SFAの名寄せが必要な理由と進め方｜重複データのリスク・名寄せ基準・運用の実践法

SFAを運用していると、いつの間にか同じ企業が複数のレコードとして登録されていたり、「株式会社○○」と「（株）○○」が別々に存在していたりするケースが出てきます。こうした重複・表記ゆれのあるデータを放置すると、営業活動の二重化やAI機能の精度低下、売上予測の信頼性喪失という実害につながります。本記事では、SFAにおける名寄せの定義から、重複が発生する原因、基準設計、実践ステップ、AI名寄せ機能の活用法、再発防止の運用ルールまでを実務レベルで解説します。SFAのデータ品質全体を体系的に把握したい方は、先にSFAにおけるデータ品質とは（関連記事）を参照してください。

SFAの名寄せとは何か

名寄せとは、SFA内に存在する重複・表記ゆれのあるレコードを同一の実体として突き合わせ、1件に統合する作業です。単なるデータ整理と混同されがちですが、その意義は「きれいにする」という見た目の問題にとどまりません。AI分析・売上予測・営業活動の標準化はいずれも正確なデータを前提にしているため、名寄せはSFA活用の土台そのものです。重複が残った状態でAI機能を動かしても、入力が誤っていれば出力も誤ります。本セクションでは、名寄せの定義・目的・近接概念との違いを整理します。

名寄せの定義と目的

「名寄せ」は「名前を寄せる（集める）」という語義どおり、同一対象を指す複数のレコードを突き合わせて1件にまとめる操作です。SFAにおける対象は主に2種類あります。

• 取引先レコード 企業単位のデータ（社名・住所・電話番号・担当者など）
• コンタクトレコード 担当者個人のデータ（氏名・メールアドレス・所属など）

目的も2軸に整理できます。

• データの正確性確保 同一企業・同一人物に対して「唯一の正しいレコード」が存在する状態を作る
• 営業活動の無駄排除 同一顧客への二重アプローチや、過去履歴が参照できないことによる失敗の繰り返しを防ぐ

重複・表記ゆれ・名寄せの関係

重複と表記ゆれは別の問題に見えますが、どちらも「同一の実体が複数のレコードに分散している状態」という点では共通しています。

• 重複 「株式会社○○」が、まったく同じ表記で2件登録されている状態
• 表記ゆれ 「株式会社○○」と「（株）○○」のように、同一企業が異なる書き方で登録されている状態

名寄せはこの両方を対象として、統合候補を洗い出して1件に集約する作業です。どちらも「気づかなければ別企業として扱われてしまう」という実害がある点で、本質的に同じ問題です。

名寄せとデータクレンジングの違い

名寄せとよく混同されるのが「データクレンジング」です。両者はセットで実施することが多いですが、手順と担当範囲が異なります。

• データクレンジング 1件のレコード内にある誤記・欠損・形式不一致を修正する作業（個別レコードの品質改善）
• 名寄せ 複数のレコード間を突き合わせ、同一対象を統合する作業（レコード間の関係整理）

実務では、名寄せを先に実施して統合先を確定させてから、統合後のレコードをクレンジングする順序が効率的です。クレンジングを先に行うと、後から削除されるレコードに時間をかけることになります。

重複データが発生する主な原因

重複は「悪意のある操作」や「特定の担当者のミス」ではなく、組織の規模・運用体制・ツール連携の構造に起因して発生します。原因を把握しないまま名寄せだけを実施しても、同じ重複が繰り返されます。本セクションでは重複の発生パターンを4つに分類し、後のステップで取り上げる再発防止策の根拠として整理します。

入力者・タイミングが分散することによる重複

最も頻度が高い原因です。複数の営業担当者がそれぞれ独立して同じ企業を登録するケースは、チームが大きくなるほど避けにくくなります。具体的な発生パターンは以下のとおりです。

• 東京担当と大阪担当が同一の全国展開企業をそれぞれ登録する
• MAやフォーム連携でインポートされたリードが、既存の取引先レコードと突き合わされないまま新規作成される
• CSVインポート時に重複チェックが行われず、全件が新規として登録される

