営業データで顧客を分析する｜セグメント・解約予測・アップセル機会の3つで顧客戦略を最適化する方法

SFAやExcelに顧客情報や取引データは溜まっているものの、どの顧客に注力すべきかは担当者の感覚で決めている、という状態は珍しくありません。データはあるのに、それが顧客戦略の判断材料になっていないのです。この記事では、蓄積した営業データを使った顧客分析を「セグメント（優先順位づけ）」「解約予測（守り）」「アップセル機会（攻め・単価）」の3視点で実務に落とす方法を、必要なデータ・手順・注意点・ツールまで整理します。営業データ活用の体系的な全体像は営業データ活用とはを参照してください。ここでは顧客分析の領域だけを深く掘り下げます。

営業データで顧客を分析するとは｜3つの視点で顧客戦略を最適化する

営業における顧客分析は、マーケティングの手法を並べて覚えることではありません。「①どの顧客を優先するか（セグメント）」「②どの顧客が離れそうか（解約予測）」「③どの顧客から単価を伸ばせるか（アップセル機会）」という3つの判断に絞って捉えると、営業の意思決定に直結します。この3視点は、それぞれ営業生産性の別々の要素に効きます。セグメントはリソース配分を通じて受注率に、解約予測は既存顧客のLTV維持に、アップセル機会は単価に効きます。RFMやデシルといった手法の名前を覚える前に、まず「その分析結果で自分は何を決めるのか」を固定するほうが、営業現場では機能します。以下では、各視点に必要なデータと具体的な進め方を順に掘り下げます。

顧客分析が単価と受注率に効く理由

売上・利益は、営業生産性（商談数×受注率×単価÷工数）を最大化することで伸びます。顧客分析はこの方程式の複数の項目に同時に効きます。セグメントで優先順位をつければ、勝てる見込みの高い顧客に営業リソースを集中でき、受注率が上がります。解約を予兆段階で捉えれば、既存顧客が離れにくくなり、顧客あたりの生涯取引額（LTV）が守られます。アップセル・クロスセルの機会を見つければ、同じ顧客から得られる単価が上がります。つまり顧客分析は「新規を追う前に、いまある顧客資産をどう配分・維持・拡大するか」を決める作業であり、商談数を増やす施策より工数対効果が高くなりやすいのが特徴です。

マーケティングの顧客分析と営業の顧客分析の違い

同じ「顧客分析」でも、マーケティングと営業では見ている粒度が違います。マーケティングの顧客分析は、母集団全体の傾向を掴み、どのセグメントに施策を打つかを決めるための分析です。RFM分析（最終購買日・購買頻度・購買金額で顧客を分類する手法）やデシル分析（購買金額で顧客を10等分する手法）は、多数の顧客をまとめて扱うEC・BtoCの文脈で発達してきました。一方、営業の顧客分析は、目の前の1社に対して「次に何をするか」を決めるための分析です。BtoBは取引社数が相対的に少なく、1社あたりの取引額が大きいため、母集団の傾向よりも個社の状態変化を追うことに価値があります。この記事は後者、つまり個社の次アクションに落とす営業向けの顧客分析を扱います。

顧客分析を始める前に｜そろえるべき営業データ

顧客分析の精度は、使う手法よりも元データの質でほぼ決まります。どれだけ高度な分析軸を設計しても、入力されていないデータからは何も見えません。特に「失注理由」と「日々の活動記録」が抜けていると、セグメントの精度も解約の予兆検知も機能しなくなります。営業データは大きく、顧客・取引先情報／案件情報／アクション情報の3種に分けられますが、ここでは3つの顧客分析それぞれに何のデータが必要かに絞って確認します。分析を始める前に、対象データがそろっているかを点検してください。

セグメント分析に要るデータ

セグメント分析では、顧客をグループに分ける軸となるデータが必要です。最低限そろえたいのは、顧客ごとの取引額（累計・年間）、購買頻度や継続期間、業種・企業規模といった属性情報です。BtoBでは企業規模や業種によって受注のしやすさや取引額の伸びしろが大きく変わるため、属性情報の欠落はセグメントの説明力を下げます。取引額は会計・受注データと突き合わせて正確に持っておくことが前提になります。

解約予測に要るデータ

解約予測は、顧客の状態が悪化しているサインを捉える分析なので、時系列で変化を追えるデータが要ります。具体的には、製品・サービスの利用状況（ログイン頻度や利用機能の推移）、こちらからの接触頻度と間隔、問い合わせやクレームの履歴、契約の更新履歴です。単発のスナップショットでは予兆は見えず、「前四半期と比べて利用が落ちた」「担当者との接触が空いた」という変化が予兆になります。したがって、活動記録が日々入力されているかどうかが決定的に効きます。

