AIでリードクオリフィケーションを行う方法｜営業へ渡す前に何を確認する？

「マーケティングから営業へリードを渡しているのに、なかなか追ってもらえない」「スコアが高いリードを渡したのに、営業から“対象ではない”と言われる」「AIでリードを判定したいが、何を基準にすればよいか分からない」。

BtoBマーケティングやインサイドセールスでは、リードを集めた後に、このような問題が起こることがあります。

リードクオリフィケーションとは、獲得した見込み顧客を営業プロセスへ進めるべきか、育成を続けるべきか、対象外とするべきかを判断する工程です。

重要なのは、単純に「スコアが高い人」を選ぶことではありません。自社との適合度、現在の検討状態、営業履歴、不足している情報などを確認し、「営業へ渡してよい理由」を整理します。

AIを活用すれば、企業情報、Web行動、CRM・SFA、過去の営業接点、インテントデータなどを整理し、Qualificationの候補判定や不足情報の抽出を支援できます。

本記事では、リードクオリフィケーションの意味、リードスコアリングとの違い、適合度・検討度の見方、必要なデータ、AIによる判断方法、営業への引き継ぎまで実務の順番で解説します。

リードクオリフィケーションとは？

リードクオリフィケーションとは、獲得した見込み顧客について、現在営業プロセスへ進める条件を満たしているかを確認する工程です。

英語ではLead Qualificationと呼ばれます。

例えば資料をダウンロードしたリードがいた場合、資料DLだけでは営業対象かどうかは判断できません。

少なくとも、

• 自社の商品・サービスで支援できる企業か
• 対象となる部署・役割か
• 解決したい課題があるか
• 現在どの程度検討しているか
• 営業担当者がすでに対応していないか
• 営業へ渡すために必要な情報が揃っているか

などを確認します。

そのうえで、

• Qualified：営業へ進める候補
• Nurture：対象ではあるが、まだ育成・観測が必要
• Disqualified：現時点では営業対象外
• Review：情報不足のため人による確認が必要

といった状態へ分類します。

Qualificationは「良い顧客を当てる」ためではなく、営業が次の行動を判断できる状態を作る工程と考えると分かりやすくなります。

リードクオリフィケーションとリードスコアリングの違い

リードクオリフィケーションとリードスコアリングは関連しますが、目的を分けて設計すると営業・マーケティング間の認識をそろえやすくなります。

項目	リードクオリフィケーション	リードスコアリング
主な目的	営業プロセスへ進めてよいか判断する	対象候補の優先順位を整理する
主な問い	このリードは営業対象か	どのリードから対応するか
主な出力	Qualified／Nurture／Disqualified／Reviewなど	スコア、ランク、Priorityなど
確認情報	Fit、課題、検討状態、営業履歴、除外条件、情報不足	Fit、行動、Intent、Recency、優先度
AIの役割	情報整理、不足情報抽出、判定候補、理由作成	特徴抽出、スコア候補、順位整理
次工程	Scoring、Nurturing、除外、人による確認	Routing、Contact

例えば、自社のターゲット条件から大きく外れる企業が大量にWebサイトを閲覧していた場合、行動スコアだけなら高くなる可能性があります。

しかしQualificationでは、まず「営業対象として適合するか」を確認します。

逆に、自社との適合度は非常に高いものの、現在の課題や検討状況が確認できない企業なら、即座に営業へ渡さず、育成・観測対象とする選択肢があります。

リードスコアリングそのものの設計については、リードスコアリングとは？営業が追うべき見込み客を判断する設計方法で詳しく解説しています。

リードクオリフィケーションでは何を確認する？

Qualificationでは、BANTだけを確認するのではなく、自社の商品・営業プロセスに合わせて複数の観点を組み合わせます。

観点	確認すること	例
Fit	自社が支援しやすい対象か	業種、企業規模、地域、部署、利用条件
Need / Use Case	解決したい課題があるか	業務課題、現在の運用、改善目的
Intent / Engagement	関連テーマへの関心・行動があるか	資料、ウェビナー、サイト閲覧、関心テーマ
Buying Process	誰が、どのように判断するか	担当者、決裁者、関与部署、稟議
Timing	現在の検討段階・時期	情報収集、比較検討、導入予定時期
Sales Context	営業上、今進めてよいか	商談中、失注直後、既存顧客、別担当対応中
Data Completeness	判断に必要な情報が足りているか	部署不明、課題不明、担当者不明

