DataGroomrで重複統合が誤る原因|AIに頼む前の確認と戻し方

「重複の片づけは、もうAIエージェントに頼めば終わるんでしょう」「頼むのはいい。でも統合したあとで、別の会社の商談や配信の同意が一つにまとまっていたら、誰がどうやって戻すのか」——Salesforce を毎日使うマーケティング運用やインサイドセールスの責任者の間で、この秋から急に増えたやり取りです。前者は半分だけ合っています。重複が片づかない本当の理由はAIの照合の精度ではなく、統合を頼む人・確かめる人・記録を持つ人・戻す人が決まっていないことです。米国の DataGroomr は2026年9月の版で会話型のAIエージェントを加え、10月には Salesforce の AgentExchange で提供を始めたと発表しました。この記事では、このツールを手がかりに、会話で統合を実行させるようになったとき誤統合がどこで起き、なぜ起き、確認・記録・戻し方・定期ジョブの扱いをどう決めるかを、課題、原因、対策の順に整理します。操作手順や料金表は扱いません。
カメ先生重複の統合は、AIが賢くなれば自動で済む作業だと思われがちなんだ。でも本当は、統合は二つの記録の歴史を一つに上書きする作業で、間違えると担当も商談も同意も混ざってしまう。
カメ子照合が正確になっても、間違えたときの被害の大きさは変わらない、ということですか。
カメ先生そう。しかも会話で頼めるようになると、統合を実行する人が増えて、定期ジョブも気軽に作れるようになる。だから精度より先に、どこで人が確かめて、何を記録して、どこまで戻せるかを決めておく必要があるんだ。
カメ子便利になるほど、統合の持ち主をはっきりさせないといけないんですね。
- DataGroomr は機械学習で Salesforce の重複を見つける道具で、2026年秋に会話型エージェントが加わり、分析・設定・統合・定期ジョブ・即時トリガーまで会話で扱えるようになった
- 誤統合は「似た会社の取り違え」「知らないうちに動く定期ジョブ」「マーケのスコアと配信リストの破損」の三つの形で現れ、原因は確認が一回きりであること、照合と残す側の規則に持ち主がいないこと、戻せる範囲の誤解にある
- AIの推奨は統合・分割・関連付け・人の確認待ちの四つで受け、データの種類ごとに確認の持ち主を決め、ジョブとトリガーを台帳で管理し、戻せない統合を前提に小さく試す
ウェビナーの集客を、思いつきの告知から「設計」へ
「開催しても人が集まらない」「集まっても商談につながらない」——BtoBウェビナーの集客を設計から見直すための無料ガイドです。
DataGroomrとは:重複を見つける道具に、会話で動くエージェントが加わった
DataGroomr は、Salesforce に入った取引先・取引先責任者・リードなどの重複を見つけ、統合や清掃を行うための米国の製品です。特徴は、項目ごとの一致規則を人が細かく書く方式だけに頼らず、機械学習の照合モデルで「同じものらしさ」を判定するところにあります。照合モデルは、利用者が記録の組に「同じ」「違う」と印を付けて学習させることもでき、ヘルプではAIアシスタントに学習を手伝わせる方法と、学習の網羅度を示す指標も説明されています。
2026年9月のリリースノートでは、開発名 Oscar と呼ばれるAIエージェントが追加されました。いま開いている画面の文脈を把握し、答えを探す、データの問題を診断する、DataGroomr の設定を代わりに行う、と説明されています。さらに10月の発表では、重複率や項目の品質の分析、照合モデル・変換規則・残す側の規則の設定、重複の統合、清掃の定期化、即時の品質トリガーの作成までを、一つの会話の画面で扱えるとしています。統合には利用者の確認が必要で、統合の履歴と活動の記録を見返せるとも書かれています。
日本語でこの製品を紹介した記事はほとんどありません。名寄せの考え方そのもの、つまり会社を1件とみなすか人を1件とみなすか、公的な番号で突き合わせる方法、残す1件の決め方の一般論は、別の記事で整理しています。ここでは「会話で頼めば統合が実行される」ようになったときに固有に生まれる判断だけに絞ります。なお、2026年11月時点で買収や事業終了の報道は確認できませんでした。
誤解:「AIに頼めば重複は片づく」は半分しか合っていない