表記ルール不在による表記ゆれ

組織内に「法人名をどう書くか」のルールがないと、入力者ごとに異なる表記が生まれます。

• 法人格の書き方：「株式会社○○」「（株）○○」「㈱○○」「○○KK」が混在する
• 文字種の混在：「ABC株式会社」と「ＡＢＣ株式会社」（全角・半角）、「エービーシー」と「ABC」（カタカナ・英字）
• 部署名・役職の略称ルールがなく、「営業部」「営業Division」「Sales Dept.」などが混在する

組織変更・合併・担当交代に伴う重複

顧客企業側の変化も重複の原因になります。

• 顧客企業が合併・吸収されたとき、旧社名のレコードと新社名のレコードが別々に存在し続ける
• 担当者異動時に前任者のコンタクトレコードが引き継がれず、後任者が新規登録する
• グループ会社の子会社担当と親会社担当が、それぞれ別のSFAアカウントで同じ企業を登録する

連携ツールからの自動流入

SFAとMAやCTI・名刺OCRを連携している環境では、自動作成されるレコードが既存データと突き合わされないケースが発生します。

• MA連携でリードが自動作成されるとき、マッチングロジックが「メールアドレスの完全一致」のみに設定されており、別のメールアドレスで登録された既存コンタクトと重複する
• 名刺OCR連携で名刺をスキャンした際、既存コンタクトとの重複判定が働かずそのまま新規作成される
• CTI連携で着信番号から自動作成された取引先が、既存の取引先と別レコードになる

重複データを放置するリスク

重複データは「データが少し多いだけ」という問題ではありません。営業生産性は「商談数×受注率×単価÷工数」で表せますが、重複データはこの方程式のすべての変数に悪影響を与えます。受注率の低下と工数の増加は直接的な損失につながります。本セクションでは具体的なリスクを4つに整理します。

営業活動の重複・取り違えによる機会損失

最も顧客に見える形でのリスクです。同一顧客に対して複数の担当者が別々にアプローチすると、顧客側から「この会社は情報共有ができていない」と判断されます。

• 別の担当者が同じ顧客に競合する内容の提案を送り、顧客が混乱する
• 過去に失注した理由が正しいレコードに紐づいておらず、同じ提案・同じ価格で再アプローチしてまた失注する
• 「あの件、先週話しましたよね」という顧客の言葉に対して、担当者が関連アクションを見つけられない

こうした事態はいずれも受注率の低下に直結します。

レポート・売上予測の精度劣化

重複レコードがある状態でレポートを集計すると、数値が実態と乖離します。

• 同一案件が2つの取引先に紐づいていると、案件数や受注金額が二重にカウントされる
• 売上予測レポートやファネル分析が過大集計された数字を前提にするため、目標設定の根拠が崩れる
• 経営層が「商談数が増えている」と判断して採用・投資を決定したが、実態は重複カウントだったという事態が起きる

AI機能の効果が出ない

AIの出力品質はデータの品質に依存します。重複データはAI機能の精度低下の根本原因になります。

Mazrica SalesのAIアシスタント（案件・取引先・コンタクトごとの営業活動履歴を自動要約し、次アクションを提案する機能）は、対象レコードに紐づいた活動履歴を参照します。同一企業のアクションが複数のレコードに分散していると、一方のレコードからは履歴の一部しか参照できず、要約や更新サジェストの質が下がります。

同様に、AIインサイト（案件の受注予測・類似案件参照・リスク可視化）はGrowth以上のプランで利用でき、類似案件を正確に参照するには取引先データが統合されていることが前提です。「AIを導入したが思ったほど活用できていない」という組織では、データの重複がボトルネックになっているケースが少なくありません。

引き継ぎ・退職時のリスク増大

担当者が変わるタイミングは、重複データのリスクが最も顕在化する場面です。

• どのレコードが正しいか分からないまま引き継ぎが発生し、引き継ぎ工数が増える
• 担当者が離脱するとき、正しいレコードに紐づいていなかった情報が実質的に失われる
• 複数レコードに分散した顧客情報を後から統合しようとすると、どちらの記録が最新かを確認する作業が膨大になる

名寄せ基準の設計

名寄せの成否は「どの項目を突合キーにするか」の設計で決まります。突合キーが曖昧だと、統合すべき重複を見逃したり、逆に別企業を誤って統合したりするリスクが生じます。突合キーの設計は、SFAの入力項目設計（どの項目を必須にするか）とも連動するため、名寄せ基準を決める前にデータ構造を確認しておく必要があります。本セクションでは実務で使える突合キーの候補と優先順位、設計時の注意点を具体的に示します。