まず適合度を確認する｜Fit Qualification

最初に確認したいのが、「そもそも自社が支援できる対象か」という適合度です。

Fitでは、過去の受注企業や継続顧客、営業現場の知見などを参考に、対象条件を整理します。

例えば、

• 対象業種
• 企業規模
• 対象地域
• 部署・職種
• 役職
• 利用に必要な条件
• 自社で支援可能な課題

などです。

ここで重要なのは、「大企業だから高評価」「部長だから高評価」といった単純な属性評価にしないことです。

自社の商品を利用できる条件や、実際に支援できる課題があるかまで確認します。

除外条件も最初に定義する

Qualificationでは、加点項目と同じくらい除外条件が重要です。

例えば、

• 商品・サービスの提供対象外
• 営業目的の問い合わせ
• 採用・学生等の問い合わせ
• 重複登録
• 営業担当者がすでに対応中
• 接触停止対象
• 直近で明確な見送りとなっている

などを確認します。

対象外条件を先に処理すれば、AIや営業担当者が不要な評価へ時間を使うことを減らせます。

次に検討度を確認する｜「行動が多い＝検討中」とは限らない

Fitが高くても、現在営業へ渡すべき状態とは限りません。そのため、現在の検討状態を別に確認します。

例えば、同じ資料ダウンロードでも、

• 初めてテーマを調べ始めた
• 複数の比較資料を見ている
• サービスページや料金関連情報まで確認している
• 具体的な相談・問い合わせを行っている

では意味が異なります。

Web行動、資料ダウンロード、ウェビナー参加、問い合わせなどは「検討状況を確認する材料」であり、それだけで購入意思を断定するものではありません。

インテントデータは「確認する理由」として使う

外部のインテントデータもQualificationの判断材料にできます。

ただし、関心シグナルが高いからといって「購入する企業」と断定するのではなく、現在の状況を確認する意味があるかを見るために利用します。

詳しくは、インテントデータをインサイドセールスで活用する方法をご覧ください。

BANTだけでリードクオリフィケーションを行わない

BANTは、Budget（予算）、Authority（決裁権）、Need（ニーズ）、Timeline（導入時期）を確認する代表的なQualificationフレームワークです。

分かりやすい一方、すべてのBtoB営業で4項目を初期段階から確認できるとは限りません。

例えば、情報収集を始めたばかりの担当者に、初回接点で予算・決裁権・導入時期をすべて確認しても答えが決まっていない場合があります。

そのため、Qualificationの基準は商材や営業プロセスに合わせて設計します。

状況	確認を優先する情報
初期情報収集	Fit、課題、関心テーマ
課題が具体化	Need、現状、解決したい状態
比較検討	選定条件、関係者、導入条件、Timing
具体検討	意思決定プロセス、予算条件、導入時期

Qualificationは「BANTを全部埋める作業」ではなく、次の営業工程へ進めるために何を確認する必要があるかを定義することが本質です。

AIによるリードクオリフィケーションではどのデータを使う？

AIによるQualificationでは、一つのデータだけで判定せず、企業属性、顧客行動、営業データなどを目的別に整理します。

主な情報源は次の通りです。

データ	主な用途
企業属性	Fit確認
フォーム情報	部署、役職、相談内容等の確認
Web・MAデータ	自社への行動・関心確認
インテントデータ	外部テーマへの関心変化確認
CRM・SFA	過去接点、案件状況、失注理由確認
営業メモ	過去の会話・未解決事項確認
公開情報	企業状況や事業内容の補足

