ABMに生成AIを活かす方法｜狙う企業に的を絞る

「見込み客の数は集まるのに、取引したい規模の会社が入ってこない」「狙う企業を決めても、そこから先の打ち手が続かない」——法人向けの営業とマーケティングの境目で、繰り返し出てくる話です。狙った企業に届かないのは、接点の数が足りないからではありません。本当は、その一社の事情に合わせた仮説を、渡す資料の側が持っていないことが効いています。この記事では、対象企業の選び方、仮説の立て方、部門ごとの出し分けまでを順に整理します。

ABMとは何か

ABM（アカウントベースドマーケティング）とは、成約したい企業（アカウント）をあらかじめ絞り込み、その企業に合わせてマーケティングと営業を行う手法です。「アカウント」とは狙う企業のことを指します。不特定多数に広く呼びかけるのではなく、狙いを定めた企業に資源を集中させる点が特徴です。

この考え方が注目される背景には、BtoBの取引構造があります。多くのBtoB企業では、売上の大部分を少数の重要な取引先が占めています。だとすれば、そうした重要企業に狙いを定めて手厚くアプローチするほうが、広く薄く集めるより成果につながりやすい——これがABMの発想です。特に、大口の取引を狙う企業に向いた手法です。

従来のリード獲得との違い

従来のリード獲得は、広く見込み客を集め、その中から有望な相手を絞り込んでいくという流れです。多くの人に届く施策で母数を確保し、興味を示した人を営業につないでいきます。いわば「広げてから絞る」アプローチです。

ABMは、これと逆の順序をとります。最初に狙う企業を絞り込み、その企業に集中的にアプローチする——「絞ってから深める」やり方です。母数は少なくても、一社ごとに合わせた濃いアプローチができます。次のように整理すると、両者の違いが分かりやすくなります。

観点	従来のリード獲得	ABM
対象	広く不特定多数	絞り込んだ特定企業
進め方	広げてから絞る	絞ってから深める
アプローチ	共通の内容を届ける	企業ごとに合わせる
向く相手	数を集めたい商材	大口・重要企業

どちらが優れているというより、目的によって使い分けるものです。少数の大口企業を狙うならABM、幅広い層に売る商材なら従来型、という具合です。両者を併用する企業も少なくありません。

生成AIはABMのどこを助けるか

ABMの弱点は、一社ごとに合わせるための手間が大きいことです。企業の数だけ、課題の分析やメッセージの作り分けが必要になります。この手間の大きさが、ABMを諦める理由になりがちでした。生成AIは、まさにこの「企業ごとの作り込み」の負担を軽くします。

具体的には、企業ごとの課題の仮説を立てる、企業に合わせたメッセージを作り分ける、公開情報を整理する、といった作業を任せられます。これまで人手がかかりすぎて現実的でなかった細かな出し分けが、AIによって可能になります。ただし、狙う企業の選定や、最終的な関係づくりは人が担います。AIは下ごしらえ、人が仕上げと関係構築を担う分担です。

ターゲット企業リストの作り方

ABMの出発点は、狙う企業のリストを作ることです。やみくもに絞るのではなく、基準を決めて選びます。自社にとっての取引価値、業種や規模、抱えていそうな課題、既存顧客との近さ——こうした軸で、優先度の高い企業を洗い出します。

リストづくりでは、まず理想の顧客像を明確にすることが大切です。既存の優良顧客に共通する特徴を分析し、それに近い企業を狙う、という進め方が有効です。生成AIに「自社の優良顧客がこういう特徴なら、狙うべき企業の条件をどう整理すべきか」と相談すると、選定基準を言語化できます。企業リスト自体は自社の情報や公開情報から人が作りますが、その基準づくりや優先順位の考え方の整理にAIが役立ちます。

リストを作る順番は、足す条件よりも先に、外す条件を決めることです。取引しない相手——競合の関連会社、与信で止まる規模、過去に断られて事情が変わっていない先——を先に外しておくと、残った企業に優先度を付ける作業がぐっと軽くなります。次に、既存の優良顧客に共通する特徴を三つから五つに絞って言葉にし、その特徴に近い順で並べます。最後に、営業が実際に接点を持てるかどうかで並べ替える。この順で進めると、机上では有望でも誰もたどり着けない企業が、リストの上位に居座る事態を避けられます。外す条件は一度決めたら文書にして、次の期にそのまま引き継げる形にしておきます。

