営業データを可視化するには？商談数だけでは見えない改善ポイントの探し方

「商談数は毎月見ているのに、なぜ受注が伸びないのか説明できない」「SFAには案件データが入っているが、営業会議では結局、担当者が一件ずつ口頭で説明している」「ダッシュボードはあるものの、数字を見たあと何を変えればよいか分からない」。

営業データを蓄積している企業でも、このような状態は起こります。

営業データの可視化で重要なのは、商談数や売上をきれいなグラフにすることではありません。営業プロセスを分解し、「どこで案件が減っているか」「どこで止まっているか」「何が次の行動を妨げているか」を判断できる状態にすることです。

そのためには、件数だけでなく、ステージ転換率、滞留日数、失注理由、次回行動、顧客属性、流入元、関係者、データ更新状況などを組み合わせます。

例えば商談数が前月より増えていても、提案後の転換率が下がり、案件の滞留期間が長くなっているのであれば、「営業は順調」とは言い切れません。一方、商談数が少なくても、有効商談率や受注への転換が改善している場合は、営業品質が高まっている可能性があります。

インティメート・マージャーが関わってきた営業関連セミナーでも、「商談は増えているのに受注が増えない」「顧客の検討タイミングと接触が合わない」「提案後の社内検討で案件が止まる」といった課題が扱われてきました。

本記事では、営業データを可視化するときの基本的な考え方から、営業ダッシュボードへ載せたい指標、SFAデータ分析の進め方、営業会議で改善へつなげる方法まで整理します。

営業データを可視化するとは？

営業データの可視化とは、SFAやCRMなどへ蓄積された案件・顧客・営業活動の情報を、営業状態や改善余地が判断できる形へ整理することです。

SFAはSales Force Automationの略で、営業活動や案件進捗を管理するための仕組みです。CRMは顧客情報や接点履歴を管理する仕組みとして使われます。

ただし、システムへ数字を入力しているだけでは「可視化できている」とは限りません。

営業ダッシュボードを作ること自体が目的ではありません。可視化した結果として、営業会議の問いが変わることが重要です。

「商談は何件だったか」から、

• どの工程で減っているのか
• どの案件が止まっているのか
• どの顧客群で差があるのか
• 何を変えればよいのか

へ議論を進められる状態を目指します。

なぜ商談数だけでは営業の改善ポイントが見えないのか

商談数は重要な指標ですが、一つの結果しか表していません。

例えば、ある月の商談数が増えたとしても、次のような状態が同時に起きている可能性があります。

• 対象外企業との商談が増えている
• 提案へ進む割合が下がっている
• 提案後に長期間止まる案件が増えている
• 失注理由が「時期尚早」に偏っている
• フィールドセールスから無効商談と判断されている
• 受注単価が下がっている

