スコアリングは「企業」と「個人」の2軸が基本｜日本のBtoBで成果を出す設計思想

1. なぜ日本のBtoBスコアリングは「企業×個人」の2軸なのか

1-1. 行動解析だけでは本当の見込み度は測れない

マーケティングオートメーションを導入すると、多くの企業がまず注目するのは「誰がどのページを見たか」「何回資料をダウンロードしたか」「動画をどこまで視聴したか」といった個人の行動データです。これらは数字として取得しやすく、管理画面にも派手に表示されるため、スコアリングの中心軸に据えたくなります。

しかし、日本のBtoBで本当に成果につながるスコアリングを設計したいなら、行動データだけでは足りないことを理解する必要があります。行動は見込み度を表すシグナルの一つにすぎず、企業側の属性条件が揃っていなければ、どれだけ活発な行動があっても商談にはつながりません。

1-2. BtoBは「誰が動いたか」以上に「どの企業か」が重要

日本のBtoB営業では、ターゲットの企業規模、業種、所在地、事業内容といった属性条件が厳格に定義されているケースが多く、これらの条件に合致しない相手はどれだけ行動していても営業上は価値が低いということが頻繁に起こります。これはBtoCとは根本的に異なる発想です。

1-3. 2軸スコアリングという考え方の正体

2軸スコアリングとは、「この企業は自社のターゲット属性に合っているか（Account Fit）」と「この個人は興味・関心を示しているか（Behavior）」を別々に評価し、両方を掛け合わせて見込み度を判定する考え方です。どちらか片方だけでは判断できない、という前提に立つのが最大の特徴です。

1-4. 時間軸・流入経路・役職情報などの副軸

実務では、2軸に加えて「時間軸（直近の行動か、古い行動か）」「流入経路（広告か、自然検索か、紹介か）」「個人属性（部署、役職、決裁権限）」といった副軸を加える設計も行います。しかし、それらはあくまで補助的なものであり、基本は「企業×個人」の2軸です。

1-5. 海外テンプレートをそのまま使う危険

MAツールの多くは海外製で、デフォルトのスコアリングテンプレートも欧米のBtoB文化を前提に設計されています。日本のBtoBにそのまま適用すると、「企業属性の軽視」「個人行動の過大評価」という歪みが生まれやすいのです。だからこそ、日本仕様に組み直す発想が必要になります。

1-6. スコアは営業の"優先順位"を決める指標

スコアリングは、リードを点数化すること自体が目的ではありません。目的は、営業がどこから手を付けるかの優先順位を決めることです。この目的から逆算すれば、「営業が動きやすい並び順」を実現するスコアが良いスコアであり、属性と行動の両面から評価することが合理的だとわかります。

2. 企業の完全な名寄せがすべての前提

2-1. 名寄せなしにはスコアリングが始まらない

スコアリングを正しく行うには、その前提として、企業データを完全に名寄せしておく必要があります。なぜなら、同じ企業が複数のレコードに分かれていれば、企業単位の合計スコアが正しく算出できないからです。

2-2. 表記ゆれが引き起こすスコア分断

同じ会社でも、「NEC」「nec」「エヌイーシー」「日本電気」「日本電気（株）」「日本電気株式会社」のように、データベース上では別企業として登録されがちです。こうした表記ゆれを放置すると、ひとつの企業内で生まれる行動データが複数のレコードに分散してしまい、本来ならホットな状態にある企業が「どのレコードも中程度のスコア」にしか見えない、という事態が起きます。

2-3. 旧社名・社名変更・ホールディングス化

企業は絶えず変化します。社名変更、ホールディングス化、事業分割、合併、子会社化──こうした変化を名寄せで吸収できていないと、同一企業が複数のレコードに永久に分かれたままになります。

