Databookでアカウント計画を作る4工程|根拠と採否を決める線

Databookでアカウント計画を作る4工程|根拠と採否を決める線

「大手の取引先ごとにアカウントプランを作れと言われるが、調べて書くだけで一社に何日もかかる」「AIに企業調査をさせると速いが、出てきた数字や人事の話をどこまで信じて経営層向けの資料に載せてよいのか分からない」——大手顧客を担当するマーケ・営業企画・インサイドセールスの責任者から、繰り返し聞く悩みです。大事なのは、AIに書かせる速さではなく、AIが使った事実の出どころと、AIが示した次の一手を誰が採るかを先に決めておくことです。この記事では、大手顧客向けの営業に絞った企業情報とAIの基盤である Databook を例に、アカウントプランを作る流れを4つの工程に分け、工程ごとに人が確定する線を整理します。


カメ先生カメ先生

アカウントプランをAIに書かせると、調査の手間が消えるから営業はすぐ楽になると思われがちなんだ。でも本当は、AIが一番得意なのは文章を整えるところで、どの事実を土台にするか、どの手を打つかは、人が決めないと計画にならないんだよ。


カメ子カメ子

AIが作った計画は、きれいに見えても、まだ下書きということですか。


カメ先生カメ先生

そう。しかも Databook のような製品は、事実ごとに出典と日付を付けると説明している。つまり確かめる材料はそろえてくれるけれど、確かめる仕事そのものを代わりにやってくれるわけではない。材料と判断を分けて考えるのが出発点なんだ。


カメ子カメ子

確かめやすくなることと、確かめなくてよくなることは、別なんですね。


この記事のポイント
  • Databook は第三者の企業データと自社のCRM・通話の記録を合わせ、アカウントプランや経営層向けブリーフをAIで作る。事実の出典と日付を確かめる工程を最初に置く
  • 推論が示す「次の一手」は、営業・マーケ・営業企画のどの役割が採否を確定するかを工程ごとに決め、AIに判定させない
  • CRM や Copilot への書き戻し、経営層向けの資料、成果報酬型の料金は、導入前に線を引いておかないと後から戻せない

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。

目次

Databookとは:大手顧客向けの営業に絞った企業情報とAIの基盤

Databook は、米国カリフォルニア州パロアルトに拠点を置く Databook Labs が提供する、大手企業向けの営業を支える基盤です。中堅・大手の取引先を一社ずつ深く攻める営業、いわゆるアカウント型の営業やABMを対象にしており、相手企業の財務・開示資料・決算説明・主な出来事を土台に、取引先ごとの攻め方を組み立てることを売りにしてきました。報道では2022年にシリーズBで5,000万ドルを調達したとされ、調べた範囲では他社に買われた、事業を止めたという報道は見当たりません。

2024年9月には、生成AIの機能群 DatabookGPT を発表し、同時に Microsoft の営業担当向け Copilot との認定連携を打ち出しました。このとき紹介されたのが、相手の戦略上の優先事項に自社の解決策を対応づけるアカウントプランの作成、取引先の業績や競合の位置づけをまとめる経営層向けブリーフ、特定の役員に向けた PowerPoint の資料の自動作成などです。同年末には Gartner の、AIを使った営業の領域の注目ベンダーに選ばれたと同社は発表しています。

公式サイトには、Microsoft・Databricks・Salesforce などの顧客のロゴが並び、日本のコニカミノルタの営業部門の担当者の声も掲載されています。G2 の2026年の評価では、市場情報の部門でリーダーと表示されています。日本語の解説記事はほとんど無い製品ですが、日本企業の営業組織でも使われている例があることは押さえておいてよいでしょう。

2026年9月の発表:「判断を支える仕組み」へ作り直した

2026年9月10日、Databook は営業・マーケの意思決定を支える新しい仕組みを発表しました。公式の名称は英語で、市場開拓の意思決定システムといった意味です。中身は大きく三つあります。一つ目は、第三者の企業データと、自社のCRM・通話・計画のデータを一つにつないだ顧客の文脈グラフです。二つ目は、マーケ・営業企画・価値設計・営業支援の部門ごとに用意されたAIのワークフローで、常に動き続けるエージェントと、人の判断が要る場面を案内する対話型の案内役に分かれます。三つ目は、自社の画面や既存の道具から使える組み合わせ自由な画面の層です。

