Claude Codeで営業戦略を立案する方法｜CRMデータ分析からアクションプランまで自動化する

Claude CodeとHubSpot MCPを組み合わせれば、CRMに蓄積された取引データ・顧客データを分析し、受注パターンの発見からターゲットセグメントの特定、具体的なアクションプランの生成まで、データドリブンな営業戦略の立案を自動化できます。「勝ちパターン」を定量的に把握し、次の四半期の注力セグメントと具体的な施策を自然言語の指示だけで導き出せます。

この記事でわかること

Claude CodeとHubSpot MCPを使って、CRMデータの分析から営業戦略の立案・実行モニタリングまでを自動化する方法を解説します。営業レポートの自動生成（DD-27で解説）の一歩先、「分析結果から戦略を導き出す」フェーズにフォーカスします。

• CRMデータから営業の「勝ちパターン」を定量的に発見する方法がわかる — 受注率の高い業界・企業規模・商談期間のパターンをClaude Codeが自動で抽出します。
• HubSpot MCPを使ったデータ分析の具体的な手順を実装できる — パイプラインデータの取得からセグメント分析・トレンド把握まで、ステップバイステップで進めます。
• AIによる営業戦略の自動立案とアクションプラン生成の手法を理解できる — 分析結果からターゲットセグメントを特定し、具体的な施策に落とし込むプロセスを解説します。
• CLAUDE.mdを活用した営業分析ルールの設計方法がわかる — 分析の前提条件や判断基準をCLAUDE.mdに定義し、一貫性のある戦略立案を実現します。
• 戦略実行後のモニタリングと修正提案の仕組みを構築できる — KPI設定・進捗追跡・修正提案までをClaude Codeで自動化します。

対象読者: HubSpot CRMにデータが蓄積されている営業マネージャー・経営者で、データに基づいた営業戦略を立案したい方

なぜCRMデータ分析にClaude Codeを使うのか

CRMデータは「宝の山」だが活用されていない

HubSpot CRMには、取引のステージ遷移、商談期間、顧客の業界・企業規模、流入チャネル、担当者ごとの実績など、営業活動のあらゆるデータが蓄積されています。しかし、多くの企業ではこのデータが「レポート表示」の域を出ていません。

HubSpotの標準レポート機能は、「今月の受注件数」「パイプラインの金額合計」といった定型的な可視化には優れていますが、「どの業界の、どの規模の企業が、どのチャネルから流入したときに最も受注率が高いか」といった多変量の分析には対応しきれません。

Claude Codeを使えば、CRMデータを多角的に分析し、人間では気づきにくいパターンを発見できます。

Claude Codeの強みは「分析」と「提案」をシームレスにつなげる点です。BIツールはデータの可視化まで、コンサルタントは分析と提案まで。Claude Codeはデータ取得・分析・戦略提案・アクションプラン生成までを一気通貫で行います。

営業レポートとの違い

営業レポートの自動生成は「過去の実績を正確にまとめる」ことが目的です。一方、本記事で解説する営業戦略の立案は「過去のデータから未来の行動を決める」ことが目的です。

• 営業レポート: 何が起きたか（What happened?）
• 営業戦略立案: なぜ起きたか＋次に何をすべきか（Why & What next?）

CRMデータから読み取れる営業インサイト

受注パターンの分析

CRMデータから最も価値のあるインサイトは「どのような案件が受注しやすいか」というパターンです。Claude Codeに以下のプロンプトを投げるだけで、多角的な分析が実行されます。

HubSpotの過去12ヶ月の全取引データを取得して、受注率の高いパターンを分析して：

■ 分析軸
- 業界別の受注率
- 企業規模別の受注率（従業員数ベース）
- 流入チャネル別の受注率（Web問い合わせ・紹介・展示会など）
- 商談期間別の受注率（30日以内・30-60日・60-90日・90日超）
- 初回接触から商談化までのリードタイム別の受注率

■ 出力形式
- 各分析軸の受注率テーブル
- 受注率の高い組み合わせ（例: IT業界×100-500名×Web流入）のランキング
- 統計的に有意な傾向のサマリー

