---
title: "商談評価から主観を外す｜クロージングの受け答えをLLMでスコアリングする"
excerpt: "商談後の振り返り精度を上げるため、クロージング時の受け答えや質問の密度をLLMでスコアリングする仕組みを構築中です。担当者の感覚とは別軸の指標を持つことで比較可能な評価になります。あわせてリスト通知の不具合3件を解消し、分析の前提となる記入監視を安定化させた記録です。"
author: "AI活編集部"
author_username: ai-katsu-editorial
published_at: 2025-11-22T00:00:00+00:00
verified_at: 2025-11-22T00:00:00+00:00
tools: ["Zoom", "Make", "n8n"]
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-list-notification
---
# 商談評価から主観を外す｜クロージングの受け答えをLLMでスコアリングする

商談の評価は、どうしても主観が入ります。「手応えがあった」「あまり刺さらなかった」という感覚は、人によって基準が違います。

この検証では、**クロージング時の受け答えや質問の密度をLLMでスコアリングすることで、主観を排除した商談評価**を目指しました。あわせて、運用中に見つかったリスト通知の不具合3件にも対応しています。

## この検証の概要

| 項目 | 内容 |
| --- | --- |
| 検証時期 | 2025年11月〜12月（11/22〜12/19） |
| やりたかったこと | 商談後の振り返り精度を向上させ、成約に至る具体的な要因を特定する |
| 対応したこと | **リスト通知の不具合3件の解消**／HOT・COLDラベル付けロジックの改善 |
| 結論 | **クロージング時の受け答えや質問の密度をLLMでスコアリングすることで、主観を排除した商談評価が可能** |
| 分析方針 | 「実演有無」「活用事例の紹介有無」をタグ分類（業務-Gemini / Dify等）して分析 |
| 状況 | 運用監視および分析モデル構築中 |

> 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：スコアリングで主観を外す

この段階で確認できた最も重要な点です。

**クロージング時の特定の受け答えや質問の密度をLLMでスコアリングすることで、主観を排除した商談評価が可能になります。**

営業の振り返りは、担当者本人の記憶と感覚に依存します。同じ商談でも、調子が良い日と悪い日では自己評価が変わります。**この揺れがある限り、データとして積み上がりません。**

一方、**「どんな質問を何回したか」「クロージングにどう返ってきたか」は、記録から機械的に判定できます。**ここをスコア化すれば、比較可能な数字になります。

感覚を否定するのではなく、**感覚とは別軸の指標を用意する**ということです。

## 運用で見つかった不具合への対応

この期間の作業として、**リスト通知の不具合3件に対応し、アラート通知の不具合解消とリスト記入監視の安定化を達成しました。**

地味ですが、これは分析の前提条件です。**通知が正しく飛ばなければ記入漏れが起き、記入漏れがあれば分析できません。**

自動化は作った時点では完成せず、**運用しながら出てくる不具合を潰す期間が必ず必要になります。**この工程を見込まずにスケジュールを引くと、分析フェーズに入れません。

## HOT/COLDラベルの精度改善

予約者へのラベル付けロジックも改善しています。事前の温度感判定が正確になるほど、**商談準備の力の配分が的確になります。**

## タグ分類による相関分析

成約率向上のための分析方針を確定しました。**「実演有無」や「活用事例の紹介有無」を、タグ分類（業務-Gemini / Dify等）と組み合わせて分析します。**

商材によって効く打ち手は変わります。全体を平均しても意味がないため、**タグで切り分けたうえで比較する**設計です。

## コストの制約下での運用

実務的な補足として、**営業実演のMakeフローは無料枠内でのやりくりを継続しています。**

ノーコードツールは実行回数に応じてコストが増えます。**検証段階では無料枠に収まるよう組み方を工夫し、本格運用の目処が立ってから有料化やコードへの移行を判断する**——という進め方です。

## 横展開：講師評価への応用

この分析の枠組みは、営業以外にも使えます。**講師評価制度への応用可能性（n8n活用）を確認しました。**

「話し方を記録して、良い動きを特定する」という構造は、対象を変えても成立します。**一度作った分析の型は、他の領域に持っていけます。**

## よくある質問

### 主観を排除するとはどういうことですか？

**担当者の感覚とは別軸の指標を用意するということです。**質問の回数やクロージングへの返答内容は記録から機械的に判定できるため、スコア化すれば比較可能な数字になります。

### なぜ不具合対応に時間をかけるのですか？

**通知が飛ばなければ記入漏れが起き、記入漏れがあれば分析できないためです。**自動化は運用しながら不具合を潰す期間が必ず必要になります。

### Makeの費用はどうしていますか？

**無料枠内でのやりくりを継続しています。**検証段階では無料枠に収まるよう組み方を工夫し、本格運用の目処が立ってから有料化やコード移行を判断する方針です。

### 営業以外にも使えますか？

**講師評価制度への応用可能性を確認しています。**「話し方を記録して良い動きを特定する」という構造は、対象を変えても成立します。

## まとめ

-   **クロージング時の受け答えや質問の密度をLLMでスコアリング**することで、主観を排除した商談評価が可能
-   **リスト通知の不具合3件を解消**し、記入監視を安定化。分析の前提を整えた
-   「実演有無」「活用事例の紹介有無」を**タグ分類と組み合わせて相関を分析**する方針を確定
-   Makeフローは**無料枠内でやりくり**。本格運用の目処が立ってからコストの判断をする
-   分析の型は**講師評価制度へ横展開**できる

データに基づく評価を導入する目的は、感覚を否定することではありません。感覚と突き合わせられる別の軸を持つことで、議論が具体的になります。

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。