会話型のエージェントが加わったことで、重複の片づけは確かに速くなります。どの項目が汚れているか、どの照合モデルで何件の候補が出るかを、画面を行き来せずに尋ねられます。規則の下書きも出してくれます。ここまでは「AIに頼めば片づく」は正しい理解です。問題は、見つけることと、統合して元に戻らない状態にすることは、まったく重さの違う作業だという点です。
Salesforce の統合は、残す側の記録に負ける側の項目の値や関連する商談・活動・メモを付け替え、負ける側を削除する操作です。照合が99件正しくても、1件の取り違えで、別の会社の商談履歴や担当者のメモ、メール配信の同意の記録が一つの記録に混ざります。混ざった後に気づくのは、たいてい営業が顧客に連絡したときか、配信停止を希望した人にメールが届いたときです。
つまり、AIの精度が上がれば上がるほど、人は確認を省きやすくなり、まれに起きる誤統合の発見が遅れます。会話で頼めることは利便性の話ですが、統合を確定させる判断は今までどおり人の仕事です。AIに統合の是非を判断させない。推奨には根拠を書かせる。人が確かめる範囲を先に決める。この三つを置いたうえで速さを取りに行く、というのがこの記事の立場です。
課題1:似た会社の誤統合で、担当・商談・同意の記録が混ざる
誤統合の典型は、名前の近い別会社の取り違えです。親会社と子会社、同じ名前の別法人、支店と本社、社名変更の前後で登録された記録などは、照合モデルから見ると非常に「同じらしい」組になります。人が見ても判断に迷う組を、会話の中で「この重複をまとめて」と頼めば、エージェントは候補をまとめて統合に進もうとします。
混ざって困るのは、項目の値よりも関連する記録です。商談の担当者、過去の提案の経緯、問い合わせの履歴、そしてメール配信の同意や配信停止の記録です。配信停止を希望した人の記録が、配信を許可している別の人の記録に吸収されると、残る側の値次第で配信対象に戻ってしまうことがあります。個人情報の扱いとしても説明のつかない状態です。
さらに、所有者の項目が書き換わることで、インサイドセールスの担当割りや、営業の受け持ちの集計が変わります。統合した本人は「重複を一つ減らした」としか認識していないので、翌週の会議で数字が合わないと気づくまで、誰も原因を追えないという形で表に出てきます。
- 会話で「重複を全部まとめて」と頼み、候補の一覧を見ずに確認だけ押す
- 親会社と子会社、同名の別法人を、照合の確からしさが高いという理由だけで統合する
- 配信停止や同意の項目を、残す側の規則に入れずに既定のまま統合する
- 統合の後で所有者が変わったことを、営業とインサイドセールスに伝えない
課題2:定期ジョブとトリガーが、知らないうちに統合を続ける
会話型のエージェントは、重複除去や清掃を定期の作業として組むことと、新しい記録や更新された記録に即時で反応するトリガーを作ることにも対応しています。一度うまくいった統合を「毎週同じように回しておいて」と頼めるのは便利ですが、ここに二つ目の課題があります。作った人が忘れても、ジョブは動き続けるのです。
定期ジョブの照合条件は、作ったときのデータの姿を前提にしています。その後、展示会で大量のリードを取り込んだり、新しいフォームから表記の違う会社名が入ってきたりすると、同じ条件でも統合される組の性質が変わります。誤統合が一度きりなら追えますが、毎週少しずつ続くと、どの統合がいつから誤っていたのかを切り分けるのが難しくなります。
DataGroomr の2026年9月のリリースノートには、この課題を裏付ける修正が並んでいます。無効化された利用者の資格で動いていた定期ジョブと即時トリガーを自動で止め、組織の管理者に付け替えを知らせるようにしたこと、トリガーの記録に実際に起動した利用者を表示するようにしたこと(以前はデータセットの作成者が表示されていた)です。言い換えると、それまでは退職者の資格でジョブが動き続けたり、誰の操作で統合が起きたかが見えにくかったりする余地があったということです。製品側の改善は歓迎すべきですが、どのジョブを誰が持つかは自社で決めるしかありません。
課題3:マーケのスコアと配信リストが静かに壊れる
マーケティングの側から見ると、重複統合の影響は「件数が減る」以上のものです。MA のスコアは、多くの場合リードや取引先責任者の単位で積み上がっています。二つの記録が一つになると、どちらのスコアと行動の履歴が残るかは、残す側の規則と、MA と CRM の連携の設定で決まります。規則を決めないまま統合すると、熱心に資料を読んでいた見込み客のスコアが消え、何もしていない側の値が残ることもあります。
