「良いリードだと思います」——では、その根拠はCRMのどこにありますか
正直に言うと、ICPをスプレッドシートに定義しただけで満足しているプロジェクトを、これまで何度も見てきました。営業に「なぜこの企業を優先したのか」と聞くと、返ってくるのは担当者の勘や経験則で、CRM上のどの項目とも紐づいていない——GTMエンジニアリングの実装支援では、この状態からのスタートがむしろ普通です。ここではICPを「感覚」から「CRM上の数字」に変えていく実務を整理します。
Fitスコアの実装
ICP定義をルールベース（業種×規模×技術の加点式）またはMLベース（受注／失注データからの傾向スコア）で数値化し、CRM項目に書き戻します。ルールベースは説明可能性が高く立ち上げやすい一方、MLベースはデータ量が十分にある場合に精度で優位になります。多くの組織はルールベースから始め、受注データが蓄積してからMLベースへ移行します。
優先順位づけの実務では、このFitスコアを「購買意欲（インテント）」の軸と掛け合わせて4象限で捉えると、営業リソースの配分基準が明確になります。
ここで一つ、先に反論しておきます。「スコアリングなんて、結局は担当者の勘を数式に置き換えただけでは」と思うかもしれません。実際、初期のルールベースは担当者へのヒアリングから軸を立てることが多く、その意味では半分正しい指摘です。ですが、勘は担当者の頭の中にしかなく、異動や退職とともに消えます。数式にした瞬間、それはCRM上に残り、検証でき、次の担当者にも引き継げる資産になります。この「消えるか残るか」の違いが、スコアリングを実装する最大の理由です。
ICPには合致するが購買意欲は低い。ナーチャリング施策の対象
ICP合致かつ購買意欲も高い。営業が即対応すべき層
ICP不一致・購買意欲も低い。追わない
購買意欲は高いがICP不一致。無理に追うと解約・失敗リスクが高い
TAMリストの構築とティアリング
- TAMリストの構築
- ICP条件で全対象市場の企業リストを機械的に生成・維持する。SOM算出の分母を実データで持つことに相当する
- ティアリング
- Tier1（ABM 1:1対象）／Tier2（1:Few）／Tier3（1:Many・自動化中心）へ機械的に振り分ける。ランチェスター戦略の「局地戦」対象を機械的に選ぶ作業と言える
- ネガティブ条件の実装
- 明確に売らない条件（競合、規模外、規制業種）の除外フィルタ。「捨てる覚悟」を仕組みとして固定する部分
スコアが機能しているかの検証
成果指標は、スコア別の商談化率・受注率の乖離です。高スコア層と低スコア層で受注率に有意な差がなければ、そのスコアリングモデルは機能していません。定期的にこの乖離を確認し、スコアリングロジックの項目や重みを見直すサイクルを組み込むことが実装後の運用として重要です。
例えば、「従業員数◯◯名以上」という1軸だけでスコアを組んだ結果、高スコア層と低スコア層の受注率にほとんど差が出なかった、というのはよくある失敗です。本当に効く変数は事前の一覧からではなく、実際の受注・失注データの検証から浮かび上がってくるものであり、勘に頼った1軸のスコアリングでは実態を説明できないことが多いのです。占い師の当てずっぽうな予言と、天気予報が過去データの蓄積から確率を出すのとが違うように、スコアも「当たった実績があるかどうか」でしか信頼性を語れません。
ゼロから最初のICPスコアを作る手順
過去の受注データが少なくても、ルールベースなら着手できます。データが小さいチーム向けの最小手順です。
過去の受注・失注企業を業種・規模・技術スタック等の軸で一覧化する。件数が少なくても、まずは手元にあるデータで並べる
「従業員数◯◯名以上」のような1軸だけに頼らず、業種×規模×技術など複数軸の加点式ルールをまず作る
競合、規模外、規制業種など「明確に売らない」条件を除外フィルタとして先に固定する
全対象市場の企業リストにルールを適用し、Tier1（ABM）／Tier2／Tier3に自動で振り分ける
算出したFitスコアをCRMの項目として実装し、営業・マーケが日々の優先順位づけに使える状態にする
高スコア層と低スコア層で受注率に有意な差が出ているかを確認し、差がなければ軸・重みを見直す
STEP2の加点式ルールは、そのまま次のフォーマットに埋めていけます。
| 軸 | 条件 | 配点 |
|---|---|---|
| 記入例業種 | 記入例SaaS・IT関連 | 記入例+30 |
よくある質問
- ルールベースとMLベース、どちらから始めるべきですか
- 多くの組織はルールベース（業種×規模×技術の加点式）から始め、受注データが十分に蓄積してからMLベースへ移行します。ルールベースは説明可能性が高く立ち上げやすい一方、MLベースはデータ量が十分にある場合に精度で優位になります
- ネガティブ条件（除外フィルタ）はなぜ必要ですか
- 明確に売らない条件（競合、規模外、規制業種等）を除外することで、営業リソースをFitする企業に集中させられます。これは「捨てる覚悟」を仕組みとして固定する部分であり、除外条件がないと営業が惰性でICP外の企業にもアプローチし続けてしまいます
- スコアリングモデルはどのくらいの頻度で見直すべきですか
- 見直しのトリガーとしては、プロダクトに新機能が加わり価値提供の構造が変わったとき、受注データが蓄積されて検証結果が更新されたとき、市場環境（規制・競合・景気）が変わったときの3つが挙げられます。一度決めたら固定してしまうのは典型的な失敗パターンです
問い
営業が今日「この会社は良さそうです」と言ったとき、その根拠をCRMの項目名で答えられるでしょうか。答えられないとしたら、そのICPはまだ組織の記憶ではなく、一人の頭の中にしかないのかもしれません。