Exploriumか、購入したリストか|エージェントに引かせる線

Exploriumか、購入したリストか|エージェントに引かせる線

「AIエージェントに企業データを直接つなげば、もうリストを買う必要はないのでは」「エージェントが勝手にデータを引いて、知らないうちに請求が膨らむのが怖い」——営業企画やマーケの担当者が、外部の企業データとAIのつなぎ方を考え始めると、たいていこの二つの声が同時に出てきます。どちらも半分は当たっていて、半分は思い込みです。その場で引かせる型は、リストを要らなくする仕組みではありません。引いてよい量と、引いた値を誰が確かめるかを先に決めて初めて、リスト購入と比べられる選択肢になります。この記事では、イスラエル発のデータ基盤 Explorium を例に、営業・マーケのエージェントに外部の企業データを MCP でその場で引かせる型と、リストを買って人が整える型を比べ、出どころと推測値の見分け方、日本企業のデータの厚さ、費用の増え方、引く量の上限、個人データの扱い、止め方を整理します。


カメ先生カメ先生

外部の企業データをAIにつなぐ話は、AIが自分で調べてくれるように聞こえがちなんだけど、本当はデータベースに問い合わせを投げているだけなんだ。答えの質は、そのデータベースの中身で決まる。


カメ子カメ子

AIが賢くなっても、元のデータに載っていない会社のことは分からない、ということですか。


カメ先生カメ先生

そう。そのうえで、問い合わせのたびに料金がかかる。だから比べるべきなのは、AIの賢さではなく、データの出どころと、引かせる量の縛り方と、確かめる人の手間なんだよ。


カメ子カメ子

リストを買うか、その場で引かせるかは、データの仕入れ方と確認の仕方の違いなんですね。


この記事のポイント
  • Explorium は、企業と人のデータを API と MCP でAIエージェントに渡す基盤。2026年3月25日に検索の仕組みを大きく更新し、出来事で会社を絞る機能も MCP から使える
  • その場で引かせる型は、件数ごとに料金が積み上がる。引いてよい量・使う鍵・試し引きの手順を、配る前に決める
  • 推測の値と確かめた値を分けて持ち、日本企業の厚さは小さく試して確かめる。送る相手を決める判断はAIに任せない

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

Explorium とは:AIエージェントに企業と人のデータを渡す基盤

Explorium は、イスラエルと米国に拠点を置く、法人向けのデータ基盤です。営業やマーケのAIエージェントが、会社の属性、従業員の規模、使っている技術、資金調達や採用といった出来事、担当者の役職や連絡先を、その場で問い合わせて受け取れるようにすることを売りにしています。人が画面で検索してリストを書き出す道具というより、AIから呼ばれることを前提にしたデータの入り口だと考えると分かりやすいでしょう。

入り口は二つあります。開発者が自社のプログラムから呼ぶ API と、AIエージェントが道具として呼べる MCP です。どちらも AgentSource という名前でまとめられていて、公式の開発者向け文書では、会社を条件で探す、会社の名前やドメインを照合する、属性を補う、件数だけを数える、出来事を取り出す、といった道具が、会社向けと人向けに分かれて並んでいます。公式ブログの説明では、データの規模は1億5千万を超える会社と、8億を超える人のプロフィールで、50を超えるデータ源から集めているとしています。いずれも同社自身の公表値です。

日本語で読める解説はほとんどありません。似た領域の道具では、表計算の形でリストを補う Clay や、営業向けのデータベースを持つ Apollo が国内でも知られていますが、Explorium は人の画面よりもエージェントからの呼び出しを主な使われ方として打ち出している点が違います。リストを補う運用や、外に送ってよい列の決め方は Clay の記事で扱っているので、ここでは「エージェントにその場で引かせるかどうか」の判断に絞ります。

2026年の動き:検索の作り直しと、出来事で絞る機能

公式の製品更新のまとめを見ると、この一年は、エージェントから引かれることを前提にした手直しが続いています。2025年12月23日には、資金調達や採用などの出来事が直近30〜90日にあった会社だけを返す絞り込みが加わり、API と MCP の両方で使えるようになりました。ただし公式は、いまは会社の出来事だけが対象で、人の出来事は次の段階と書いています。