データを増やすこと自体が目的ではありません。

「Fitを確認するための情報」「検討状態を見る情報」「営業上の除外条件を見る情報」のように、判断目的とデータを対応させます。

AIでリードクオリフィケーションを行う方法

AIへ「このリードは良いですか？」とだけ質問する方法では、判定理由がブラックボックス化します。

AIを使う場合は、判定工程を分けて設計します。

1．ルールで判定できる条件を先に処理する

まず、AIによる解釈が必要ない条件を整理します。

• 対象外地域
• 対応中案件
• 重複登録
• 接触停止対象
• 必須情報の欠損

こうした条件は明確なルールとして処理します。

2．AIが企業・顧客情報を整理する

次に、企業属性、フォーム回答、行動情報、CRM、公開情報などをAIへ渡し、判断に必要な情報を一定の形式へ整理します。

3．事実・解釈・未確認を分ける

AIの出力では、確認済みの事実と推測を分けます。

区分	例
事実	関連ウェビナーへ参加している
解釈候補	関連テーマについて情報収集している可能性がある
未確認	具体的な導入予定は確認できていない
確認事項	現在、どのような目的で情報収集しているか

4．Qualification候補を出す

AIには点数だけではなく、例えば次のような形式で出力させます。

• Qualification状態：Qualified／Nurture／Disqualified／Review
• Fit：高／中／低
• 検討状態：確認済み／推定／不明
• 営業上の除外条件：あり／なし
• 判定理由
• 不足情報
• 次に確認すべき質問

5．情報不足・例外は人へ戻す

AIが判定できない対象を無理にQualifiedまたはDisqualifiedへ振り分けないことも重要です。

重要顧客、既存顧客、複雑な契約関係、過去に例外対応があった企業、情報が不足しているリードなどはReviewとして人へ戻します。

一次情報から見る｜「リードの質」のズレはなぜ起こる？

インティメート・マージャーが関わった過去のセミナーでも、マーケティング側では「獲得したリードが営業活動へつながらない」、営業側では「マーケティングから来るリードの質が低い」といった認識の違いが課題として扱われてきました。

この問題は、マーケティング施策そのものだけが原因とは限りません。

例えば、マーケティング側では「資料をダウンロードしたからMQL」、営業側では「具体的な導入時期が分からないから営業対象ではない」と、それぞれ別の基準で判断していれば、同じリードを見ても評価が一致しません。

そこで必要になるのが、営業・マーケティング双方でQualification条件を定義することです。

過去のセミナーでは、

ターゲット共有 → 顧客行動データの共有 → AIを含む評価 → 営業結果の分析 → 判断基準の改善

という循環型の考え方も取り上げられています。

Qualificationも一度ルールを作って終わりではなく、実際の商談結果から条件を更新する必要があります。

営業へ渡すときは「Qualified」だけでは足りない

Qualificationの結果を営業へ渡すときは、「Qualifiedです」というステータスだけでは不十分です。

営業担当者が次の行動を判断できる情報を一緒に渡します。

例えば、

営業へ渡す情報	内容例
Qualification結果	Qualified
Fit理由	対象業種・規模・部署が条件に一致
最近の変化	関連テーマへの行動が最近確認された
過去接点	ウェビナー参加あり、商談履歴なし
確認済み情報	課題領域は確認済み
未確認情報	導入時期・意思決定者は未確認
推奨質問	現在どの段階で情報収集しているか

こうすることで、営業担当者はゼロから企業を調べ直すのではなく、「何が分かっていて、何を確認すればよいか」から会話を始められます。

Qualification後にスコアリングで優先順位を付ける

Qualificationによって営業対象候補を整理したら、次にScoringで対応順を決めます。

例えばQualifiedとなった100件があっても、営業担当者が同時に100件へ対応することは難しい場合があります。

そこで、

• 最近の行動
• 関心テーマ
• 自社へのEngagement
• Intentの変化
• 過去の営業関係

などを使って対応順位を整理します。

Qualificationは「営業対象か」、Scoringは「営業対象の中で誰から見るか」と分けることで、点数だけで営業対象そのものを決める状態を避けやすくなります。

