤差率を計算することで測定されます。月間の平均精度は、月内に提供される5つの予測（1日、7日、14日、21日、28日予測）の平均予測精度を計算することで測定されます。
※予測精度は以下の計算式で算出されます：最大値 = (0, 1 - 予測誤差率)。予測誤差率 = (|実績 - 予測| / 実績) × 100。予測誤差が1を超える場合、精度は常に0となります。

ただこの機能はまだ「パブリックベータ」段階にあるんです。ベータ版ということは、機能がまだ開発途中で、安定性や最終的な精度が今後変わる可能性がある、ということなんですね。さらに、HubSpot自身が「予測の精度はデータの正確性に依存する」と明記している点がとても重要です。

これは、AIがどんなに高度なアルゴリズムを持っていても、入力されるデータが不正確だと、出てくる予測も不正確になってしまう、という「Garbage In, Garbage Out（ゴミを入れればゴミが出る）」の原則と同じです。

高い精度 実現するためには、どの程度HubSpotの取引パイプラインの利用がされているかという指標として目安がございますので、次の章でご紹介します！

Breezeの導入と効果的な活用ステップ：どうすればスムーズに始められる？

BreezeのAI予測を有効にするのは簡単です！HubSpotアカウントの「営業 > フォーキャスト」から「分析」タブに進んで、「AI予測をオンにする」をクリックするだけ。データ収集のために、有効化後24時間以上は待つ必要がありますが、たったこれだけなんです。

ただし、HubSpotのAI予測機能は、すべてのHubSpotアカウントにぴったり合うわけではないんです。AI予測が効果的に機能するためには、アクティブで健全なパイプラインデータが不可欠なんですね。具体的には、以下のような共通点を持つアカウントで、最も高い精度を発揮すると言われています。

【取引データのポイント】

1. 毎週取引を入力している

2. 毎週取引を成立させている

3. 営業サイクルが6週間未満である

4. 取引の金額がプラスである

5. 取引金額の規模がわずかな変動で一定している

もしこれらの条件を満たさないアカウントだと、AI予測の精度が下がってしまう可能性があるので、導入前に皆さんのデータ状況をぜひ確認してみてくださいね。（結構条件が厳しいので、なかなか使えないケースも多いのかなと思います・・・）

（取引のデータが正しく入った際のイメージ）

やはりAI予測の精度は、投入されるデータの質に直接的に比例します。多くの企業、特に中小企業では、CRMデータの不整合や不完全性、手動入力によるエラーが日常的に発生している場合がありますよね。AIが正確な予測を出せない場合、その原因はアルゴリズムではなく多くの場合データにあるため、企業はデータガバナンスや入力プロセスの改善に本腰を入れざるを得なくなるんです。

この「データクリーンアップ」のプロセスは、AI予測の精度向上だけでなく、CRM全体の信頼性向上、営業・マーケティング間の連携強化、顧客理解の深化など、AI導入の範囲を超えた広範なビジネスメリットをもたらします。AI受注予測の導入は、単なるITシステムの導入ではなく、企業全体のデータ戦略と運用プロセスの見直しを促す戦略的な機会にもなりそうですね！

第2章：人間とAIのフォーキャスト精度：ハイブリッド予測が導く経営の最適化

従来の社員による受注予測の限界と課題、感じていませんか？

これまでの受注予測って、営業担当者の経験や直感、そして過去の販売データの手動入力に大きく頼っていましたよね。このやり方には、いくつか限界や課題があるんです。まず、営業担当者の「いける！」という楽観的な気持ちや、逆に「ちょっと厳しいかも…」という悲観的な気持ち、個人的な目標達成へのプレッシャーなんかが予測に影響を与えて、どうしても不正確さが出てしまう「主観性とバイアス」は避けられません。

次に、「データ処理能力の限界」があります。膨大な量の販売データ、顧客の行動、外部の市場要因などを人間がすべて網羅的に分析して、複雑なパターンを見つけ出すのは、本当に難しいことなんです・・・

さらに、データを集計したり調整したりするのに時間がかかって、営業チームの貴重な時間を奪ってしまう「手動作業による非効率性」も大きな課題ですよね。

人間 vs. AI受注予測：メリット・デメリットを比較してみましょう！

中小企業の経営者さんや営業部長さんは、新しい技術導入の際に「何が良くなるんだろう？」「どんな課題があるんだろう？」って、短時間で、しかも明確に知りたいと思っていますよね。人間とAIの予測の特性を並べて比較することで、それぞれの強みと弱みが一目でわかるはずです。