配信リストやキャンペーンの対象も同じです。キャンペーンの参加記録が残る側に付け替わるか、どの流入元の値が残るかで、施策ごとの成果の数字が後から変わります。四半期の報告で「あの展示会からの商談化が減った」と見えても、実際には統合で流入元の値が上書きされただけ、ということが起こります。
重複が多いとスコアや配信が狂う、という話は名寄せの一般論でもよく語られます。ここで強調したいのは逆向きの危険です。重複を減らす作業そのものが、マーケの数字を壊すことがある。会話で気軽に統合できるようになるほど、マーケの側が知らないところで数字の土台が動きます。統合の予定と規則は、マーケ運用の担当にも共有しておく必要があります。
原因1:確認が「統合ボタンの前の一回」だけになっている
10月の発表は、重複の統合には利用者の確認が必要だと明記しています。これは大事な安全装置ですが、確認が一回あることと、確認が機能していることは別です。会話の中で候補が50組まとめて示され、「統合しますか」と聞かれれば、多くの人は一覧の上のほうだけ見て確認します。確認の画面は、確認する人が何を見ればよいかまでは教えてくれません。
もう一つの問題は、確認する人と、統合の影響を受ける人が違うことです。データ管理の担当が確認しても、混ざった商談の重さを知っているのは営業で、配信の同意の重さを知っているのはマーケ運用です。確認の画面に現れるのは項目の値の比較であって、関連記録の中身ではありません。
さらに、定期ジョブやトリガーは、作るときに一度確認されるだけで、毎回の統合で人に確認を求めるとは限りません。会話で統合する場面と、定期ジョブが統合する場面とで、確認の意味がまったく違うことを理解しないまま運用を始めると、「確認があるから大丈夫」という前提が、ジョブの側では成り立たなくなります。ジョブの統合の条件と、人の確認を挟む条件は、導入前に販売元に確かめるべき項目です。
原因2:照合の基準と残す側の規則に、持ち主がいない
誤統合の多くは、照合モデルと残す側の規則の設定から生まれます。どの程度似ていれば同じとみなすか、統合したときにどちらの値を残すか、という二つの決めごとです。会話型のエージェントは、これらの設定をおすすめとして出し、頼めばそのまま設定してくれます。ヘルプでも、規則づくりのAIの出力は確認・修正・作り直しができると説明されています。
問題は、この設定に誰が責任を持つのかが社内で決まっていないことです。データ管理の担当は技術的な正しさを見ますが、配信の同意の値をどちらに寄せるべきかはマーケの判断で、担当者の項目をどう扱うかは営業の判断です。持ち主がいない設定は、最初にAIが出した案のまま固定されやすく、後から変えるときにも誰に相談すればよいか分かりません。
照合モデルの学習も同じです。人が記録の組に「同じ」「違う」と印を付けて学習させる場合、その印の付け方が組織の判断になります。親会社と子会社を別と扱うのか、支店を本社に寄せるのか。照合の基準は、技術の設定ではなく、自社が顧客をどう数えるかという経営の決めごとです。ここをAIのおすすめに任せると、数え方そのものがいつの間にか変わります。
原因3:統合が「どこまで戻せるか」を誤解している
DataGroomr には統合の取り消しの機能があり、ヘルプによれば、取り消しは Salesforce のごみ箱を参照して統合された記録を戻し、関連記録の付け替えも元に戻します。DataGroomr 側には取り消しのためのデータを保存していないとも説明しています。これは自社のデータを外に置かないという意味では安心材料ですが、裏返すと、戻せるかどうかは Salesforce のごみ箱に記録が残っているかどうかに左右されるということです。
Salesforce のごみ箱は、削除された記録を一定期間しか保持しません。容量が上限に達すれば古いものから消えます。大量の統合を一度に行った後、数週間たって誤統合に気づいても、戻すための記録がもう残っていないということが起こり得ます。統合の後に残る側の項目を手で直していれば、取り消しで戻した値と後から直した値がぶつかることもあります。
