営業目標は、低すぎれば組織が緩み、高すぎれば現場が最初から諦めます。ではどこに置くべきか。本稿では『手が届くギリギリの最大値』というストレッチ設計の考え方を上流の課題から整理し、その目標に納得感を与えるためのデータとAIの使い方を、限界も含めて考えます。
多くの中小〜中堅企業で、営業目標は「昨年比◯%」や「経営が決めた総額を人数で割った数字」として降りてきます。景気が右肩上がりで、人手も潤沢だった時代には、多少荒い決め方でも走りながら帳尻が合いました。ところが今は前提が変わったと考えられます。人手不足で一人あたりの守備範囲が広がり、原材料やエネルギーのコスト構造が変わり、顧客の購買プロセスも長期化・複雑化しています。同じ「昨年比◯%」でも、それを達成するための道筋は以前よりずっと見えにくくなっていると考えます。
この環境で「根拠の薄い目標」を掲げると、現場は数字を信じられなくなります。信じられない目標は、達成しても喜べず、未達でも痛みを感じない、ただの通過儀礼になりがちです。目標が組織を動かす力を失うと、日々の行動と数字が切り離され、月末に帳尻を合わせるだけの営業に戻っていくと考えられます。
目標の高さを議論する前に、そもそも何を測る目標なのかという上流の問いがあります。売上総額だけを追うのか、粗利なのか、新規と既存を分けるのか、受注額かパイプライン創出か——ここが曖昧なまま高さだけを議論しても、現場は動きようがありません。この「何で測るか」の思想についてはAI時代のKPI設計思想で整理しています。本稿はその先、「では、その指標をどの高さに置くか」に絞って考えます。
現場を観察すると、うまくいかない目標はおおむね二つのパターンに分かれると考えられます。一つは低すぎる目標、もう一つは高すぎる目標です。どちらも一見すると正反対ですが、「現場が本気で取りに行かなくなる」という結果は共通しています。
「確実に届く」水準に目標を置くと、短期的には達成率が上がり、報告の見栄えもよくなります。しかし達成が常態化すると、人は目標を「守るべき下限」ではなく「そこで止まってよい上限」として扱い始めると考えられます。月半ばで目標が見えると、残りの時間で次月に案件を回す、いわゆる「貯金」も起きやすくなります。組織全体の実力は伸びず、市場が縮んだときに一気に未達へ転落するリスクを抱え込む可能性があります。
逆に、達成の道筋がまったく見えない目標を掲げると、人は初月の早い段階で「これは無理だ」と判断し、戦意を失うと考えられます。厄介なのは、諦めた瞬間から行動の質が落ちることです。どうせ届かないなら難しい大型案件は後回しにし、目先の取りやすい小口だけを追う——結果として、高い目標が逆に守りの営業を生む、という逆説が起きうると考えます。
つまり論点は「高い目標が良いか、現実的な目標が良いか」という二者択一ではありません。問うべきは、その高さに現場が『届きうる』という手応えと根拠を持てるか、です。同じ数字でも、根拠のない天下り目標か、データから逆算された目標かで、現場の受け止めはまったく変わると考えられます。
ここで提案したいのが、ストレッチ目標という考え方です。ストレッチとは背伸びの意で、要点は「現状の延長線上では届かないが、やり方を変えれば手が届きうる、ギリギリの最大値」に目標を置くことにあります。確実に届く水準でも、逆立ちしても届かない水準でもなく、その間の「本気で工夫すれば手が届くかもしれない」という一点を狙う設計です。
ストレッチ目標を「もっと頑張れ」「訪問件数を2倍に」といった量の号令と混同すると、単なる過重労働の号令になってしまいます。人手不足の今、量で押す発想は持続しません。ここで言うストレッチは、同じ、あるいはより少ない労力で、これまでと違う打ち手を取れば届きうる水準を指します。たとえば失注が多い工程に手を入れる、勝ちパターンの案件に資源を寄せる、といったプロセスの変更です。目標の高さが、行動を変えることを促す設計になっているかがポイントになりうると考えます。