2-4. ドメイン・企業コードを名寄せのキーに使う

名寄せの精度を上げるには、企業名だけに依存しないことが重要です。メールアドレスのドメイン、外部調査会社（東京商工リサーチ、帝国データバンクなど）が発行する企業コード、法人番号（マイナンバー法に基づく13桁のコード）──これらを名寄せキーに組み込むことで、表記ゆれを越えた同一性判定が可能になります。

2-5. 名寄せが整った瞬間に見える景色

名寄せが整うと、初めて「この企業からは合計で何件の接点がある」「行動スコアはいくつ」という企業単位の見方が可能になります。これはABMの出発点でもあります。

2-6. 完全な名寄せという目標

「完全な名寄せ」はなかなか到達できない目標ですが、目指すこと自体に意味があります。99%の精度と95%の精度では、見える景色が大きく違います。継続的な改善運用の中で、少しずつ精度を上げていくことが重要です。

2-7. 名寄せの質がスコアリングの質を決める

最終的に、スコアリングの質は名寄せの質に制約されます。名寄せが甘いまま高度なスコアリングロジックを組んでも、計算対象のデータが間違っているのですから、結果の精度も低くなります。スコアは名寄せから始まる、と覚えておくべきです。

3. 「企業の属性情報」とは何を指すのか

3-1. 属性情報は名刺には書いていない

企業の属性情報と一言で言っても、具体的にはどんな項目を指すのでしょうか。代表的には、業種、企業規模（社員数、売上高）、事業所数、事業所在地、設立年、上場区分、決算月、主要事業、業態、グループ関係、などです。

これらの情報は、基本的に名刺には書かれていません。名刺に載っているのは、会社名、部署、役職、氏名、連絡先──つまり「その人が誰か」を示す情報です。「その会社がどんな会社か」を示す属性情報は、別のソースから補完する必要があります。

3-2. 企業コードを付与するという基本作業

企業属性を扱う上での基本作業が、企業コードの付与です。東京商工リサーチの企業コード、帝国データバンクの企業コード、法人番号──これらを自社のレコードにひもづけることで、外部DBから属性情報を引いてこられる状態になります。

3-3. 業種・業態の分類体系

業種は、日本標準産業分類（大分類・中分類・小分類）や、独自の業界分類を使って整理します。「製造業」という粗い括りではなく、「電気機械器具製造業」「輸送用機械器具製造業」などの細かい分類まで把握できると、営業ターゲティングの精度が大きく上がります。

3-4. 企業規模の定義

企業規模は、売上高、従業員数、事業所数、資本金など、複数の指標で表現できます。どの指標を重視するかは商材によって違います。設備投資を伴う製品なら売上規模や設備投資額が、SaaSなら従業員数が、物流系なら拠点数が重要な指標になります。

3-5. 所在地情報の使い方

所在地情報は、単なる住所以上の意味を持ちます。本社所在地、事業所分布、営業エリアとの合致度──これらを把握しておくと、営業の訪問可能性やチャネル設計に活用できます。

3-6. 動的な属性情報

属性情報には、比較的安定しているもの（業種、設立年）と、変動するもの（売上、従業員数、事業所数）があります。変動するものは定期更新が必要です。数年前の売上規模でターゲティングし続けるのはリスクがあります。

3-7. 属性情報は"スコアの文脈"を作る

属性情報は、行動データに文脈を与えます。同じ「資料ダウンロード10回」という行動でも、「大手メーカーの購買担当者」か「個人事業主」かで、意味はまったく違います。属性情報こそが、行動の意味を決めるのです。

4. 個人の行動解析だけでスコアすると起きる危険

4-1. 行動スコアが独走するという現象

個人の行動解析だけでスコアを組むと、ある現象が起きます。行動スコアの上位に、「営業に渡せない相手」が集中するのです。熱心にサイトを回り、資料を片っ端から取得し、ウェビナーにも参加する──そんな行動をとる人は、実は購買見込み客ではないケースが多いのです。