Claude Codeは、HubSpot MCPを通じて取引データを取得し、各分析軸でクロス集計を行います。結果として「IT業界の従業員100〜500名規模の企業が、Web問い合わせから流入した場合の受注率が最も高い」といった具体的なパターンが明らかになります。

商談ステージの滞留分析

パイプライン内で商談が特定のステージに滞留している場合、それはプロセス上のボトルネックを示しています。

直販パイプラインの全取引について、各ステージの平均滞留日数を算出して。
滞留日数が全体平均の2倍を超えている取引をリストアップして、
共通する特徴（業界・金額帯・担当者）がないか分析して。

この分析により、「提案ステージで平均30日滞留しているが、金額500万円以上の案件に限ると平均60日」といった具体的なボトルネックが特定できます。

チャネル別ROI分析

どの流入チャネルが最も効率的に受注につながっているかを分析します。

Claude Codeは上記のテーブルを実データで埋め、「紹介経由のリードは商談化率・受注率ともに最も高く、CACも最小。紹介チャネルの拡大に注力すべき」といったインサイトまで出力します。

HubSpot MCPを使ったデータ分析手順

ステップ1: パイプラインと取引データの取得

まず、HubSpot MCPを使って分析対象のデータを取得します。

HubSpotから以下のデータを取得して：

1. 直販パイプラインの全取引（過去12ヶ月、クローズ済みを含む）
   - 取引名、金額、ステージ、作成日、クローズ日、勝敗
   - 関連するコンタクトの会社名、業界、従業員数
   - 流入チャネル（オリジナルソース）
   - 担当者

2. 取得したデータをCSV形式で保存して分析に使えるようにして

HubSpot MCPは、取引オブジェクト（Deals）とその関連オブジェクト（Companies、Contacts）を横断的に取得できます。手動でCSVエクスポートする場合と異なり、関連オブジェクトのプロパティも1回の指示で取得できるのがMCP連携の利点です。

ステップ2: セグメント分析の実行

取得したデータをもとに、Claude Codeにセグメント分析を依頼します。

取得した取引データを以下のセグメントで分析して：

■ セグメント軸
1. 業界（プロパティ: industry）
2. 企業規模（従業員数で5段階に分類: 1-50, 51-200, 201-500, 501-1000, 1001+）
3. 取引金額帯（100万未満, 100-300万, 300-500万, 500-1000万, 1000万以上）
4. 流入チャネル（original_source_type）

■ 各セグメントで算出する指標
- 取引件数（受注・失注・進行中）
- 受注率（受注件数 ÷ クローズ済み件数）
- 平均受注金額
- 平均商談期間（作成日→クローズ日）
- 金額加重受注率（受注金額 ÷ パイプライン通過金額）

ステップ3: トレンドの把握

セグメント分析は「静的なスナップショット」ですが、トレンド分析を加えることで「変化の方向」が見えます。

過去12ヶ月を四半期ごとに区切って、以下のトレンドを分析して：

1. 四半期ごとの受注件数・受注金額の推移
2. 業界別の構成比の変化（特定業界の比率が増減していないか）
3. 平均商談期間の推移（長期化・短期化の傾向）
4. チャネル別の流入構成比の変化
5. 新規顧客 vs 既存顧客のリピート率推移

トレンド分析の結果、「IT業界からの問い合わせが前四半期比で40%増加」「平均商談期間が3ヶ月連続で長期化傾向」といった動的なインサイトが得られます。これが戦略立案の重要なインプットになります。

営業戦略の自動立案

勝ちパターン分析から戦略を導く

セグメント分析とトレンド分析の結果を統合し、Claude Codeに戦略提案を依頼します。

これまでの分析結果をもとに、次の四半期の営業戦略を立案して：

■ 戦略立案の前提
- 営業リソースは限られており、全セグメントに均等にアプローチできない
- 受注率×受注金額×市場規模の掛け算で優先順位を決める
- 短期（今四半期で成果が出る施策）と中期（来四半期以降の仕込み）を区別する

■ 出力フォーマット
1. 注力セグメント（業界×規模×チャネルの組み合わせ、最大3つ）
2. 各セグメントの根拠（受注率・平均金額・トレンドデータ）
3. 具体的なアクションプラン（誰が・何を・いつまでに）
4. KPI設定（目標値と計測方法）
5. リスクと対策