発表では、この仕組みが API と MCP を通じて既存の道具の中で動くこと、利用者が技術部門に頼まずにエージェントや出力の型を設定できることが強調されました。公式の製品ページでは、すべてのワークフローが REST の窓口と MCP のサーバーとして提供され、Salesforce・Slack・Teams の中にも組み込めると説明しています。専用の画面を開かなくても、社員が普段使う道具の中から呼べる設計です。

もう一つの目玉が、成果報酬型の料金です。基本の利用料に加えて、顧客の最高財務責任者が事前に決めた計画を上回った売上について、契約で定めた取り分を受け取る形だと発表されています。導入には同社の技術者と教育担当が付き、90日の価値検証から始めるとしています。道具を売るというより、成果に連動する伴走型の契約に寄せたのがこの発表の特徴で、後の工程で読み方を詳しく見ます。

先に全体像:4つの工程と、確定する人

Databook でアカウントプランを作る流れは、製品の画面の順番ではなく、確かめる対象の順番で四つに分けると整理しやすくなります。一つ目が、AIが土台にする企業データの出どころと鮮度を確かめる工程。二つ目が、自社のCRMや通話の記録をどこまで足すかを決める工程。三つ目が、推論が示す次の一手を採るかどうかを決める工程。四つ目が、経営層向けの資料として外に出す前に文面を確定する工程です。

工程AIに任せること人が確定すること確定する役割の例
1 企業データの確認財務・開示・出来事の収集と要約出典と日付が使える範囲か、古い事実が混ざっていないかインサイドセールスか営業企画
2 自社データの追加CRM・通話の記録の取り込みと整理つなぐ項目、個人に関わる記録を入れるか営業企画と情シス
3 次の一手の採否抜けている接点や危険の兆しの指摘、打ち手の候補どの手を採り、誰がいつ動くか担当営業と部門長、施策ならマーケ
4 資料の確定経営層向けブリーフ・資料の下書き相手に見せる文面、数字、言い回し担当営業と上長

表の右の列は、会社によって変わってかまいません。大事なのは、工程ごとに確定する人が一人決まっていて、その人の名前が計画に残ることです。AIが全工程を通しで作れるからといって、確定も一度にまとめると、どの事実が誰の判断で採られたのかが後から追えなくなります。四つの工程は、四回の確認の機会だと考えてください。なお、アカウントプランに書く項目そのものは別の記事で扱ったので、ここでは項目ではなく、AIが作った中身を確かめる順番に絞ります。

工程1:AIが土台にする企業データの出どころと鮮度を確かめる

Databook の公式の説明では、第三者のデータは財務、開示資料、決算説明の書き起こし、主な出来事、どんな技術を使っているか、確認済みの連絡先などで、使用許諾を得た外部データと自社で整えたデータを、人の確認を挟んで検証し、継続的に更新しているとしています。さらに、一つひとつの事実に出典・最終更新日・来歴が付くと説明しています。ここが、公開情報を汎用の生成AIに読ませる方法との大きな違いです。

ただし、出典が付いていることと、その出典が今の判断に使えることは別です。決算説明は四半期ごとに古くなり、役員の異動は一晩で変わります。確かめる観点は三つに絞れます。出典がたどれるか、日付が今回の判断に間に合っているか、同じ事実を別の出典でも確かめられるかです。特に、相手の戦略上の優先事項や、意思決定の時期の推定は、開示資料の言葉から推論で導いたものが多く、事実と推論の区別を画面で確かめる必要があります。

実務では、アカウントプランの事実の欄に載せる情報だけでも、出典の日付を一緒に書き写す決まりにしておくと安全です。AIの画面では来歴が見えていても、計画を資料や表に写した時点で日付が落ちるからです。日付のない事実は、計画の中では推測として扱うと決めておけば、半年前の人事情報をもとに古い役員へ提案を送る、といった事故を防げます。

日本企業でどこまで使えるかを確かめる

日本の読者にとっていちばんの関心は、日本企業の取引先にどこまで使えるかでしょう。調べた範囲では、Databook の公式サイトに、収録している企業の数や国の範囲、非上場企業の扱い、日本語の開示資料への対応についての記載は見当たりませんでした。公式に書かれていない以上、使えるかどうかは自社の取引先で試して確かめるしかありません