2026年1月7日には、一つの契約の中で名前付きの鍵を複数作り、鍵ごとに消費量を追えるようになりました。2月2日には、本社だけでなく営業拠点の所在地で絞るか、上場企業に限るか、ウェブサイトのある会社に限るか、といった条件が加わっています。そして3月25日には、AgentSource API の大きな更新として、深いページまで速く読み進める仕組み、既に分かっている会社や人の識別番号を渡して追加の条件をかける仕組み、キーワードを「すべて含む」で絞る選択肢が出ました。一方で公式の文書は、MCP の旧版は廃止予定で、新しい版の接続先へ移るよう案内しています。つないだ後も、移行の作業が発生するということです。

データの中身の更新も公表されています。2026年7月30日の公式の更新記事では、所在地の緯度経度が付いた会社の割合が6割から8割強に増えたこと、約360万の会社で業種分類を整えたこと、電話番号が約50万件増えたこと、LinkedIn の投稿から新製品・提携・受賞といった出来事を読み取る分類器の精度を91〜99%としていることが書かれています。精度の測り方は記事からは分からないため、数字は同社の自己申告として受け止め、自社の対象で確かめ直すのが前提です。買収や提供終了の報道は、調べた範囲では見当たりませんでした。

誤解1:AIが調べてくれるのではなく、データベースを引いているだけ

一つ目の誤解は、エージェントに企業データをつなぐと、AIがウェブを調べ回って最新の情報を集めてくれる、という受け止めです。MCP でつないだエージェントがしていることは、Explorium のデータベースに条件を投げて、返ってきた行を受け取ることです。データベースに無い会社、古いままの値は、AIが賢くても直りません。AIの役割は、自然な言葉の依頼を検索条件に置き換え、返ってきた結果をまとめることにとどまります。

この区別が大事なのは、間違いが起きたときに原因の場所が変わるからです。エージェントが「従業員300人の製造業」と答えたとき、その数字がデータベースの値なのか、AIが前後の文脈から推し量って書き足したものなのかで、直す相手が違います。前者ならデータの提供元に問い合わせ、後者なら指示とまとめ方を直します。見分けるには、エージェントの答えに、どの道具を呼び、どの項目の値を使ったかを必ず添えさせることです。根拠のない数字は答えに入れない、という決まりを指示に書いておきます。

もう一つ、AIが条件を置き換える段階でもずれが起きます。「関東の中堅の製造業」と頼んだつもりが、所在地を本社で絞るか営業拠点で絞るか、中堅を何人からと解釈するかで、返る会社は大きく変わります。2月に加わった所在地の絞り方の選択肢は、まさにこのずれを人が指定できるようにしたものです。人が使う型でも同じ問題はありますが、エージェントに引かせる型では、置き換えた条件を目にしないまま結果だけを受け取りがちです。

誤解2:その場で引けるなら、リストは要らなくなる

二つ目の誤解は、必要なときに必要な分だけ引ければ、まとめてリストを買って整える仕事は無くなる、という期待です。実際には、営業やマーケの現場でリストが果たしている役割は、連絡先を集めることだけではありません。誰に連絡するかを部門で合意し、重複を除き、配信を止めている相手を外し、担当の営業に割り振るまでが、リストを整える仕事の中身です。

エージェントがその場で引いた結果は、この合意と除外の工程を通っていません。たとえば、既に商談中の会社に別の部署から連絡が入る、配信を断った担当者が再び候補に上がる、競合や取引先が対象に混ざる、といった事故は、データの新しさとは関係なく起きます。その場で引かせる型を選ぶなら、顧客管理の記録と突き合わせて除外する工程を、エージェントの手順の中に組み込むことが前提になります。

逆に言えば、リストを買う型にも弱点があります。買った時点から情報は古び始め、転職や移転、統合を反映するには定期的に買い直すか、補う作業が要ります。その場で引く型の利点は、使う瞬間の値を取りにいける点にあります。つまり比べるべきなのは「リストがあるか無いか」ではなく、合意と除外を人の工程として持つか、エージェントの手順として持つかの違いです。