反対に、商談数が横ばいでも、対象精度や提案後の転換率が上がっているなら、営業プロセスは改善している可能性があります。

つまり、営業分析では、一つのKPIを「正解の数字」とするのではなく、複数の指標をつないで原因を絞ります。

営業工程全体のボトルネック分析については、営業の成約率を下げるボトルネックをデータで特定する方法でも詳しく整理しています。

営業データは「量・転換・速度・品質・停滞・結果」で見る

営業分析の指標を増やしすぎないためには、目的別に分類すると整理しやすくなります。

「営業分析 指標」を検討する際、これらをすべて最初からダッシュボードへ載せる必要はありません。

今、自社で判断したい問題に合わせて選びます。

営業プロセスをステージごとに可視化する

営業データを改善へつなげるためには、営業プロセスを段階へ分けます。

例えば、

1. リード
2. 初回接触
3. 商談
4. 提案
5. 社内検討
6. 受注・失注

という工程です。

企業によって営業プロセスは異なるため、この名称をそのまま使う必要はありません。

重要なのは、それぞれについて「どの状態になったら入るのか」「何が確認できたら次へ進むのか」を明確にすることです。

この形で可視化すると、例えば「商談数不足」と思っていた問題が、実は「提案後の案件滞留」にあると分かることがあります。

転換率と滞留日数をセットで見る

営業ダッシュボードでは、ステージ転換率と滞留日数をセットで見ると、案件の詰まりを発見しやすくなります。

転換率で「どこで減ったか」を見る

例えば、

• 100件の商談のうち何件が提案へ進んだか
• 提案案件のうち何件が受注したか

というように、前工程から次工程へ進んだ割合を確認します。

滞留日数で「どこで止まっているか」を見る

転換率だけでは、まだ結果が出ていない案件を捉えにくい場合があります。

そこで、

• 商談後から提案まで
• 提案から次回連絡まで
• 社内検討ステージに入ってから

何日間止まっているかを確認します。

転換率は「減った場所」、滞留日数は「止まっている場所」を見る指標と考えると分かりやすくなります。

一次情報から見える課題｜商談数の先にある営業プロセスを見る

インティメート・マージャーが関わった営業関連セミナーでは、「商談は増えたのに売れない」という問題がテーマとして扱われています。

この課題を可視化という観点から見ると、商談数だけをKPIにしていると、その後に起きている問題が見えにくくなります。

例えば、

• 商談にはなったが提案へ進んでいない
• 提案したが顧客社内で止まっている
• 担当者は評価しているが決裁者へ届いていない
• 案件自体は残っているが次回行動が設定されていない
• 失注理由が粗く、改善方法を判断できない

といった問題です。

また、プロジェクト内のインサイドセールス関連資料では、ツール導入だけでは商談化しない理由として、接客対象・訴求・タイミングが分断されていることが整理されています。

営業データの可視化では、ツールに入っている数字を並べるだけでなく、「誰に・いつ・何をして、その後どうなったか」という営業プロセスをつなげて見る必要があります。

SFAデータ分析で最低限そろえたい項目

SFAで営業データ分析を行う場合、案件金額やステージだけでは原因分析に不足することがあります。

少なくとも、次のような情報を検討します。

SFAで営業記録を管理する方法については、AIエージェントとSFAを使った営業記録・案件管理も参考になります。

営業ダッシュボードは利用者ごとに分ける

ダッシュボードでよくある失敗が、「すべての営業データを1画面へ載せること」です。

経営、営業マネージャー、営業担当者では、数字を見て決めることが異なります。

「何を表示できるか」ではなく、「この画面を見た人が何を決めるのか」からダッシュボードを作ります。

担当者別ランキングだけで営業分析を終わらせない

営業データを可視化すると、担当者別の商談数・受注率を比較したくなります。

ただし、その数字をそのまま能力差と判断するのは注意が必要です。

担当者ごとに、

• 扱う顧客層
• 企業規模
• 商材
• 流入経路
• 新規・既存
• 案件難易度

が異なる場合があるからです。

担当者別に見る場合は、まず条件をそろえたうえで、

• 商談→提案の転換率
• 次回行動設定率
• ステージ滞留
• 失注理由
• 商談期間

などプロセスの違いを確認します。

営業可視化は「誰が悪いか」を探すためではなく、「再現できる行動と改善すべき工程」を探すために使うことが重要です。

流入元・顧客属性を掛け合わせると営業データの見え方が変わる

全案件を一つに集計すると、平均値に重要な差が隠れることがあります。

例えば、

• 問い合わせ
• 資料ダウンロード
• ウェビナー
• 展示会
• アウトバウンド

では、営業へ入る時点の顧客状態が異なります。

同様に、企業規模や業種によって商談期間・受注率が異なることもあります。

そのため、

インサイドセールスのKPIについては、リード数だけで判断しないインサイドセールスのKPI設計もあわせて確認してください。

営業会議では「数字の読み上げ」ではなく差分と異常を見る

ダッシュボードを作っても、営業会議が数字の報告だけなら改善にはつながりにくくなります。

営業会議では、次の順番で見ると整理しやすくなります。

1. 前回・通常状態から大きく変わった指標を探す
2. どのステージ・顧客層・流入元で起きたかを絞る
3. 代表案件を確認する
4. 原因仮説を作る
5. 追加で確認するデータを決める
6. 変更する施策を一つ決める
7. 次回同じ指標で結果を確認する