取引先（企業）の突合キー候補と優先順位

取引先の名寄せでは、以下の優先順位で突合キーを選びます。複数を組み合わせることで誤統合を防げます。

• 第1優先：法人番号 （国税庁が発行する13桁の番号）。完全一致で同一法人を確定できる最も確実なキーです。ただし、SFAに登録されていないケースが多く、単独では使いにくい場面があります。
• 第2優先：代表電話番号＋法人名（正規化後）の組み合わせ 電話番号単独では同じ番号を共有するグループ会社を誤統合するリスクがあるため、法人名と組み合わせて使います。
• 第3優先：Webドメイン（企業公式ドメイン） メールアドレスのドメイン部分から取得できることが多く、法人名表記に依存しないため表記ゆれに強いキーです。
• 補助キー：郵便番号＋住所の正規化後の比較 上記キーが登録されていない場合の補完に使います。正規化（「1丁目1番1号」と「1-1-1」の統一など）が前提です。

コンタクト（担当者）の突合キー候補

担当者レコードの名寄せには、以下を使います。

• メールアドレス（完全一致） 個人を特定できる最も確実なキーです。転職・部署異動でメールアドレスが変わる場合は、旧アドレスを保持しておくと比較しやすくなります。
• 携帯電話番号 ただし、複数人で共有しているケースや番号変更のリスクがあるため、単独での使用は避けます。
• 姓名＋所属企業の組み合わせ 同姓同名が存在する可能性があるため、必ず所属企業とセットで使います。表記ゆれ（「田中 太郎」と「田中太郎」のスペース有無など）への対処も必要です。

突合キー設計の注意点

実務でよく起きる失敗を防ぐために、次の3点を設計段階で押さえます。

• 単一キーへの依存を避ける 電話番号だけを使うと、グループ会社の親子を同一企業として誤統合するリスクがあります。複数キーの組み合わせで判断します。
• 正規化を突合の前に実施する 「株式会社」「（株）」「KK」などの法人格表記を統一し、半角・全角も揃えてから比較します。正規化前のデータを突き合わせると、本来同一のレコードが別物と判定されます。
• 統合ルールを文書化する 「どの項目がどの条件で一致したら統合候補とするか」をルール化しておかないと、担当者が変わるたびに判断が揺れます。名寄せ基準は社内ドキュメントとして明文化します。

SFAの入力項目設計との連動

名寄せに使う突合キーは、SFAの入力フォームで「必須項目」として設定しておくことが前提です。代表電話番号やWebドメインが任意項目になっていると、そもそも突合に使えるデータが揃わない状態になります。入力項目の設計・標準化についてはSFA項目の設計と標準化（関連記事）も参照してください。

名寄せの進め方（実践ステップ）

名寄せは「一度やって終わり」ではなく、初回の棚卸し・統合・ルール整備・定期実施の4フェーズで回す仕組みを作ることが前提です。各フェーズで「何をインプットにして何をアウトプットにするか」を明確にしておくと、担当者が変わっても手順が維持されます。本セクションでは各フェーズの具体的な手順と、つまずきやすいポイントを示します。

フェーズ1：現状把握と重複数の確認

最初にやるべきことは「どれだけ重複があるか」を数値で把握することです。規模感が分からないまま着手すると、作業量の見積もりが立たずプロジェクトが止まります。

• SFAからCSVをエクスポートし、代表電話番号やドメインでソートして目視確認する
• AI名寄せ機能（後述）がある場合は、候補リストを先に確認してレコード数と重複率を把握する
• 全件を一度に処理しようとせず、優先度を設定します。高頻度取引先・直近アクティブな案件に紐づく取引先から着手するのが現実的です

フェーズ2：統合候補の洗い出し

重複の候補を特定する方法は、手動とAI支援の2通りがあります。

手動での洗い出しは次のように進めます。

• CSVに突合キー（代表電話番号・ドメイン）の列を追加し、ExcelのCOUNTIF関数やPower Queryの重複検出機能で候補を抽出する
• 候補リストを担当者がレビューし、「統合すべきか」「別レコードのままにするか」を1件ずつ確認する