アップセル機会の発見に要るデータ

アップセル・クロスセルの機会を見つけるには、顧客が「いま何を・どこまで使っているか」が分かるデータが必要です。導入している製品・オプションの構成、契約しているプラン、利用している部門や拠点の範囲がそろっていれば、未導入の領域や上位プランへの伸びしろが見えてきます。加えて、似た属性の顧客がどんな構成で導入しているかを比較できると、機会の当たりをつけやすくなります。

分析前チェック｜このデータが欠けると分析できない

分析に着手する前に、次の項目が入力・蓄積されているかを確認してください。ここが埋まっていないと、その分析は精度が出ません。

• 失注・失注理由：受注に至らなかった案件の記録と理由。セグメントの受注確度判定と、解約予兆の傾向把握に効く
• 活動記録：訪問・架電・メールなどの日付と内容。接触頻度・間隔の変化を追う土台
• 取引額（累計・年間）：セグメントの優先順位づけとLTV評価の基礎
• 製品・プラン構成：アップセル機会の発見に必須
• 契約・更新履歴：更新タイミングと解約の予兆把握
• 業種・規模などの企業属性：セグメントの軸と類似顧客比較の基礎

顧客をセグメントで分ける｜優先順位づけの方法

限られた営業リソースを効かせるには、全顧客を同じ濃度で追わず、取引額・成長性・受注確度でセグメントを切って優先順位をつけます。すべての顧客に均等に時間を割くと、伸びる顧客への対応が薄くなり、伸びない顧客に工数を吸われます。BtoB営業では、いま大きい顧客と、これから大きくなる顧客を分けて扱うことが特に重要です。ここでは営業で使える切り口と、実際にセグメントを作ってアクションに落とすまでの手順を示します。

営業で使うセグメントの切り口

マーケティング由来のRFMをそのまま使うより、営業では次の軸のほうが判断に直結します。1つ目は「取引額×成長性」で、現在の取引規模と、今後の伸びしろ（事業成長・利用拡大の余地）の2軸で顧客を4象限に分ける切り方です。2つ目は「業種・企業規模」で、勝ちパターンが確立している業種・規模を特定し、そこへリソースを寄せます。3つ目は「受注確度・案件の進行状況」で、既存顧客の追加案件について、確度の高いものを優先します。複数の軸を掛け合わせすぎると運用できなくなるため、まずは2軸に絞ると回しやすくなります。

セグメント分析の手順

セグメント分析は次の流れで進めます。第一に、CRM/SFAや会計データから対象顧客のデータを抽出します。第二に、優先順位づけに使う軸を決めます（例：取引額×成長性）。第三に、決めた軸で顧客をグルーピングし、各セグメントに何社・取引額いくらが含まれるかを把握します。第四に、セグメントごとに取るべきアクションを定義します。ここまでやって初めて、分析が営業行動につながります。軸を決めずにデータを眺めるだけでは、優先順位は出てきません。

セグメントごとの打ち手の型

セグメントを切ったら、グループごとに接触のかけ方を変えます。取引額が大きく成長余地もある重点顧客には、定期訪問や経営層との関係深耕など手厚い対応を割り当てます。中位の顧客には、オンライン中心で接触頻度を絞った定期接触で関係を維持します。取引が小さく伸びしろも限られる下位の顧客には、メール配信やセルフサービス的な対応で工数を抑えます。全顧客に同じ対応をしないことが、セグメント分析の目的そのものです。

つまずき所

セグメント分析で最も多い失敗は、一度切って満足し、そのまま放置することです。顧客の状態は変わります。成長した顧客が重点セグメントに移ることもあれば、取引が細った顧客が下位に落ちることもあります。四半期や半期に一度は軸の値を更新し、セグメントを組み替えてください。切って終わりにせず、定期的に見直す運用にして初めて、優先順位づけが実態に追いつきます。

解約・離反を予測する｜守りの顧客分析

既存顧客の解約は、いきなり起きるのではなく、その前に「利用の低下」「接触の減少」「問い合わせやクレームの増加」といった営業データの変化に予兆が出ることが多いものです。予兆を捉えて先に動けば、更新前のフォローや課題解決で離反を防げ、LTVを守れます。解約が確定してから動くのでは遅く、守りの顧客分析は「変化に気づく仕組み」を作ることが本質です。ここでは見るべきデータ、スコアリングの考え方、AIを使う場合の一例、検知後のアクションまでを扱います。

