CRMデータをAIで分析して施策に活かす｜顧客理解を打ち手に

「顧客の記録はたまっているのに、施策の話になると誰も数字を出さない」「分析したいが、専門の担当がいないので手が付かない」——顧客管理の仕組みを入れて一年ほど経った会社から、よく届く声です。データが眠るのは、量が足りないからではありません。何を知りたいのかを決めないまま眺めても、示唆は出てきません。この記事では、問いの立て方、生成AIに渡す前の整え方、出てきた示唆を打ち手に変える手順までを整理します。

CRMデータが眠りがちな理由

多くの企業のCRMには、商談履歴、取引金額、問い合わせ内容、対応の記録など、膨大なデータがたまっています。ところが、その多くは記録されるだけで、分析にも施策にも使われていません。理由は明快で、分析には専門知識と時間が要り、日々の業務に追われる中で手が回らないからです。

せっかくのデータも、眺めているだけでは何も生みません。「どの顧客が離れそうか」「どんな顧客が優良になりやすいか」「次に何をすべきか」——こうした問いに答えて、はじめてデータは価値になります。データを打ち手に変える一歩を、AIが大きく後押しするというのが、本記事の核心です。専門家がいなくても、分析の入り口に立てる時代になりました。

AIはCRM分析のどこを助けるか

従来のデータ分析は、専門のツールや統計の知識、それを扱う人材を必要としました。この専門性の壁が、多くの企業にとって分析のハードルでした。生成AIは、この壁を大きく下げます。

AIには、データを渡して自然な言葉で問いかけるだけで答えが返ってきます。「この顧客リストから、取引金額の大きい上位の共通点を教えて」「最近取引が減っている顧客を抽出して」といった依頼に、AIが数字を読み解いて応じます。集計や要約、傾向の発見、示唆出しといった、これまで人手と時間がかかっていた作業を、AIが肩代わりします。人は、AIが出した示唆をどう施策に落とすかという判断に集中できます。

分析の前にデータを整える

AI分析の質は、渡すデータの整い方で大きく変わります。散らかったデータをそのまま渡しても、AIは正確に読み解けません。分析の前に、最低限の下ごしらえをしておくことが大切です。

具体的には、表記のゆれをそろえる（同じ会社名が違う書き方で登録されていないか）、重複を除く、空欄や明らかな入力ミスを整理する、といった作業です。この整え自体も、AIに「このデータの表記ゆれや重複を見つけて」と頼めば手伝ってもらえます。分析に使う列を絞り、個人情報など扱いに注意すべきデータは除いておくことも忘れずに。整ったデータを渡すほど、AIの示唆は正確になります。

解約しそうな顧客を見つける

BtoBで特に価値が高いのが、解約（チャーン）しそうな顧客を早めに見つける分析です。既存顧客を維持するコストは、新規獲得よりずっと低いため、離れそうな兆候を捉えて先手を打てれば、大きな効果があります。

AIに、取引頻度の低下、問い合わせやサポート利用の変化、契約更新までの期間といったデータを渡し、「解約の兆候がある顧客を抽出して、その理由も添えて」と頼みます。すると、リスクの高い顧客と、その根拠が示されます。それを見て、担当者が個別にフォローを入れる。兆候の段階で手を打てば、失う前に関係を立て直せるのが、この分析の狙いです。人の勘だけに頼らず、データで見落としを防げます。

優良顧客の共通点を探す

解約防止と対になるのが、優良顧客の共通点を見つける分析です。取引金額が大きい、長く継続している、他社を紹介してくれる——そうした優良顧客に共通する特徴が分かれば、似た見込み客を狙って獲得できます。

AIに顧客データを渡し、「取引金額の大きい上位20%の顧客に共通する属性や行動を分析して」と頼めば、業種、企業規模、最初の接点、購入までの経路などの共通点が見えてきます。その特徴を持つ見込み客に営業やマーケの資源を集中すれば、効率よく優良顧客を増やせます。優良顧客の像を言葉にできると、営業とマーケティングの狙いがそろい、施策全体の精度が上がります。

