%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売上予測の精度を高めるには、商談データの入力基準を整え、予測と実績の差を運用で見直すことが重要です。
AI売上予測の精度を高めるには、商談データの入力基準を整え、予測と実績の差を運用で見直すことが重要です。
| CRM | AI予測機能 | 特徴 | 対象規模 |
|---|---|---|---|
| HubSpot Sales Hub | AI Forecasting | パイプラインベースの予測、営業活動データとの連携 | 中小〜中堅 |
| Salesforce Einstein | Einstein Forecasting | 多変量分析、Win/Loss分析、自然言語インサイト | 中堅〜大企業 |
| Microsoft Dynamics 365 | Sales Insights | 関係性分析、次のアクション推奨 | 中堅〜大企業 |
| Zoho CRM | Zia AI | 受注確率予測、異常検知、ワークフロー推奨 | 中小〜中堅 |
| Pipedrive | AI Sales Assistant | 取引の健全性スコア、次のアクション推奨 | 中小企業 |
「営業担当者ごとに見込みの基準が違う」「月末の経営会議前にスプレッドシートを作り直している」「受注見込みの数字と会計の実績がつながらない」——こうした状態では、予測値を経営判断に活用しにくくなります。
AI売上予測とは、過去の商談結果や現在のパイプラインをもとに、受注の見込みを推定する方法です。予測の質は入力データやステージ定義に左右されます。AI機能を使う前に営業プロセスとデータの扱い方を整え、予測値を確定的な結果ではなく判断材料として扱うことが大切です。
この記事でわかること
「売上予測がぶれる。何から見直せばよい？」——この記事では、予測に使うデータの設計、HubSpotの予測機能の位置づけ、運用上の見直しポイントを整理します。まずは予測に使う項目を一覧にし、空欄や更新漏れを確認しましょう。
| 商談ステージ | 一般的なデフォルト確率 | AI最適化後の確率（例） | 乖離の原因 |
|---|---|---|---|
| 初回ヒアリング | 10% | 7% | 初回接触からの離脱が想定より多い |
| ニーズ確認済み | 25% | 31% | ニーズ確認後の案件は受注率が高い |
| 提案済み | 50% | 42% | 競合との比較で失注するケースが多い |
| 見積提出済み | 75% | 68% | 社内稟議で却下されるケースが一定数 |
| 口頭内諾 | 90% | 93% | ここまで来るとほぼ確定 |
上の確率は考え方を示す例であり、特定の企業やCRMの標準値を示すものではありません。実際の確率は、自社のステージ定義や過去の受注・失注実績に照らして検討します。
- 予測がぶれる背景 — 営業担当者の見立てに差が生まれる要因と、データを使った補正の考え方を整理します。
- CRMと会計実績のつなぎ方 — 見込みデータと確定実績を照合し、予測の前提を確認する方法を説明します。
- 商談ステージの設計 — ステージ、受注確度、定義、必須入力項目を予測に結びつけます。
- AIと人間の役割分担 — AIによる集計や分類と、人が担う営業・経営判断を分けて考えます。
- 運用を続ける方法 — 失注理由や予測差異を記録し、個人の記憶に依存しない改善につなげます。
売上予測のずれを生む要因を分解する
売上予測のずれは、担当者の注意不足だけで説明できません。商談への期待や過去の数字への引きずられ方、都合のよい情報を重く見る傾向などが、見込みの判断に影響します。共通の基準と記録を用意し、個人の感覚だけに頼らない予測へつなげます。
| 予測要素 | 人間の予測 | AIの予測 |
|---|---|---|
| 受注確率 | 「たぶん80%くらい」（感覚値） | 過去の類似案件から72.3%と算出 |
| 受注時期 | 「来月には決まるはず」 | 商談期間の中央値から45日後と予測 |
| 受注金額 | 「提案金額の満額で受注」 | 過去の値引き率平均12%を適用 |