解約の予兆として見るべきデータ

解約の予兆は、時系列の変化に表れます。代表的なのは、製品・サービスのログインや利用頻度の低下、顧客側の担当者交代、こちらとの接触間隔が空いていること、そしてクレームや不満の問い合わせの増加です。いずれも1時点の値ではなく「以前と比べてどう変わったか」で見ることが重要です。たとえば利用頻度が前四半期の半分に落ちた、直近3カ月接触がない、といった変化は、更新を控えた顧客ほど注意して見るべきサインになります。この予兆把握は、蓄積データから将来を読む営業データの予測活用の考え方と重なります。

予兆スコアリングの考え方

予兆を属人的な勘に頼らず判断するには、過去に解約した顧客の共通パターンから閾値を置きます。過去の解約顧客が、解約前にどの指標がどれくらい悪化していたかを洗い出し、「利用頻度が○割以下」「接触間隔が○日以上」といった条件を満たす顧客を要注意として抽出します。完璧なモデルを最初から作る必要はありません。まずは解約顧客に共通していた2〜3個の指標をアラート条件にするだけでも、見落としは大きく減ります。

AIによる失注予兆・受注確度分析の一例

閾値を手動で設計・更新し続けるのは負荷が高く、指標が増えるほど人手では追いきれなくなります。ここで、蓄積した営業データからAIが予兆や確度を示唆する仕組みが役立ちます。例えばMazrica SalesのようなSFA/CRMでは、案件や顧客の営業データをもとに、AIが受注確度や次に取るべきアクションを示唆します。こうしたスコアや示唆はAIが過去データから推定するものであり、断定的な予測ではない点は理解しておく必要があります。あくまで担当者の判断を補助する材料として、優先して手を打つべき顧客の当たりをつける用途に向いています。

予兆を検知したあとの営業アクション

予兆を検知しても、そこから動く設計がなければ意味がありません。要注意と判定された顧客には、更新面談の前倒し、利用が落ちている機能のオンボーディング支援、担当者交代への挨拶と関係再構築などを割り当てます。カスタマーサクセスの機能を持つ組織では、営業とカスタマーサクセスの間で予兆情報を共有し、どちらがフォローするかを決めておくと動きが速くなります。誰が・いつ・何をするかまで決めて初めて、解約予測は守りの成果につながります。

アップセル・クロスセルの機会を見つける｜攻めの顧客分析

単価を上げる最短ルートは、新規を一から獲得するより、すでに関係のある既存顧客へのアップセル・クロスセルです。既存顧客は信頼関係があり、課題も把握しているため、提案が通りやすく工数対効果が高くなります。機会は、導入している製品構成・契約プラン・利用部門といった営業データから見つけられます。ここでは、機会が眠っている場所、それを見つける手法、そして提案アクションに変えるまでを整理します。

アップセル機会が眠る場所

アップセル・クロスセルの機会は、主に3つの場所に眠っています。1つ目は「未導入のプラン・オプション」で、現在のプランで上位機能を使えていない顧客は、上位プランへの引き上げ余地があります。2つ目は「利用部門の広がり余地」で、1部門でしか使われていない製品を、他部門・他拠点へ横展開できる可能性です。3つ目は「類似顧客の導入パターン」で、同業種・同規模の他社が導入している製品を、まだ導入していない顧客は有力な提案先になります。いずれも、既存の契約・利用データを見れば当たりがつきます。

機会発見の手法

ECのバスケット分析（一緒に買われやすい商品の組み合わせを見つける手法）の考え方は、BtoB営業にも応用できます。「製品Aを導入している顧客は製品Bも導入している率が高い」という傾向が見えれば、Aだけを使っている顧客はBの有力な提案先です。あわせて有効なのが類似顧客比較で、業種・規模が近い顧客同士で導入製品構成を並べ、平均より導入が薄い顧客を洗い出します。どちらも「他社と比べて何が足りていないか」を機会として提示する考え方で、既存データから機械的に候補リストを作れます。

機会を営業アクションに変える

機会が見つかったら、「誰に・何を・いつ提案するか」まで具体化します。誰に、は決裁権を持つ担当者・部門を指し、機会リストと組織情報を突き合わせます。何を、は提案する製品・プランと、その顧客にとっての価値（他部門展開ならコスト効率、上位プランなら解決できる課題）です。いつ、は契約更新のタイミングや、利用が伸びて上位機能が必要になった時点など、提案が通りやすい時期を狙います。この3点がそろっていない機会リストは、提案に落ちません。