顧客をスコアリングして優先順位をつける

営業のリソースは限られています。すべての見込み客に同じ力を注ぐより、成約しやすい相手を見極めて優先するほうが、成果は上がります。これを助けるのがスコアリング——各顧客の有望度を点数化する手法です。

AIに、過去に成約した顧客と、しなかった顧客のデータを渡し、「成約した顧客の特徴から、見込み客の有望度を点数化する基準を作って」と頼めば、スコアリングの考え方のたたき台が得られます。属性や行動に応じて点数を割り振り、点数の高い相手から優先的にアプローチする。Salesforce EinsteinやHubSpotのAI機能のように、CRMに内蔵されたスコアリングを使えば、この点数付けを自動で継続できます。営業が「どこから当たるか」で迷う時間を減らせます。

次のアクションをAIに提案させる

分析の価値は、示唆を具体的な次の一手に変えてこそ生まれます。AIは、分析結果から「では次に何をすべきか」の提案まで踏み込めます。ここが、ただの集計との大きな違いです。

たとえば、解約リスクの高い顧客リストに対して「この顧客層に効果的なフォロー施策を提案して」、優良顧客の特徴に対して「この特徴を持つ見込み客を増やすための施策を提案して」と頼みます。AIは、データの傾向を踏まえた打ち手の候補を返します。もちろん、それをそのまま実行するのではなく、自社の状況に合うかを人が判断します。AIは打ち手の選択肢を広げる役割で、最終判断は人が担う分担が現実的です。

2つの分析アプローチ

CRMデータのAI分析には、大きく2つのやり方があります。データを書き出してチャット型AIに渡す方法と、CRM内蔵のAI機能を使う方法です。それぞれ向き不向きがあるので、目的で使い分けます。

アプローチ	やり方	向いている場面
チャット型AIに渡す	CRMからCSVで書き出しChatGPTやClaudeで分析	単発の分析・柔軟な問いかけ・小〜中規模のデータ
CRM内蔵AIを使う	Salesforce EinsteinやHubSpotのAIを利用	継続的なスコアリング・大規模データ・自動化

まずはチャット型AIに書き出したデータを渡して分析の効果を体感し、日常的に回したい分析はCRM内蔵AIに任せる、という段階的な進め方が無理なく始められます。データを外部に渡す際は、個人情報や機密情報の扱いに十分注意します。

分析結果を施策に落とす手順

分析を成果につなげるには、示唆を出して終わりにせず、施策の実行と検証まで回すことが欠かせません。次の流れで進めると、分析が打ち手として定着します。

この分析から施策、検証への一連の流れを回すたびに、自社の顧客理解が深まります。一度きりでなく、継続的に回すことで、施策の精度が上がり続けます。

AI分析で陥りやすい失敗

AIは強力ですが、任せきりにすると判断を誤ります。CRM分析で陥りやすい失敗を知り、避けましょう。次のような点に注意が必要です。

• 整っていないデータを渡す：表記ゆれや重複で、誤った傾向を示してしまう
• AIの結論を鵜呑みにする：相関を因果と取り違え、的外れな施策を打つ
• 分析して満足する：示唆を施策に落とさず、データ活用が絵に描いた餅で終わる
• 個人情報を無防備に渡す：外部AIに機密データを渡し、情報漏えいのリスクを負う

特に注意したいのが、AIが示す傾向を過信することです。データに表れた関係が、必ずしも原因と結果とは限りません。AIの示唆はあくまで仮説と捉え、現場の感覚や実行による検証と突き合わせることが、正しい判断につながります。

データの扱いとセキュリティ

CRMデータには、顧客の個人情報や、取引に関わる機密情報が含まれます。AIで分析するときは、データの扱いに細心の注意を払う必要があります。便利さを優先して、うっかり機密情報を外部に渡してしまうと、取り返しのつかない問題になります。