Claude Codeは、データに基づいた戦略提案を生成します。以下は出力のイメージです。

# 次四半期 営業戦略

### 注力セグメント1: IT業界 × 従業員100-500名 × Web流入

- **根拠**: 受注率42%（全体平均25%の1.7倍）、平均受注金額350万円、
  前四半期から問い合わせ数が40%増加中
- **アクションプラン**:
  - IT業界向けのケーススタディを2本制作（4月中）
  - リスティング広告のキーワードにIT業界特化ワードを追加（4月第1週）
  - 滞留中のIT業界案件5件にフォローアップ架電（今週中）
- **KPI**: 新規商談10件/月、受注率40%以上を維持

### 注力セグメント2: 製造業 × 従業員501-1000名 × 紹介

- **根拠**: 受注率65%（紹介チャネル全体で最高）、平均受注金額720万円、
  リピート率も45%と高い
- **アクションプラン**:
  - 既存顧客への紹介依頼キャンペーンを実施（4月）
  - 製造業特化のセミナーを企画（5月開催目標）
- **KPI**: 紹介経由の商談3件/月

AIが生成する戦略提案はあくまで「データに基づく仮説」です。市場環境の変化、競合の動向、自社の組織的な制約など、CRMデータだけでは捉えきれない要素があります。最終的な戦略の意思決定は、必ず人間が行ってください。

ターゲットセグメントの優先順位付け

Claude Codeに、セグメントの優先順位をスコアリングしてもらうことも可能です。

分析した全セグメントを以下の基準でスコアリングして、優先順位を付けて：

■ スコアリング基準（各10点満点）
1. 受注率（高いほど高スコア）
2. 平均受注金額（大きいほど高スコア）
3. 市場のトレンド（問い合わせが増加傾向なら高スコア）
4. 商談期間（短いほど高スコア）
5. リソース効率（既存のアプローチで対応可能なら高スコア）

合計スコアの上位5セグメントを、理由とともにテーブルで出力して。

アクションプランの具体化

戦略を実行可能なアクションプランに分解します。

注力セグメント1「IT業界×100-500名×Web流入」のアクションプランを
週単位のスケジュールに落とし込んで：

■ 条件
- 担当者: 営業2名体制
- 期間: 4月1日〜6月30日
- 予算: マーケティング施策に月額30万円まで
- 既存のHubSpotワークフローは変更しない

■ 出力
Markdownテーブルで、週ごとのアクション・担当・期限・完了基準を一覧化

戦略実行のモニタリング

KPIの設定と自動追跡

戦略を立案したら、実行状況をモニタリングするKPIを設定します。Claude Codeに定期的なKPIチェックを依頼する仕組みを構築します。

# CLAUDE.md: 営業戦略モニタリング

### KPI定義

| KPI | 目標値 | 計測方法 | 頻度 |
|-----|-------|---------|------|
| 注力セグメントの新規商談数 | 10件/月 | HubSpot MCP: 業界フィルター | 週次 |
| 注力セグメントの受注率 | 40%以上 | HubSpot MCP: クローズ済み取引 | 月次 |
| 平均商談期間 | 45日以内 | HubSpot MCP: 作成日→クローズ日 | 月次 |
| パイプライン残高 | 3,000万円以上 | HubSpot MCP: 進行中取引合計 | 週次 |

### アラート条件

- 週次商談数が目標の50%未満 → Slackに警告
- 受注率が目標の70%未満 → 戦略見直しを提案
- パイプライン残高が目標の80%未満 → 新規リード獲得施策を提案

進捗レポートの自動生成

週次・月次で戦略の進捗レポートを自動生成します。

営業戦略の進捗レポートを以下のフォーマットで生成して：

■ フォーマット
1. KPI達成状況（目標 vs 実績のテーブル）
2. 注力セグメント別の商談状況
3. 今週の主要アクション実行状況
4. 課題と改善提案
5. 来週のアクション推奨

戦略の修正提案

モニタリングの結果、KPIが目標から乖離している場合、Claude Codeが自動的に修正提案を生成します。

今月のKPI実績と目標を比較して、乖離があるKPIについて：
1. 乖離の原因を分析（データに基づいて）
2. 修正アクションを3つ提案
3. 各修正アクションの期待効果を試算