例えば「提案後転換率が低下した」という数字が出た場合、すぐに「提案力を改善する」と決めるのではなく、

• 特定の商材だけか
• 新規顧客だけか
• 特定流入元だけか
• 案件滞留も増えているか
• 失注理由は変化したか
• 決裁者まで接触できているか

を確認します。

数字は結論ではなく、「次にどこを見るか」を決める入口として使います。

ダッシュボードは日次・週次・月次で見る指標を分ける

すべての指標を毎日追う必要はありません。

毎日受注率を見ても意味が薄い一方、次回行動が設定されていない案件は日次で確認する価値があります。

指標の更新頻度も、意思決定の頻度に合わせます。

SFAデータ分析で先に確認したいのは「入力率」よりデータの意味

SFA運用では、「入力率を上げること」が目的になってしまうことがあります。

もちろんデータが入力されていなければ分析はできません。

しかし、入力済みでも次の状態では分析しにくくなります。

• 案件ステージの定義が担当者ごとに違う
• 受注見込みの意味が統一されていない
• 案件が止まってもステージが更新されない
• 失注理由が「その他」ばかりになっている
• 次回行動の登録ルールがない
• 同じ企業・案件が重複している
• 営業活動とマーケティングの流入情報がつながっていない

SFAデータ分析では、「入力されているか」だけでなく、「同じ意味で入力されているか」を確認します。

AIは営業データの可視化をどう支援できる？

AIは、営業データを整理・要約し、確認対象を絞る用途で活用できます。

• 商談議事録から課題や次回行動候補を抽出する
• SFAへの入力候補を整理する
• 長期間動いていない案件を抽出する
• 失注理由の自由記述を分類する
• 受注案件と失注案件の違いを整理する
• 営業会議用に重要な変化を要約する
• 次に確認すべき案件候補を提示する