確かめ方の基本は、自社の重点取引先から性質の違う会社を選び、同じ条件で出力を比べることです。

STEP1
取引先を三つの群から選ぶ

海外にも開示のある日本の上場企業、日本語の開示しかない上場企業、非上場の大手企業の三つの群から、数社ずつ選びます。開示の言語と量が違う会社を混ぜるのが要点です。

STEP2
担当営業の知っている事実と突き合わせる

出力された優先事項・業績・主な出来事・役員の情報を、その会社を担当している営業が知っている事実と照らし、合っている数、古い数、根拠が分からない数を数えます。

STEP3
日本語の資料の扱いを見る

統合報告書や中期経営計画など日本語だけの資料が土台に入っているか、入っているならどの日付のものかを確かめます。英語の報道だけが土台なら、日本の取引先では情報が薄くなります。

STEP4
使う範囲を決めて記録する

群ごとの結果から、どの種類の取引先なら計画の下書きに使い、どの種類なら人の調査を主にするかを決め、判断の根拠と日付を残します。

非上場企業や日本語の開示しかない企業で情報が薄い場合でも、すぐに使えないと決める必要はありません。自社のCRMに蓄えた接点の記録が厚い取引先なら、次の工程で足すデータのほうが計画の質を左右するからです。どの群で何が足りないかが分かれば、人の調査を集中させる場所が決まります。

工程2:自社のCRMと通話の記録をどこまで足すかを決める

新しい仕組みでは、第三者のデータの上に、CRMのメモ、活動の記録、通話の分析、共同作業の履歴、計画のデータ、自社の製品や価値の説明資料を重ねると説明されています。発表の中で同社の最高経営責任者は、多くのAIの道具がCRMやメール、通話の書き起こしをもとに推論しているが、それらは売り手の側の活動と思い込みを映したもので、買い手の実態ではないという趣旨を述べています。だからまず検証済みの外部データを土台にし、その上に自社のデータを重ねる、という順番です。

この指摘は、自社のデータを足すときの注意点そのものです。CRMの商談メモには、担当営業の期待や推測が事実の顔をして書かれていることがよくあります。「先方の部長は前向き」「来期の予算は確保済みらしい」といったメモをそのまま取り込めば、AIはそれを根拠に計画を組みます。取り込む前に、事実として扱ってよい項目と、営業の所感の項目を分けておくことが、この工程の中身です。

通話の記録をつなぐ場合は、もう一段の確認が要ります。相手の発言を記録し、外部の基盤で分析することについて、相手への説明や同意の取り方が自社の規程に沿っているかを情シスと法務で確かめてください。つなげる設定があることと、つないでよいことは別です。最初は商談の段階や金額などの構造化された項目だけをつなぎ、メモや通話は効果を見てから広げる、という順番が無理のない進め方です。

  • 公式トップは一般データ保護規則への対応と SOC 2 タイプ2を掲げている。日本の個人情報保護法上の扱い(委託か第三者提供か、越境移転の説明)は、契約前に自社で確かめる
  • 推論に使う言語モデルの提供元や、取り込んだデータを学習に使うかどうかは、調べた公式ページには書かれていなかった。導入前に書面で確かめる

工程3:推論が示す「次の一手」の採否を誰が確定するか

公式の製品ページによると、Databook の推論は、取引先ごとの点数、同業との比較、財務の見立て、危険の兆しを組み立て、相互の行動計画が無い、役員と一度も接点が無い、といった「あるべきものの欠落」まで検出して、商談の危険の判定と時期の見通しにまとめ、変革の必要性を説く筋立てへ積み上げるとしています。ここまで来ると、AIは調査の補助ではなく、打ち手の提案者になります。

提案者が増えたときに必ず決めるべきなのが、採否を確定する人です。おすすめは、提案の種類ごとに持ち主を分けることです。役員への接触や提案の順番など個別の商談の手は担当営業と部門長、取引先群に向けたウェビナーや資料の配信などの施策はマーケ、テリトリーの割り振りや重点取引先の入れ替えは営業企画、というように分けます。持ち主のいない提案は、採らなかったことも記録されないため、AIの提案が多いほど現場は疲れていきます。