比べる2つの型:エージェントに引かせるか、リストを買って人が整えるか

ここまでの話を、判断に効く観点で並べ直します。左はエージェントに MCP や API でその場で引かせる型、右は外部のデータを一括で購入し、人が整えてから顧客管理に入れる型です。どちらにも同じデータ提供元を使うことはでき、違いはデータの仕入れ方と確かめ方にあります。

観点エージェントにその場で引かせる型リストを買って人が整える型
値の新しさ引いた瞬間の値。提供元の更新頻度しだい買った時点で止まる。買い直しが要る
費用の出方返した件数ごとに積み上がる。月ごとに揺れる購入時にまとめて決まる。予算を組みやすい
確かめる人答えのたびに確かめる仕組みが要る取り込む前に一度まとめて確かめる
除外と重複エージェントの手順に組み込む整える工程で人が除く
個人データの経路依頼のたびに外部と行き来する取り込み時の一回で経路が決まる
向く業務少数の会社を深く調べる、出来事を追う大量の配信、展示会後の一斉の追客

表で見ると、二つの型は置き換えの関係ではなく、得意な業務が分かれていることが分かります。商談前に一社を深く調べる、資金調達や採用の動きがあった会社を週ごとに拾う、といった少数で鮮度が効く業務は、その場で引く型が向きます。一方、数千件に一斉に配信する、展示会の名簿を補うといった大量の仕事は、件数ごとの課金と答えのたびの確認が重くなるため、まとめて整える型のほうが安くて確かな場面が多いはずです。

現実的なのは、両方を持ったうえで業務ごとに振り分けることです。振り分けの基準は、一度に扱う件数、値の古び方の速さ、間違えたときの影響の大きさ、の三つで足ります。この基準を部門で決めずにエージェントを配ると、大量の仕事までその場で引く型で回され、費用と確認の手間が読めなくなります。

出どころと推測値の見分け方

外部の企業データには、公的な登記や会社自身の発表から取った値と、ウェブ上の痕跡からの推測で埋めた値が混ざっています。従業員数の幅、売上の幅、使っている技術、購買の関心といった項目は、多くの提供元で推測を含みます。Explorium の公式の文書でも、購買の関心で絞る条件は別扱いで、使うと1件あたりの消費が倍になると書かれています。こうした項目は、確かな事実というより、手がかりとして扱うのが妥当です。

エージェントに引かせる型では、この区別が答えの文章の中で溶けてしまう危険があります。「この会社は最近クラウドの移行を検討している」とAIが書いたとき、読み手には、それが会社の発表なのか、推測の値なのか、AIのまとめなのかが分かりません。そこで、推測を含む項目は、答えの中で「推定」と明記させ、確かめた値とは別の欄に置く決まりを先に作ります。顧客管理に書き戻す場合も、推測の値は別の項目に入れ、出どころと取得日を一緒に残します。

推測の値を使ってよい場面と、使ってはいけない場面も分けておきます。連絡の優先順位を並べ替える、話題の仮説を立てる、といった用途なら推測で構いません。しかし、相手に送る文面で「御社は〜を導入されていますね」と断定する、見積もりや与信の判断に使う、といった用途に推測を持ち込むと、外れたときに信用を失います。推測の値を、相手に見える文面の事実として書かせないという一行を、エージェントの指示に入れておくべきです。

  • 推定の従業員数をそのまま顧客管理の正式な項目に上書きし、元の確かな値が消える
  • 購買の関心の値を根拠に、相手への初回のメールで導入済みと断定してしまう
  • どの道具で取った値か記録が無く、間違いを見つけても提供元に問い合わせられない

日本企業のデータの厚さを、先に小さく確かめる

海外のデータ基盤を使うときに必ず確かめるべきなのが、日本企業のデータがどれだけ厚いかです。公表されている規模は世界全体の数字で、国や地域ごとの内訳は、調べた範囲の公式の資料には見当たりませんでした。北米や欧州の会社で十分な厚さがあっても、日本の中堅・中小企業で同じとは限りません。とくに担当者の役職や連絡先は、海外の職業向けの交流サイトに登録している人の割合に左右されやすく、日本では薄くなりがちです。

確かめ方は難しくありません。既に取引のある会社や、自社の顧客管理で値が確かな会社を百社ほど選び、Explorium で照合して、見つかる割合、従業員数や業種の一致の度合い、担当者が見つかる割合を数えます。照合の精度について、同社のブログは会社の照合で97.8%以上としていますが、どの対象で測った数字かは書かれていません。自社が狙う業種と規模の会社で、自分たちで数え直すのが唯一の確かめ方です。