• 外部のAIに渡す前に、個人を特定できる情報は除くか匿名化する
• 利用するAIサービスが、入力データを学習に使わない設定になっているか確認する
• 社内のデータ取り扱いルールや、顧客との契約に反しない範囲で使う
• 機密性の高いデータは、CRM内蔵AIなど管理された環境での分析を優先する

BtoBでは、顧客との信頼が事業の土台です。分析の効率を追うあまり、データ管理をおろそかにすれば、その信頼を一気に失います。何を、どのAIに、どこまで渡してよいかを、社内でルール化しておくことが大切です。

小さく始めて社内に広げる

CRMのAI分析は、最初から全社的に大がかりに始める必要はありません。むしろ、1つの小さな問いから始めて、成功体験を作るほうが定着します。いきなり複雑な分析基盤を整えようとすると、準備だけで力尽きてしまいます。

まずは「先月取引が減った顧客は誰か」といった、答えが施策に直結する問いを1つ選びます。手元のデータをAIに渡して分析し、出てきた示唆をもとにフォローを入れてみる。その一連の流れで小さな成果が出れば、AI分析の価値が社内に伝わります。最初の一つで手応えを得ることが、次への弾みになるのは、他の施策と同じです。

成果が見えたら、分析の対象や頻度を少しずつ広げます。効いた分析の型はテンプレート化し、他の担当者も使えるようにする。特定の一人に依存せず、チームでAI分析を回せる状態を作ることが、データ活用を一過性で終わらせないコツです。営業・マーケ・カスタマーサポートがそれぞれの視点でCRMデータを分析するようになれば、顧客理解が組織全体で深まります。

分析より先に、入力が続いているかを見る

分析の精度は、渡すデータの整い方よりも前に、そもそも記録が入力されているかどうかで決まります。営業の入力について調べた国内の調査では、入力しない理由の最も多いものが「入力の作業に時間がかかる」で、5割を超えたと報告されています。入力のしづらさや、操作方法の分かりにくさも上位に並びます。つまり、入力されない原因は担当者の意欲ではなく、手間の側にあります。分析の企画を立てる前に、手元のCRMで欠けている場所を数えるところから始めます。数える作業そのものは、書き出した一覧を表計算ソフトで数えるだけで済みます。担当者に聞いて回ると、答えは実態より良い側に寄るため、必ず記録の側から数えます。数えた結果は日付とともに残し、半年後に同じやり方で見直します。

数えるのは3つで足ります。直近3か月の商談レコードのうち、フェーズが30日以上更新されていない件数。失注の理由欄が空欄になっている件数。次回の予定日が入っていない件数。この3つが全体の3割を超えているなら、そのデータで解約の予測や優良顧客の抽出をしても、見えてくるのは顧客の傾向ではありません。出てくるのは、よく入力する担当者の癖のほうです。「入力の多い営業の担当先は成約率が高い」という、打ち手に変えようのない結論が出て終わります。割合が3割を下回っていても、特定の部署だけが極端に低いことがあります。全体の数字と部署ごとの数字を両方出します。低い部署を抱えたまま全社の分析を回すと、その部署の顧客像だけが結論から抜け落ちます。

直し方は、入力の項目を増やすのではなく減らす方向です。分析に使う列を先に決め、それ以外の必須項目を外します。商談のフェーズ、金額、次回の予定日、失注の理由。この4つに絞れば、1件あたりの入力は1分を切ります。失注の理由は自由な記述をやめ、選択肢を5つ前後に固定します。自由記述のままにすると、同じ内容でも書き方が割れて集計できず、結局その列を分析から外すことになります。選択肢に「その他」を置くなら、選ばれた割合を毎月見て、2割を超えたら選択肢を作り直します。必須から外した項目は、消さずに任意の欄として残します。使っていた人がいたときに戻せるようにするためで、外す前にその列を見ている人がいないかも聞いておきます。

