はじめに
Salesforceに商談も定例のメモも溜まっているのに、いま解約しそうな顧客が誰なのかは誰も答えられない。そんな状態になっていないでしょうか。
データが足りないのではなく、データを「顧客の状態」に変換する仕組みがないだけ、という会社は少なくありません。本記事では、過去の解約データからスコアの基準をAIに出させ、顧客の状態を数値で見えるようにする手順を解説します。スマートエイトは生成AI研修と開発受託で、営業・カスタマーサクセス領域のデータ活用を支援してきました。
結論を先に言います。ヘルススコアが作られない原因は集計の手間ではなく、点数の基準を人が決めきれないことにあります。基準の草案づくりこそAIに向いた仕事です。基準の出し方は2章、Salesforceとの繋ぎ方は3章で扱います。
ヘルススコアは手間ではなく基準で止まる｜作れない理由を切り分ける
なぜスコアは作られないままなのか？
ヘルススコア*には決まった計算式がありません。利用率、ログイン頻度、問い合わせの内容、担当者の異動といった要素から、自社に合う式を組み立てる必要があります。
ここで手が止まります。「どの項目を何点にすればよいか」を決める根拠が、社内の誰の手元にもないためです。経験のある担当者は感覚で分かっていても、点数の形にはなっていません。
結果として、作る作業ではなく決める作業で止まります。集計を自動化しても、この部分は解けません。
Salesforceのデータはなぜ眠るのか？
もうひとつの理由は、レポートを作る操作が専門職の仕事になっている点です。動画のなかでも、Salesforceは自由度が高いぶん、扱い慣れていない人には欲しいレポートの作り方が分かりにくい、という指摘が出ていました。
入力は現場が毎日行い、活用は一部の担当者しかできない。この非対称が続くと、データは溜まる一方で使われません。
売上に繋がる分析の切り口を見つけにくい、という問題も重なります。操作の壁と、着眼点の壁が同時にあるわけです。
動画ではどこまで見せたのか？
スマートエイトのYouTubeチャンネルでは、Salesforceのデータと利用実績のデータを繋いで、顧客ごとのヘルススコアを1枚のレポートにするまでを実演しています。
デモで扱ったのは架空のデモ会社のデータです。利用率や直近のログイン数をもとにスコアを出し、危険な状態の顧客が一覧で並ぶところまでを画面で見せています。
カスタマーサクセスの担当者が、Salesforceと利用実績のデータを別々に開かなくても、アプローチすべき相手を判断できる状態がゴールになります。
*ヘルススコア：顧客が契約を続けてくれそうかを数値にした指標。利用状況や関係性の変化を点数化し、解約の予兆を早く見つけるために使います。
基準は過去の解約から出す｜AIに集計軸を出させてから点数にする
どこから手をつけるのか？
出発点は、これから解約しそうな顧客ではなく、すでに解約した顧客です。過去に離れた企業と、続いている企業のデータを並べて比べます。
比べる対象は、契約期間、利用の頻度、問い合わせの件数、商談時のメモなど、Salesforceに残っている項目すべてで構いません。最初から絞り込まないほうが、思い込みの外にある差が見つかります。
動画のなかでも、解約した企業とそうでない企業の過去データを突き合わせてから分析に入る、という順番が説明されていました。
AIに何を出させるのか？
AIに依頼するのは、点数そのものではなく「差が出そうな集計の切り口」の一覧です。順番は3段階に分かれます。
まず、解約と関係がありそうな切り口を列挙させます。次に、その切り口で実際に集計させ、差が出たものだけを残します。最後に、残った切り口を組み合わせてスコアの計算式の草案を作らせます。
いきなり計算式を作らせると、もっともらしいだけの式が出てきます。切り口を出す段階と、検証する段階を分けるのが要点です。
出てきた基準をそのまま使ってよいか？
そのままは使いません。人が削る工程を必ず挟みます。
分析が得意な人ほど、自分の仮説と違う切り口が出たときに価値があります。逆に、現場の感覚として明らかにおかしいものは落とします。動画でも、AIが出した叩き台をもとに、違う部分を修正していく流れが良いと述べられていました。
数える処理そのものはAIに任せず、集計の計算はデータベース側に実行させます。金額や件数をAIに数えさせない考え方は、Claudeで請求書の突合を自動化する方法｜人が必ず止める3つの工程でも同じです。
繋ぎ方の前提が変わった｜公式のMCPでSalesforceに直接つなぐ
何が新しいのか？
以前は、AIにSalesforceのデータを見せるために、ツールごとの連携を自前で組む必要がありました。ここが2026年に変わっています。
Salesforce Developersの公式ブログによれば、Salesforce Hosted MCP Servers は2026年4月29日に正式提供となり、対象は Enterprise Edition 以上の組織です。公式ドキュメントは、Claude、ChatGPT、Cursorなど MCP*に対応したAIクライアントから接続できると説明しています。
つまり、AIツールごとに連携を作り直す前提ではなくなりました。Salesforce側で1回設定すれば、対応するAIから同じ入口を使えます。
権限はどうなるのか？
