営業日報。
営業職なら、一度は書いたことがあると思います。
今日どこを訪問したか。
誰と会ったか。
何を話したか。
案件はどうなったか。
次に何をするか。
毎日書いて、上司が確認する。
週次会議や月次会議で使うこともある。
そして、その後は？
過去の日報は、そのまま蓄積されていきます。
でも考えてみると、これって結構もったいない。
1年間の営業日報には、自分が1年間営業してきた記録が全部入っています。
だったら、その1年分をAIにまとめて読ませてみたら、何が見えるのでしょうか。
営業日報は「報告書」だけではない
例えば、1日3件の商談を記録していたとします。
年間200営業日なら、
約600件の商談記録
になります。
そこには、
顧客名。
商談内容。
顧客が抱えている課題。
提案した商品。
見積金額。
競合。
次回アクション。
受注。
失注。
案件停滞。
いろいろな情報が入っています。
1件の日報だけなら、単なる商談記録です。
でも600件集めたらどうでしょう。
これはもう、
自分自身の営業データ
と考えてもいいのではないでしょうか。
例えば「受注した案件」だけ集めてみる
AIに1年分の日報を読ませて、
「受注した案件の共通点を探してください」
と頼んでみます。
すると、
- 初回商談から決裁者が参加している案件が多い
- 既存顧客からの横展開が多い
- ある特定の課題を持つ顧客で受注率が高い
- 見積提出から短期間でフォローした案件が決まりやすい
- 特定の商品と別の商品を組み合わせた提案が多い
など、自分では意識していなかった特徴が見つかるかもしれません。
もちろん、AIが見つけたからといって、それが因果関係とは限りません。
でも、
「自分の受注案件には、こんな傾向があるのかもしれない」
という仮説を作ることはできます。
逆に「失注」も読ませてみる
受注だけではありません。
むしろ面白いのは失注かもしれません。
例えばAIに、
「失注・停滞した案件の共通点を探してください」
と頼む。
すると、
「見積提出後のフォローまで平均○日空いている」
「担当者とは話しているが決裁者との接点が少ない」
「価格の話が出た案件で、価値の説明より値引き対応が多い」
「次回アクションが曖昧な商談ほど、その後動いていない」
といった傾向が見えてくる可能性があります。
自分では、
「価格で負けた」
と思っていた案件も、
1年分を並べてみたら、
価格以外のところに共通点がある
かもしれません。
「放置している案件」を探すのも面白い
営業をしていると、
失注したわけではない。
でも受注もしていない。
そんな案件が結構あります。
例えば日報には、
来期再検討予定。
と書いてある。
その後、半年間何もしていない。
あるいは、
先方社内で検討。
と書いたまま、その後の記録がない。
AIに、
「最後の商談から一定期間動いていない案件を抽出してください」
と頼めば、
忘れていた案件を掘り起こせるかもしれません。
新しい見込み客を探す前に、
過去の日報の中に次の商談候補が眠っている
可能性もあります。
自分の「営業の癖」も見えるかもしれない
個人的には、ここが一番面白いところです。
顧客を分析するだけではなく、
営業している自分自身を分析する。
例えば、
「新規顧客ばかり訪問していて既存顧客の深耕が少ない」
「特定の商品ばかり提案している」
「初回商談ではよくヒアリングしているのに、2回目から商品説明中心になる」
「見積提出までは早いが、その後のフォローが遅い」
「受注した案件では顧客課題を具体的に記録している」
など。
1件ずつ日報を読んでも気づきにくいことが、
1年分をまとめて見ることで見えてくる。
ここはAIが得意な仕事だと思います。
「顧客が何に困っているか」も集計できる
さらに、営業日報には顧客の言葉が残っています。
例えば、
人手不足
コスト削減
業務効率化
老朽化
納期
DX
価格
など。
AIに、
「顧客から出てきた課題を分類し、出現頻度を整理してください」
と頼めば、
自分の担当顧客が何に困っているのかを俯瞰できます。
これは個人の営業活動だけでなく、
会社の商品開発やマーケティングにも使える情報
かもしれません。
営業日報には、営業部門だけに眠らせておくにはもったいない情報が結構あります。
日報を書く仕事を増やす必要はない
このAI活用で面白いのは、
新しいデータを集める必要がない
ことです。
営業担当者に、
「これからAI分析するので新しい項目を20個入力してください」
となったら、おそらく続きません。
でも今回使うのは、
すでに会社にある営業日報。
毎日書いているものを、そのまま再利用します。
AIのために仕事を増やすのではなく、
今まで使い切れていなかった情報をAIで使い直す。
この方が現実的だと思います。
ただし、顧客情報をそのままAIに入れてはいけない
ここは重要です。
営業日報には、
顧客名。
担当者名。
メールアドレス。
電話番号。
商談金額。
契約条件。
社外秘情報。
などが含まれている可能性があります。
会社が利用を認めていないAIサービスへ、そのまま営業日報をアップロードするのは避けるべきです。
実際に使う場合は、
会社のAI利用ルールを確認する。
会社が認めた環境を使う。
必要に応じて会社名・個人名などを匿名化する。
といった対応が必要です。
「AIで分析できる」と「そのデータをAIへ入れていい」は別の話です。
AIに「優秀な営業マン」を決めてもらうわけではない
もう一つ注意したいのが、
AIの分析結果をそのまま営業評価に使わないこと。
日報の書き方は人によって違います。
細かく書く人。
最低限しか書かない人。
訪問件数の多い営業。
大型案件を長期間追う営業。
担当する顧客も違います。
だから、
「AI分析で点数が高い営業＝優秀」
とは簡単には言えません。
今回やりたいのは、人を評価することではなく、
営業活動を振り返るための材料を増やすこと
です。
日報を「書くためのAI」から「読むためのAI」へ
AIを営業日報に使うというと、
「商談メモから日報を自動作成する」
という使い方を思いつきます。
もちろん、それも便利です。
でも今回は逆です。
AIに日報を書かせるのではなく、
過去の日報をAIに読ませる。
毎日少しずつ蓄積してきた営業記録を、
自分では読めない量になったところでAIにまとめて読んでもらう。
これはAIのかなり面白い使い方だと思います。
1年分の日報には何が眠っている？
受注した案件。
失注した案件。
止まっている案件。
顧客が何度も口にしている課題。
自分の営業の癖。
忘れていた商談。
次に訪問すべき顧客。
毎日日報を書いているなら、
その答えの一部は、すでに会社の中にあるのかもしれません。
問題は、人間が1年分の日報を全部読み返すのが大変なこと。
そこをAIに手伝ってもらいます。
新しいデータを作る前に、
すでに持っているデータを使い切る。
これもAIによって仕事の「ゼロ」をなくす方法の一つです。
次回は実践編。
営業日報をAIにまとめて分析してもらうためのプロンプトを作ってみます。
受注・失注だけでなく、
放置案件、顧客課題、自分の営業傾向、次に確認したい案件
まで一度に抽出できる形を目指します。
走りながら直す。
LSD worksです。