名寄せの起点にも注意が要ります。国内の名寄せでは法人番号を確定の鍵にするのが定石ですが、海外の基盤は多くの場合、会社名とドメインで照合します。同じ名前の会社が多い、ドメインを持たない会社がある、グループ会社が同じドメインを使う、といった日本に多い事情は、照合の失敗の原因になります。日本企業の確かな属性は国内の公的な情報で持ち、海外の基盤からは出来事や技術の手がかりだけを足す、という分担も現実的な選択です。

費用の増え方:呼び出し課金は「使った分だけ」では済まない

Explorium の公式の文書によれば、会社や人を条件で探す道具は、返した1件ごとに1単位を消費し、購買の関心の条件を付けると1件あたり2単位になります。件数を数えるだけの道具は消費しないと書かれています。補う道具や照合の道具の消費量は、確かめた文書には書かれていませんでした。人が一度に何件出すかを決める型と違い、エージェントは依頼のたびに自分で件数を決めます。ここが費用の読みにくさの出どころです。

たとえば「この業界で伸びている会社を調べて」と頼まれたエージェントが、念のため多めに引く、条件を変えて何度も引き直す、補う道具を全件にかける、といった動きをすると、一つの依頼で数百件分の消費になることがあります。同社のブログは、一度の呼び出しで最大1,000件を扱えるとしています。大量に扱える性能は、そのまま大量に消費できる性能でもあると考えておくべきです。

消費を読みやすくする材料もあります。同社のブログでは、書き出す前に5件の見本と消費の見積もりを返し、その時点では課金しない手順を案内しています。また、1月の更新で鍵ごとの消費が追えるようになった一方、すべての鍵は同じ契約の消費枠を分け合うと公式は書いています。部門ごとに鍵を分けても、どこかの部門が使いすぎれば全体の枠が減ります。部門ごとの上限は、提供元の仕組みとは別に、自社で持つ必要があります。

エージェントが勝手に引く量に上限をかける

費用と個人データの両面から、エージェントが引いてよい量は、配る前に決めておきます。決めるのは、一回の依頼で返してよい件数、一日に使ってよい消費量、補う道具をかけてよい件数、人の連絡先を取り出してよい件数の四つです。MCP の道具そのものに上限の設定が無い場合でも、エージェントの指示と、間に置く中継の仕組みの両方で縛ることができます。

具体的には、まず件数を数える道具を先に呼ばせ、該当が多すぎる場合は条件を絞るよう利用者に問い返す手順にします。数える道具は消費しないため、この一手で無駄な引き出しの多くを防げます。そのうえで、見本と見積もりを示して利用者の確認を取ってから、本当に引く、という二段構えにします。「数える、見せる、確認を取る、引く」の順番を、エージェントの決まった手順にすることで、依頼の言い回しに左右されずに量を抑えられます。

上限に達したときの振る舞いも決めておきます。黙って打ち切ると、利用者は結果が欠けていることに気づきません。上限で止まったこと、どこまで取れたか、続けるには誰の承認が要るかを答えに書かせます。鍵は部門と用途ごとに分け、鍵ごとの消費を週次で見て、急な増加があれば鍵を止められる担当を決めておきます。

  • 上限の値は、試験運用の一か月の実績を見て決め直します。最初は低めに置き、足りない業務だけ引き上げるほうが安全です
  • エージェントが条件を変えて何度も引き直す動きは、消費が増える典型です。同じ依頼の中で引き直してよい回数も決めておきます

個人データの扱い:人の連絡先を引かせるときの線

会社の属性だけでなく、担当者の名前、役職、メールアドレス、電話番号を引ける点は、外部の企業データの大きな価値であり、同時に最も慎重になるべき部分です。日本の個人情報保護法では、第三者から個人データを受け取る場合の確認や記録、本人への利用目的の示し方などの決まりがあり、外部の提供元が海外の事業者であれば、越境の扱いも確かめる必要があります。