4-2. 何度もサイトを見ている人は誰か

何度もウェブページを閲覧している人、資料をダウンロードしている人、動画を見ている人──彼らの中には、次のような層が相当数含まれています。

• 競合企業の営業担当者やマーケ担当者が、自社を調査している
• 求職活動中の個人が、業界研究として閲覧している
• 学生・研究者が、レポートや論文の資料として閲覧している
• 情報収集だけが仕事のコンサル会社・調査会社が見ている
• メディア関係者が記事執筆のために見ている

4-3. 行動スコアが高い＝有望、という誤解

「行動スコアが高いのだから有望に違いない」という素朴な解釈は、日本のBtoBではしばしば裏切られます。本当に購買検討している担当者は、逆にあまりウェブ上で動かないという事実すらあります。社内で静かに比較資料を集め、決裁ルートを通し、選定プロセスを進めるのです。

4-4. 行動データの過大評価がもたらす弊害

行動データを過大評価すると、スコアリング全体が歪みます。営業に渡すリードの質が下がり、営業は「マーケから来るリードは使えない」と判断し、スコアリングそのものが信用されなくなります。これは一度起きると回復が極めて難しい事態です。

4-5. 行動データは"シグナル"であって"結論"ではない

行動データは、見込み度を判定するためのシグナルの一つです。しかし、シグナルを結論に昇格させてはいけません。複数のシグナルと、企業属性という文脈を組み合わせて初めて、意味のある判定ができます。

4-6. 「高スコア＝無条件で営業対応」の禁物

高スコアのリードを無条件で営業に渡す設計は、危険です。高スコアに対して「どの企業か」「どの業種か」「対象規模か」の検閲が必要です。この検閲を通過したものだけを営業に渡すフローを設計します。

4-7. 行動解析は"自社を良く見せる指標"にもなる

行動解析は、マーケティング部門が自分たちの成果を示すKPIとして使われることが多く、無意識に「行動スコアが高い＝成果が出ている」という演出をしがちです。しかし、営業にとって意味のある指標は最終的に商談化件数・受注金額です。行動解析だけで成果を語るのは、数字の魔術になります。

5. 競合企業の行動が高スコア化する日本特有の問題

5-1. 日本のBtoB市場と競合の情報収集文化

日本のBtoB市場には、競合企業同士が徹底的に相手のサイトを研究する文化が根付いています。製品仕様、価格帯、導入事例、セミナー告知、ブログ記事──あらゆるコンテンツが競合の分析対象です。この文化は、マーケティング担当者の皆さんも実感しているはずです。

5-2. 競合行動の典型パターン

競合が示す典型的な行動は、次のようなものです。複数のページを短時間で巡回する、価格ページや比較ページを重点的に見る、導入事例を全ダウンロードする、セミナー申込フォームに架空のフリーメールで登録する──いずれも行動スコア的には「超ホット」な指標です。

5-3. 高スコアな競合を営業に渡す悲劇

行動スコアのみで判断すると、こうした競合アカウントが「超ホットリード」としてシステムから出力され、営業に渡ってしまいます。営業が架電して「あ、御社◯◯（競合名）の方ですか」となれば、その瞬間に営業の信頼は地に落ちます。

5-4. 事例情報の流出という副次被害

さらに悪いことに、MAの自動配信シナリオに入ってしまえば、競合に自社の最新事例情報、価格改定情報、導入社数推移などが自動的に届けられていきます。これは競合から見れば絶好の市場インテリジェンス情報源です。

5-5. 排除と属性フィルタの二段構え

この問題を防ぐには、企業属性フィルタと、競合排除リストの二段構えが必要です。排除リストで既知の競合をブロックし、属性フィルタでグレーな相手を低スコア化する──両方が揃って初めて、営業に安心してリストを渡せます。

5-6. 類似業種・隣接プレイヤーの扱い

明確な競合だけでなく、類似業種、隣接プレイヤー、代替サービス提供者、コンサル会社、SIer、調査会社など、「本命ではないが要注意」な相手もいます。これらをどう扱うかのポリシーを決めておくと、運用が安定します。