会話の記録は、手で打つ代わりに音声の書き起こしから作る手もあります。商談の録音を文字にして、要点と次のアクションだけをAIに抜き出させ、担当者が短時間で目を通して保存する。ここで気をつけるのは、金額と日付をAIの出力のまま保存しないことです。数字や固有名詞の聞き取りは崩れやすく、そのまま入ると集計の土台が狂います。この2項目だけは担当者が自分で入力する欄として残します。どこを機械に任せ、どこを人が打つのかを、列の単位で決めておくのが実務では効きます。書き起こしをそのまま記録に貼り付けるのも避けます。長い文章は検索では引っかかっても、集計には使えません。要点は3行までと決め、それを超えるものは別の場所に置きます。

AIが出した数字を、どこまで検算するか

CSVを渡して集計させると、見た目の整った表が返ってきます。ここで起きる事故は、桁の取り違えと、対象の取り違えの2つです。「上位20%」と指示したのに件数の上位20件を取っていた、期間の指定が会計年度ではなく暦の年で切られていた、解約済みの顧客が母数に混ざっていた。どれも表の中身は自然な数字に見えるため、気づかないまま会議の資料になります。防ぐには、分析の型ごとに検算の手順を1つ決め、その手順を通らない数字は資料に載せない運びにします。起きた取り違えは、種類ごとに社内の記録へ残しておきます。同じ間違いは担当者が代わるたびに繰り返されるので、3件もたまれば確認すべき点はおのずと定まります。記録は分析の依頼票と同じ場所に置きます。

最も効くのは、対象の件数と金額の合計を、元データの側で確かめることです。AIが出した表の件数と合計を、表計算ソフトで同じ条件の式を書いて出し直し、一致するかを見ます。一致しなければ、条件の解釈がどこかで食い違っています。この検算は慣れれば1分で終わります。すべての数字を検算する必要はなく、件数と合計さえ合っていれば、内訳の配分だけが大きく狂うことはめったにありません。逆に言えば、この2つを確かめずに出した表は、どれだけ細かくても信用に足りません。元データの側に条件を書いた式が残っていれば、次に同じ分析を回すときはその式を使い回せます。検算の仕組みが、そのまま定期の集計の仕組みになります。式には、誰がいつ書いたかを1行添えます。

指示の書き方も変えます。結果の表だけを出させるのではなく、どの列をどう絞り、どう集計したのかを日本語で先に書かせてから、表を出させます。手順が文章で残っていると、条件のずれを表を見る前に見つけられます。「並べ替えの基準」「除外したレコードとその理由」「空欄の扱い」の3つは必ず書かせます。とくに空欄の扱いは効きます。空欄をゼロとして平均に含めるか、対象から外すかで、平均の値は大きく動くからです。書かせた手順は、次に同じ分析を回すときの指示書としてそのまま使えます。手順の文章は、社内の相手にそのまま見せられる形にしておきます。数字の根拠を聞かれたときに条件の説明から始められると、議論が結論の中身に進みます。

そのうえで、AIの出力を仮説として扱ってよい範囲を決めます。傾向を見つけることと、次に見るべき切り口を提案することまでは任せてよい。一方で、予算や人員の配分を決める数字、経営の会議に出す数字は、元データから人が出し直したものに限る。この線を分析の依頼票に1行書いておくと、担当者が代わっても運用が続きます。線を引かないまま始めると、手軽さに押されて検算が省かれ、間違いは資料になってから、それも社外の相手に指摘されて見つかります。線は担当者の名前ではなく役割で書きます。名前で書くと、異動のたびに運用が止まるからです。その依頼票は、新しく加わった人への最初の説明資料としても使えます。