さらに、2026年9月のリリースノートは、カスタムオブジェクトの統合で、関連記録が一定の件数を超えた分だけ黙って落とされながら、統合は成功と表示されていた不具合を修正したと書いています。非営利向けの拡張パッケージでも、メモなどの関連記録が取り消しで完全には戻らない不具合が直されています。「成功」と表示されたことは、関連記録まで正しく移ったことの証明にならない。この教訓は、どの製品を使う場合にも当てはまります。
- 取り消しの可否は、Salesforce のごみ箱の保持期間と容量に左右されます。保持の仕様は自社の組織の版と設定で確かめてください
- 取り消しが関連記録のどこまでを戻すかは、標準の記録とカスタムオブジェクト、追加のパッケージで違うことがあります。自社のオブジェクトで試してから本番に広げます
- 統合の後に手で直した値がある場合、取り消しで何が起きるかは事前に検証環境で確かめます
対策1:AIの推奨を四つの行き先で受け、「保留」を正式な結果にする
DataGroomr のAIは、重複の候補のグループごとに、統合する・分ける・関連付ける・人の確認に回す、のどれかを理由付きで推奨すると説明されています。推奨は、照合の確からしさ、グループの大きさ、使った照合モデルで絞り込めます。この四つの行き先を、そのまま社内の運用の言葉にするのが一つ目の対策です。
ポイントは、「人の確認に回す」を失敗ではなく正式な結果として扱うことです。会話で頼むと、どうしても全部を片づけたくなります。しかし親会社と子会社、同名の別法人、商談の残っている取引先など、迷う組を保留にできることが、誤統合を防ぐいちばん確実な方法です。保留にした組は、持ち主の部門が週に一度まとめて判断する、という流れにしておけば、溜まり続けることもありません。
推奨の理由は必ず読める形で残します。なぜ同じと判断したのか、どの項目が一致したのかが書かれていれば、確認する人は理由の弱い組だけを重点的に見られます。逆に、理由が「確からしさが高い」だけの推奨は、統合の根拠として採用しないと決めておくと、AIに判断を預けてしまう事態を避けられます。関連付けは、統合せずに記録同士のつながりだけを残す選択肢なので、親会社と子会社のような組に向いています。
対策2:統合前の確認の持ち主を、データの種類で分ける
確認する人を一人に決めると、その人はすべての影響を判断できません。そこで、統合の対象になる記録の種類と、統合で動く関連記録の重さで、確認の持ち主を分けます。次の表は、マーケとインサイドセールスが日常的に使う組織を想定した分け方の一例です。
| 統合の対象 | 主な影響 | 確認の持ち主 | AIに任せてよい範囲 |
|---|---|---|---|
| 展示会・フォーム由来の新しいリード同士 | スコアと流入元の値 | マーケ運用 | 候補の提示と、完全一致の組の統合 |
| 既存の取引先責任者とリード | 配信の同意・行動の履歴 | マーケ運用とインサイドセールス | 候補と理由の提示まで |
| 取引先(会社)同士 | 商談・所有者・契約の履歴 | 営業の責任者 | 候補と理由の提示まで |
| 親会社と子会社・同名の別法人 | 顧客の数え方そのもの | データ管理の担当と営業の責任者 | 関連付けの提案まで(統合はしない) |
| カスタムオブジェクトの記録 | 関連記録の付け替え | 業務の持ち主と情シス | 検証環境での試行まで |
表の右端の列が大事です。AIに統合まで任せてよいのは、影響が小さく、取り違えても後から気づける組だけに絞ります。たとえば同じフォームから同じメールアドレスで二度入ったリードは、残す側の規則さえ決めておけば、エージェントに統合まで頼んでも被害は限定的です。一方、商談の付いた取引先同士は、確からしさがどれだけ高くても、営業の責任者が見るまで統合しません。
持ち主の分け方は、会話で頼む人の権限とも合わせます。DataGroomr は2026年9月の版で役割ごとの権限の制限を強めたと書いていますが、誰が会話で統合を実行できるかを、Salesforce と DataGroomr の両方の権限で絞ることは自社の設定作業です。統合を頼める人と、候補を眺めるだけの人を分けておくと、確認の持ち主の表が絵に描いた餅になりません。
対策3:ジョブとトリガーの台帳を作り、動かしている資格を棚卸しする