つまずき所

アップセル分析でよくあるのは、機会リストは作ったものの提案に落ちない問題です。原因の多くは、リストが「誰に・何を・いつ」まで具体化されておらず、現場が動けないことにあります。対処は、機会を担当営業ごとに割り振り、次回接触時のアジェンダに組み込むところまで運用に落とすことです。リストを作る作業と、リストを使う作業を分けて設計し、後者を営業の日常業務に埋め込むと機会が消化されやすくなります。

顧客分析を支えるツール｜CRM／SFA／BIの役割の違い

顧客分析は、まずデータを一元管理するCRM/SFAが土台になり、その上に分析・可視化を担うBIが乗る構造で考えると整理しやすくなります。データが個人やExcelに散在したままでは、どんな分析も精度が出ません。ただし、ツールを導入すれば自動で分析が進むわけではなく、入力ルールと運用がそろって初めて機能します。ここでは各ツールの役割の違いを一般論として整理し、選ぶときの観点を示します。

CRM／SFA

CRM（顧客関係管理：顧客との関係を長期に築くための仕組みと考え方）と、SFA（営業支援システム：営業プロセスを前に進めるための仕組み）は、顧客分析のデータ基盤になります。顧客情報・案件・活動記録を1カ所に集約し、時系列で蓄積できるため、セグメント・解約予測・アップセル機会のいずれの分析でも元データを供給する役割を担います。実務では両者を統合して扱う形が一般的で、統合型はSFA/CRMと表記されることがあります。統合されていると、個社の営業プロセスを進める視点と、どの顧客の関係を優先して築くかという全体最適の視点を、同じデータ上で両立できます。

BIツール

BI（ビジネスインテリジェンス：データを統合・分析して意思決定に使う仕組み）は、CRM/SFAや会計などのデータを統合し、役割ごとに必要な指標をダッシュボードやレポートで可視化します。セグメントごとの取引額推移や、解約予兆の該当顧客数、アップセル機会の消化状況などを、経営・マネージャー・現場それぞれの視点で見えるようにするのがBIの役割です。データを判断の中心に据えるデータドリブン営業とはの考え方を実装する要素でもあります。データの入力・蓄積はCRM/SFA、それを横断して分析・可視化するのはBI、という分担で捉えると混同しません。

Excel／スプレッドシートの限界と使いどころ

ExcelやGoogleスプレッドシートは、少数の顧客を手元で試しに分析する用途では十分に使えます。外部データとの連携や関数・スクリプトによる拡張も可能です。一方で、顧客数と履歴が増えてくると、活動記録の時系列蓄積、複数人での同時更新と入力ルールの徹底、閲覧・編集権限の管理、そして定常的な分析・可視化の面で運用が重くなります。「非対応」ではありませんが、蓄積・履歴・権限・分析を継続的に回す段階では専用ツールのほうが向きます。まずスプレッドシートで分析の型を試し、運用に乗ったらツールに移す、という進め方は現実的です。

ツール活用の一例

分析を人手だけで回すと、データ量が増えるほど工数が膨らみます。例えばMazrica SalesのようなSFA/CRMでは、蓄積した営業情報やデータをもとにAIが次のアクションを示唆し、担当者が判断すべき顧客への集中を助けます。示唆はAIが過去データから推定するもので、最終判断は担当者が行う前提です。ツールに任せられる部分（データの集約・スコアリングの下ごしらえ）と、人が判断すべき部分（提案の中身・関係構築）を切り分けると、顧客分析が現場で回りやすくなります。

顧客分析でつまずきやすいポイント

顧客分析は、導入すれば自動で成果が出るものではありません。失敗の多くは、①分析の目的が曖昧なまま始める、②データ品質や入力ルールの不備で精度が出ない、③分析して終わりで行動に落ちない、の3点に集約されます。特に注意したいのは、データの一元化にばかり意識が向き、営業プロセス・活動の標準化が抜け落ちるケースです。属人化の解消はデータの一元化と活動の標準化の両輪で成り立ち、片方だけでは分析結果が現場で再現されません。以下、それぞれの対処を示します。

目的が曖昧なまま分析を始める

「とりあえずデータを分析してみる」から入ると、示唆の出ない集計だけが残ります。先に「どの判断に使うか」を決めてください。優先順位を決めたいならセグメント、離反を防ぎたいなら解約予測、単価を上げたいならアップセル機会、というように分析の出口を固定してから着手します。出口を決めれば、必要なデータ・軸・アクションが自動的に絞られ、分析が判断につながります。