リストは作った瞬間から古くなります。担当部署の名称、拠点の統廃合、決裁者の異動——半年も経てば、当初の前提が変わっている企業が必ず出てきます。気づくのは、送ったメールが宛先不明で戻ってきたときや、訪問の直前に相手が異動していたと分かったときで、どちらもすでに動き出したあとです。四半期に一度、上位の企業だけでも公開情報と突き合わせて更新する日を決めておきます。生成AIに更新作業そのものを任せると、確かめていない情報で上書きされる恐れがあるため、変わった可能性のある項目を挙げさせるところまでに留めます。更新の担当はリストを使う営業側に置くと、気づいた変更がその場で反映されます。

企業ごとの課題仮説をAIで立てる

狙う企業が決まったら、次はその企業がどんな課題を抱えていそうか、仮説を立てることです。相手の課題に触れないアプローチは響きません。逆に、相手の状況を踏まえた提案は、「この会社は分かっている」と感じてもらえます。ここで生成AIが力を発揮します。

企業の業種、規模、公開されている情報などをAIに渡して「この企業が抱えていそうな課題と、その背景を整理して」と頼めば、仮説の候補が得られます。もちろん、これはあくまで仮説であり、実際の課題とは異なることもあります。AIが出した仮説を土台に、営業が持つ現場の情報や、実際の対話を通じて検証していきます。仮説があることで、最初のアプローチの精度が上がるのが利点です。

仮説を出させるときは、結論と一緒に根拠の出どころを必ず書かせます。「この一文は、どの資料のどの記述から導いたのか」を並記させると、出どころのない仮説がひと目で分かります。出どころを書けなかった仮説は、良さそうに見えても捨てる。これを最初の一回だけでも徹底しておくと、後の工程でのやり直しが大きく減ります。逆に、根拠を求めずに仮説だけを受け取ると、同業他社の話や数年前の事情が、その企業のいまの課題として混ざり込みます。生成AIに任せてよいのは並べ方までで、採るか捨てるかは人が決める部分です。出どころの欄が空のまま残る仮説が多いときは、渡した資料の量が足りていない合図です。

もっともらしい仮説の怖さは、外れていても初回の面談までは分からない点にあります。相手が「それはもう解決しています」と返してきて、はじめて前提が古いと気づく。その場で立て直せればよいのですが、資料と提案の筋書き全体がその仮説に乗っていると、打ち合わせ一件がほぼ無駄になります。予防としては、仮説を三つ用意し、面談の冒頭でどれが近いかを相手に選んでもらう形にしておくこと。当てにいくのではなく、相手に直してもらう前提で持ち込むほうが、結果としては早く核心にたどり着けます。三つは当たりそうな順ではなく、外れたときに話が広がる順に並べます。面談の記録には、選ばれなかった二つも理由とともに残します。

企業ごとの情報をAIで整理する

ABMでは、狙う企業についての理解を深めることが欠かせません。企業の事業内容、最近の動き、業界の状況——こうした情報を把握しておくと、的確なアプローチができます。ただし、複数の企業について情報を集め、整理するのは手間のかかる作業です。

生成AIは、集めた情報の整理と要約を助けます。企業に関する公開情報や資料を渡して「この企業の事業と最近の動きを、アプローチに活かせる形で要約して」と頼めば、要点がまとまります。注意点は、AIが事実でない情報を作り出すことがある点です。企業の具体的な事実は、必ず一次情報や公開資料で人が確認します。AIは整理役、事実確認は人、という使い分けが安全です。

出し分けたコンテンツを作る

ABMでは、狙う企業や業種に合わせて、コンテンツを出し分けることで響き方が変わります。共通の資料を配るより、相手の業種の事例や、相手の課題に合わせた提案のほうが、はるかに刺さります。とはいえ、企業ごとにゼロから作るのは非現実的です。

そこで生成AIを使います。基本となる資料や記事を土台に、「これを、製造業向けの課題と事例に寄せて」といった形で、相手に合わせた版を作らせます。全体を作り直すのではなく、相手に関わる部分を差し替える発想です。これなら、少ない手間で企業ごとに合わせたコンテンツが用意できます。出てきた内容は、事実や相手の実態と合っているかを人が確認してから使います。

企業別メッセージをAIで作る

アプローチの際のメッセージ（メールや提案の文面）も、企業ごとに合わせることが大切です。「御社の業界では、こうした課題が増えていると聞きます」といった、相手を踏まえた一文があるだけで、開封や返信の確率が変わります。生成AIは、こうした出し分けの文面づくりが得意です。

企業ごとの課題仮説を渡して「この企業向けの初回アプローチメールを、押しつけがましくないトーンで」と頼めば、相手に寄せた下書きが得られます。次のようなプロンプトが土台になります。ただし、そのまま送るのは避け、相手の実情に合っているか、事実に誤りがないかを人が確認して整えます。AIは相手ごとの下書きを素早く用意する役割で、関係づくりの温度は人が加えます。