定期ジョブと即時トリガーは、会話で気軽に作れるぶん、数が増えやすくなります。台帳にないジョブは動かさない、を原則にして、作るときに次の手順を踏むようにします。
ジョブの目的、対象のオブジェクト、照合モデルと残す側の規則、実行の頻度、作った人と持ち主の部門を一行で書きます。会話でジョブを作る前に、この一行が埋まっていることを条件にします。
ジョブやトリガーは特定の利用者の資格で動きます。個人ではなく、運用用に用意した利用者の資格で動かすかどうかを決め、異動や退職のときに誰が付け替えるかを書いておきます。
一回に統合してよい件数の目安を決め、それを大きく超えたら止めて人が見る、という条件を台帳に書きます。展示会の後の大量取り込みのような変化を、ジョブが自動で飲み込まないようにします。
統合の履歴と活動の記録から、ジョブごとの統合件数と保留の件数を見ます。件数が急に増えたジョブは、照合の条件がデータの変化に合っていない合図です。
目的を果たしたジョブ、持ち主が異動したジョブは止めてから台帳に理由を残します。止めたジョブを再開するときは、新しく作るのと同じ手順を踏みます。
製品側が無効化された利用者のジョブを止めて管理者に知らせるようになったのは、棚卸しの助けになります。ただし、通知を受けた管理者が、そのジョブを再開すべきかどうかを判断できる材料は、台帳がなければありません。通知を受けてそのまま別の人に付け替えるだけだと、目的の分からないジョブが生き延びます。
対策4:戻せない統合を前提に、小さく試して記録する
取り消しがあるから安心、ではなく、取り消しが効かない場合があるという前提で進めます。2026年9月の版では、本番と検証環境の間で、データセット・照合モデル・規則などの設定を比べて写す機能が加わりました。新しい照合モデルや残す側の規則は、まず検証環境で試し、結果を見てから本番に写すという順番を基本にします。
本番で初めて広げるときは、一度に全件を対象にせず、対象を絞って小さく始めます。たとえば直近一か月のフォーム由来のリードだけ、特定の地域の取引先だけ、という具合です。統合の後に、関連記録の件数が統合前の合計と合っているかを見比べます。前の節で触れたとおり、製品が成功と表示しても関連記録が落ちていた例があるので、件数の突き合わせは人が行う確認として残すべきです。
記録の残し方も決めておきます。統合の履歴は製品の中で見返せますが、それとは別に、大きな統合を行う前に対象の記録を書き出して保管しておくと、ごみ箱から消えた後でも何が起きたかを説明できます。いつ、誰が、どの会話や依頼から、何件を統合したかを残すことは、後から営業やマーケに説明するための最低限の材料です。
- 対象の記録と主な関連記録の件数を、統合の前に書き出したもの
- 使った照合モデルと残す側の規則の、その時点の設定
- 依頼した人、確認した人、実行した日時
- 保留にした組の一覧と、その判断を持つ部門
何が外に出るか:LLMの選び方、補完データ、MCPの接続
会話型のエージェントは、LLMを使って動きます。ヘルプによれば、既定では DataGroomr が管理する AWS 上の Claude が使われ、追加の設定は要りません。代わりに、自社の Salesforce 組織の中で使えるモデルを選ぶこともでき、その場合、重複の解決の推奨は処理が自社の Salesforce の中にとどまるためクレジットを消費しない、と説明されています。選択肢には Anthropic、OpenAI、Gemini、Copilot なども並んでいます。
一方で、どのデータがLLMに送られるのか、送られたデータが学習に使われるのかは、確認できた範囲のヘルプには書かれていません。重複の判断には会社名、氏名、メールアドレス、電話番号といった個人データが含まれるため、どの項目が送られるのか、保存されるのか、どの地域で処理されるのかは、契約前に販売元へ書面で確かめるべき項目です。認証は Salesforce の仕組みを使い、利用者の資格情報が自社のサーバーに触れないとする説明もありますが、その記事は数年前のものなので、現行の説明を改めて確認します。
もう一つの出口は、外部のデータ補完です。2026年9月の版では、人や会社の検索、メールアドレスや電話番号の発見と検証、企業属性などを扱う外部の提供元が8社加わり、いずれも利用者自身の資格で使うとされています。Explorium もその一つです。補完を頼むと、自社の顧客の情報が提供元に渡ります。さらに、Salesforce の MCP 接続に必要なアプリ設定がパッケージに同梱されたため、外部のAIから組織のデータに届く道も用意しやすくなりました。どの道を開けるかは、情シスと個人情報の担当が決めることで、会話の中で決めることではありません。