5-7. フリーメールで登録された情報の扱い

gmail.com、yahoo.co.jp、hotmail.comなどのフリーメールで登録された情報は、ビジネスコンテクストでは正体が読みにくいデータです。企業名を聞いて判定するか、属性補完ができるまで保留にするか、ポリシーを明確にしておくべきです。

6. 2軸スコアリングの設計思想

6-1. 2軸マトリクスの考え方

2軸スコアリングの設計思想は、次のようなマトリクスで表現できます。横軸に「企業属性スコア（ターゲット一致度）」、縦軸に「個人行動スコア（興味関心度）」をとり、両方とも高いゾーンが最優先のホットリードです。

• 属性高×行動高：最優先。即営業接触
• 属性高×行動低：眠れる有望先。ナーチャリングで起こす
• 属性低×行動高：要注意。競合・対象外を疑い検閲する
• 属性低×行動低：基本的に対象外

6-2. それぞれの象限で施策が変わる

この4象限は、それぞれ施策が異なります。属性高×行動低のゾーンには「起こす」ナーチャリング、属性高×行動高には営業直結、属性低×行動高には検閲プロセス──という具合に、スコアそのものではなくスコアに基づく施策設計が本質です。

6-3. 重みづけは商材ごとに変える

2軸の重みづけは、商材ごとに調整します。大型設備や業界特化型SIなら属性軸の重みが大きくなり、汎用SaaSなら行動軸の重みが大きくなる、というのが基本です。1つの会社内でも、商材ラインごとに別のスコアリングを持つのが現実的です。

6-4. 足し算ではなく掛け算の発想

多くのスコアリング設計では、項目ごとに点数を加算していく「足し算型」が採用されがちですが、日本のBtoBでは「掛け算型」のほうが実態に合うケースもあります。属性スコアと行動スコアを掛け合わせる設計にすると、属性ゼロの相手は行動がいくら多くてもゼロになり、競合が上位に来る問題を抑制できます。

6-5. 属性フィルタとスコアの使い分け

「属性をフィルタ条件にする」のか「属性をスコアに組み込む」のかは、設計の分岐点です。シンプルな運用を好むなら、属性フィルタを先に通し、通過したものだけ行動スコアで並べるのが明快です。柔軟性を重視するなら、属性もスコア化して総合点で並べます。

6-6. 営業と合意したスコア設計

スコア設計は、マーケ部門だけで決めず、営業と合意して作るべきです。「営業が欲しいリードの条件」を言語化し、それがスコアに反映されているかを確認します。営業の納得がないスコア設計は、現場で使われません。

6-7. スコア閾値の運用

スコアの閾値（何点以上をどのアクションにつなげるか）は、運用しながら調整していくものです。最初から完璧な閾値は設定できないので、月次でレビューし、商談化率・受注率のフィードバックを反映して調整する運用が必要です。

7. マーケティングオートメーションの自動上書き問題

7-1. 米国製MAのデフォルト思想

主要なMAツールのほとんどは米国製です。米国のBtoB文化は、「割り切りがうまい」と言われる合理主義で、メールアドレスが一致すれば同一人物、新しい情報で自動上書き、という基本思想で設計されています。

7-2. 自動上書きの便利さと危険さ

自動上書き設定は、一見便利です。新しい情報が入れば既存データが常に最新化される──この動きは米国のBtoBでは十分機能しますが、日本の実務では大きな罠になります。新しい情報が「略式」だったり「抜け」だらけだったりすることが頻繁にあるからです。

7-3. オンライン入力情報の質のばらつき

個人情報はさまざまなルートから、さまざまなフォーマットで絶えず集まってきます。展示会名刺、問い合わせフォーム、セミナー申込、ウェビナー申込、資料請求フォーム、SNS経由のリード──入力精度がまったく違います。特にオンライン入力は、本人の気分や時間的余裕で、雑になりがちです。