出したスコアが現場で使われないとき

有望度の点数を出しても、営業が見ないまま終わることがあります。理由は単純で、点数の根拠が分からないからです。画面に「85点」とだけ表示されても、何を根拠に高いのかが見えなければ、自分の感触と食い違ったときに点数のほうを捨てます。点数と一緒に、それを押し上げた要素を3つまで言葉で表示します。「同じ業種の導入実績がある」「料金のページを2回見ている」「問い合わせから7日以内」のように、担当者がその場で判断できる形にします。表示する言葉は、営業が普段の会話で使う言い回しに置き換えます。システムの項目名のまま出すと読み解く手間が増え、結局は見なくなります。並べる順番は、点数を押し上げた度合いの大きい要素からにします。

もう一つの理由は、点数の更新が遅いことです。週に一度しか更新されない点数は、今日どこへ架電するかを選ぶ用途には使えません。更新の頻度を上げられないなら、用途のほうを変えます。日々の架電先を選ぶのには使わず、月初の担当割り当てと、四半期ごとの重点リストを作るときに使う。使う場面を限定して宣言すると、現場は点数を自分の判断を否定するものとは受け取らなくなります。全部の場面で使わせようとするほど、使われなくなるという逆転が起きます。用途を限ると決めたら、点数を表示する画面も限ります。すべての画面に出していると、限定したはずの用途が自然に広がります。出す場所を絞ることが、宣言を守らせる仕組みになります。

現場からの戻りを受け取る口も要ります。点数が高いのに商談にならなかった相手について、理由を1つ選ぶ欄を作ります。「担当者に決裁の権限がない」「予算の時期が合わない」「競合がすでに入っていた」といった選択肢です。この記録が3か月分たまると、点数の付け方を作り直すときの材料になります。戻りの記録がないと、作り直しは思いつきになり、現場の信用はさらに下がります。選択肢は、営業の会議で実際に使われている言い回しから作ります。企画の側が考えた分類の言葉を並べると、どれにも当てはまらないと感じて未選択のまま残ります。選択肢そのものも年に一度、選ばれた割合を見て組み直します。

最後に、点数を人事の評価には使わないと明言しておきます。点数が評価に結びついた瞬間から、点数を上げるための入力が始まります。ページの閲覧の記録は担当者には動かせませんが、商談のフェーズや金額は入力する人が決められるため、数字はすぐに歪みます。点数は営業の資源をどこに配るかを決める道具であって、人を測る道具ではない。この一文を運用のルールに入れておくかどうかで、半年後のデータをどこまで信用できるかが変わります。分析の土台は、運用の決め方のほうに宿ります。方針は口頭ではなく手順書に書き、管理職にも同じ文面で伝えます。書かれていないルールは、現場では守られないものとして扱われます。

よくある質問

専門知識がなくてもCRM分析はできますか？

以前よりずっと現実的になっています。AIに自然な言葉で問いかければ、傾向や示唆を返してくれるため、統計の専門知識がなくても分析の入り口に立てます。ただし、結果の解釈と施策への落とし込みには、自社の事業理解が必要です。

どのくらいのデータ量があれば分析できますか？

多いほど傾向は安定しますが、少なくても始められます。まずは手元のデータでAIに問いかけ、示唆の使えそうな部分から施策に活かしてみてください。データが少ない場合は、結論を断定せず仮説として扱うのが安全です。

CRM内蔵のAIと、ChatGPTのどちらを使うべきですか？

単発で柔軟に分析したいならChatGPTなどに書き出したデータを渡す方法、継続的なスコアリングや自動化をしたいならCRM内蔵AIが向きます。まずチャット型で効果を試し、日常的に回したい分析を内蔵AIに移すのがおすすめです。

まとめ

CRMデータをAIで分析して施策に活かす要点は、眺めるだけのデータを、AIで解約予測・優良顧客の抽出・スコアリングといった示唆に変え、それを具体的なアクションに落として検証まで回すことです。整えたデータをChatGPTやCRM内蔵AIに渡せば、専門家がいなくても打ち手が見えてきます。まずは「誰が離れそうか」など1つの問いを立て、手元のデータをAIに分析させ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。