入力負荷と分析精度のトレードオフ

分析精度を上げようと入力項目を増やすほど、現場の入力負荷が上がり、かえって入力率が下がって精度が落ちるという逆転が起きます。分析に本当に必要な項目（失注理由・活動記録・製品構成など）に絞り、それ以外の入力を軽くすることが、結果的に精度を守ります。入力を現場任せにせず、分析に必要な最小限の項目を必須化し、それ以外は任意にする、といった設計で負荷を抑えてください。

分析結果が行動に落ちない

分析して「要注意顧客が10社ある」と分かっても、誰が・いつ・何をするかが決まっていなければ状況は変わりません。分析のアウトプットは、必ず担当・期限・アクションまで割り付けてください。要注意顧客は担当営業に割り振り、次回接触のアジェンダに組み込む。アップセル候補は更新面談の提案項目に入れる。分析を営業の日常業務に埋め込むところまで設計して、初めて成果になります。

まとめ｜自社の課題に近い視点から小さく始める

顧客分析は3視点をすべて同時に始める必要はなく、自社の課題に近いものから始めるのが現実的です。顧客ごとの対応に濃淡がつけられていないなら、セグメントから着手してください。既存顧客の解約や更新が読めていないなら、解約予測から始めます。単価を伸ばしたいなら、アップセル機会の発見が優先です。3つのどれから入っても、共通の土台は「入力された営業データ」です。

最初の一歩は大がかりなモデル構築ではなく、まず自社の顧客データで失注理由と利用状況が入力されているかを確認するところから始めてください。ここが埋まっていれば、いずれの分析にもすぐ着手できます。営業データ活用の体系的な全体像は営業データ活用とはで確認できます。あわせて、予測を軸にした活用は営業データの予測活用、データを判断の中心に据える考え方はデータドリブン営業とはが参考になります。

よくある質問

Q 営業データの顧客分析とマーケティングの顧客分析は何が違いますか

A

見ている粒度が違います。マーケティングの顧客分析は母集団全体の傾向を掴み、どのセグメントに施策を打つかを決めるためのもので、RFMやデシルのように多数の顧客をまとめて扱います。営業の顧客分析は、目の前の1社に対して次に何をするかを決めるための分析です。BtoBは取引社数が少なく1社あたりの取引額が大きいため、個社の状態変化を追う営業向けの分析に価値があります。

Q 顧客分析はデータがどれくらい溜まっていれば始められますか

A

必要なデータの量は分析の種類で変わります。セグメント分析は現時点の取引額・属性がそろっていれば始められます。解約予測は時系列の変化を見るため、利用状況や接触履歴が一定期間（できれば数四半期）蓄積されていると精度が出ます。まずは失注理由と活動記録が入力されているかを確認し、足りない項目から埋めていくのが現実的です。

Q Excelだけで営業の顧客分析はできますか

A

少数の顧客を試しに分析する段階なら可能です。外部データ連携や関数による集計もできます。ただし顧客数と履歴が増えると、活動記録の時系列蓄積、複数人での同時更新、権限管理、定常的な可視化の面で運用が重くなります。まずスプレッドシートで分析の型を試し、運用に乗ったらCRM/SFAやBIに移すという進め方が向いています。

Q 解約予測はBtoBの少数取引でも機能しますか

A

機能します。むしろ取引社数が少なく1社の取引額が大きいBtoBでは、1社の離反による損失が大きいため、予兆を捉える価値が高くなります。統計モデルを組むほどのデータがなくても、過去に解約した顧客に共通していた2〜3個の指標（利用頻度の低下・接触間隔の空きなど）をアラート条件にするだけで、見落としを減らせます。

Q 顧客分析の結果を営業現場に定着させるコツはありますか

A

分析のアウトプットを、担当・期限・アクションまで割り付けて日常業務に埋め込むことです。要注意顧客は担当営業に割り振り次回接触のアジェンダに組み込む、アップセル候補は更新面談の提案項目に入れる、といった形で分析と行動を接続します。リストを作る作業と使う作業を分けて設計し、使う側を営業の定例業務に組み込むと定着しやすくなります。

Q 顧客分析はどの部署が担当すべきですか

A

分析の視点によって主担当が変わります。セグメントによる優先順位づけは営業マネージャーや営業企画、解約予測はカスタマーサクセス、アップセル機会は既存顧客を担当する営業が中心になります。ただし元データは共通のため、CRM/SFAへの入力ルールと分析結果の共有は部署横断で設計する必要があります。誰が分析し、誰がアクションするかを分けて決めておくと、部署間で抜けが生じにくくなります。