では「ギリギリの最大値」はどう見つけるのか。ここを勘で決めると、結局は天下り目標に戻ります。手がかりになるのは、過去の実績の「ばらつき」だと考えられます。同じ営業でも、絶好調だった月と平均的な月では成果に幅があります。その好調時の水準——たまたま条件が噛み合ったときに現に出せた数字——は、まぐれではなく「やり方次第で再現しうる上限」の候補になりえます。平均ではなく、実際に到達したことのある高い水準を根拠にすることで、ストレッチ目標は「絵に描いた餅」ではなくなる可能性があります。ただし、これはあくまで自社データでの検証が前提であり、他社の数字を当てはめても意味はないと考えます。
ストレッチ目標が機能するかどうかは、「その高さの根拠を現場に説明できるか」にかかっていると考えられます。根拠が語れれば目標は納得に変わり、語れなければ号令のままです。そして根拠づくりの土台になるのが、営業プロセスを客観的に把握できるデータです。行動につながる指標をどう設計するかはKPIをデータドリブンで設計する発想が参考になります。
受注という結果は、その手前にある案件のパイプライン(見込み案件の積み上がり)から生まれます。どの段階に何件あり、各段階の通過率がどの程度か——これを把握できれば、受注目標を達成するために手前にどれだけの案件が必要か、逆算できると考えられます。ストレッチ目標を、単なる受注額の号令ではなく「初回商談を◯件増やす」「提案段階の失注率を下げる」といった手前の行動目標へ分解できれば、現場は何をすればよいかが具体的に見えてきます。
とはいえ、こうしたデータを表計算で手作業に集計し続けるのは、営業現場には重い負担です。ここでデータ集約基盤とAIが助けになりうると考えます。案件・行動・受注の履歴を一元的に集約しておけば、どの段階で案件が落ちやすいか、どんな条件の案件で勝率が高いか、といったパターンをAIが先に洗い出す助けになりえます。「この勝ちパターンにあと数件寄せれば、好調時の水準に届きうる」といった、ストレッチ目標の根拠となる当たりをつけやすくなる可能性があります。私たち自身、営業・業務データを社内ナレッジ基盤に集約し、AIがKPIと打ち手を先出しする仕組みを自社で構築・運用しながら、この考え方を検証しています。
ただし強調したいのは、AIが出すのはあくまで仮説であって、確定した答えではないという点です。データが少なければパターンの信頼性は低く、市場環境が変われば過去の勝ちパターンは通用しなくなります。AIの示す根拠は「議論の出発点」として使い、最終的な目標の高さは、現場の肌感覚と突き合わせて人が決めるべきだと考えます。
ストレッチ目標は「高めに置く」設計である以上、放置すれば未達に終わる確率も相応にあります。だからこそ、立てて終わりではなく、途中で軌道修正する運用が対になって初めて機能すると考えられます。期初に握った目標を、月次で中間の進捗と照らし、必要なら打ち手を組み替える——この型については月次PDCAの目標設定で詳しく扱っています。
ストレッチ目標を運用するうえで最も重要なのは、未達そのものを責めない文化だと考えます。ギリギリを狙う設計なら、未達は起こりうる前提です。問われるべきは達成の有無ではなく、「なぜ届かなかったのか」「どの段階で想定と現実がずれたのか」を分解できているかです。パイプラインのどこで案件が減ったか、狙った勝ちパターンに寄せられたか——ここをデータで振り返れれば、未達すら次の打ち手の材料になります。逆に未達を叱責だけで終わらせると、現場は翌期から低い目標を欲しがり、ストレッチ設計は崩壊すると考えられます。
天下りの目標が機能しにくいのは、現場が「自分ごと」にできないからです。ストレッチ目標は、データの根拠を示したうえで、最後は本人との対話で握り直すプロセスが欠かせないと考えます。「このデータからはこの水準が届きうると見えるが、あなたはどう感じるか」と問い、本人の見立てを織り込む。押し付けではなく合意でストレッチを置けたとき、目標は初めて行動を駆動する力を持ちうると考えられます。