費用の増え方と、止め方・やめ方
確認できた範囲では、公開の情報から料金の数字は確かめられませんでした。費用の増え方として押さえておきたいのは、製品の利用料とは別に、検証や補完、AIの推奨でクレジットを使う仕組みがあることです。10月の発表は、会話の中で検証のクレジットの使用状況を見られると書いており、ヘルプは、自社の Salesforce のモデルを選べばAIの推奨がクレジットを消費しないと説明しています。裏返すと、既定の設定ではクレジットを使う前提だと考えておくべきです。
会話で気軽に頼めるようになると、補完や検証の実行回数は増えます。定期ジョブに検証や補完を組み込めば、毎週決まった量のクレジットが出ていきます。月ごとの上限と、上限に近づいたときに誰が判断するかを先に決め、クレジットの使い方もジョブの台帳と同じ持ち主で管理するのが現実的です。外部の補完提供元を自社の資格で使う場合は、その提供元の費用も別に発生します。
止め方は三段階で考えます。まず個別のジョブとトリガーを止める。次に、会話型エージェントの利用を一部の役割に絞るか止める。最後に製品の利用をやめる場合は、統合の履歴や設定を書き出し、Salesforce に付与した接続の許可を取り消します。やめた後も統合の結果は Salesforce に残り、元には戻らないので、やめる判断の前に、それまでの統合の記録を自社の手元に残しておくことが欠かせません。
導入前に確かめる項目のリスト
最後に、会話型エージェントで統合を実行させる前に、販売元と社内で確かめておきたい項目をまとめます。名寄せの規則そのものの決め方ではなく、このツールを入れることで新しく生まれる判断に絞っています。
- 会話で頼んだ統合と、定期ジョブ・トリガーによる統合とで、人の確認がどう挟まるか
- AIの推奨のうち、人の確認に回す条件を自社で決められるか。理由はどの程度具体的に示されるか
- LLMに送られる項目、保存の有無、処理する地域、学習への利用の有無(書面で)
- 自社の Salesforce 組織のモデルを選んだときに、使える機能と使えない機能の違い
- 取り消しが戻す関連記録の範囲。自社で使っているカスタムオブジェクトと追加のパッケージでの挙動
- ジョブとトリガーを動かす利用者の資格を、個人ではなく運用用の利用者にできるか
- 誰が会話で統合を実行できるかを、役割ごとに制限できるか
- クレジットの上限設定と、残量の通知の仕組み
- 外部の補完提供元を使うときに、どの項目が提供元に渡るか
リストの項目は、販売元の答えがはっきりしないものほど、社内で運用の線を厚くします。たとえば、LLMに送られる項目が確かめられないうちは、個人の連絡先を含むオブジェクトでは会話型エージェントを使わず、従来の照合と人の確認だけで進める、という決め方もあり得ます。導入を見送る理由にするのではなく、使う範囲を段階的に広げる条件として扱います。
まとめ
DataGroomr に会話型エージェントが加わったことで、Salesforce の重複の分析から統合、定期ジョブの作成までを、会話で頼めるようになりました。速くなるのは確かですが、誤統合は精度の不足からではなく、確認が一回きりであること、照合と残す側の規則に持ち主がいないこと、戻せる範囲を誤解していることから起きます。AIの推奨を四つの行き先で受けて保留を正式な結果にし、データの種類ごとに確認の持ち主を決め、ジョブとトリガーを台帳で管理し、戻せない統合を前提に小さく試す。加えて、LLMや補完の提供元に何が渡るかを契約前に書面で確かめ、クレジットの上限と止め方を決めておく。この順番で線を引けば、マーケとインサイドセールスが毎日使う顧客の記録を、AIの速さで壊さずに整えていけます。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
ウェビナーの集客を、思いつきの告知から「設計」へ
「開催しても人が集まらない」「集まっても商談につながらない」——BtoBウェビナーの集客を設計から見直すための無料ガイドです。
