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。
リードは月100件から300件に増えた。CPLも1万5,000円から8,000円に下がった。なのに商談数はほとんど変わらず、受注も伸びない——BtoBマーケティングの現場で最も頻繁に起きている現象だ。原因はほぼ例外なく、リード獲得を「量」と「CPL」だけで評価していることにある。本記事では、リード獲得の主要チャネルと手法を整理したうえで、獲得量から商談転換の質へ評価軸を移すKPI設計、そしてAIをどの工程に使い、どこから先を人間が担うべきかを解説する。
「リードは増えたのに、商談が増えない」——リード獲得が空回りする3つの原因
原因1：CPLが目的化し、「安く獲れるリード」に最適化される
CPL（Cost Per Lead／リード獲得単価）は扱いやすい指標だ。分母も分子も明確で、日次で動き、施策間の比較もできる。だからこそ危険でもある。
CPLを主KPIに置くと、マーケティング組織は必ず「安く獲れる場所」に予算を寄せる。ホワイトペーパーのテーマは検討度の低い入門ネタに寄り、広告のターゲティングは広く緩くなり、展示会よりも安価なリスト獲得型の施策が優先される。その結果、リード数は増えCPLは下がるが、獲れているのは情報収集段階の担当者ばかりになる。CPLは「効率よく獲れているか」を測る指標であって、「事業が前に進んでいるか」を測る指標ではない。
原因2：マーケティングと営業でKPIが分断されている
マーケティングのKPIが「リード数・CPL」で終わり、営業のKPIが「商談数・受注数」から始まっていると、両者の間に評価の断絶が生まれる。マーケは目標を達成しているのに営業は未達、という状態が成立してしまう。
この構造では、リードの質が落ちても誰も責任を負わない。営業は「質の悪いリードばかり」と言い、マーケは「約束した数は出している」と返す。マーケティングのKPIは営業のKPIと一本化して初めて機能する。リード獲得の評価は、リード数で止めず、そのリードが商談化したかまで接続しなければならない。この考え方の全体像はBtoBマーケティングKPI完全ガイドで扱っている。
原因3：AIの出力が積み上がるだけで、誰も見返さない（情報過多）
この数年で新たに加わった原因が、AI・MAツールによる情報過多だ。
リードスコアリング、行動履歴の要約、チャネル別のレポート自動生成——AIは大量の分析結果を出力できる。しかしダッシュボードのタブが増え、週次で自動配信されるレポートが溜まっていくだけで、誰も見返していない現場は驚くほど多い。出力量が増えることと、意思決定の質が上がることは別物である。むしろ情報が増えるほど「何を見て何を決めるのか」が曖昧になり、KPIは形骸化する。AIを入れるほど、見る指標は絞り込まなければならない。
リード獲得の主要な方法と、それぞれが本当に担う役割
リード獲得の手法は「どれが優れているか」ではなく、「ファネルのどこを担うか」で整理すべきだ。同じ1件のリードでも、由来するチャネルによって商談化までの距離がまったく違う。
| 獲得方法 | 主に担う役割 | 検討度 | 商談化までの距離 | 評価すべき指標 |
|---|---|---|---|---|
| 検索広告（顕在キーワード） | 需要の刈り取り | 高 | 近い | 商談化率・CPA（商談基準） |
| SEO・オウンドメディア | 需要の発掘と教育 | 中 | 中 | 記事別の商談化率・指名検索への波及 |
| ホワイトペーパー・資料DL | リスト構築 | 低〜中 | 遠い | ナーチャリング経由の商談化率 |
| ウェビナー | 教育と検討度の引き上げ | 中〜高 | 中 | 参加率・参加後の商談化率 |
| 展示会・カンファレンス | 名刺の大量獲得と面談機会 | 低〜高（混在） | 遠い（要選別） | 選別後リードの商談化率 |
| 外部媒体・比較サイト | 比較検討層の獲得 | 高 | 近い | 商談化率・受注率 |
| ABM（指定アカウント） | 狙った企業への接触 | 任意 | 中 | ターゲット内接触率・商談化率 |
| 紹介・リファラル | 高確度の商談創出 | 最高 | 最も近い | 受注率・平均単価 |
この表で重要なのは右2列だ。ホワイトペーパー1件と比較サイト経由1件を、同じ「リード1件」として数えている限り、リード数は事業の状態を何も語らない。展示会で獲得した500枚の名刺と、比較サイト経由の20件では、後者の方が商談数への貢献が大きいことは珍しくない。
なお、狙った企業に絞って接触する設計についてはABMとは｜ターゲットアカウント選定からKPI設計まで、獲得後の育成についてはリードナーチャリングとはで詳しく扱っている。
3層フレームでリード獲得KPIを設計する
KPIは「KGI（最終成果）→中間KPI（遅行指標）→先行KPI（行動指標）」の3層で設計する。リード獲得は単体で完結させず、マーケから営業までの一本化ファネルの中に位置づける。
| 層 | 指標の性質 | リード獲得における具体例 | AIが担う作業 |
|---|---|---|---|
| KGI | 最終成果。動かすには時間がかかる | 新規受注金額／新規受注件数 | ほぼ担えない（実績集計のみ） |
