育成・営業分析
受注と失注の差分分析で失注の真因を特定する
受注した商談群と失注した商談群の文字起こしを読み比べ、両者で何が違ったのかという差分から、失注の真因を仮説立てするプロンプトです。SFAに記録された表向きの失注理由と、会話から見える実際の要因のズレまで示します。相関を因果と決めつけず、事実と推測を分けて出します。
必要データと準備
用意するのは主に2種類です。
- 受注・失注した複数商談の文字起こし: 受注に至った案件と失注した案件を、それぞれ複数集めて、案件ごとに区切って貼ります。差分を見るプロンプトなので、片方だけ、あるいは各1件ずつでは比較が成り立ちません。各群2件以上をそろえるほど、たまたまの違いなのか、繰り返し現れる差なのかが見分けやすくなります。案件の冒頭に業種・規模などのラベルを付けておくと、属性の偏りを踏まえた分析になります。文字起こしの取り方は商談文字起こしの共通ガイドも参照してください。
- SFA/CRMの案件属性（任意）: 各案件の業種・従業員規模・提案金額・失注理由コード・競合名・商談回数などがあれば一緒に貼ります。特に失注理由コードがあると、「SFA上の理由」と「会話から見える真因」のズレを指摘できます。無くても動きます。
このプロンプトの前提: 数件の比較から見えるのは、確定した原因ではなく検証すべき仮説です。受注群と失注群で業種や規模が大きく偏っていると、勝敗の差なのか属性の差なのかが混ざります。出力の「前提とデータの偏り」を最初に読み、仮説の確からしさを割り引いて扱ってください。
プロンプト本文
あなたは受注と失注の要因を「差分」で分析するアナリストです。
受注した商談群と失注した商談群の文字起こしを読み比べ、両者で何が違ったのかを洗い出し、失注の真因（表向きの理由ではなく、勝敗を分けた本質的な要因）の仮説を立ててください。判断は文字起こしとデータにある事実だけを根拠にし、そこからの読み取りは推測と明記してください。
## 受注した商談群の文字起こし（複数案件）
{受注に至った案件の商談文字起こしを、案件ごとに区切って貼り付け。各案件の冒頭に案件名・業種・規模などが分かるラベルを付ける}
## 失注した商談群の文字起こし（複数案件）
{失注した案件の商談文字起こしを、案件ごとに区切って貼り付け。同じ形式のラベルを付ける}
## SFA/CRMの案件属性（任意）
{各案件の業種・従業員規模・提案金額・失注理由コード・競合名・商談回数などがあれば貼り付け。無ければ空欄}
## 比較したい観点（任意）
{特に見たい論点があれば書く（例: キーパーソンの巻き込み、価格の扱い、連携要件への対応）。無ければ空欄。空欄の場合はAIが差分の大きい観点から挙げる}
## 出力フォーマット
1. 前提とデータの偏り
受注n件・失注m件の内訳と、属性（業種・規模・金額帯）の偏りを述べる。サンプルが少ない・偏っている場合は、以降が仮説にとどまることを明記する
2. 受注群・失注群それぞれの共通要素
各群に繰り返し現れた特徴を、根拠発言を各項目1つ引用して挙げる。事実は［事実］、読み取りは［推測］と付す
3. 勝敗を分けた差分
受注群にあって失注群になかった要素／その逆を対比で示す。差分ごとに両群の引用を並べ、事実と推測を分ける
4. 失注の真因仮説
差分のうち勝敗に効いたと考えられるものを影響が大きい順に挙げる。SFAの失注理由コードがある場合は「表向きの理由」と「会話から見える真因」のズレに触れる。相関と因果は区別し、他の説明（代替仮説）も併記する
5. 真因を確かめるための問い
仮説を検証するために、次に何を調べ・誰に聞けばよいかを挙げる
6. 要確認・データ不足
結論の前に埋めるべきデータの空白（サンプル不足、属性の偏り、記録にない期間など）を明示する