AI名寄せ機能を使った洗い出しは、Mazrica SalesなどのSFAにAI名寄せ機能が搭載されている場合に有効です。AIが取引先・コンタクトの重複・表記ゆれを自動検知し、統合候補のリストを提示します。担当者はその候補をレビューして、統合する・スキップするを判断するだけで済むため、洗い出し工程の工数を大幅に削減できます。Mazrica SalesのAI名寄せ機能はGrowth以上のプランで利用できます。

候補の全件を一括で受け入れるのではなく、担当者がレビューして取捨選択する運用が適切です。AIが提示するのはあくまで候補であり、最終判断は人が行います。

フェーズ3：統合の実施

実際に統合を行う前の準備として、CSVでバックアップを取得します。誤統合に気づいたときに元に戻せる状態を作っておくことが必要です。

統合の手順は以下のとおりです。

• 統合先（正レコード：残すもの）と統合元（削除・統合されるレコード）を決める
• 統合元に紐づいていた案件・アクション・コンタクトが統合先に引き継がれることをSFA上で確認する
• 一括で大量を処理するのではなく、少量ずつ統合→確認のサイクルで進める。特に初回は10〜20件単位で手順を確認しながら実施します

SFAによってはレコードの論理削除（アーカイブ）機能があります。完全削除ではなくアーカイブを使うことで、誤統合時の復元が可能になります。

フェーズ4：ルール整備と定期実施

統合が完了したら、同じ重複が再発しない仕組みを整えます。

• 入力時の表記ルール・重複チェックの手順を文書化する
• 定期名寄せのサイクルをカレンダーに設定する（目安：月次または四半期ごと）
• 次に取り組む運用ルールの整備についてはSFAのデータ運用ルール（関連記事）を、継続的なメンテナンス体制についてはSFAデータのメンテナンス体制（関連記事）を参照してください

SFAのAI名寄せ機能を活用する

手動での名寄せは、大量レコードに対して時間がかかり、担当者の経験・判断に依存する部分が大きくなります。SFAにAI名寄せ機能が搭載されている場合は、候補の洗い出し工程を大幅に省力化できます。本セクションでは機能の仕組みと実際の操作イメージ、活用上の注意点を整理します。

AI名寄せ機能の仕組み

AI名寄せ機能は、SFA内の取引先・コンタクトのレコードを横断的に分析し、重複・表記ゆれの可能性があるレコードの組み合わせを候補として提示します。AIが検知できる重複の例としては次のようなものがあります。

• 「株式会社○○」と「（株）○○」のように法人格表記が異なるが同一企業であるケース
• 同じ代表電話番号・ドメインを持つが社名表記が異なるケース
• コンタクトの同姓同名・同メールドメインによる重複候補

担当者は提示された候補を1件ずつレビューし、「統合する」か「スキップする（別レコードとして保持する）」かを選択します。統合先・統合元を指定してワンクリックで統合できます。

Mazrica SalesのAI名寄せ（Growth以上）

Mazrica SalesのAI名寄せは、取引先・コンタクトの両方で機能します。利用にはGrowth以上のプランが必要です。

AI名寄せでレコードを統合してデータを整理することで、その後に使うAIアシスタント（営業活動履歴の自動要約・更新サジェスト）の要約・更新サジェストの精度も向上します。「AIを入れる前にデータを整える」という順序が、AI機能の効果を最大化する前提条件です。

また、AIアシスタントとAIエージェント（録音文字起こし・案件更新レコメンドなど）は同じクレジット枠（月次リクエスト上限）を共有します。大量の候補を一括処理する場合は残クレジットを確認してから実施することを推奨します。

AI名寄せに頼りすぎないための注意点

AI名寄せを活用する際も、次の点を念頭に置いてください。

• AIが提示するのは「統合候補」であり、最終判断は担当者が行います。同名の別法人（親会社と子会社が同一社名を持つケースなど）を誤統合しないよう、候補は必ず目視で確認します。
• 統合前のCSVバックアップと、統合後の確認フローを必ず設けます。
• AIが検知できない重複（完全に異なる表記で登録されたケース、または突合キーとなる項目が未登録のケース）は手動チェックで補完します。AIはあくまで洗い出しの補助ツールであり、手動確認をゼロにするものではありません。