| パイプライン全体 | 各案件の合算（楽観値の積み上げ） | 確率加重平均 + 季節補正 + 失注率反映 |
この表の数値や算出内容も説明用の例です。実際の予測結果は、利用するデータや分析方法、モデルの設定によって異なります。
見立ての差は個人の努力だけでは埋まらない
担当者は顧客との会話や提案状況をもとに受注時期や金額を見積もりますが、同じ状況を見ても判断が分かれることがあります。特に、案件の進展を期待する楽観的な見立てや、最初に置いた金額を基準にする考え方は、予測を偏らせる場合があります。
「予算に合うはず」と判断した後に、社内決裁や競合状況などの反対材料を十分に反映できないケースもあります。会議で予測の数字だけを問い直すのではなく、どの情報を根拠にしたかを記録し、後から結果と照合できる形にすることが出発点です。
CRMの記録を共通の判断材料にする
スプレッドシートで商談金額や予定日を担当者が別々に更新していると、会議前に数字を集約し直す作業が発生します。更新のタイミングや項目の意味がそろっていなければ、集計後も数字の比較が難しくなります。
CRMに商談、ステージ、金額、クローズ予定日を関連づけて記録すると、同じ定義のデータを営業活動と予測に利用できます。入力漏れを個人への注意喚起だけで防ぐのではなく、ステージの移行条件や必須項目を仕組みに含めると、担当者が変わっても判断材料を引き継ぎやすくなります。
AIは蓄積データの傾向を補助する
AIは過去の結果と現在の商談情報を照らし、受注確率や着地見込みを推定する補助役として使えます。人によって異なる感覚値を、過去データに基づく参考値と比較できることが利点です。
ただし、新しい商材や営業プロセスで記録が少ない場合、過去の傾向に基づく予測は当てはまらないことがあります。対象商材・営業段階ごとの記録件数と更新時期を確認し、実績が蓄積するまでは予測と実績のずれを見ながら人の判断と併用してください。
接触頻度や顧客の過去の購買履歴も、受注確率や着地見込みを推定する際の入力データとして活用できます。
CRMと会計実績を予測の流れにつなぐ
CRMのパイプラインはこれからの売上見込みを示し、会計データは計上済みの実績を示します。両者を同じ顧客や取引の流れで照合すれば、見込みと確定値の差を振り返りやすくなります。まずは各データが何を表すかを決め、無理のない範囲から接続します。
freeeの収益レポートは、収益状況を「取引先別」「品目別」「勘定科目別」の3つの視点で表示でき、取引先の上限は2,000件です出典。
売上予測の検討に使うデータを、案件・パイプライン・会計実績の3段階で整理します。
| 層 | 予測対象 | 主な入力データ |
|---|---|---|
| Layer 2：パイプライン集計 | 選択した期間の加重パイプライン額 | 各商談の金額と商談ステージに基づく受注確率を確認する。確率の設定が実態に合わない場合は、集計値をそのまま売上見込みとして扱わない。出典 |
見込みデータと実績データの役割を分ける
CRMには進行中の取引、ステージ、金額、予定日、受注または失注の結果を記録します。会計側には売上実績や計上時期など、確定した結果を蓄積します。データを統合する前に、それぞれの項目がどの時点の何を表すかを明確にします。
| データ | 主な内容 | 予測での使い方 |
|---|---|---|
| CRM | 進行中の取引、ステージ、金額、予定日、結果 | 今後の見込みを集計する |
| 会計 | 確定した売上、顧客別実績、計上時期 | 見込みと実績の差を振り返る |
| CRMのパイプラインデータ | 過去のパイプラインから実績への変換率 | 確率加重した見込みと実績を比較し、予測の前提や受注確度を振り返る |
コンタクトから請求までを一続きで見る
HubSpotを使う場合、コンタクトから取引、顧客、請求へと続く業務の流れの中に売上予測を置きます。コンタクトとのやりとりから取引が生まれ、取引のステージや金額が更新され、受注後の請求・会計実績と照合される構造です。予測レポートだけを整えても、前段の記録や後段の実績がつながらなければ、数字の意味を確かめにくくなります。