狙う企業への初回アプローチメールを作ります。
企業：{業種・規模}／想定課題：{課題仮説}／こちらの提供価値：{要点}
相手の状況に触れつつ、押しつけがましくない丁寧なトーンで本文を3パターン。
誇張や断定は避け、まず対話につなげることを目的にしてください。

出し分けた文面を送る前に、そもそも送ってよい相手かどうかを確かめます。広告や宣伝を含むメールは、2008年12月1日に施行されたオプトイン規制のもとで、あらかじめ同意を得た相手に送るのが原則です。名刺など書面で自分のメールアドレスを知らせてきた相手や、すでに取引関係にある相手は例外として扱われますが、公開情報から拾っただけのアドレスはこれに当たりません。同意を得た記録は保存が求められ、総務省と消費者庁のガイドラインでは、送信をしないことになった日から一か月を経過する日までとされています。例外に当たるかどうかの判断は、担当者の記憶ではなく、記録に残っている事実で行います。

実務では、リストのどの行がどの根拠で送信できるのかを、リストそのものに根拠の種別と日付の列として持たせておくのが確実です。名刺交換、問い合わせ、資料の申し込み、取引実績——種別と日付が残っていれば、指摘を受けたときに遡って示せます。生成AIに任せるのは文面の下書きまでで、送信先の可否の判定は人が持つ範囲に置きます。ここを自動化すると、判断の理由がどこにも残らないまま大量に送られ、気づくのは苦情が届いてからになります。判定の基準は営業と法務で合意し、迷った行は送らないという扱いを既定にします。配信を止める連絡が来たときに、どの列を書き換えるのかも決めておきます。

営業とマーケの連携

ABMが成果を出すには、営業とマーケティングの緊密な連携が欠かせません。従来型のように「マーケが集めて営業に渡す」という分業では、ABMはうまく回りません。狙う企業を一緒に決め、どうアプローチするかを共有し、役割を分担して同じ企業を追いかける必要があります。

連携では、両者が同じ情報を見られる状態を作ることが重要です。企業ごとの状況、これまでの接点、次の打ち手を共有します。生成AIは、この連携を支える資料づくりにも使えます。営業が持つ現場の情報と、マーケが持つデータを合わせて「この企業への次のアプローチ案を整理して」と双方の材料を突き合わせさせると、両者の認識をそろえる土台になります。狙う企業に対して、営業とマーケが一体となって動くことが、ABMの成否を分けます。

連携を仕組みにするなら、会議の回数より先に決める人を決めます。対象企業を最終的に決めるのは誰か、外すと判断できるのは誰か、仮説が外れたときに引き返すかどうかを誰が言うのか。この三つが決まっていないと、営業とマーケの両方が相手の判断を待つ時間が生まれます。総務省の令和8年版情報通信白書（2026年7月24日公表）では、生成AIを何らかの業務で使う企業が86.4%に達する一方、業務のやり方を変える取り組みについて「組織的な取組がない」と答えた企業が27.0%ありました。道具は入っても、決め方が決まっていない状態です。決める人を決めたら、その人が不在のときに代わる人まで書いておきます。

共有の場では、成果だけでなく外れた仮説も持ち寄ります。当たった話だけが集まる会議は、回を重ねても精度が上がりません。どの企業に、どの仮説で当たり、相手が何と言って否定したのか——この記録が、次の仮説の材料になります。生成AIには、溜まった面談記録から否定された仮説の共通点を挙げさせると、自社が思い込みやすい型が見えてきます。ただし、そこで出た共通点をそのまま次の方針にはしません。件数が少ないうちは偶然と区別がつかないため、営業の実感と突き合わせてから採用を決めます。否定された理由は、要約せずに相手の言い回しのまま残しておくと、読み返したときに温度まで伝わります。

接点チャネルの設計

狙う企業に届けるには、相手に応じた接点のチャネルを選ぶことが大切です。メール、電話、SNS、ウェビナーへの招待、さらには広告を特定企業に絞って配信する方法もあります。相手の企業や担当者が、どこで情報に触れているかを踏まえて選びます。

ABMでは、一度のアプローチで終わらせず、複数の接点を組み合わせて関係を育てます。メールで興味を引き、ウェビナーに招き、個別の提案につなげる、といった流れです。生成AIに、狙う企業の特徴を渡して「この企業に有効な接点の組み合わせと、その順序を提案して」と相談すると、アプローチの設計に役立ちます。ただし、接点を作りすぎて相手の負担になっては逆効果です。相手のペースを尊重した、丁寧な接点づくりを心がけます。

効果の見方

ABMの効果は、従来型とは違う見方で測ります。従来型が獲得したリードの数を重視するのに対し、ABMは狙った企業とどれだけ関係を深められたかを見ます。リード数ではなく、狙う企業内での接点の増加、商談化、そして成約が指標になります。