7-4. SNS連携の副作用

近年のMAは、LinkedIn、Facebook、X（旧Twitter）、Instagramなどとの親和性を高め、オンラインでのリード獲得や行動解析を強化する方向に進化しています。これ自体は良いことですが、SNS経由で流入するデータは本人が入力した略式表記や抜けが多く、データの品質が一気に下がる副作用があります。

7-5. 「NULL」（ヌル）という概念

プログラミング用語で、何もないことをNULL（ヌル）と呼びます。オンライン入力では、必須項目だけ入力されて、それ以外はNULLのまま送信されるケースが多発します。このNULLを「新しい情報」として扱って上書きしてしまうと、既存の正確な情報まで消えてしまいます。

7-6. デフォルト設定のまま使ってはいけない

MA導入時、多くの企業がデフォルト設定のまま運用を始めてしまいます。自動上書きが有効になったまま、SNS連携が活発になると、気づかないうちにデータ品質が劣化していきます。導入時に運用ルールを日本仕様に書き換えることが不可欠です。

7-7. ベンダーのサポート範囲を超える

これらの運用判断は、MAベンダーの標準サポート範囲を超えることが多いものです。ベンダーは機能を説明しますが、「日本のBtoB特有の運用」は自社で設計するか、専門パートナーと組んで作り上げる必要があります。

8. 正確な名刺情報が劣化するメカニズム

8-1. 名刺情報はなぜ正確なのか

名刺情報は、相手が自分の正式な身分を示すために作ったものなので、基本的に正確です。正式な会社名、部署名、役職、氏名、連絡先が整っています。会社が正式に発行している以上、間違いは少なく、体裁も統一されています。

8-2. オンライン入力情報はなぜ不正確になるのか

一方、本人がオンラインで入力する情報は、不正確になりがちです。急いで入力する、必須項目以外は省略する、略称で書く、部署名を更新し忘れる──こうした理由で、実際の名刺情報より質が下がります。

8-3. 上書きで正確な情報が消える典型例

具体例を挙げてみましょう。営業が獲得した名刺には、「株式会社◯◯　営業企画部　主任　山田太郎」と正確に入っていたとします。その後、本人がウェビナー申込フォームに「◯◯　山田」とだけ入力して送信。MAが自動上書き設定のままなら、元の完璧なデータが、略式の不完全データに置き換わってしまいます。

8-4. データ劣化の連鎖

一度上書きが起きると、連鎖的に劣化が進みます。部署名が消えたレコードは検索でヒットしなくなり、ターゲティングから漏れ、それに気づいた別の担当者が追加入力し、そこに別のフォームからの上書きが発生──という具合です。データ品質は「1回の破壊」より「連続した劣化」で壊れていきます。

8-5. 上書きルールをカスタマイズする

対策は、上書きルールのカスタマイズです。「空の項目は上書きしない」「略式表記は上書きしない」「名刺由来の情報は優先度を上げる」──こうしたルールを設定し、自動上書きが無条件に走らないようにします。

8-6. データソースの優先度管理

上書きルールと並行して、データソースごとの優先度管理も重要です。名刺デジタル化サービスからのデータ、営業が直接ヒアリングした情報、問い合わせフォームからの情報、SNS連携からの情報──それぞれに優先度を割り当て、低優先度のデータで高優先度のデータを上書きしない設計にします。

8-7. 履歴を残す運用

上書きで消えた情報を履歴として残す運用も有効です。「元はこの情報だった、◯月◯日にこの情報で上書きされた」という履歴があれば、後から検証できます。履歴管理は容量を食いますが、データ品質を守るコストとしては妥当です。

9. 運用ルールの設計ポイント

9-1. 運用ルールは"文書化"して初めて機能する

データマネジメントの運用ルールは、担当者の頭の中にあるだけでは機能しません。文書化し、組織で共有し、定期的に見直す対象にして初めて、運用として動きます。属人化したルールは担当者交代で吹き飛びます。

