スコアリング（Lead Scoring）とは | AI用語集

解説Overview

見込み客ごとに受注可能性の高さを数値化して優先順位を付ける手法。AIが過去の商談データを学習し、アプローチすべき顧客を自動で順位付けする際に使われる。

さらに詳しく解説Details

スコアリングとは、多数の見込み客の中から「今すぐ購入・契約につながりやすい顧客」を数値で見える化し、営業担当者が優先的にアプローチできるよう順位付けする手法です。AIが過去の商談データや顧客の行動履歴（メール開封、資料ダウンロード、問い合わせ回数など）を学習し、それぞれの見込み客に点数（スコア）を自動で割り当てます。

たとえば、製造業向けのソフトウェア会社では、「同業種での過去の受注率」「担当者の役職」「直近1週間でのサイト閲覧回数」などの要素をAIが総合的に判断し、スコアの高い顧客から順に営業リストを自動作成します。これにより、営業チームは勘や経験に頼らず、データに基づいた効率的なアプローチが可能になります。

主なメリットは、限られた営業リソースを成約可能性の高い顧客に集中できる点です。これにより、商談化率や受注率の向上、営業担当者の負担軽減が期待できます。また、ベテランに依存していたノウハウを仕組みとして組織全体に広げられる点も大きな強みです。

一方で注意点もあります。AIの精度はデータの質と量に依存するため、商談履歴が少ない新規事業や立ち上げ期には精度が出にくい場合があります。また、スコアが低くても重要な顧客を見落とさないよう、最終的な判断は人間が行う運用設計が不可欠です。

この用語が登場した記事Related articles6件

面接評価の記録を説明できない組織は、AI採用ツールを入れても合否理由を問われた時に詰まる

AI採用ツールで選考を効率化しても、面接評価の記録が残っていなければ合否理由を説明できません。評価シートの設計、AIに要約させる範囲、人間が担う判断責任の引き方を具体的に整理します。

面接の評価理由を説明できない組織は、AIで選考を効率化しても優秀な人材から見限られます

面接官の感覚に頼った合否判定を繰り返し、評価理由が残らない組織では、どれほどAIで選考を効率化しても優秀な人材の離脱や早期離職は防げません。この記事では、面接評価・評価シート・候補者メモの記録において、AIに任せる要約の範囲と人間が負うべき説明責任の境界を明確にし、現場で形骸化しない運用設計を解説します。