採否の記録も大切です。AIの提案を採らなかった理由、たとえば「その役員は来月退任予定と本人から聞いている」「この部門とは別の窓口で話が進んでいる」は、外部データには載らない、現場だけが知っている事実です。採らなかった理由を一行で残す習慣があれば、次の四半期の計画を作るとき、AIに同じ誤った提案を繰り返させずに済みますし、新しい担当者への引き継ぎの材料にもなります。

AIに判定させない:根拠を書かせ、結論は人が書く

推論の結果は、点数や「危険」「好機」といった短い判定で示されがちです。短い判定ほど会議で使いやすく、それ自体が結論のように扱われます。しかし、点数は、どの事実をどう重みづけたかという前提の上に立った一つの見方にすぎません。前提が見えないまま判定だけを経営会議に上げると、誰も中身を説明できない数字が意思決定を動かすことになります。

  • AIの「商談の危険が高い」という判定を、そのまま予測会議の数字の修正に使う
  • 根拠の事実の出典と日付を確かめずに、AIの挙げた役員に面談の依頼を送る
  • 推論で導いた相手の優先事項を、アカウントプランの事実の欄に書き込む
  • AIの提案した打ち手の一覧を、採否を決めないまま担当営業に一括で割り当てる
  • 取引先の点数の高い順に重点先を入れ替え、入れ替えた理由を記録しない

避けたいのは、判定を採否の代わりに使うことです。AIには、判定ではなく「どの事実から、なぜそう考えたか」を書かせ、その根拠を担当者が読んで結論を書く、という順番を崩さないようにします。Databook の対話型の案内役は、人の判断が要る段階を導くと説明されていますが、案内されることと、判断を任せることは違うと、利用者向けの研修で最初に伝えておくべきでしょう。

工程4:経営層向けの資料をAIの文面のまま出さない

Databook のワークフローには、経営層向けブリーフや、特定の役員に向けた見解の資料、事業提案の資料があり、PowerPoint やワード形式で出力できると公式は説明しています。営業にとっては最も時間の節約になる部分ですが、相手の経営層の目に触れる文書は、一つの誤りが信頼の失墜に直結する場面でもあります。相手の業績の数字を一つ古いまま書いた、退任した役員の発言を引用した、といった誤りは、内容がどれほど良くても提案全体の信用を落とします。

AIの文面のまま出さないために、外に出す資料では三つのことを確かめます。相手に関する数字と固有名詞はすべて出典の日付と照らすこと、相手の課題を断定する言い回しを仮説の言い回しに直すこと、そして自社の製品の効果をうたう文に根拠のない数字が入っていないかを見ることです。とくに三つ目は見落とされがちで、AIは説得力を増すために効果の大きさを言い切る文を書きやすい性質があります。

確定の手順は、担当営業が下書きを直し、上長が確定する二段にするのが現実的です。提案書の作り方そのものは多くの記事で扱われていますが、AIが作った資料で特に大事なのは、誰が確定したかを資料の管理記録に残すことです。同じ取引先に複数の担当が関わる大手の営業では、別の担当が古い版のAI資料を使い回す事故が起きやすいため、確定した版だけを共有の場所に置く決まりも合わせて作っておきます。

CRMや Copilot に書き戻させる範囲を決める

Databook は、CRMの中や、Microsoft の営業担当向け Copilot の中からも使えます。Microsoft の連携部品の一覧には「Databook C4S」が載っており、Outlook の主要な営業情報の欄に、相手の戦略上の優先事項・意思決定の時期・変革が必要な財務上の理由を表示し、Copilot のチャットで商談準備やアカウントプランの支援、商談の候補の提案を受けられると説明されています。この連携部品は、一覧の上ではいまもプレビューの扱いで、使うには両方で同じメールアドレスの利用者であることが条件とされています。

書き戻しで決めるべきは、AIの出力をCRMのどの項目に、誰の確認を経て入れるかです。公式の製品ページでは、ワークフローの実行はCRMの取引先と商談にひも付けて記録され、効果の分析に使われると説明しています。実行の記録が残るのは良いことですが、AIの要約や提案が、人の確認を経ずにCRMの正式な項目へ入る設定は避けるのが原則です。CRMの項目は予測会議や経営報告の元データになり、そこに推論が混ざると、元データそのものが濁るからです。