たとえば、「注力セグメントの商談数が目標の60%にとどまっている。原因はWeb流入リード数の減少（前月比-25%）。修正案: リスティング広告の予算を20%増額、メールナーチャリングシーケンスの対象を拡大、既存リードへのリターゲティング広告を開始」といった具体的な修正提案が出力されます。

CLAUDE.mdでの営業分析ルール設計

分析の前提条件を定義する

営業分析の結果は、前提条件によって大きく変わります。CLAUDE.mdに前提条件を明文化しておくことで、分析の一貫性を担保します。

# 営業分析ルール

### データ範囲

- 分析対象パイプライン: 直販パイプラインのみ（パートナー経由は除外）
- 分析期間: 原則として過去12ヶ月（短期トレンドは過去3ヶ月）
- 除外条件: テスト取引（取引名に「テスト」を含む）は除外

### セグメント定義

- 企業規模の分類基準: 従業員数ベース（SMB: 1-200名, Mid: 201-1000名, Enterprise: 1001名以上）
- 金額帯の分類基準: 100万未満（小型）, 100-500万（中型）, 500万以上（大型）

### 分析上の注意

- 受注率の算出: クローズ済み取引のみを母数とする（進行中取引は含めない）
- 季節変動: 4月・10月は決算期の影響で受注が集中する傾向。前年同月比を優先する
- サンプル数: セグメントの取引件数が10件未満の場合は統計的に信頼性が低い旨を明記する

戦略テンプレートの定義

毎回同じフォーマットで戦略を立案するために、テンプレートをCLAUDE.mdに記述します。

### 四半期営業戦略テンプレート

### /quarterly-strategy コマンド
以下の手順で四半期の営業戦略を立案する：
1. HubSpot MCPから過去12ヶ月の取引データを取得
2. セグメント分析（業界×規模×チャネル×金額帯）を実行
3. トレンド分析（四半期ごとの推移）を実行
4. 勝ちパターンのランキングを生成
5. 注力セグメント（最大3つ）を選定し、根拠を提示
6. 各セグメントのアクションプランを週単位で作成
7. KPI設定とモニタリング計画を作成
8. Markdownファイルとして保存

実践例｜業界別のCRMデータ活用

Salesforce社の「The State of Sales」レポートに学ぶ

Salesforce社が毎年発行する「The State of Sales」レポート（2024年版）では、営業組織がCRMデータをどのように活用しているかの調査結果が公開されています。レポートによると、高業績の営業チームはCRMデータを戦略立案に活用している割合が低業績チームの2倍以上であるとされています。

Claude Codeを使えば、このようなデータドリブンな戦略立案を、専任のデータアナリストがいなくても実現できます。

HubSpot社の「Sales Trends Report」に見るトレンド

HubSpot社が公開する「Sales Trends Report」（2025年版）では、営業プロセスのデジタル化とAI活用が加速していることが報告されています。特に、商談のスコアリングやリード優先順位付けにAIを活用する企業が増加しています。

Claude CodeによるCRMデータ分析は、これらのトレンドをコスト効率よく実現する手段です。専用のAIスコアリングツールを導入しなくても、HubSpot MCPとClaude Codeの組み合わせで同等の分析が可能です。

注意点とベストプラクティス

AIの分析は「仮説」として扱う

Claude Codeが出力する分析結果や戦略提案は、CRMデータに基づく仮説です。以下の限界を理解した上で活用してください。

最終的な営業戦略の意思決定は、必ず人間が行ってください。Claude Codeは「データに基づく仮説の提示」と「アクションプランの素案作成」を担い、経営判断は人間が下すという役割分担が重要です。

データ品質がすべての前提

CRMデータの品質が低いと、分析結果も信頼できません。以下のデータ品質チェックを定期的に実施してください。

• 取引のステージ更新漏れ: 実際にはクローズしているのにステージが更新されていない取引がないか
• プロパティの入力率: 業界・従業員数・流入チャネルなどの分析に使うプロパティが入力されているか
• 重複データ: 同一の取引が複数登録されていないか
• 金額の正確性: 取引金額が概算のまま更新されていないか

