育成・営業分析

商談群から顧客課題を類型化しメッセージに反映する

複数の商談で顧客が語った課題を、似たもの同士に束ねて見えるようにするプロンプトです。案件ごとにバラバラに聞いてきた「困りごと」を横断で読み、どんな課題が何件で出ているかを整理します。顧客課題 分析 AIの使いどころとして、現場の言葉を拾って訴求メッセージやトークに反映する材料を、コピペで用意できます。

  • 分析・レポート

必要データと準備

必要なのは、複数案件・複数回の商談の文字起こしです。次を用意すると精度が上がります。

  • 3件以上の商談ログ: 案件が多いほど類型が見えやすくなります。各記録に案件名・日付・話者ラベル(誰の発言か)を付けて貼ると、根拠の引用が正確になります。文字起こしの取り方は共通ガイドを参照してください。
  • 課題が語られた部分を中心に: 全文でなくても、顧客が現状や困りごとを話した箇所を抜粋すれば十分に機能します。むしろ自社の説明部分を削ると、顧客の声が埋もれず類型化しやすくなります。
  • 自社の商材・現在の訴求文(任意): 今使っている訴求の言い回しを添えると、「顧客の言葉」と「自社の言葉」のズレが見えます。分からなければ「不明」で構いません。

プロンプト本文

プロンプト(コピーして使う)
あなたは、複数の商談記録から顧客の課題を読み解く営業企画のアナリストです。
以下の複数商談の文字起こしを横断で読み、顧客が語った課題を似たもの同士で類型化し、それぞれの類型に対してどう訴求メッセージへ反映できるかの案を出してください。数を無理に一般化せず、文字起こしに書かれた発言だけを根拠にしてください。

## 複数の商談の文字起こし
{複数案件・複数回の商談の文字起こしを、案件名・日付・話者ラベルを付けて貼り付け。3件以上あると類型が見えやすい}

## 自社の商材・現在の訴求メッセージ(任意)
{自社が売っているもの/今Webや提案で使っている訴求の言い回し。分からなければ「不明」と書く}

## 出力フォーマット
1. 顧客課題の類型(見つかった数だけ。多くても5〜6個に束ねる)
   類型ごとに以下を書く。
   - 類型ラベル(顧客の言葉に近い短い名前)
   - 内容の説明(1〜2文)
   - 該当した案件と根拠引用(どの案件のどの発言か。原文を短く引用。何件で出たかを明記)
   - 顧客が実際に使った言い回し・語彙(言い換えず原文の言葉で)
2. メッセージへの反映案(類型ごと)
   - その課題に響きそうな訴求の方向性を、案として1〜2行で(断定せず「〜という切り口が考えられる」の形)
   - 顧客が使った言葉をなるべくそのまま活かした表現案
3. 判断を保留した点・データが足りない点
   - 1件しか出ていない課題、解釈が割れる発言、母数が少なく一般化できない点を正直に挙げる

## 注意事項
- 文字起こしに書かれた発言だけを根拠にする。書かれていない課題・感情を「顧客はこう思っている」と補わない
- 事実(引用できる発言)と、そこからの解釈・推測を必ず分ける。解釈には「推測」と明記する
- サンプル数が少ない前提で書く。数件の一致を「市場の傾向」「顧客の多くが」と一般化しない。件数は必ず添える
- 1件だけで出た課題を、代表的な類型と同列に扱わない。「単発(1件)」と分けて示す
- 競合や既存のやり方を、根拠なく劣ったものとして書かない。分からないことは「不明」「要確認」とする
- 出力はメッセージ作成の材料であり、そのまま社外に出す完成コピーではない。人が事実確認と手直しをする前提で書く
- 顧客の発言を含む文字起こしを外部AIに貼る際は、社外持ち出し・個人情報の扱いに注意する

このプロンプトを動かしてみる

プリセットされた依頼のまま「送信」を押すと、AIの応答がその場でストリーミング表示されます(架空データに対する収録済みの応答。生成AIは呼び出しません)。

営業AIエージェントStockworkサンプル実行(収録済み)
複数の商談から顧客の課題を類型化して、訴求メッセージに反映して。
AIに渡した入力データ(架空サンプル)
【テクノアドバンス 4/8】田中(人事労務): 打刻の修正とか、有休残数の問い合わせ対応が多くて。月末は残業になりがちです。私ともう1人で3日はかかっています。 【丸和製作所 5/2】高橋(総務部長): 「今のやり方で回っているのに、なぜ変えるのか」と言われまして。困りごとの実感が現場と経営でズレていて。 【キャリアブリッジ 5/20】渡辺(管理部マネージャー): 今の給与ソフトとの連携がどうなるかだけ気になります。そこが切れると、また二重入力になってしまうので。
「送信」を押すと、ここに実行結果を表示します。

カスタマイズのヒント

  • 失注案件を混ぜて見る: 受注・失注の両方の商談を入れ、プロンプト末尾に「受注案件と失注案件で課題の出方に違いがあれば分けて示して」と足すと、勝ち負けと課題の関係を仮説として見られます(因果の断定は避ける前提で)。
  • 業界・規模でセグメントする: 案件名に業界や従業員規模を添え、「業界別・規模別に類型が偏るなら指摘して」と加えると、ターゲットごとの訴求の差を検討できます。ただしセグメントごとの件数はさらに小さくなるので、一般化は一層慎重に。
  • 既存の訴求文と突き合わせる: 「自社の現在の訴求メッセージ」に今のWebコピーを貼り、「顧客の言葉と自社の言葉のズレ」を出させると、機能語に寄りすぎた表現を顧客語彙に寄せ直すヒントになります。
  • トーク改善に使う: 出力の「顧客が使った言い回し」を、次回商談で課題を引き出す質問文に転用すると、相手の言葉に近い聞き方ができます。

よくある質問

商談が3〜4件しかなくても意味がありますか?

材料としては使えますが、「顧客の多くはこうだ」と一般化する根拠にはなりません。このプロンプトは各類型に必ず件数を添え、1件だけの課題を「単発」と分けて示す設計です。少数のうちは「この数社で見えた仮説」として扱い、商談が増えたら同じ類型が繰り返し出るかを確かめてください。件数が多いほど信頼して使えます。

出力の「メッセージ反映案」は、そのまま広告や提案書に使えますか?

そのままの利用は想定していません。反映案はあくまで「こういう切り口が考えられる」という材料で、断定を避けた形で出しています。事実確認と表現の調整、競合を貶めていないかの点検を人が行ったうえで使ってください。特に価格や連携可否のように案件で割れる論点は、一律のコピーにする前に保留点を確認する必要があります。

AIが顧客の気持ちを勝手に推測して、実際にない課題を作りませんか?

それを防ぐため、このプロンプトは「文字起こしにある発言だけを根拠にする」「解釈には『推測』と明記する」ルールを本文に組み込んでいます。各類型に原文引用を求めているので、根拠のない課題が紛れていないかは引用の有無で確認できます。引用が付いていない主張は、自分で文字起こしを見返して裏を取ってください。

商談の一次情報をAIが利活用、
営業担当者の行動が変わる

プロンプトの入力データが自動で貯まる仕組みを、資料でご確認ください

メニュー

資料請求