会計連携では、商品項目や勘定科目など、双方のデータをどう対応させるかが論点になります。
- マネーフォワード クラウド向け ── Sync for Money Forwardは項目マッピングを設定できます
- freee向け ── Sync for freeeは勘定科目・税区分を自動判定する仕組みです
連携方法を選ぶ際は、既存の項目や運用ルールを確認し、対応づけが明確な範囲から始めます。HubSpotマーケットプレイスのSync for freeeとSync for Money Forwardも参照できます。
商談ステージと受注確度を設計する
商談ステージは、案件が営業プロセスのどこにあるかを表し、受注確度はその段階でどの程度の見込みとして扱うかを示します。両者を実際の営業活動に合わせて定義すると、パイプラインの金額を共通の基準で読み取れます。AIの予測を使う場合も、元になる分類がそろっていることが前提です。
パイプラインを構成する4つの要素
パイプラインは、ステージ、受注確度、ステージの定義、必須入力項目を組み合わせて設計します。ステージごとの確率を置くだけでは、担当者が異なる基準で案件を進める問題は解消しません。
| 要素 | 決めること | 運用での役割 |
|---|---|---|
| 取引ステージ | 商談の進行段階 | 案件の現在地を示す |
| 受注確度 | 段階ごとの見込み | 金額と組み合わせて集計する |
| ステージ定義 | その段階に進む条件 | 担当者間の解釈をそろえる |
| 必須入力項目 | 金額や予定日など | 予測に必要な情報を残す |
例えば、初回の打ち合わせを終えただけの案件と、導入判断のための提案を提示した案件は、同じ「進行中」でも状況が異なります。各ステージに進める条件を営業チームで決め、受注確度は過去の結果と照らして見直します。
金額と予定日の入力を仕組みにする
ステージを進める際に必要な金額、クローズ予定日、受注理由などを入力項目として定めます。金額やクローズ予定日はステージを進める際に確認して記録し、変更時には理由も残すと、予測と実績を振り返る際に判断の経緯を確認できます。
入力項目は、予測や顧客対応に必要な情報を基準に選び、集計や担当者間の引き継ぎで実際に使われているかを確認して見直します。
AIの予測画面を参考値として読む
HubSpotのForecastingは、パイプラインの見込みを確認する機能です。機能を使う前に、取引のステージや金額、クローズ予定日がチームで同じ意味になるよう整えると、表示される見込みを営業会議の判断材料にしやすくなります。利用できる機能は契約プランや設定によって異なるため、導入時はHubSpot公式のForecastingガイドで対象条件と設定方法を確認してください。
次の画面は、デモ環境のHubSpotセールスフォーキャスト画面です。パイプラインをもとに着地見込みを表示しています。
デモ環境のHubSpotセールスフォーキャスト画面です。パイプラインをもとに着地見込みを表示しています。
画面の予測値は、会計上の確定売上そのものではありません。見込み値と実績値の差を確認し、どのステージや入力項目にずれがあったかをチームで振り返ります。
予測と実績の差を運用に戻す
予測モデルは、使い始めた後に実績と比較し、前提を見直すことで運用に合っていきます。失注理由や商談の停滞を記録すれば、どの状況で予測が外れやすいかを分析する材料になります。データを記録するだけで終えず、次の営業活動や経営判断へ戻す流れを作ります。
失注理由、案件の滞留、季節変動、予測と実績の差を確認し、次回の予測判断に反映するためのテクニックです。
| # | テクニック | 精度向上のしくみ |
|---|---|---|
| 1 | 失注データを記録する | 失注理由別の件数を確認し、予測から外れた要因を分析する。出典 |
| 3 | 季節変動を反映する | 過去の同時期の売上実績を比較し、季節要因を予測に織り込む。出典 |
失注理由を次の判断材料にする
失注案件に理由が残っていないと、何が受注を妨げたかを後から確認できません。理由は自社の営業プロセスに合わせて分類し、クローズ時に選べる項目にします。分類が細かすぎると入力が揺れるため、実際の会議で判断に使える粒度から始めます。