## 注意事項
- 文字起こしとデータにある事実だけを根拠にする。書かれていないことを「起きた」と判断しない。根拠がない箇所は「不明」と明記する
- 事実（実際の発言・データの値）と、そこからの推測を必ず分ける。推測には［推測］を付す
- 相関を因果と断定しない。「受注群に多い＝それが受注の原因」とは限らない。効いた要因の候補として示し、代替仮説も併記する
- サンプル数が少ない・属性が偏っている場合は、傾向を一般化せず「この数件で見えた仮説」にとどめる
- SFAの失注理由コード（価格・競合・タイミング等）を真因と決めつけない。表向きの理由と、会話から見える実際の要因は食い違うことがある前提で扱う
- 曖昧な同意や社交辞令（「検討します」「前向きに」等）を、受注・失注の決め手として過大に扱わない
- 引用は文字起こしの原文を短く抜き出す。金額・日付・固有名詞・失注理由は原文どおりに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）。
AIに渡した入力データ（架空サンプル）
1. 前提とデータの偏り
- 受注2件・失注2件、計4件。サンプルが少なく、以降は「この4件で見えた仮説」であり一般化はできない。
- 属性の偏り: 失注群のほうが従業員規模が大きく（450〜520名）、提案金額も高い（520〜560万相当）。受注群は90〜210名・180〜310万相当。規模・金額と勝敗が交絡しているため、「規模が大きいから負けた」のか「別の要因で負けた」のかは、この4件だけでは分離できない。
2. 受注群・失注群それぞれの共通要素
- 受注群の共通点: 現場の運用担当（労務・シフト管理のキーパーソン）が2回目など早い段階から商談に同席し、連携・運用の不安がその場で解消されている。［事実］「連携が確認できて安心しました。これなら現場も回せそうです」（キャリアブリッジ）、「夜勤明けの申請まで含めて、現場が使えるイメージが持てました」（ブライトケア）。
- 失注群の共通点: 現場の運用担当の巻き込みが遅い、または無い。連携・運用への不安が未解消のまま終わっている。［事実］「まずは私のほうで整理してから」（丸和製作所・現場は最後まで不参加）、「連携が不安だし、現場と本社でやり方が違う。今のやり方を変えたくない」（ノーススチール工業・終盤に初同席）。
続きを見る（差分・真因仮説・確かめる問い・要確認）
3. 勝敗を分けた差分
観点 | 受注群 | 失注群 |
|---|---|---|
現場キーパーソンの同席時期 | 2回目など早期から同席 ［事実］ | 最後まで不参加、または終盤に初同席 ［事実］ |
連携・運用不安の扱い | その場で確認・解消 ［事実］「安心しました」 | 未解消のまま終了 ［事実］「連携が不安」 |
現場の反応 | 「回せそう」と後押し ［事実］ | 「変えたくない」と反対、または不在 ［事実］ |
差分として最も明確なのは、現場の運用者（労務・シフト管理担当）を意思決定の前に巻き込めていたかである。［推測］受注群では現場が推進側に回り、失注群では現場が最後にブレーキになっている。
4. 失注の真因仮説（影響が大きい順・いずれも仮説）
- 仮説1: 現場キーパーソンの巻き込み遅れと、連携・運用不安の未解消。差分として両群で最も一貫している。SFAの失注理由は「価格」「競合」だが、丸和製作所では価格発言と同時に「現場が使いこなせるか不安」が出ており、ノーススチール工業では最後に現場が連携・運用の違いを理由に反対している。表向きの理由（価格・競合）と、会話から見える真因（現場運用者の不安の未解消）にズレがある可能性。［推測］
- 代替仮説A: 規模・金額の壁。失注群は規模が大きく金額も高い。稟議のハードルや価格感度が真因で、キーパーソン巻き込みは結果的な差にすぎない可能性。前提1の交絡があるため否定できない。