Claude Codeに「HubSpotの取引データの品質チェックを実施して」と依頼すれば、上記の観点で問題のあるデータをリストアップしてくれます。

セキュリティとアクセス制御

営業データには顧客情報や金額情報が含まれます。Claude Codeで分析する際は、以下のセキュリティ対策を実施してください。

• 分析結果のファイルを社外共有フォルダに保存しない
• HubSpotのAPIトークンは .env ファイルで管理し、コードに直書きしない
• 分析結果にはアクセスログを残す

よくある質問

Q1: HubSpotのデータが少ない段階でも営業戦略の立案に使えますか？

取引データが50件以上あれば、セグメント分析の基本的なパターンは抽出可能です。ただし、セグメントを細かく分けすぎるとサンプル数が不足して信頼性が下がります。データが少ない段階では、業界別・チャネル別の2軸程度に絞り、データが蓄積されてから分析軸を増やすアプローチを推奨します。Claude Codeは分析時にサンプル数を明記するので、信頼性の判断材料として活用できます。

Q2: HubSpot以外のCRM（SalesforceやZoho）でも同じ手法は使えますか？

MCP対応の有無によってアプローチが変わります。Salesforce向けのMCPサーバーが提供されている場合は、HubSpotと同様にMCP経由でデータを取得できます。MCP非対応のCRMでも、CSVエクスポートしたデータをClaude Codeに読み込ませて分析することは可能です。ただし、リアルタイム性やデータ更新の自動化という点ではMCP連携に劣ります。

Q3: Claude Codeの分析結果と、営業メンバーの肌感覚が合わない場合はどうすべきですか？

両方を尊重してください。CRMデータに記録されない重要な情報（顧客との関係性、市場の空気感、競合の動きなど）は営業メンバーの方が把握しています。一方、データの偏りや思い込みを排除できるのはAI分析の強みです。「データはこう言っているが、現場の感覚ではどうか」をチームで議論し、両方の視点を統合して戦略を決定するのがベストプラクティスです。

Q4: 営業戦略の立案を自動化すると、営業マネージャーの役割はどう変わりますか？

データ収集・集計・パターン分析といった作業はClaude Codeが担うようになります。営業マネージャーの役割は「AIの分析結果を解釈し、組織の文脈に合わせて戦略を選択・実行する」ことにシフトします。具体的には、AIが提示した3つの注力セグメントのうちどれを選ぶか、アクションプランを自社の営業体制でどう実行するか、KPIが未達の場合にどう修正するかといった「判断と実行のマネジメント」が中心になります。

Q5: 分析の更新頻度はどのくらいが適切ですか？

戦略レベルの分析は月次または四半期ごとが適切です。毎日データが変わるたびに戦略を変えるのは現場が混乱します。一方、KPIのモニタリングは週次で実施し、大きな乖離が出た場合にのみ戦略の修正を検討する運用を推奨します。CLAUDE.mdに「/weekly-kpi-check」「/quarterly-strategy」のようにコマンドを分けて定義しておくと、適切な頻度で分析を実行しやすくなります。

まとめ

Claude Code × HubSpot MCPによる営業戦略立案の自動化は、「勘と経験」で決めていた注力セグメントやアクションプランを、CRMに蓄積された実績データから定量的に導き出すアプローチです。受注パターンの分析、滞留商談の可視化、チャネル別ROIの把握までを自然言語の指示だけで実行でき、営業マネージャーは「分析作業」から解放されて「判断と実行」に集中できるようになります。

重要なのは、AIの分析結果を絶対視しないことです。データに表れない顧客との関係性や市場の空気感は現場の営業メンバーの方が把握しているため、AI分析と現場感覚の両方を統合して戦略を決定するのがベストプラクティスです。まずは月次の勝ちパターン分析から始めて、段階的にアクションプラン生成・KPIモニタリングまで拡張していく——このスモールスタートの進め方が、データドリブンな営業組織への現実的な移行経路です。

関連記事

営業戦略の立案と実行に関連する記事をまとめました。

• Claude Codeで営業レポートを自動生成する：週次・月次の定型レポート自動化の実装
• Claude Codeで経営ダッシュボードを構築する方法：営業KPIをリアルタイムで可視化するダッシュボード
• Claude Codeで役員会資料を自動生成する：戦略実行結果を月次役員会資料に落とし込む手順