具体的には、狙う企業のうち何社と接点が持てたか、何社が商談に進んだか、といった見方をします。母数が少ないため、数の伸びより一社ごとの進み具合を丁寧に追います。生成AIに、企業ごとの接点データを渡して「どの企業が進展していて、どこに次の一手が要るか整理して」と社ごとに見させると、状況の把握と打ち手の検討がしやすくなります。時間のかかる手法だからこそ、進捗を可視化して粘り強く追うことが大切です。

近ごろの買い手は、営業と話す前に検討を進めています。エヌケーエナジーシステムが2026年1月27日に公表した「BtoB購買に関する意思決定プロセス調査」——法人向けの製品やサービスの導入・見直しに関わった担当者180名への調査——では、営業と接点がなくても検討が進んだ経験があるという回答が73.9%、意思決定に関わった全員が営業と直接話したという回答は27.2%でした。回答数は多くないため傾向として読む必要がありますが、接点の数だけを追っていると、見えないところで進んでいる検討を取りこぼします。自社でも、商談化した案件のうち初回の接点が営業以外だった割合を数えてみると近い傾向が見えます。

そこで見るべきは、一社のなかで、こちらを知っている人が何人に増えたのかという広がりです。面談した人数ではなく、資料が社内で回った形跡、複数の部署からの問い合わせ、別の担当者からの再訪——こうした兆しを企業ごとの記録に残します。数字にしづらい項目なので、何をもって一件と数えるのかを先に文章で定義し、入力する人を一人に決めておくと、後から比べられます。生成AIには、記録から兆しに当たる記述を拾い出させるところまでを任せ、進んでいるかどうかの評価は営業の見立てと合わせて人が決めます。四半期に一度は記録を並べ、広がっていない企業への手を変えるか外すかを決めます。

ABMの始め方

ABMは、いきなり大規模に始めるとうまくいきません。次の手順で、小さく始めて広げていくのが現実的です。

最初の数社で手応えをつかんでから、対象を広げるのが定着への近道です。小さく試すことで、自社に合ったABMの進め方が見えてきます。

小さく始めて広げる

ABMは手間がかかる手法だからこそ、最初から多くの企業を狙わないことが成功のコツです。数社に絞って集中的に取り組み、そこで得た進め方やノウハウを型にしてから、徐々に対象を増やしていきます。いきなり広げると、一社ごとの作り込みが追いつかず、ABMの利点が失われます。

小さく始めるもう一つの利点は、社内の理解が得やすいことです。数社で成果や手応えを示せれば、「この進め方は有効だ」という納得が生まれ、次への投資につながります。生成AIで作り込みの手間が減るぶん、少人数でも複数企業を扱えるようになります。まずは確実に一社と関係を深める成功体験を作り、そこから広げていく——これが無理のない進め方です。

ABMでやりがちなNG

最後に、ABMでつまずきやすい点を押さえておきましょう。

• いきなり多くの企業を狙う：作り込みが追いつかず、どれも中途半端になる
• 営業とマーケが分断される：情報が共有されず、アプローチがちぐはぐになる
• AIの仮説を事実と思い込む：検証せずに使い、的外れな提案をしてしまう
• 接点を作りすぎる：相手の負担になり、かえって関係を損なう

これらは、狙う企業を絞り、営業と連携し、仮説を検証する、という基本を守れば避けられます。生成AIにABMの計画を渡して「抜けや無理がないか」を確認させるのも、見落としを減らす助けになります。

AIに任せる部分と人が担う部分

役割分担を整理します。生成AIに任せるのは、企業ごとの課題仮説づくり、情報の整理・要約、出し分けたコンテンツやメッセージの作成、進捗データの整理といった作業です。ここを任せることで、ABMの最大の壁だった「企業ごとの手間」が大きく減ります。

一方、人が担うのは、狙う企業の選定、事実の確認、営業との連携、そして相手との関係づくりです。特に、信頼を積み重ねて商談につなげる部分は、人にしかできません。AIを下ごしらえ役、人を判断と関係構築の担い手と位置づけることで、ABMを現実的に、かつ成果につながる形で回せます。

まとめ

ABMに生成AIを活かす要点は、企業ごとの課題仮説づくりとメッセージの出し分けをAIに任せ、企業選定と関係づくりを人が担うことです。狙う企業を絞り、一社ごとに合わせて深くアプローチする——その手間をAIが軽くしてくれます。営業と連携し、小さく始めて成功を型にし、徐々に広げる。まずは、自社にとって本当に取引したい企業を数社リストアップし、その課題仮説をAIと一緒に立てるところから始めてみてください。

※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。