おすすめは、AIの出力を入れる場所を、正式な項目とは別のメモ欄や添付に限ることです。正式な項目、たとえば商談の段階、受注予定日、決裁者の名前は、担当営業が確かめてから手で更新します。表示はさせても、書き込みは人が行うという線です。Copilot の画面で見えている情報も同じで、Outlook の欄に出た優先事項をそのまま相手へのメールに貼らず、出典を確かめてから使うよう周知しておきます。

APIと MCP で社内のAIから呼ぶときの資格と範囲

新しい仕組みでは、ワークフローを REST の窓口と MCP のサーバーとして公開しているため、社内で作ったAIエージェントや、社員が使う汎用のAIから Databook を呼べます。便利な一方で、誰の資格で、どの取引先の情報を、どのAIに渡すのかを決めずにつなぐと、営業の外の部署にまで取引先の分析や自社のCRMの内容が流れる経路ができてしまいます。

公式の製品ページは、SSO と役割ごとの権限、そしてどの画面から使っても変わらない編集不可の統制の中核を備えると説明しています。確かめたいのは、MCP や API から呼んだときにも、利用者本人の権限で見える範囲が絞られるかどうかです。共有の資格情報一つで社内のAIから呼ぶ設計にすると、本来その取引先を担当していない社員も分析を引き出せます。参考までに、Microsoft の連携部品は接続を他の利用者と共有できない設定になっており、利用者ごとに接続を作らせる考え方は、MCP でつなぐときにも当てはめられます。

もう一つは、渡した先のAIの扱いです。社内のAIエージェントが Databook から受け取った取引先の情報や自社のCRMの内容を、さらに別の外部の言語モデルへ送るなら、データはそこでも社外に出ます。つなぐ前に、データが通る経路を一枚の図に描いて情シスの承認を得ることを、MCP 接続の条件にしておくとよいでしょう。

成果報酬型の料金をどう読むか

発表された成果報酬型の料金は、基本の利用料に、最高財務責任者が導入前に決めた財務計画を上回った売上について、契約で定めた取り分を加える形です。発表では、計画の範囲内の成果には変動費がかからないこと、成果は自己申告ではなく基盤で測ること、従来の従量やクレジット型の契約も並行して選べることが説明されています。取り分の割合や基本料金の金額は公表されていません。費用が成果に連動する分、何を成果と数えるかの定義が、そのまま費用の定義になります

読むときに確かめたい点は三つあります。一つ目は基準になる計画です。計画を保守的に置けば上振れが出やすく、取り分も大きくなります。計画を誰がいつ決め、途中で見直すときにどう扱うかを契約で確かめます。二つ目は、上振れのうちどこまでを Databook の貢献とみなすかです。市況や値上げ、大型案件の偶然の受注でも売上は伸びます。製品ページは、仕組みに触れた取引先と触れていない取引先の比較で効果を見せるとしていますが、比べ方の詳細は契約前に書面で確かめるべきです。

三つ目は測定の持ち主です。成果を基盤側で測ることは自己申告の水増しを防ぐ一方で、支払額を決める数字を製品の提供元の仕組みが出すことでもあります。自社の経理や営業企画が同じ数字を独立に再計算できるかを確かめてください。90日の価値検証は、基準を合意し範囲を決める期間と説明されているので、この期間に測り方を自社で再現できるかを試すのが、成果報酬型を選ぶかどうかの判断材料になります。

伴走と研修のあとに、社内に何を残すか

発表では、すべての導入に同社の現場常駐型の技術者と教育担当が付き、実際の商談を題材にした研修を行うとしています。技術部門に頼らずに、エージェントや手法、出力の型、ワークフローを設定できる画面も用意されていると説明されています。立ち上がりの速さは魅力ですが、伴走が終わったあとに、誰が出力の型と手順を持つかを決めておかないと、型が古くなっても直す人がいない状態になります。

持ち主の候補は営業企画です。アカウントプランの型、経営層向けブリーフの構成、採否の記録の書き方を営業企画が持ち、四半期ごとに見直します。マーケは、取引先群に向けた施策の提案の型を持ちます。型の変更は持ち主が承認し、変更の履歴を残すと決めておけば、担当者が勝手に出力の型を書き換え、部署ごとに計画の書式がばらばらになる事態を避けられます。