これは、どちらか一方に偏るのではなく、「なぜ両方を組み合わせるべきなのか」というハイブリッドアプローチの必要性を皆さんが直感的に理解するための土台になります。

メリット・デメリットが明確になることで、経営者の皆さんは、自社の現状（データ品質や営業チームのスキルなど）と照らし合わせ、AI導入の具体的な戦略を立てやすくなるでしょう。例えば、AIが苦手とする高額取引における人間的要素の重要性を再認識して、営業スキルのトレーニングに力を入れるといった、より的確な判断ができるようになるかもしれませんね。

人間とAIのハイブリッドアプローチ：経営判断への最適な活用戦略って、どうすればいいの？

AIのデータに基づいた洞察と、人間の経験や直感を組み合わせることで、それぞれの弱点を補い合い、予測の信頼性と適応性を最大限に高めることができるんです。

最適な活用戦略としては、

まずAIを「強力なアシスタント」として活用することが挙げられます。AIは膨大なデータから予測を生成し、「このディールはリスクが高いかも」「こんな潜在的なチャンスがあるぞ」といったことを特定してくれます。営業担当者はAIが提供する情報に基づいて、より戦略的かつ効率的にアプローチを計画できるようになるでしょう。

次に、人間の経験と直感を「最終判断」に融合させることが重要です。AIの予測はあくまで推定値であり、保証されるものではありません。営業マネージャーや経営者の皆さんは、AIの予測範囲を参考にしつつ、ご自身の市場経験、顧客との関係性、突発的な市場の変化（例えば選挙シーズンなど）といった外部要因も考慮に入れた上で、最終的な経営判断を下す必要があります。

AIはデータに基づいたパターン認識に優れますが、人間の感情や、言葉にならないサイン、信頼構築といった要素を完全に理解することはできません。一方で、人間はバイアスを持ちやすく、膨大なデータを素早く処理することはできません。

第3章：HubSpotと並ぶAI受注予測の選択肢：Salesforce Einsteinの機能とは？

HubSpotのAI予測機能が中心となる中で、市場にはSalesforce Einsteinのように強力なAI受注予測ツールも存在します。

Salesforce Einsteinは、Sales Cloud Einsteinスイートの一部として提供されるAI機能で、機械学習を活用して過去の商談、アカウント活動、勝率を分析し、特定の期間の予測収益を算出してくれるんです。この機能は、データに基づいた、より確信的な意思決定を可能にしてくれますよ。

Salesforce Einsteinの主な機能は以下の通りです：

セールス（営業）向け機能

• リードおよび商談のスコアリング（Lead & Opportunity Scoring）
  CRMに蓄積された属性情報や行動履歴、過去商談データをAIが分析し、各リードや商談に0〜100のスコアを付与。最も注力すべき案件を高精度に予測します。

• 売上予測（Revenue Forecasting）
  過去の売上傾向や商談進捗から将来の収益を予測し、営業活動を戦略的に支援します。

• 営業メールアシスト
  顧客とのコミュニケーション履歴や関心に基づいて、ワンクリックで営業メールを自動生成。OutlookやGmail、LinkedInとも連携可能。

• コール/ミーティング要約
  通話やミーティングの音声・映像データをもとに、要点・感情分析・次ステップを自動抽出し、議事録として生成。Slackやメールへの共有も可能。

カスタマーサービス向け機能

• オペレーター返信作成（Service Replies）
  顧客応対中の会話をリアルタイムで解析し、ナレッジベースから最適な返信文を生成。オペレーターはワンクリックで送信・編集できます。

• ネクストアクション提示
  顧客データや通話履歴を基に、修理案内、割引提案、追加サービスの提案など、次に取るべき最適なアクションを提示し、その流れを自然にナビゲートします。

• 問い合わせの対応要約
  問い合わせ対応後に、問題内容と解決策の概要を自動生成し、応対記録として保存が可能。業務効率とナレッジ継承を支援します。

• ナレッジ記事自動作成
  顧客対応に基づいて、FAQや手順などのナレッジ記事を自動生成し、ナレッジベースを効率的に構築します。

HubSpot Breeze vs. Salesforce Einstein

HubSpotのBreezeというAIの機能とSalesforceのEinsteinのAIの機能の比較ですが、常にアップデートしていくためAI精度として正確に比較というのは難しい状況かと思っています。当社の考えとしては、HubSpotについてはデータの数が大規模ではない、SMBやミッドマーケット向けの企業様にとってはとても導入しやすく、現場への浸透も早いツールかと思っています。