9-2. データ登録ルールの明文化

誰が、どのソースから、どの項目を、どの形式で登録するか──これを明文化します。「全角半角の統一」「部署名の表記ルール」「役職の省略可否」といった細則まで決めておくと、登録段階で品質が保てます。

9-3. 上書きポリシーの設定

どのフィールドは自動上書きOK、どのフィールドは上書き禁止、どのフィールドは人手裁定──このポリシーをフィールド単位で設定します。MAツールの標準機能だけで実現できない場合は、ミドルウェアやカスタム実装が必要です。

9-4. 排除リストの運用

競合・対象外の排除リストを運用として動かします。誰が追加し、誰が解除し、いつ棚卸しするか、を決めておきます。排除リストは定期メンテナンスしないと、古い情報で凍結され、誤除外も誤配信も発生します。

9-5. 名寄せ運用の頻度

名寄せは自動化できる部分と、人手裁定が必要な部分があります。自動名寄せは毎日〜毎週、人手裁定は月次、全体棚卸しは四半期ごと──という運用頻度を決めておきます。

9-6. 属性情報の更新サイクル

企業属性は絶えず変動します。売上規模、従業員数、事業所数などは、年次で外部DBから再取得して更新します。古い属性情報でスコアリングするリスクを避けるためです。

9-7. 変更履歴の保持

変更履歴を残す運用を組み込むと、データ品質が安定します。「いつ、誰が、何を変更したか」が追跡できれば、異常な変更にも気づけます。変更履歴はセキュリティ・コンプライアンス面でも有用です。

10. スコアリング設計の実務ステップ

10-1. ステップ1：現状のデータ診断

実務でスコアリングを設計するなら、まず現状のデータ診断から始めます。名寄せ漏れ件数、属性情報の充足率、競合混入の推定数、上書き頻度──これらを可視化することで、改善の出発点が見えます。

10-2. ステップ2：ターゲット企業像の定義

次に、営業と合意しながらターゲット企業像を定義します。業種、規模、所在地、業態、決算月──これを「必須条件」と「望ましい条件」に分けて整理します。ここで時間をかけることが、後工程を楽にします。

10-3. ステップ3：属性スコアの設計

ターゲット企業像に基づいて、属性スコアを設計します。業種が合致すれば何点、規模が合致すれば何点、所在地が合致すれば何点──という配点を決めます。合計点の上限と、各項目の重みを合議で決めます。

10-4. ステップ4：行動スコアの設計

続いて、行動スコアを設計します。Webページ閲覧、資料DL、ウェビナー参加、問い合わせ、メール開封──どの行動に何点つけるかを決めます。ここで重要なのは、商談化と相関が高い行動を重くすることです。直感ではなく、過去の受注データから逆算します。

10-5. ステップ5：2軸の統合ルール

属性スコアと行動スコアをどう統合するかを決めます。単純加算、重みづけ加算、掛け算、閾値フィルタ──商材と運用目的によって選びます。複雑すぎないロジックが、現場で理解され運用されます。

10-6. ステップ6：営業への引き渡し設計

スコア上位を営業にどう引き渡すかを設計します。何点以上、どういう条件、どのチャネルで通知するか──ここを曖昧にすると、せっかくスコアリングしても営業に届きません。

10-7. ステップ7：月次レビューで調整

スコアリングは一度設計して終わりではなく、月次レビューで調整します。商談化率、受注率、営業からのフィードバック──これらを反映して、配点や閾値を少しずつ修正します。この継続調整こそが、スコアリングの精度を上げる唯一の道です。

11. スコアリングでよくある失敗パターン

11-1. 行動スコアだけで設計してしまう

最も多い失敗パターンが、行動スコアだけで設計してしまうことです。MAツールのデフォルトテンプレートに従い、属性スコアを組み込まずに運用を始めると、早晩「競合高スコア化」問題が発生します。