導入の可否を分けるのは、たいてい権限の話です。公式ドキュメントでは、認証に OAuth 2.0 PKCE を用い、ユーザーごとの認証によって、そのユーザーが持つSalesforce上の権限が維持されると説明されています。
見られる範囲は、その人がSalesforceで見られる範囲と同じという設計です。全社のデータをAIに開放する構成にはなっていません。
とはいえ、実際にどの項目まで参照させるかは自社で決める必要があります。読み取りだけに絞って始め、書き込みは後から検討する順序が扱いやすいです。
利用実績のデータはどこから取るのか？
ヘルススコアは、Salesforceのデータだけでは足りません。サービスの利用ログはSalesforceの外にあるためです。
動画のデモでも、Salesforceの商談データと、データ基盤側に溜まっている利用実績の2つを繋いで1つのレポートにしていました。公式ドキュメントには、標準で用意されるサーバーに Data 360 SQL や Tableau が含まれると記載されています。
自社の利用ログがどこにあるかを先に確認してください。この置き場所が決まっていないと、スコアの設計より前で止まります。
*MCP：AIツールと社内システムを繋ぐための共通の決まりごと。対応しているサービス同士なら、個別の連携を作らずに接続できます。
スコアは運用に乗せて初めて効く｜見て動く人を先に決める
スコアは誰が見るのか？
先に決めるのは計算式ではなく、見る人と見る頻度です。誰も開かないレポートは、精度が高くても成果に繋がりません。
現実的なのは、カスタマーサクセスの定例の冒頭で全員が同じ画面を見る形です。危険と判定された顧客について、今週誰が接触するかをその場で割り当てます。
レポートが増えても行動が変わらない状態は、議事録の自動化でも起きる現象です。出力を行動に繋げる考え方は議事録の自動化だけでは読まれない｜記録を行動に変える3つの手順でも整理しています。
どの精度で運用を始めるのか？
初期の精度は高くなくて構いません。判定が当たっているかどうかより、判定の理由が読めるかどうかを優先します。
「利用率が3か月連続で下がっている」「担当者の異動後に問い合わせが止まった」といった理由が添えられていれば、担当者は次の一手を決められます。点数だけが並ぶレポートは、結局は勘に戻ります。
3か月ほど回してから、外れた判定を集めて基準を直します。作って終わりにせず、見直す前提で組み立てます。
効果はどう数えるのか？
数えるのは、削減できた作業時間ではありません。「危険と判定された顧客のうち、実際に接触できた件数」から始めます。
そのうえで、解約率の変化を四半期単位で見ます。スコアの導入と解約率の改善を短期間で結びつけるのは難しいため、まず行動の量が変わったかどうかを確かめます。効果の測り方に迷う場合は、生成AIの費用対効果を測る4つの問い｜OpenAI CFOの採点表の使い方が判断の枠組みになります。
よくある質問｜Salesforceのデータを分析に使う前に
データ基盤がなくても始められますか？
始められます。Salesforceの中にある商談履歴、活動履歴、問い合わせの記録だけでも、解約と関係のある差は見つかります。
利用ログを足すのは次の段階です。最初から完全なデータを揃えようとすると、着手そのものが遅れます。
分析の切り口はどれくらい出せばよいですか？
最初は10前後で十分です。そこから実際に集計して差が出たものだけを残すと、3つから5つに絞られます。
残った切り口が1つも無い場合は、比較の対象期間を広げてください。解約した顧客の件数が少なすぎると、差が現れません。
営業のレポート作成にも同じ考え方は使えますか？
使えます。動画では、週次や月次の営業レポートをデータから直接作る使い方と、成約率の高い営業とそうでない営業の違いを分析する使い方も紹介しています。
後者では、単純に上位と下位を比べるのではなく、営業のタイプを分類してから比較する点が要点として挙げられていました。話し方の傾向や顧客の種類が違えば、比べる意味が変わるためです。
AIが出した分析を経営会議に出してよいですか？
集計の根拠を添えられるなら問題ありません。どのデータを、どの期間で、どう数えたかを示せる状態にしておきます。
逆に、根拠を示せない数値は使わないでください。数字が独り歩きすると、後から検算できなくなります。
さいごに
本記事では、Salesforceのデータからヘルススコアを作る手順として、過去の解約データとの比較、AIによる集計軸の草案づくり、人による取捨選択、そして運用への載せ方を解説しました。要点は、AIに任せるのは点数づけではなく基準の草案であること、そして見る人と頻度を先に決めることの2点です。
Salesforceに入力は集まっているのに活用が進んでいない、解約の予兆を担当者の感覚に頼っている。そうした課題を持つ企業にとって、スコア化は最初の一歩になります。まずは過去に解約した顧客のデータを並べるところから試してみてください。
スマートエイトの生成AI研修では、自社のデータを題材に、分析の切り口の出し方から運用フローへの落とし込みまでを設計します。企業規模・業種に合わせた構成が可能です。
詳細はお気軽にスマートエイト公式サービスページからお問い合わせください。貴社の状況に合わせた最適な進め方をご提案します。 ※生成AI研修資料/導入事例も無料ダウンロードいただけます。