一方で、膨大な数の活動データや商談データがある企業様や権限セットの細かい制御が必要な企業様はSalesforceを使うという判断になるかと思いますので、こちらは企業規模によってマッチするツールを選んでいただければと思います。

また、SalesforceですとEinsteinは別の機能として追加購入をしないといけないためライセンスの費用が一定かさみますが、HubSpotについては既に導入されている有料シートを持っているユーザーはご活用いただけるので、そういった意味でもコストメリットはHubSpotの方があり、リーズナブルに導入が可能かと思っております。

第4章：AI売上予測の活用成功のための実践的ロードマップを整理！

まずはHubSpot内で営業データ準備をしっかりしましょう！

AI予測の成功は、データの品質と準備に大きく依存します。AI予測は、入力データが不正確であれば、誤った予測を生成してしまいます。実践ステップは以下の通りです：

ステップ①：HubSpotの取引データや会社データを評価してみましょう！

HubSpot CRM内の顧客データ、取引履歴、活動履歴などの完全性、一貫性、正確性を徹底的にチェックして、重複や不正確なデータを修正しましょう。特に、パイプラインのアクション（取引ステージの更新など）や新規取引の作成が適切に行われているかを確認することが、AI予測の精度向上には欠かせません。

ステップ②：HubSpotでの案件管理の仕様を整理・確立しましょう！

HubSpot内で、取引ステージの定義、プロパティの入力規則、データ更新のルールなどを明確に定めましょう。データガバナンスは、データの「質」を導入後に改善するだけでなく、最初から「質の高いデータ」が生成・維持されるようにするための「予防医学」的な役割を果たします。

ステップ③：HubSpotの自動化機能を推進しましょう！

とはいえ、 すべてを手動でメンテナンスすることは難しいです。そのためHubSpotのワークフローやシーケンス機能などを活用して、データ入力や更新作業を自動化し、手作業によるエラーを減らしましょう。例えば、特定の条件で取引ステージを自動更新したり、担当者へのリマインダーを設定したりすることで、データ鮮度を保てます。

 ワークフローの設定の中でもHubSpot Breeze（AI）を活用することができますので、よろしければ以下の記事をご覧ください。

▪️AIによるワークフロー最適化の詳細はこちら↓

HubSpotワークフローでAI機能「Breezeに依頼」を詳細解説｜Breeze AIにより要約・チケット分類・ネクストアクション提示

明確なビジネス目標の設定とKPIの策定、できていますか？

AI予測ツールの導入は、明確なビジネス目標と連動させることで、その効果を最大限に引き出すことができます。

実践ステップは以下の通りです：

ステップ①：SMART目標を設定してみましょう！

予測プロセスの改善を通じて達成したい具体的な目標（例：販売予測精度を次の四半期中に10%向上させる、在庫過剰を5%削減する）を、SMART原則（Specific: 具体的に, Measurable: 測定可能に, Achievable: 達成可能に, Relevant: 関連性高く, Time-bound: 期限を設けて）に基づいて定義しましょう。

ステップ②：KPIを策定しましょう！

目標達成度を測るための主要業績評価指標（KPI）を設定します。例えば、予測誤差率（MAPE）、パイプラインの健全性、リードから商談への転換率、販売サイクル期間などですね。

まとめ：HubSpotのフォーキャスト機能でAI売上予測をトライしてみましょう！

https://www.hubspot.jp/products/forecasting

今後の「売上予測」の効果的なアプローチは、AIのデータ分析能力と人間の経験、直感、そして関係構築能力を組み合わせたハイブリッド予測です。AIは強力なアシスタントとして機能し、人間はAIが提供する情報を基に最終的な経営判断を下すことで、予測の信頼性と、刻々と変化する市場環境への適応性を最大限に高めることができます。

市場にはHubSpotやSalesforce以外にも、たくさんのAI受注予測ツールが存在し、ハイブリッド予測モデルや外部データ統合が主要なトレンドとなっています。ぜひHubSpot をご導入されている企業様は、フォーキャストのAI売上予測のベータ版を申請して、トライしてみていただければと思います！また、こちらをきっかけに、社内の営業データのクレンジングというところにも、挑戦していただければと思います。

以上です、ありがとうございました！