AIで失注理由を分析する方法｜顧客の発言と営業側の推測を分ける

失注理由をAIに集計させる前に、その理由が顧客の説明なのか、営業担当の見立てなのかを分けます。「価格が高かった」と入力されていても、顧客がそう言ったのか、返信がないため推測したのかで、改善の方向は変わります。

この記事では、小さな案件数でも使える分類と確認の手順を紹介します。集計だけで因果関係を確定する方法ではありません。

分析に使う項目をそろえる

「連絡なし」を価格による失注へ自動で入れないことが重要です。まだ検討中の場合もあるため、案件状態の定義をそろえてから扱います。

分類の粒度をそろえる

「予算」と「導入時期」と「競合」は並べられますが、「価格が高い」と「担当者の反応が薄い」は、前者が理由候補、後者が観察なので性質が違います。

分類は一件一理由に無理に絞らず、主な理由、補助的な理由、不明を分けられるようにします。顧客が複数の条件を示したときは、そのまま残します。

あなたは営業振り返りの整理担当です。案件ID付きの失注メモを分類してください。
出力：案件ID／顧客が明言した理由／営業の推測／根拠の原文／追加確認
複数の理由は同じ案件IDにひも付けて残し、根拠のないものは不明にします。
最後に、次の商談で確かめる質問を理由別に作ってください。
根拠なしに価格や担当者個人の評価へ結び付けないでください。

少数の集計例をどう読むか

架空の8案件のうち、導入時期の延期が3件、対象範囲の不一致が2件、価格に関する明確な説明が1件、不明が2件だったとします。

この結果から、値下げを一律に行う判断には飛びません。時期延期の3件は、予算年度なのか、他案件の優先なのかを読み返します。対象範囲の2件では、提案前の確認に不足があったかを調べます。8件の傾向は、この対象期間と案件群の観察として扱います。

割合を示す場合も分母を書き、複数理由を付けた集計なら合計が案件数を超えることを説明します。集計方法の違う期間を、そのまま改善率にしないようにします。

一つの改善仮説へ変える

範囲不一致が続くなら、初回商談で「何を完成とするか」を確認する質問を追加できます。時期延期が続くなら、導入の希望日だけでなく、判断できる日と必要な社内確認を聞きます。

次の提案群でその質問を使い、情報不足が減ったかを記録します。受注率が変わっても、案件の種類や件数が違うなら、質問変更だけの効果とは断定しません。

失注分析は過去の担当者を評価するためだけの作業ではありません。次の商談で何を早く確かめるかを決める資料として使います。比較の条件をそろえる方法はAI導入の効果測定にも共通します。

原因の分類から、確認する質問へ変える

失注の分類を増やしても、次の提案で確かめることが変わらなければ活用しにくくなります。分類ごとに、根拠と追加で確認する内容を並べます。

理由不明の案件を集計から消すと、説明できる案件だけの傾向になります。不明の件数と、追加情報が得られた件数を残してください。質問を変えた後は、情報不足や差し戻しが減ったかを確認し、受注率だけで改善を評価しないようにします。

失注理由の記録がばらばらなら、理由を残す項目と営業会議で使いたい集計を決めて営業記録へのAI活用を相談できます。