研修で教えるべきことも、操作より判断の側にあります。出典の日付の見方、推論と事実の見分け方、AIの提案を採らなかった理由の書き方、そして外に出す資料の確定の手順です。操作は数日で覚えられますが、確かめる習慣は決まりにしないと身に付きません。研修の最後に、自分の担当先の計画を一つ作り、上長と一緒に工程ごとの確定を体験させると、運用の形が伝わります。

止め方とやめ方:計画と根拠を社内に残す

導入を止めるときに問題になるのは、AIが作った計画と、その根拠の事実がどこに残るかです。Databook の中で作った計画や分析は、契約を終えると見られなくなる可能性があります。確定した計画は、日付と出典を付けたまま自社の保管場所に置くという決まりを、導入の初日から運用に入れておくべきです。PowerPoint やワード形式で出力できることは、やめ方の面でも意味があります。

もう一つ注意したいのが、他の契約の整理です。発表では、検証済みの文脈を持つことで、重複している企業情報や購買意欲の兆しのデータの契約を減らせると説明しています。しかし、他のデータの契約を先に解約すると、Databook をやめたときに戻る先がなくなります。統合するなら、価値検証の結果を見たうえで段階的に進め、少なくとも一つの更新の周期は並行して持つのが安全です。

止めるときの手順も決めておきます。MCP や API でつないだ社内のAIからの接続を切る、CRMやチャットの道具に組み込んだ部品を外す、利用者の権限を外す、そして提供元に預けた自社のCRMや通話のデータの削除を求めて証跡を受け取る、という順番です。つないだ数だけ外す作業があるので、接続の一覧を導入時から作っておくと、やめるときに迷いません。

導入前に確かめる項目の一覧

ここまでの工程を、導入前の確認の一覧にまとめます。試用や価値検証の段階で、上から順に確かめてください。すべてに答えが出ないまま本格導入に進むと、後から決め直すことになります。

  • 自社の重点取引先の三つの群(海外にも開示のある上場企業・日本語の開示だけの上場企業・非上場の大手)で、出力の正確さと日付を確かめたか
  • 事実ごとの出典と日付を、計画や資料に写すときにも残す決まりを作ったか
  • CRMから取り込む項目を、事実として扱う項目と営業の所感の項目に分けたか
  • 通話の記録を取り込むなら、相手への説明と同意の扱いを法務と確かめたか
  • 次の一手の提案の種類ごとに、採否を確定する役割を決めたか
  • AIの出力をCRMの正式な項目に直接書き込ませない設定になっているか
  • MCP や API で呼ぶとき、利用者本人の権限で見える範囲が絞られるか
  • 推論に使う言語モデルの提供元と、データを学習に使わないことを書面で確かめたか
  • 成果報酬型を選ぶなら、基準の計画・貢献の数え方・測定の再現方法を契約で確かめたか
  • 伴走の終了後に、出力の型と手順を持つ部署を決めたか
  • やめるときのデータの返却と削除、接続の一覧を用意したか

一覧のうち、とくに先に答えを出したいのは、日本の取引先での正確さと、採否を確定する役割の二つです。前者が分からなければ製品が自社に合うかが決まらず、後者が決まらなければ、どれほど良い提案が出ても計画に変わりません。この二つが決まれば、残りの項目は運用しながら詰めていけるはずです。

まとめ

Databook は、検証済みの第三者の企業データと自社のCRMや通話の記録を合わせ、アカウントプランや経営層向けブリーフ、次の一手の提案までをAIで作る、大手顧客向けの営業に絞った基盤です。2026年9月の発表で、API と MCP で既存の道具の中から使える形と、成果に連動する料金に作り直されました。使いこなす鍵は、AIに書かせる範囲を広げることではなく、企業データの確認、自社データの追加、次の一手の採否、外に出す資料の確定という四つの工程で、それぞれ確定する人を決め、その判断を記録に残すことです。日本の取引先でどこまで使えるかは公式に書かれていないため、まず自社の重点取引先で試し、使う範囲を自分たちで決めるところから始めてください。

※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。

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。

運営会社:株式会社デボノ

目次