エージェントに引かせる型では、個人データの経路が依頼ごとに生まれます。誰が、いつ、何のために、どの人の連絡先を取り出したかを、後から説明できる形で残しておく必要があります。1月の更新で、記録に鍵の識別子と名前が入るようになったことは、この説明の助けになります。ただし、記録が提供元の側にあるだけでは足りません。自社の側にも、依頼した社員と目的を結びつけた記録を持つことが求められます。

線の引き方としては、人の連絡先を取り出す道具は、会社の属性を調べる道具とは別の扱いにするのが分かりやすいでしょう。会社を調べるのは誰でもよいが、人の連絡先を取り出すのは営業の担当者が対象の会社を決めた後に限る、取り出した連絡先は顧客管理に入れる前に配信停止の名簿と照らす、といった具合です。同社のブログは、外部監査の報告書や欧州の個人データの規則への取り組みを公式の製品ページに載せていると書いていますが、国内の法令に照らした判断は自社の法務と決める必要があります。

引いたデータを顧客管理に書き戻すか

エージェントが引いたデータを、その場の答えとして使うだけにするか、Salesforce や HubSpot などの顧客管理に書き戻すかで、管理の重さは大きく変わります。答えとして使うだけなら、間違いはその場の判断を誤らせるにとどまります。書き戻せば、間違いは全社の記録として残り、他の部門の判断や自動の配信にまで広がります。

書き戻しを認める場合は、書き込んでよい項目を決めておきます。会社の出来事や技術の手がかりのように、外部のデータを主な出どころとする項目は書き戻してよい一方、営業が確かめた担当者の役職や商談の状況など、人が入力した項目は上書きさせません。書き戻すときは、出どころ、取得日、推測かどうかを必ず一緒に残し、人が入れた値と外から入った値を、項目の上で見分けられるようにしておきます。

最初は書き戻しを認めず、エージェントの答えとして使うだけにして、二か月ほど様子を見るのも一つの手です。どの項目の値がどのくらい正しいかが分かってから、書き戻してよい項目を一つずつ広げていきます。書き戻しの設定が営業の記録に触れる問題は、Clay のような補う道具でも同じ形で起きます。道具が変わっても、書き込める範囲を人が決めるという原則は変わりません。

AIに判断させない所と、根拠を書かせる所

エージェントに企業データを引かせる目的は、調べる時間を減らすことであって、誰に連絡するか、どう売り込むかの判断を渡すことではありません。対象の会社を最終的に選ぶ、相手への最初の連絡を送る、値引きや条件を決める、といった判断は、引いたデータがどれほど揃っていても人が行います。AIに任せるのは、候補を並べることと、並べた理由を書くことまでです。

並べた理由を書かせるときは、使った値と、その値の出どころを必ず添えさせます。「直近60日に資金調達の発表あり」「採用ページで営業職を募集中」のように、出来事の種類と時期が書かれていれば、人は数秒で確かめられます。逆に「成長が見込まれる」「関心が高い」といった、元の値が見えない言い方は、確かめようがありません。確かめられない理由は、理由として扱わないという決まりを置くと、エージェントの答えの質が揃います。

人が確かめる範囲も、先に決めておきます。全件を確かめるのは現実的ではないので、相手に連絡する前の一件は必ず確かめる、顧客管理に書き戻す値は週に一度抜き取りで確かめる、推定の値を使った並べ替えは月に一度結果と突き合わせる、といった粒度に分けます。確かめた結果、外れが多い項目は、エージェントに使わせない項目に移すことまでを運用に含めます。

どちらの型が合うか:業務別の振り分け

ここまでの観点をもとに、営業・マーケの代表的な業務を振り分けてみます。その場で引かせる型が向くのは、商談前の一社の下調べ、出来事のあった会社の週次の拾い出し、問い合わせが来た会社の属性の確認のように、件数が少なく、値の新しさが効き、人がすぐ確かめられる業務です。出来事で絞る機能が会社の出来事に限られていることを考えると、会社の動きを追う用途がいまの主な使いどころになります。

リストを買って整える型が向くのは、数千件規模の配信、展示会やウェビナーの後の一斉の追客、四半期ごとの狙う会社の見直しのように、件数が多く、部門での合意と除外の工程が欠かせない業務です。こうした業務をエージェントに一件ずつ引かせると、消費が膨らむうえに、除外の漏れも起きやすくなります。迷う業務は、間違えたときに相手に迷惑がかかるかどうかで決めます。迷惑がかかる業務ほど、人の工程を厚くします。