名寄せでつまずく失敗パターンと対処法

名寄せの実務で頻出する失敗は「手順の問題」ではなく、「基準設計と合意形成の問題」によるものがほとんどです。手順どおりに進めたつもりでも、基準が甘かったり現場の協力が得られなかったりして作業が止まるケースが多くあります。本セクションでは実務でよく起きる4つの失敗パターンと対処法を整理します。競合記事がほぼ取り上げていない論点を中心に取り上げます。

突合キーが少なく、誤統合が発生する

• 症状 グループ会社の親会社と子会社が同じ代表電話番号を使っており、別々に管理すべきレコードが統合されてしまう。統合後に「あの企業への商談が消えた」と担当者から報告が来る。
• 対処 電話番号を単一キーとして使わず、複数キーの組み合わせで判断します。「電話番号が一致していても、社名（正規化後）が異なる場合は候補止まりにする」というルールを設計段階で決めておきます。疑わしい候補は担当者が目視で確認してから統合します。

統合後に元に戻せなくなる

• 症状 統合元のレコードを完全削除してから誤りに気づく。統合元に紐づいていた案件・アクション履歴が参照できなくなっている。
• 対処 統合前に必ずCSVエクスポートでバックアップを取得します。SFAにレコードのアーカイブ（論理削除）機能がある場合は、完全削除ではなくアーカイブを使い、一定期間は復元できる状態を維持します。初回の大規模名寄せでは特に、10〜20件単位で統合→確認を繰り返す進め方を推奨します。

現場が名寄せ作業に協力しない

• 症状 「自分の担当案件のデータが変わるかもしれない」「勝手に削除されたら困る」と担当者が統合を嫌がり、作業が進まない。
• 対処 名寄せの目的と、「統合後もアクション・案件・コンタクトの履歴はすべて統合先のレコードに引き継がれる」という事実を事前に説明します。初回は「直近1年以内にアクションのない失注案件の取引先」から着手すると、担当者への影響が最小限になり実績を示しやすくなります。小さな成功体験を積んでから、アクティブな取引先の統合に移行する進め方が現実的です。

名寄せを一度やって終わりにする

• 症状 初回の大規模名寄せは完了したが、6か月後には再び重複が増えている。入力ルールが整備されていないため、同じ構造的な問題が繰り返される。
• 対処 定期名寄せをカレンダーに登録し、運用ルール（入力時の重複チェック手順・表記ルール）を整備して再発を構造的に防ぎます。名寄せは単発の作業ではなく、データ品質管理の継続的なサイクルとして位置づけます。

名寄せ後の運用：再発防止と定期メンテナンス

名寄せの効果を維持するには、整備したデータを汚さない仕組みを運用に組み込むことが必要です。いくら初回の統合を丁寧にやっても、入力ルールがなければ翌月から再び重複が増えます。入力ルール・重複チェックの手順・定期確認のサイクルを整えることで、名寄せを「単発の作業」から「継続的なデータ品質管理」に変えられます。

入力時の重複防止ルール

新規登録時に重複を発生させないための仕組みを整えます。

• 取引先を新規登録する前に「既存取引先の検索」を必ず実施するルールを明文化する
• 法人名の表記ルール（正式社名・法人格の書き方・半角全角の統一）を文書化してオンボーディング資料に含める
• SFAに企業データベース連携機能（Mazrica Salesの場合は内蔵企業データベースからの自動補完）がある場合は積極的に活用し、手入力による表記ゆれを構造的に減らす。Mazrica Salesの内蔵企業データベースでは上場企業約3,800社・非上場企業約240万社のデータを参照でき、企業名・住所・電話番号を自動補完することで入力の揺れが生じにくくなります

定期名寄せのサイクル設計

以下を目安にサイクルを設定します。

• 大規模チーム（50名以上、取引先1,000件超） 月次でAI名寄せの候補リストを確認する
• 小規模チーム（50名未満） 四半期ごとの確認で維持できるケースが多い

AI名寄せ機能のある環境では、月初に候補リストを確認する15〜30分の定例作業として運用に組み込むことで、データ品質を無理なく維持できます。継続的なメンテナンス体制の構築についてはSFAデータのメンテナンス体制（関連記事）を参照してください。