失注理由を振り返ると、商品や提案の改善点を営業以外の部門と共有できます。「時期が合わない」など再接点を持てる理由は、再アプローチの対象として管理します。失注後に取引をどう扱うかも含めて決めると、記録が次の行動につながります。
滞留案件と季節性を切り分ける
同じステージに長くとどまる案件は、予定日や受注確度を見直す候補です。停滞をすぐに失注と扱うのではなく、次の状況を確認し、更新内容を記録します。
- 顧客との接点
- 次の予定
- 意思決定の状況
停滞期間と結果を蓄積すれば、自社の営業サイクルに照らした判断材料になります。
会計実績に季節的な変化が見られる場合は、複数の期間の数字を比較して、特定の時期に偏りがあるかを確かめます。新規顧客と既存顧客で受注までの進み方が異なるなら、同じ集計にまとめる前にセグメント別の結果を確認します。差が継続して見られる場合に限り、予測の分け方を検討します。
- 季節要因を補正する際 ── 会計実績に表れた成長トレンドも確認し、予測に反映します
- 市場環境の変化 ── 会計実績と照らして確認し、予測の前提に反映します
予測差異のレビューを定例化する
予測と実績が異なった案件について、どの情報が不足していたか、ステージの定義が適切だったか、予定日の更新が遅れていなかったかを確認します。原因を分類して記録し、入力項目やレビュー手順の変更につなげます。
| 確認する差異 | 見直す項目 | 次の対応 |
|---|---|---|
| 受注予定が後ろ倒しになった | 次回予定、意思決定状況 | クローズ予定日の更新条件を見直す |
| 金額が予測を下回った | 提案額、契約額、変更履歴 | 金額の更新時点と記録方法をそろえる |
| 失注を予測できなかった | 失注理由、停滞状況 | ステージ定義や確認項目を見直す |
差異の振り返りは個人を評価するためではなく、予測の前提を改善するために行います。レビューで決めた変更を入力ルールや会議の確認事項に反映すると、担当者の記憶に頼らず運用を続けやすくなります。経営判断を支えるAI活用については、AI経営判断支援の実践ガイドも参照できます。
AIと人間の判断を分ける
AIが出す予測は、商談データを読むための材料です。確率や傾向の集計をAIに任せる一方、営業プロセスや事業上の優先順位は人が決めます。役割を分けることで、予測の数字をそのまま意思決定に置き換えず、根拠を確認する習慣につなげられます。
AIに任せる作業を決める
AIは、記録済みデータの分類や集計、過去の結果との比較、停滞案件の抽出などを補助できます。これらの出力は、どのデータを使ったかと合わせて確認し、入力誤りがあれば元レコードを直します。
| AIが補助する作業 | 人が判断する内容 |
|---|---|
| 商談データの集計と傾向の抽出 | ステージや受注確度の設計 |
| 予測と実績の差の整理 | 差異の原因と運用変更 |
| 停滞案件や失注理由の分類 | 顧客への次の対応 |
| 見込み値の提示 | 事業計画や資源配分の決定 |
| 商談レコードの分類・要約 | 運用ルールと評価基準の定義 |
大型案件や新しい領域は個別に見る
過去データが少ない新規事業や、通常と異なる進め方の大型案件では、既存の傾向が当てはまらないことがあります。AIの予測値を参考として表示し、営業担当者が顧客の状況や意思決定過程を説明した上で、マネージャーが個別に見立てを確認します。
予測結果を顧客への連絡や取引更新に自動で反映する設計にする場合は、どの条件で何を変更するかを先に決めます。確認者が根拠と変更内容を追える範囲から始めると、予測と実際の営業判断を照合しやすくなります。
全体の業務フローに戻す
売上予測は、コンタクト獲得、商談化、取引管理、受注後の請求・会計処理とつながっています。予測の差を営業だけで閉じず、顧客獲得や提案、商品、請求のどの段階で発生したかを確認すると、改善先を判断しやすくなります。
HubSpot以外のCRMでも、データ項目と業務フローを適切に設計すれば、予測の仕組みを構築できます。ツールの機能だけでなく、各部門が同じ定義の情報を使えるかを選定や見直しの基準にします。AIを使った予実管理の流れは、AI × 予実管理の自動化で解説しています。