具体的な対応順位については、インサイドセールスは誰から対応すべき？リードの優先順位を決める方法で整理しています。

AIによるリードクオリフィケーションを導入する7ステップ

1．「Qualified」の定義を決める

商談化なのか、インサイドセールス確認なのか、フィールドセールスへの引き渡しなのかを明確にします。

2．対象外条件を決める

AIを使う前に、営業対象外・対応中・重複など明確な除外条件を整理します。

3．Fit条件を決める

自社が支援可能な企業・部署・課題を整理します。

4．検討状態を判断する条件を決める

フォーム回答、Web行動、問い合わせ、インテント、過去接点など、現在の状況を判断するデータを決めます。

5．必要情報と不足時の処理を決める

情報がなければ不合格にするのではなく、AI調査、人による確認、ナーチャリングなど次の処理を決めます。

6．AIの出力形式を固定する

判定結果、理由、根拠データ、不足情報、推奨質問を同じ形式で出力します。

7．営業結果をQualification条件へ戻す

営業が「対象外」「まだ早い」「良い商談になった」などの結果を記録し、条件を見直します。

リードクオリフィケーションの実務チェックリスト

確認項目	なぜ重要か	不足時に見直すこと
Qualifiedの定義がある	部門間の判断基準をそろえるため	営業へ渡す条件を文章化する
対象外条件が決まっている	不要な営業工数を防ぐため	失注・対象外理由を確認する
Fitを説明できる	属性だけの評価を防ぐため	受注・失注企業を比較する
検討状態を別に確認している	Fitと今のタイミングを混同しないため	行動・Intent・営業接点を整理する
営業履歴を確認している	重複接触を防ぐため	CRM・SFAとの接続を見直す
情報不足を判定できる	AIの無理な推測を防ぐため	Review状態を追加する
AIの判定理由が見える	営業が判断を検証できるため	根拠・理由コードを出力する
人の確認地点がある	例外・重要顧客へ対応するため	承認・エスカレーション条件を定義する
営業結果を記録している	Qualificationを改善するため	対象外・商談化理由をCRMへ戻す

まとめ｜Qualificationは「点数を付ける前の営業判断」を設計する工程

リードクオリフィケーションとは、獲得した見込み顧客について、営業プロセスへ進めるべきか、育成を続けるべきか、対象外とするべきかを判断する工程です。

重要なのは、BANTをすべて埋めることでも、AIに一つの点数を出させることでもありません。

自社との適合度、現在の検討状態、営業上の条件、不足情報を整理し、「なぜ営業へ渡すのか」を説明できる状態にすることが重要です。

AIは、大量の企業・リード情報を整理し、Qualification候補を作り、不足情報や次の確認質問を出す役割に活用できます。

そのうえでQualifiedとなった対象に対してスコアリングを行い、営業の対応順位を整理します。

企業調査 → Qualification → Scoring → Routing → Contact → 営業結果のフィードバック

という一連のプロセスとして設計することで、マーケティングと営業の間で「良いリード」の定義がずれる問題を見直しやすくなります。

リードクオリフィケーションに関するよくある質問

リードクオリフィケーションとは何ですか？

リードクオリフィケーションとは、獲得した見込み顧客を営業へ進めるか、育成を続けるか、対象外とするかを判断する工程です。自社との適合度、検討状態、営業履歴などを確認します。

リードクオリフィケーションとリードスコアリングの違いは何ですか？

Qualificationは「営業対象として進めてよいか」、Scoringは「対象候補の中で誰から対応するか」を判断するものとして分けると整理しやすくなります。実際の運用では両者を組み合わせます。

MQLとSQLはQualificationとどう関係しますか？

MQL・SQLはQualification結果を営業・マーケティングの工程へ反映するための状態区分の一例です。ただし名称だけで運用せず、「何を満たしたら営業へ渡すか」を自社で定義することが重要です。

リードクオリフィケーションにはBANTが必須ですか？

必須ではありません。BANTは有用なフレームワークの一つですが、商材、検討期間、営業プロセスに応じてFit、課題、関与者、検討段階、営業履歴など別の条件を組み合わせます。

AIだけでQualified／Disqualifiedを決めてもよいですか？

すべてをAIだけで決める必要はありません。ルールで判断できる項目、AIが解釈する項目、人が確認すべき例外を分け、特に重要顧客や情報不足の対象には人の確認を残します。

検討度はWeb行動だけで判断できますか？

Web行動だけで断定することは避けた方がよいでしょう。自社への行動、インテント、問い合わせ内容、過去商談、営業履歴など複数の情報を使い、未確認事項は顧客との会話で確認します。

Qualificationした後は何をすればよいですか？

Qualifiedとなった対象について優先順位を付け、適切な担当者へRoutingし、営業接触へつなげます。商談化・対象外・タイミング違いなどの結果はQualification条件へ戻して改善します。