運用ルールの整備と周知

名寄せ基準・統合手順・担当者を明文化してSFA内のノートや社内Wikiに格納します。文書が存在するだけでなく、新しいメンバーが参照できる場所に置いておくことが必要です。

• 新入メンバーのSFAオンボーディングに名寄せルールの説明を組み込む
• 年に一度、ルールの見直しタイミングを設ける（組織変更・ツール連携の追加に合わせてルールも更新する）
• データ運用ルール全般についてはSFAのデータ運用ルール（関連記事）を参照してください

まとめ

名寄せはSFA活用の土台となるデータ品質管理の中でも、最も影響範囲が広い作業です。重複データを放置すると、AI機能の精度低下・営業活動の二重化・レポートの信頼性喪失という複合的な損失が生じます。初回の統合で終わりではなく、定期的なメンテナンスと入力ルールの整備によって継続的に品質を保つ仕組みが必要です。

本記事の要点を整理します。

• 名寄せは「突合キーの設計→候補の洗い出し→統合実施→ルール整備と定期実施」の4フェーズで回す
• 突合キーは単一項目への依存を避け、取引先には法人番号・代表電話番号・Webドメインの複数キーを組み合わせて使う
• AI名寄せ機能（Mazrica SalesではGrowth以上）を使えば候補の洗い出しを省力化できるが、統合の最終判断は担当者が行う
• 名寄せ後の入力ルール整備と定期確認サイクルがなければ、重複は構造的に繰り返される

組織規模別の推奨アクション：すでにSFAを運用中で取引先数が100社を超えている場合は、まずAI名寄せ機能の候補リストを確認するか、CSVをエクスポートして代表電話番号で重複チェックをかけることが、最初の一歩として着手しやすい方法です。まだSFAを選定中の組織には、AI名寄せ機能の有無をツール評価の判断軸の1つに加えることを推奨します。

SFAのデータ品質管理を体系的に整理したい方はSFAにおけるデータ品質とは（関連記事）も合わせて参照してください。

よくある質問

Q SFAの名寄せとはどういう意味ですか？

A

重複・表記ゆれのある取引先・担当者レコードを同一の実体として突き合わせ、1件に統合する作業です。「名前を寄せる（集める）」という語義どおり、散在したデータをまとめて正確な状態に保つことが目的です。単なるデータ整理ではなく、AI機能の精度向上や営業活動の効率化に直接影響するため、SFA活用の土台となる作業として位置づけられます。

Q 重複データはなぜ発生するのですか？

A

主な原因は3つです。第一に、複数の担当者が独立して同じ企業を登録するケース。第二に、法人格の表記ルールがなく「（株）」「株式会社」が混在するケース。第三に、MAや名刺OCR連携で自動作成されたレコードが既存データと突き合わされずに新規登録されるケースです。いずれも「悪意のある操作」ではなく、組織やツール連携の構造に起因するため、入力ルールと重複チェックの仕組みで再発を防ぐことが必要です。

Q 名寄せの基準はどのように設定すればよいですか？

A

取引先には、法人番号（第1優先）・代表電話番号＋法人名（第2優先）・Webドメイン（第3優先）を突合キーの候補として複数組み合わせます。単一キーへの依存は誤統合の原因になるため避けてください。コンタクトにはメールアドレスが最も確実な突合キーです。突合の前に法人名の正規化（法人格表記・半角全角の統一）を行うことも必要です。

Q SFAの名寄せはどのくらいの頻度で行うべきですか？

A

大規模チームは月次、小規模チームは四半期ごとが目安です。AI名寄せ機能を使える環境では、月初に候補リストを確認する15〜30分の定例作業として運用に組み込むとデータ品質を維持しやすくなります。初回の大規模名寄せが完了した後も、定期確認を継続することが再発防止の鍵です。

Q 名寄せをしないとどんな問題が起きますか？

A

同一顧客への二重アプローチによる信頼低下、重複カウントによる売上予測・レポートの精度劣化、AIアシスタントやAIインサイトの精度低下、引き継ぎ時の情報喪失リスクが生じます。特に「AIを導入したのに効果が出ない」という状況の根本原因が重複データにあるケースは実務上よく見られます。