一方で、AIが「受注確度が低い」「顧客の関心が薄れた」と判断したとしても、それをそのまま事実として扱うべきではありません。

特に、SFA上のステージや更新日自体が古い場合、AIは古い入力をもとに判断することになります。

AIによる高度な分析を進める前に、ステージ、次回行動、失注理由、関係者、更新状態など、判断に使う営業データの意味をそろえることが重要です。

営業データ可視化を進める8つのステップ

何を判断したいか決める

「営業を可視化したい」ではなく、問いを具体化します。

• 商談数が増えても受注が増えない理由を知りたい
• 停滞案件を減らしたい
• 受注につながる流入元を知りたい
• 営業担当者間の差の原因を知りたい

営業プロセスを定義する

リード、接触、商談、提案、検討、受注など、自社の営業工程を整理します。

ステージ移行条件を決める

「担当者がそう思ったから」ではなく、次の状態へ進むために何が確認できている必要があるかを決めます。

各工程のKPIを一つずつ決める

最初から大量の指標を選ばず、「量」「転換」「速度」「品質」から重要なものを選びます。

最低限必要なSFAデータを整える

ステージ移行日、次回行動、失注理由など、分析目的に必要な項目を確認します。

一つの全体ダッシュボードと役割別画面を分ける

全社状況と担当者の行動管理を同じ画面へ詰め込みません。

差分から代表案件を確認する

数字だけで原因を断定せず、具体的な商談記録も確認します。

改善施策と検証日を決める

ダッシュボードを見て終わらず、変更内容・担当者・再確認日を設定します。

営業ダッシュボードでよくある失敗

表示できる数字をすべて載せる

指標が増えるほど、どの数字を見て行動すべきか分かりにくくなります。

「この数字が変わったら何をするか」を説明できない指標は、優先度を下げます。

売上と商談数しか見ない

結果だけでは改善箇所を特定できません。途中の転換率・滞留・品質を見る必要があります。

担当者ランキングを中心にする

案件条件を補正せずに比較すると、プロセス改善より個人評価へ議論が偏ります。

平均値だけを見る

流入元・業種・企業規模などを混ぜると、特定セグメントの問題が見えなくなることがあります。

SFAの入力内容をそのまま信じる

定義や更新時期がずれている場合があります。データの意味と鮮度を確認します。

ダッシュボードを作って営業会議が変わらない

毎月同じ数字を読み上げるだけでは、可視化の価値を活かせません。差分、異常、仮説、次の行動まで議論します。

一度作ったダッシュボードを更新しない

営業戦略、顧客層、商材、商談化基準が変われば、見る指標も見直します。

実務で使える営業データ可視化チェックリスト

「SFAは導入済みだが営業会議で使えていない」「商談数と売上しか見ていない」「案件が止まっていてもダッシュボード上では分からない」という場合は、新しい分析ツールを導入する前に、営業ステージと指標の設計を見直す余地があります。

まとめ｜営業データは「結果」ではなく「途中」を可視化する

営業データを可視化するとき、商談数・受注件数・売上といった最終結果だけでは、どこを改善すべきか判断できない場合があります。

そこで、営業プロセスを分け、

• どれだけ案件があるか
• どの工程で減っているか
• どの工程で止まっているか
• 対象顧客の質は適切か
• なぜ失注したか
• 次回行動が設定されているか
• どの流入・顧客条件で差があるか

まで確認します。

営業ダッシュボードの役割は、「営業状況を眺めること」ではなく、「次に確認すべき場所を見つけること」です。

まずは現在のダッシュボードについて、「この数字が変わったら、誰が何をするのか」を一つずつ確認してみてください。

答えられない指標が多ければ、数字を増やすよりも、営業プロセスと判断目的から可視化を組み直すことが改善の第一歩になります。

営業データの可視化に関するよくある質問

営業データの可視化では何を見ればよいですか？

商談数・受注件数だけでなく、営業ステージごとの件数、転換率、滞留日数、対象適合率、失注理由、次回行動、流入元などを確認します。自社の改善目的に合わせて必要な指標を選びます。

営業ダッシュボードにはどのKPIを載せるべきですか？

利用者によって変えます。経営層なら売上・パイプライン、営業マネージャーなら転換率・滞留・失注理由、担当者なら次回行動・期限超過案件など、数字を見た後の判断に合わせて設計します。

SFAのデータ分析は何から始めればよいですか？

最初に営業プロセスとステージ定義を確認します。そのうえで、案件ステージ、移行日、次回行動、失注理由など、今回の分析に必要な項目が正しく記録されているかを確認します。

商談数が増えているのに受注が増えない場合、何を見るべきですか？

商談から提案、提案から社内検討、社内検討から受注までの転換率と滞留日数を確認します。あわせて有効商談率、失注理由、意思決定者への接触状況なども確認すると原因を絞りやすくなります。

営業担当者別の受注率を比較すれば改善点は分かりますか？

それだけでは十分ではありません。担当する企業規模、顧客層、商材、流入元など案件条件が異なる場合があります。条件を分けたうえで、転換率や滞留、次回行動などのプロセスも比較します。

営業ダッシュボードはどのくらいの頻度で見るべきですか？

指標によって異なります。未対応案件や期限超過は日次、転換率や滞留は週次、失注理由や流入元別成果は月次、受注率やパイプラインは月次・四半期など、意思決定する周期に合わせます。

AIを使えば営業データ分析を自動化できますか？

AIは商談記録の要約、案件停滞の抽出、失注理由の分類、営業会議向けの情報整理などを支援できます。ただし、元のSFAデータが古い・定義が曖昧な場合は分析結果にも影響するため、人によるデータ定義と確認は必要です。