---
title: "トップ営業の動きを項目に分解する｜デモのタイミングと成約率の相関を測る仕組み"
excerpt: "商談の質を可視化し、成約率と実演（デモ）・ヒアリング時間の相関を特定する取り組みです。ヒアリング時間や質問密度、実演タイミングをLLMで分析するプロンプトを構築し、予約者へのHOT/COLD自動ラベル付けも実装。属人的な「うまさ」を再現可能な項目に分解する設計をまとめています。"
author: "AI活編集部"
author_username: ai-katsu-editorial
published_at: 2025-11-08T00:00:00+00:00
verified_at: 2025-11-08T00:00:00+00:00
tools: ["Zoom", "Make", "Google Apps Script"]
tasks: ["業務自動化・ワークフロー", "業務プロジェクト"]
domain: "営業"
canonical_url: https://ai-katsu.jp/articles/sales-analysis-demo-automation
---
# トップ営業の動きを項目に分解する｜デモのタイミングと成約率の相関を測る仕組み

「デモを見せた商談は決まりやすい」——営業の現場では感覚的に語られる話です。しかし本当にそうなのか、どのタイミングで見せるのが効くのかは、データがなければ確かめられません。

商談の質を可視化し、**成約率と「実演（デモ）」「ヒアリング時間」の相関を特定する**取り組みを進めています。あわせて、予約者への自動ラベル付け（HOT/COLD）や、実演時のワークフローも構築しました。

## この検証の概要

| 項目 | 内容 |
| --- | --- |
| 検証時期 | 2025年11月（11/8〜11/21） |
| 使用ツール | Zoom / Make / GAS / LLM |
| やりたかったこと | 商談後のリスト記入漏れ防止と、トップ営業の動き（フレーズ、実演タイミング）の標準化 |
| 稼働したもの | **リスト記入アラートとDiscordへの自動通知が安定稼働** |
| 実装したもの | 予約者への**自動ラベル付け（HOT/COLD）**／営業実演時のMakeワークフロー |
| 状況 | 運用監視および高度分析フェーズ |

> 本記事は自社での検証記録です。成約率の変化などの測定は行っていないため、数値は掲載していません。

## 結論：トップ営業の動きを項目に分解する

この取り組みの狙いは、**属人的な「うまさ」を再現可能な項目に落とすこと**です。

具体的には、次の要素をLLMに分析させるプロンプトを構築しました。

-   **商談中のヒアリング時間** — どれだけ相手の話を聞けているか
-   **質問の密度** — 踏み込んだ質問ができているか
-   **実演（デモ）のタイミング** — いつ見せているか
-   **使っているフレーズ** — どんな言い回しが効いているか

**「あの人はうまい」で終わらせず、何がうまいのかを分解する。**分解できれば、他のメンバーにも渡せます。これが標準化の実質的な中身です。

## HOT/COLDの自動ラベル付け

商談前の段階でも仕込みを入れました。**予約者への自動ラベル付け（HOT/COLD）**です。

すべての商談に同じ準備をするのは非効率です。**温度感が事前に分かれば、力の入れどころを配分できます。**これが自動で付くようになると、営業側の判断が速くなります。

## 実演用のワークフロー

**営業実演時のMakeワークフローを構築し、動作確認まで完了しています。**

デモは、その場の準備に手間がかかる工程です。ここを仕組み化しておくと、**「デモを見せるかどうか」の判断に、準備コストが影響しなくなります。**本来は相手にとって必要かで決めるべきものです。

## 土台として先に片付けたこと

分析の前段として、**リスト記入に関するアラート通知とDiscordへの自動通知が安定稼働に入っています。**

記入されていないデータは分析できません。**「デモの有無と成約率の相関」を見ようとしても、デモの有無が記録されていなければ何も分かりません。**アラートで記入漏れを防ぐことが、分析の前提になります。

## 横展開の検討

この仕組みの応用として、**講師評価制度への横展開（n8n活用）**の検討を開始しています。

「話し方を分析して、良い動きを特定する」という構造は、営業に限りません。**研修講師の評価にも同じ考え方が使えます。**一度作った分析の枠組みは、対象を変えて再利用できます。

## よくある質問

### 何を分析しているのですか？

**商談中のヒアリング時間、質問の密度、実演のタイミング、使っているフレーズです。**これらと成約率の相関を見ることで、トップ営業の動きを再現可能な形に分解します。

### HOT/COLDはどう判定していますか？

**予約者への自動ラベル付けとして実装しています。**事前に温度感が分かることで、商談準備の力の入れどころを配分できます。

### なぜリスト記入のアラートが必要なのですか？

**記入されていないデータは分析できないためです。**デモの有無と成約率の相関を見ようとしても、デモの有無が記録されていなければ何も分かりません。分析の前提条件です。

### 成約率は上がりましたか？

**この検証では成約率の測定は行っていません。**現在は運用監視および高度分析のフェーズです。

## まとめ

-   商談の質を可視化し、**成約率と実演・ヒアリング時間の相関を特定**する取り組みを推進
-   ヒアリング時間、質問密度、実演タイミング、フレーズを**LLMで分析するプロンプトを構築**
-   予約者への**HOT/COLD自動ラベル付け**で、商談準備の力の配分を可能に
-   実演用のMakeワークフローで、**準備コストがデモ実施の判断に影響しない**状態をつくる
-   前提として**リスト記入アラートが安定稼働**。記入されないデータは分析できない
-   同じ枠組みを**講師評価制度へ横展開**する検討を開始

営業の標準化は「うまい人のやり方を真似る」だけでは進みません。何がうまいのかを項目に分解して、初めて渡せるものになります。

株式会社AI棒では、こうしたAI活用の検証を日々行い、企業の営業DXとAI導入を支援しています。ご相談は[お問い合わせフォーム](/contact)から、継続的な伴走支援については[AI参謀](/ai-sanbo)をご覧ください。