営業予測（フォーキャスト）の精度を上げる仕組みづくり
営業予測が実績と大きくズレると、人員計画や経営判断にも影響が及びます。フォーキャストの精度を上げるためのデータ設計と運用の仕組みについて解説します。
「今月の予測は達成見込みだったはずなのに、月末に大きく下振れした」「担当者ごとの予測の精度にばらつきがあり、全社の数字として信頼できない」——営業予測、いわゆるフォーキャストの精度に関する悩みは、企業規模を問わず多くの現場から聞かれる相談です。
予測の精度が低いままだと、人員計画や在庫計画、資金計画といった経営判断の土台が揺らいでしまいます。一方で、フォーキャストの精度は担当者個人の感覚だけに依存させず、データと運用ルールの両面から改善できる領域でもあります。
この記事では、営業予測の精度を上げるために必要なデータ設計の考え方と、運用面での仕組みづくりについて解説します。
この記事の要点（30秒でわかるまとめ）
- フォーキャストの精度のズレは個人の感覚への依存と判断基準の不統一から生まれやすい
- 商談のフェーズ定義を明確化することが精度向上の土台になる
- 過去の予測と実績の差分を蓄積・分析する仕組みが改善サイクルを生む
- AIによる商談データの傾向分析を組み合わせることで精度を高められる見込みがある
フォーキャストの精度が低くなる典型的な原因
結論：フォーキャストの精度が低くなる主な原因は、商談フェーズの定義が担当者ごとに異なり、同じ「受注確度80%」でも基準がバラついていることにあります。
ある担当者は口頭での好感触だけで確度を高く見積もり、別の担当者は契約書の提出まで進んでいないと確度を上げないといった形で、判断基準が統一されていないと、個々の予測を積み上げた全社の数字も信頼性を欠いたものになります。まず着手すべきは、商談のどの状態を「確度何%」とするかを定義し、全員が同じ基準で入力する状態を作ることです。商談管理のパイプライン設計の基本については、商談管理の型：パイプライン設計の基本と運用のコツで詳しく解説しています。
判断基準を統一するためのフェーズ設計
結論：フェーズごとに「次のアクションが完了しているか」といった客観的な基準を設けることで、担当者の感覚に依存しない予測が可能になります。
| フェーズ | 確度の目安 | 客観的な基準の例 |
|---|---|---|
| 初回接触 | 10%前後 | 初回ヒアリングが完了している |
| 提案・見積提示 | 30〜50% | 見積書を提示し、決裁関係者が把握できている |
| 最終調整 | 70〜90% | 契約条件の調整が完了し、決裁プロセスに入っている |
このように感覚ではなく行動の有無で確度を判断する基準を設けることで、担当者間のばらつきを抑えやすくなります。
予測と実績の差分を蓄積して改善につなげる
結論：フォーキャストの精度を継続的に改善するには、過去の予測値と実際の受注結果を突き合わせ、差分のパターンを分析する仕組みが必要です。
予測精度は一度基準を整えただけで安定するものではなく、実績との差分を定期的に振り返ることで徐々に改善していくものです。どのフェーズの予測が特に外れやすいか、どの担当者の予測に偏りがあるかをデータとして蓄積し、振り返りに使える状態にしておくことが重要です。経営ダッシュボードが形骸化せず使われ続けるための設計については、経営ダッシュボードが形骸化する理由と、使われ続けるダッシュボードの設計も参考になります。
担当者単位・チーム単位での傾向分析
個人の予測精度には一定の傾向が出やすく、楽観的に見積もる傾向がある担当者と慎重に見積もる傾向がある担当者が混在していることがよくあります。こうした個人差をデータで把握しておくと、全社としての予測を補正する際の参考情報として活用できます。
AIを活用した商談データの傾向分析
結論：商談データに蓄積された行動履歴をAIが分析し、過去の類似パターンから受注可能性を補助的に提示する仕組みを組み込むことで、予測精度をさらに高められる見込みがあります。
商談の進み方や接触頻度、提案内容といったデータの蓄積が十分にあれば、過去の類似商談と比較した傾向をAIが提示することで、担当者の自己申告だけに頼らない予測の補強材料が得られます。蓄積データを自然文で検索・分析する考え方については、蓄積データを自然文で検索する：RAG検索の業務活用入門も参考にしてください。あくまで補助的な情報として位置づけ、最終判断は人が行う設計が現実的です。
よくある質問（FAQ）
Q. フェーズ定義を見直すだけで、すぐに精度は改善しますか？ A. 即効性のある施策ではありませんが、判断基準を統一することは精度改善の土台になります。差分の振り返りを継続することで、徐々に精度が安定していく傾向があります。
Q. 担当者の抵抗が大きく、客観的な基準の入力が定着しません。 A. 入力項目を増やしすぎず、既存の商談管理の操作に近い形で基準を組み込むことが定着の鍵になります。
Q. 小規模なチームでもフォーキャストの精度管理は必要ですか？ A. 規模が小さいほど一人あたりの予測のブレが全体の数字に大きく影響するため、むしろ基準の統一は重要になります。
Q. AIによる傾向分析はどの程度の商談データ量があれば活用できますか？ A. データ量や商材の特性によって異なるため、まずは現状蓄積されているデータの範囲を確認しながら、活用可能性をご相談いただくことをおすすめします。
まとめ
営業予測の精度を上げるには、感覚に依存しないフェーズ定義の統一と、予測と実績の差分を継続的に振り返る仕組みが欠かせません。さらにAIによる商談データの傾向分析を組み合わせることで、予測の補強材料を得られる可能性があります。
Irwin&co株式会社は、営業予測を含む営業データの蓄積・分析基盤の開発を、案件継続率95%の実績で支援しています。初回商談では動くデモを無償で提示していますので、フォーキャストの精度改善にお悩みの際はお問い合わせからご相談ください。
執筆者プロフィール
アーウィン 海Irwin&co株式会社 代表取締役
生成AIを活用したシステム開発・コンサルティング・研修サービスを提供するIrwin&co株式会社を創業し、IT専任者のいない中小企業を中心に、業務システムの構築とSaaSからの移行を支援している。「SaaSの標準機能に業務を合わせるのではなく、業務に合わせたシステムを自社の資産として持つ」という考え方のもと、不動産をはじめとする業界で、生成AIを前提とした業務システムの設計・開発を数多く手がける。