ストレッチ設計は万能ではありません。むしろ扱いを誤ると、低すぎ・高すぎの目標より深い副作用を生む可能性があります。導入前に、以下の落とし穴を正直に押さえておくべきだと考えます。
ここまで読んで「では明日から高い目標を掲げよう」とするのは、おそらく順序が逆だと考えます。ストレッチ目標の前提は、自社の営業プロセスを客観的に把握できていることです。把握なきストレッチは、結局は勘の号令に戻ってしまいます。現実的なロードマップは、次のような段階を踏むことになると考えられます。
まず、案件・行動・受注のデータを一箇所に集める。表計算からでも構いません。どの段階で案件が落ちているか、好調だった月と平均的な月でどれだけ幅があるか——この現物を見ることが出発点です。この段階では目標を上げる必要はなく、ただ実態を正しく知ることに集中すべきだと考えます。
実態が見えたら、過去に実際到達したことのある高い水準や、勝ちパターンへの資源集中で届きうる水準を、ストレッチ目標の候補として仮置きします。ここでデータ集約基盤とAIが、パターン抽出や逆算の助けになりうると考えます。あくまで仮置きであり、現場との対話で調整する前提です。
仮置きしたストレッチ目標を月次で回し、中間で握り直し、未達の原因を分解する。この繰り返しの中で、自社にとっての「ギリギリの最大値」の勘所が徐々に磨かれていくと考えられます。最初から完璧な目標を置く必要はなく、検証しながら精度を上げていく姿勢が現実的だと考えます。もし自社データからのストレッチ目標の根拠づけに悩む場合は、私たちの実践知も含めて相談することができます。
普通の目標が「達成できる現実的な水準」に置かれるのに対し、ストレッチ目標は「現状の延長では届かないが、やり方を変えれば手が届きうるギリギリの最大値」に置く設計だと考えられます。要点は高さそのものより、その高さに現場が『届きうる』と感じる根拠があるかどうかです。根拠なく高いだけの目標は、ストレッチではなく非現実的な号令になりうると考えます。
根拠のない高すぎる目標は、初期の諦めを招き、逆に守りの営業を生む可能性があります。だからこそストレッチ目標では、過去に実際到達した水準やパイプラインからの逆算といったデータで根拠を示し、現場と対話して握り直すプロセスが対になると考えます。届きうる根拠を共有できるかが、諦めと挑戦を分ける分岐点になりうると考えられます。
少ないデータでも、過去実績のばらつきや好調月の水準を手がかりに仮置きすることは可能だと考えます。ただしサンプルが少ないうちは、導き出したパターンを確定した答えとせず、幅を持って解釈すべきです。まずは案件・行動・受注のデータを一箇所に集めて実態を把握し、運用しながら精度を上げていく段階的な進め方が現実的だと考えられます。
AIは、どの段階で案件が落ちているか、どんな条件で勝率が高いかといったパターンを洗い出し、目標の根拠となる当たりをつける助けになりうると考えます。ただしAIが出すのは仮説であり、確定した答えではありません。データが少なかったり市場環境が変われば精度は落ちます。最終的な目標の高さは、現場の肌感覚と突き合わせて人が決めるべきだと考えます。
「ストレッチ」が単なる過重労働の号令にすり替わらないことだと考えます。本来は労力ではなく打ち手の質を変えて届く水準を指すもので、量で押す発想は人手不足の今では持続しません。あわせて、ギリギリを狙う以上未達は起こりうる前提とし、未達を叱責で終わらせず原因を分解する文化がなければ、設計自体が崩れうると考えられます。
ストレッチ目標は、勘ではなく現物のデータから根拠を組み立てることで初めて機能すると考えます。私たち自身、営業データを社内ナレッジ基盤に集約しAIがKPIを先出しする仕組みを自社で運用しながら検証しています。まずは自社の営業プロセスを客観的に把握するところから、一緒に考えます。
営業目標のデータ裏付けを相談する