| 中間KPI（遅行） | 結果として現れる。診断に使う | 商談化リード数／チャネル別リード→商談転換率／商談ベースCPA | データ集計・チャネル別の差分の可視化 |
| 先行KPI（行動） | 今週の行動で動かせる | ターゲット企業属性リードの獲得数／検討度Aリードの獲得数／初回接触リードタイム | 属性判定の下処理・スコア算出・優先順位づけの材料出し |
この3層の中で、リード獲得が直接担うのは最下層の先行KPIだ。そしてマーケティングの評価は、中間KPIである「チャネル別リード→商談転換率」まで含めて行う。ここを含めないと、マーケと営業の分断は構造的に解消しない。3層設計の基本形はKPI設計完全ガイドを参照してほしい。
AIの役割は、この表の右列に書いた通り「材料を用意する」ところまでである。どの層のどの指標を見るべきかを決めるのは、あくまで人間の仕事だ。
リード獲得の主要KPIとAI活用ポイント
実務で追うべき指標を、種別とAIの関与とともに整理する。すべてを同時に追う必要はない。自社のボトルネックがどこにあるかで、見る指標は3〜5個に絞る。
| KPI | 種別 | 定義・見方 | AIでどう変わるか |
|---|---|---|---|
| リード獲得数 | 先行 | チャネル別に分解して見る。合計値だけでは判断できない | 集計の自動化。数値そのものの解釈は人間 |
| CPL（リード獲得単価） | 先行 | 効率の指標。単独では主KPIにしない | 予算配分シミュレーションの材料出し |
| ターゲット属性リード率 | 先行 | 全リードのうちICP（理想顧客像）に合致する割合 | 企業属性の自動判定・名寄せの下処理 |
| 検討度A リード獲得数 | 先行 | 行動シグナルから検討度が高いと判定されたリード数 | 行動データの集約とスコア算出（判定基準は人間が決める） |
| 初回接触リードタイム | 先行 | 獲得から初回アプローチまでの時間。短いほど商談化率は上がる | 通知・振り分けの自動化 |
| リード→商談転換率 | 遅行 | チャネル別に必ず分解する。全体平均は意思決定に使えない | チャネル別・セグメント別の差分の可視化 |
| 商談化リード数 | 遅行 | マーケの実質的な成果指標。ここをマーケKPIの主軸に置く | 集計の自動化 |
| 商談ベースCPA | 遅行 | 商談1件あたりの獲得コスト。CPLに代わる予算判断の基準 | チャネル別の自動算出 |
| 商談→受注率（チャネル別） | 遅行 | どのチャネル由来が最も受注に結びつくかを見る | CRMデータの突合と集計 |
| 獲得チャネル別LTV | 遅行 | 長期的な予算配分の判断材料 | 契約データからの算出 |
主KPIに据えるべきは「商談化リード数」と「チャネル別リード→商談転換率」の2つだ。リード数とCPLは、この2つを説明するための補助指標として位置づける。この順序を入れ替えた瞬間に、冒頭で述べた空回りが始まる。
MQLからSQLへの転換で詰まっている場合は、MQLとは・SQLとの違いで診断方法を詳しく扱っている。
KSFは「比較」から見つける——勝っているチャネルと平均の差分
多くの企業がKPI設計で失敗するのは、目標から逆算して「必要そうな指標」を並べてしまうからだ。逆算だけで作った指標は、現場の実態と噛み合わず形骸化する。
KSF（重要成功要因）は逆算ではなく、比較から発見するものだ。手順はシンプルである。
- 成果が出ている対象を特定する——商談化率が全体平均の2倍あるチャネル、受注率が突出して高い流入経路、同じ施策なのに成果差が大きい担当者を洗い出す
- 平均との差分を並べる——獲得時の検討度、リードの企業規模、初回接触までの時間、事前に接触したコンテンツの本数、フォーム項目の設計など、比較可能な変数をすべて並べる
- 本質的な違いを抽出し、型として言語化する——並んだ差分の中から「たまたまの偏り」を除き、再現性のある要因を1つの言葉にまとめる
- その型が全員に実行可能かを判断する——特定担当者の人脈やセンスに依存していないか、他チャネルにも展開できるかを見極める
ここで決定的に重要なのは、3と4はAIには任せられないという点だ。
AIは1と2、つまり「比較材料を大量に用意する」ところまでは極めて有能である。数千件のリードデータを横断し、チャネル別・属性別の転換率差分を数分で並べてくれる。だが、並んだ数十の差分から「これが本質だ」と一段抽象化して型として言語化する作業は、マネージャーやコンサルタントなど人間にしかできない仕事である。AIは差分を出せても、どの差分が意味を持つかを判断できない。
さらに4も人間の仕事だ。「商談化率の高い担当者は、獲得直後の5分以内に電話している」という差分が見つかったとして、それが全員に実行可能な型なのか、それともその担当者が他業務を持たない特殊な体制だから成立しているのかを判断する必要がある。再現できない型を標準化しても、現場は動かない。AIの出力を鵜呑みにせず、実行可能性まで含めて人間が判断する——この工程を省略した施策は必ず形骸化する。
KSF発見の考え方の詳細はKPIが機能しない3つの理由でも扱っている。