- 代替仮説B: 稟議構造・運用体制の違い。丸和製作所はオーナー企業で稟議が重い、ノーススチール工業は現場と本社で運用がばらつくなど、意思決定・運用体制そのものの差が効いた可能性。会話にはこれを直接示す発言は乏しく、［推測］にとどまる。
- 注記: 相関（受注群に現場巻き込みが多い）を因果（だから受注した）と断定はできない。4件では偶然の一致も否定できない。
5. 真因を確かめるための問い
- 過去の受注・失注案件を10件以上に広げ、「現場キーパーソンの同席時期」と勝敗の関係を、規模・金額をそろえて見比べる（交絡を切り分ける）。
- 失注した丸和製作所・ノーススチール工業の窓口担当に、価格・競合以外で意思決定を左右した点を改めて確認する（表向きの理由の裏を取る）。
- 受注したキャリアブリッジ・ブライトケアの現場担当に「何が決め手だったか」をヒアリングし、現場巻き込み仮説を当事者側から裏づける。
6. 要確認・データ不足
- サンプルが4件と少なく、規模・金額が勝敗と交絡している。仮説の確度を上げるには件数を増やし、属性をそろえた比較が必要。
- 各案件の商談回数・稟議の有無・検討期間がSFA属性にあれば、プロセス面の差も見られる（今回は未取得）。
- 商談と商談の間に社内で何が起きたか（現場への根回しの有無など）は文字起こしに現れないため不明。
注記: 上記の共通点・差分・真因仮説は、貼られた4件の文字起こしとSFA属性にある事実のみを根拠とした。勝敗を分けた要因の特定は［推測］を含み、サンプル数と属性の偏りから、確定した原因ではなく検証すべき仮説である。SFAの失注理由コードは表向きの記録として扱い、真因と同一視していない。
カスタマイズのヒント
- 観点を絞って深掘りする: 「比較したい観点」に「キーパーソンの巻き込み」「価格の切り出し方」「連携要件への対応」などを指定すると、その論点に絞って受注群・失注群を対比します。仮説がある程度立っているときの検証に向きます。
- 属性をそろえて交絡を減らす: 受注群・失注群を「従業員300名以上」「金額500万以上」など近い属性でそろえて入力すると、規模や金額の影響を抑えて、進め方の差を見やすくなります。件数がある組織ほど効きます。
- 勝ちパターンの型化につなげる: 差分が安定して見えてきたら、出力を「営業プレイブックの一節（この規模ではデモ2回目までに現場運用者を同席させる、など）」に書き換えるよう指示を足すと、分析から現場で使える型に落とせます。
よくある質問
失注理由はSFAに入力しているのに、なぜこのプロンプトが必要ですか？
SFAの失注理由コードは、担当が入力時点で選んだ「表向きの理由」であることが多く、本当に勝敗を分けた要因とは食い違うことがあります。「価格」で登録されていても、受注できた案件でも同じ価格帯だったなら、価格は真因ではありません。このプロンプトは受注案件と並べて差分を見るので、SFAの理由コードと会話から見える真因のズレを浮かび上がらせます。
受注案件と失注案件が数件ずつしかありませんが使えますか？
使えますが、出力は確定した原因ではなく仮説として扱ってください。件数が少なかったり、受注群と失注群で規模・金額が偏っていたりすると、勝敗の差なのか属性の差なのかが混ざります。このプロンプトは「前提とデータの偏り」を最初に明示し、サンプルが少ない場合はその旨を断ったうえで分析します。件数が増えたら再検証する前提で使ってください。
AIが「これが失注の原因」と断定してくれますか？
断定はしません。数件の比較から見えるのは相関であり、それを因果と決めつけない設計にしています。効いたと考えられる要因の候補を影響順に挙げ、他の説明（代替仮説）も併記し、真因を確かめるための次の問いを返します。出てくるのは結論ではなく、検証すべき仮説です。人が確認して初めて打ち手になります。