小さく始めて予測の運用を広げる
最初からすべてのデータ連携やAI予測を整える必要はありません。まず営業パイプラインの記録をそろえ、予測と実績を比較できる状態を作ります。その結果を見てから、会計データとの接続や対象範囲の拡張を決めます。
企業様によって最適な形は異なります。自社の営業プロセスやデータの状態を確認し、実行できる範囲から進めましょう。
まず現在の入力状態を確認する
取引レコードで次の項目がどの程度入力されているかを確認します。
- ステージ
- 金額
- クローズ予定日
抜けがあれば、どの段階で必要になる項目かを整理し、入力を求めるタイミングを業務に組み込みます。使われていない項目は、予測や引き継ぎに必要かを確認して整理します。
失注記録と差異レビューを始める
次に、失注理由を記録する選択肢を決め、クローズ時に残す運用を始めます。予測と実績を定期的に照らし、ずれの原因を分類します。データの不足が残る場合は、AIの予測を意思決定の中心にせず、改善対象の発見に使います。
会計連携や対象拡大を判断する
CRM側の入力が定着したら、会計実績との照合に必要な項目を確認します。顧客、取引、売上項目を対応づけられる場合は連携範囲を決め、対応づけが曖昧な場合は項目定義から見直します。予測と実績の比較が安定して行える範囲を見極めてから、対象となるチームや商材を広げます。
よくある質問
AI売上予測を始める前に何を整えればよいですか？
取引ステージ、金額、クローズ予定日、受注・失注結果の意味をチーム内でそろえます。入力が欠ける項目は、誰がいつ記録するかを業務の流れに組み込みます。
CRMと会計データはすぐに連携する必要がありますか？
最初にCRMの商談データを整理し、予測と実績を照合するために必要な項目を確認します。顧客や商品などの対応関係が明確になった範囲から連携すると、差異の原因を追いやすくなります。
商談データが少ない場合、AI予測を使えますか？
AIの出力を参考値として扱い、営業担当者やマネージャーの判断と並べて確認する方法があります。新しい領域で過去の結果が少ない場合は、予測の根拠を確認し、結果が蓄積するまで利用範囲を限定します。
予測と実績がずれた場合、何を見直せばよいですか？
ステージの定義、予定日の更新、金額の変更、失注理由の記録を確認します。ずれの原因を記録し、入力ルールやレビュー手順に反映すると、同じ問題をチームで共有できます。
HubSpotのForecastingだけで会計実績も含めた予測ができますか？
Forecastingはパイプラインの見込みを確認する機能です。会計実績を含めて振り返るには、対象となる会計データとCRM項目の対応づけを設計し、見込みと実績を照合できる状態にします。
まとめ
AI売上予測の精度を高めるには、AI機能の導入だけでなく、商談ステージや入力項目の定義、失注データの記録、予測と実績のレビューを一続きの運用として設計します。AIは傾向の集計や分類を補助し、営業プロセスや経営判断は人が担います。予測値は利用するデータや分析方法によって変わるため、算出根拠と実績との差を確認しながら使います。
まずは現在のパイプラインで予測に使う項目の入力状況を確認し、空欄を洗い出して担当者に確認しましょう。
- ステージ、金額、クローズ予定日の入力状態を確認する
- 失注理由の分類と記録方法を決める
- 予測と実績の差を振り返り、入力ルールやレビュー項目に反映する
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で売上予測の精度を向上させる方法と関連するテーマについては、次の記事もあわせて確認できます。
- AIによるKPIモニタリングの自動化｜異常検知・アラート・レポート生成を自動化する方法
- AI × 予実管理の自動化｜会計・CRM・受注データを統合して着地予測を自動化する方法
- AIで経営リスクを分析する方法｜顧客集中リスク・売上変動・キャッシュフローの予測モデル
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
