本記事は50社以上の成長支援を手がけるKPIコンサル・岩田圭弘が解説します。
ABM（アカウントベースドマーケティング）を導入したのに、リストは作ったものの営業が動かない、ツールは入れたのに商談が増えない——そんな声をよく聞く。原因はABMを「マーケの施策」として閉じてしまい、営業のKPIと分断したまま回そうとするからだ。本記事では、ABMを「マーケKPIと営業KPIの一本化そのもの」と捉え直し、ターゲットアカウントの選び方からKPI設計、AIの正しい使い所までを、商談・受注につなげて測る形で解説する。
ABMが「入れただけ」で終わる3つの原因
ABMは本来「狙うべき企業を絞り、マーケと営業が一体でその企業を攻める」戦略だ。ところが多くの現場で形骸化する。典型は次の3つである。
- ツール導入が目的化する：ABMツールやIntent（購買シグナル）データを契約した時点で満足してしまい、「どのアカウントを・誰が・いつ攻めるか」の運用に落ちない。
- マーケと営業でKPIが分断されている：マーケは「ターゲットアカウントのリスト数・接触数」を追い、営業は「自分で見つけた案件の受注」を追う。両者の「良いアカウント」の定義がズレたまま、リストが営業に無視される。
- 効果を測るKPIがない：ABMの成果は「狙ったアカウントからの商談・受注」で測るべきなのに、全体のリード数やPVといった従来指標のままで、ABMが効いているのか誰も判断できない。
とりわけ見落とされがちなのが情報過多だ。Intentデータやアカウントのシグナルは大量に出力されるが、誰も見返さず、現場が消化しきれずに積み上がるだけになる。データが増えることと、成果につながることは別物である。
3層フレームで設計する
ABMを機能させる第一歩は、KGI（最終目標）→中間KPI（遅行指標）→先行KPI（行動指標）の3層に分解し、マーケ→営業の一本化ファネルの中でABMがどこを担うかを明確にすることだ。
| 層 | 指標の性質 | ABMでの具体例 | AIが支援する作業 |
|---|---|---|---|
| KGI（最終） | 事業成果 | ターゲットアカウントからの受注額・LTV | — （意思決定は人間） |
| 中間KPI（遅行） | 結果指標 | ターゲットアカウントの商談化数・移行率 | 商談化の兆候データを集約・可視化 |
| 先行KPI（行動） | 行動指標 | 狙ったアカウントへの有効接触数・キーマン接触率 | リスト化・シグナル検知の材料を大量に用意 |
重要なのは、ABMが担うのは「マーケが用意したリード」と「営業が動く案件」の境界そのものだという点だ。ターゲットアカウントの選定・接触はマーケの先行KPI、そこからの商談化・受注は営業の中間KPI／KGI。この境界を1本の指標系でつなぐことがABMの本質であり、マーケKPIと営業KPIの一本化に他ならない。
AIがどの層を担うかも明確に線を引く。AIが得意なのは最下層——アカウントのリスト化、企業属性の付与、購買シグナルの検知といった「材料の大量準備」だ。中間KPI以上、すなわち「どのアカウントを本命として狙うか」「どう攻めるか」の判断は人間の仕事であり、AIに任せてはならない。
主要KPIとAI活用ポイント
ABMで追うべき指標を、先行／遅行の別とあわせて整理する。
| KPI | 種別 | 意味 | AIでどう変わるか |
|---|---|---|---|
| ターゲットアカウント数 | 先行 | 狙うと定めた企業の数 | 属性・シグナルから候補を大量に抽出（選定は人間） |
| キーマン接触率 | 先行 | 意思決定者に接触できた割合 | 組織図・人物情報の収集を自動化 |
| 有効接触数 | 先行 | 意味のある接点（面談・反応）の数 | 反応ログの集計・アラート |
| エンゲージメントスコア | 先行 | アカウントの関心の高まり | シグナルを統合しスコアの材料を提示 |
| ターゲット商談化数 | 遅行 | 狙ったアカウントの商談化数 | 商談化の兆候を可視化 |
| ターゲット商談化率 | 遅行 | 接触→商談の転換率 | 転換の差分データを比較材料として提示 |
| ターゲット受注額 | 遅行 | 狙ったアカウントからの受注 | — （評価は人間） |
| ABM経由パイプライン額 | 遅行 | ABM起点の商談総額 | 案件の紐付けを補助 |
AIは「材料を出す」「可視化する」までであって、どの指標を本命KPIに据え、どこを改善に回すかの意思決定は人間が握る。AIの出力を鵜呑みにしないことが前提だ。
KSFは「比較」から見つける
ABMで成果を出す鍵（KSF）は、逆算だけでは見つからない。成果が出ているアカウント施策・担当者と、平均との「差分」を比較することで浮かび上がる。
ここでAIの役割を3段階に分けて考える。
- AIは比較材料・データを大量に用意する：受注に至ったアカウントと失注したアカウントの接触履歴、接触チャネル、キーマン接触の有無などを大量に並べる。
- 人間が本質的な違い（KSF候補）を抽出し、型として言語化する：たとえば「受注アカウントは初回接触から2週間以内にキーマンへ到達している」といった差を、AIの出力の中から人間が見抜き、1つの型に落とす。この一段抽象化はAIにはできない。
- 人間が、その型が全員に実行可能かを判断する：その「2週間以内キーマン接触」が、特定のトップ営業の人脈・センスに依存しているのか、それとも仕組みで全員が再現できるのかを見極める。属人的なものを標準KPIにしても現場は動けない。
この②型化と③実行可能性の判断は、AIには任せられない人間の仕事である。マネージャーやコンサルタントが担う領域だと肝に銘じたい。