11-2. 属性情報を補完せずに使う

名刺情報だけで属性スコアを組もうとしても、そもそも属性情報が名刺には書かれていません。外部DBから属性補完をせずに設計を進めると、属性軸が空洞化し、結局は行動だけのスコアになります。

11-3. スコア項目を詰め込みすぎる

凝ったスコア設計をしようとして、30項目・50項目と詰め込む例がありますが、これも失敗パターンです。項目が多いと、どれが効いているかわからなくなり、調整も困難になります。最初は10項目以下のシンプル設計が良いのです。

11-4. 営業との合意なく設計する

マーケ部門だけでスコアを設計し、営業に「これを使ってください」と渡すと、営業は使いません。営業との合意形成を飛ばした設計は、運用に乗らない典型パターンです。

11-5. 閾値を固定して見直さない

「80点以上がホット」と決めたら、そのまま1年運用してしまう組織も多いのです。市場も商材も営業体制も変わっているのに、閾値だけが固定されているのは現実離れしています。

11-6. 「全部のリードにスコアをつける」呪縛

MAツールは全リードに自動でスコアをつけますが、「全部にスコアをつけなければならない」という発想に縛られると、対象外まで点数化する無駄が発生します。属性フィルタで外したものには、スコアを計算しない、という設計もありです。

11-7. スコアを目的化してしまう

最大の失敗は、スコアそのものを目的化することです。スコアは手段であって、目的は商談化・受注です。「スコアが高い企業が多い=マーケの成果」というのは錯覚で、営業につながらなければ何も意味がありません。

12. まとめ：設計より前に土台を整える

12-1. スコアリングの基本は「企業×個人」の2軸

ここまで見てきたとおり、日本のBtoBスコアリングは「企業の属性情報」と「個人の行動解析」の2軸が基本です。行動データだけで完結させようとすると、必ずどこかで破綻します。

12-2. 企業属性は名刺にはなく、補完が必要

企業属性は名刺には書かれていません。外部DBや企業コードを使って、レコードごとに属性情報を補完することで、初めて属性軸のスコアが成立します。

12-3. 行動データは文脈なしでは意味を持たない

行動データは、企業属性という文脈があって初めて意味を持ちます。文脈なき行動データは、競合や対象外を高スコア化する落とし穴になります。

12-4. MAの自動上書きは日本仕様に調整

MAツールのデフォルト設定は、米国のBtoB文化が前提です。自動上書き、NULL処理、SNS連携──日本で使うなら、これらを必ず自社仕様にカスタマイズすべきです。

12-5. データ劣化は静かに進行する

データ劣化は、一度に大きく壊れるのではなく、日々の運用の中で静かに進行します。気づいたときには、整理したデータベースが別物になっている、という事態が起きます。だからこそ、日々の運用ルールが最重要なのです。

12-6. スコア設計より前にデータ整備

スコアリングの議論は「何点加算するか」「どの行動を重く見るか」に偏りがちですが、実務で本当に重要なのは、その前提となるデータの扱い方です。スコア設計の前に、データ整備。この順序を間違えてはいけません。

12-7. 成果につながるスコアリングを作るには

成果につながるスコアリングを作りたいなら、まずは企業と個人のデータを正しく整えることから始めるべきです。名寄せ、属性補完、競合排除、上書きルール、日々の運用──これらの土台があって初めて、スコアリングは力を発揮します。

派手なスコアリングロジックを組む前に、地味な下ごしらえを徹底する。この順序を守る組織だけが、日本のBtoBマーケティングで本当の成果を手にします。

• 日本のBtoBスコアリングは「企業の属性情報」と「個人の行動解析」の2軸が基本
• 名寄せなしにはスコアリングが成立しない。企業コード付与で精度を上げる
• 個人の行動だけでスコアすると、競合が高スコア化するリスクがある
• MAの自動上書き設定は、日本のBtoBで正確な名刺情報を劣化させる
• スコア設計の前に、データ整備と運用ルールを固めることが最優先