両方を使う場合でも、データ提供元を一つにそろえる必要はありません。国内の確かな属性は国内のデータで持ち、出来事や技術の手がかりは海外の基盤から引く、という組み合わせのほうが、日本企業の多い営業先では確かになることがあります。大事なのは、業務ごとにどちらの型で回すかを一覧にし、エージェントを使う人がそれを見て判断できる状態にしておくことです。

試験導入の進め方

その場で引かせる型を試すときは、いきなり部門全体に配らず、少人数で、業務と上限を絞って始めます。次の五つの段階を踏むと、日本企業での厚さ、費用の出方、確認の手間が、配る前に数字で分かります。

STEP1
対象の業務と担当を一つに絞る

商談前の下調べのように、件数が少なく確かめやすい業務を一つ選び、使う担当者を数人に限ります。鍵もこの試験専用に一本作ります。

STEP2
日本企業の厚さを百社で数える

値の確かな既存の取引先百社で照合し、見つかる割合、属性の一致、担当者が見つかる割合を数えます。この数字が低ければ、その場で引く型の対象を海外の会社に絞ります。

STEP3
上限と手順を指示に書く

一回の件数、一日の消費、人の連絡先を取り出せる条件、数える・見せる・確認を取る・引くの順番を、エージェントの指示と中継の仕組みに入れます。

STEP4
一か月の消費と外れを記録する

鍵ごとの消費を週次で見て、依頼の種類ごとの消費と、担当者が見つけた外れの数を記録します。外れの多い項目は使わせない項目に移します。

STEP5
広げるか、やめるかを決める

一件あたりの費用と確認の手間を、リストを買う型と比べ、広げる業務、上限の見直し、やめる判断を部門の責任者が決めます。

試験の結果を比べるときは、エージェントの便利さの感想ではなく、一件あたりの費用、確かめた結果の外れの割合、担当者が下調べにかけた時間の三つで比べます。便利だったという声だけで広げると、費用と確認の手間が後から効いてきます。

止め方とやめ方

エージェントにつないだデータの入り口は、止め方を先に決めておかないと、気づいたときには多くの業務に組み込まれていて外せなくなります。すぐに止める手段としては、鍵を無効にするのが最も確実です。部門と用途ごとに鍵を分けておけば、問題のある使い方だけを止め、他の業務は続けることができます。

やめるときに残る仕事も見ておきます。一つは、顧客管理に書き戻した外部の値の扱いです。出どころの印が付いていれば、外部の値だけを消す、または古い値として残すといった判断ができます。印が無いと、人が入れた値との区別がつかず、まとめて消すこともできません。もう一つは、受け取った個人データの扱いで、契約の終了後に何を消す義務があるか、提供元との契約の条件と、自社の個人情報の決まりの両方で確かめる必要があります。

MCP の旧版が廃止予定であるように、提供元の側の変更でつなぎ方が変わることもあります。接続先の移行、道具の名前や引数の変更、消費の単位の見直しは、エージェントの動きや費用をいつの間にか変えます。公式の更新記事と開発者向け文書を誰が追うのかを決め、変更があったら試験の環境で確かめてから本番に反映する、という手順を最初から持っておきます。

まとめ

Explorium のように、AIエージェントから企業と人のデータを引ける基盤は、商談前の下調べや会社の動きを追う業務で、調べる時間を確かに減らせます。一方で、引いたデータはデータベースの中身以上には正しくならず、件数ごとに費用が積み上がり、個人データの経路も依頼ごとに生まれます。リストを買って人が整える型と比べるときは、値の新しさだけでなく、合意と除外を誰が持つか、推測の値をどう扱うか、引く量をどう縛るか、誰が確かめるかで比べてください。業務ごとに型を振り分け、少人数の試験で日本企業の厚さと費用を数えてから広げる。送る相手を決める判断は人に残し、AIには候補と根拠を並べさせる。この順番を守れば、その場で引かせる型は、リスト購入を置き換えるものではなく、補い合う選択肢として使えます。

※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。

運営会社:株式会社デボノ

目次