フレームワーク活用ガイドひとことで言うと#
「今四半期はいくら売れるか？」を根拠のある数字で予測する活動。営業担当者の「たぶん○○万円くらい」という感覚ではなく、パイプラインデータ、過去の実績、案件の質を組み合わせて予測精度を高める。経営判断（採用、投資、目標設定）の基盤となる重要な活動。
押さえておきたい用語#
- フォーキャスト（Forecast）
- 将来の売上金額を根拠に基づいて予測すること。営業の「勘」ではなく、データと定性情報の組み合わせで精度を高める。
- パイプラインカバレッジ（Pipeline Coverage）
- 目標金額に対するパイプライン総額の倍率のこと。一般に3〜4倍が健全な水準とされる。
- コミット（Commit）
- 営業担当者が「この案件は今期中に受注できる」と確約する案件カテゴリのこと。フォーキャストの信頼性を左右する最重要指標。
- 加重パイプライン（Weighted Pipeline）
- 各案件の金額にステージ別の成約確率を掛けて算出した予測値のこと。楽観バイアスを排除する客観的な予測手法。
セールスフォーキャスティングの全体像#
こんな悩みに効く#
- 四半期末に「思ったほど売れなかった」が毎回起きる
- 営業の予測と実績の乖離が大きく、経営判断に使えない
- 楽観的な予測と悲観的な予測が混在し、チーム全体の見通しが立たない
基本の使い方#
まず、案件を確度別のカテゴリに分類するルールを決める。
標準的な4カテゴリ:
| カテゴリ | 定義 | 目安の確度 |
|---|---|---|
| Closed（受注済み） | 契約締結済み | 100% |
| Commit（確約） | 受注にほぼ確信がある。時期・金額が確定 | 90%以上 |
| Best Case（有望） | 高確率だが不確定要素あり | 60-89% |
| Pipeline（見込み） | 商談中だが不確定要素が多い | 30-59% |
カテゴリの判断基準を明文化する。 「Commitとは、決裁者の口頭承認を得ている案件」のように具体的に定義しないと、営業ごとに解釈がばらつく。
単一の方法に頼ると精度が落ちる。複数の手法を組み合わせて精度を高める。
手法1: ボトムアップ予測（案件積み上げ） 各営業が自分の案件を確度別に分類し、金額を積み上げる。
- メリット: 個別案件の状況を反映できる
- デメリット: 営業の楽観バイアスが入りやすい
手法2: 加重パイプライン予測 パイプライン全体に、ステージ別の過去の成約率を掛ける。
- 例: ヒアリング完了ステージの案件 × 過去の成約率25% = 予測金額
- メリット: 客観的でデータドリブン
- デメリット: 個別案件の質が反映されない
手法3: トップダウン予測（トレンド分析） 過去の四半期実績、季節性、市場成長率から予測する。
- メリット: マクロ視点のチェック機能になる
- デメリット: 市場環境の急変に弱い
3つの予測値を比較し、大きな乖離がある場合はその原因を分析する。
予測は1回作って終わりではない。週次で更新し、精度を高めていく。
レビューの流れ（週1回・30〜60分）:
1. 前週からの変化を確認:
- 新たにCommitに上がった案件は？
- ステージが後退した案件は？
- パイプラインから消えた案件は？
2. カテゴリ別の金額を更新:
- Commit: ○○万円
- Best Case: ○○万円
- Pipeline: ○○万円
- 予測合計: Commit + Best Case × 60%（社内の経験的な倍率）
3. リスクの確認:
- Commitの中で「本当に今月クロージングできるか？」を精査
- Best Caseで「Commitに上げられそうな案件は？」を検討
- 目標との差分を確認し、不足分をどう埋めるか議論
4. アクション設定:
- 今週中にCommitに上げるべき案件と、そのために必要なアクション
予測の質を継続的に高めるために、予測精度を定量的に測定する。
測定指標:
- フォーキャスト精度: 予測値と実績値の一致度（目標: ±10%以内）
- Commit精度: Commitとした案件のうち、実際に受注した割合
- パイプラインカバレッジ: 目標に対するパイプラインの倍率（目安: 3〜4倍）
改善のためのアクション:
- 精度が低い営業には、カテゴリ判断の基準を再教育
- 常に楽観的な営業の数字には、マネージャーが補正係数をかける
- 過去のデータからステージ別成約率を定期的に更新
- CRMの入力精度を高める（データの質 = 予測の質）
具体例#
状況: 営業8名のBtoB SaaS企業。Q3の目標は1億円。残り6週間。
Week 1のフォーキャスト:
| カテゴリ | 金額 | 案件数 |
|---|---|---|
| Closed | 3,000万円 | 8件 |
| Commit | 4,000万円 | 5件 |
| Best Case | 5,000万円 | 8件 |
| Pipeline | 8,000万円 | 15件 |
予測値の計算:
- Conservative（保守的）: Closed + Commit = 7,000万円
- Most Likely（最可能）: Closed + Commit + Best Case × 50% = 9,500万円
- Optimistic（楽観的）: Closed + Commit + Best Case × 80% = 11,000万円
分析と対策:
- 保守的でも7,000万円（目標の70%）。あと3,000万円が必要
- Best Caseから2,500万円をCommitに上げる必要がある
- パイプラインカバレッジ: 2.0倍（目安の3倍を下回っている → 案件不足）
Week 3のフォーキャスト（更新後）:
| カテゴリ | 金額 |
|---|---|
| Closed | 5,500万円 |
| Commit | 4,500万円 |
| Best Case | 3,000万円 |
Most Likely: 5,500 + 4,500 + 3,000 × 50% = 11,500万円 → 目標達成の見通し
Q3の実績: 1億800万円（目標達成率108%、Most Likely予測との乖離6%）。週次レビューによる早期の課題把握が、目標達成の決め手となった。
状況: 営業20名の医療機器メーカー。商談サイクルが6〜12ヶ月と長く、毎期の予測精度が±30%と大きくぶれていた。
問題の分析:
- Commit案件の受注率が62%（本来90%以上あるべき）
- 営業ごとの予測精度に3倍以上のばらつき
- CRMのステージ更新が月1回程度で、リアルタイム性がない
改善施策:
| 施策 | 内容 | 効果 |
|---|---|---|
| Commit基準の厳格化 | 「決裁者の承認＋予算確保＋導入時期確定」の3条件必須に | Commit精度 62%→88% |
| 営業別補正係数 | 過去4期の精度データから営業別の楽観度を算出し補正 | チーム全体の乖離が±30%→±12%に |
| CRM自動アラート | ステージ更新が2週間ない案件にアラート | データ鮮度が大幅改善 |
6ヶ月後の結果: 予測精度が±30%から±11%に改善。経営会議での信頼度が上がり、フォーキャストに基づく採用計画や設備投資の意思決定が可能になった。
状況: 営業5名の地方人材派遣会社。CRMは未導入。営業日報と社長の勘で予測していた。
導入ステップ:
- Excelシートに4カテゴリ（Closed/Commit/Best Case/Pipeline）の列を作成
- 毎週金曜日に各営業が自分の案件を更新（所要10分）
- 月曜朝礼で社長がサマリーを共有（所要15分）
3ヶ月間の変化:
| 指標 | 導入前 | 3ヶ月後 |
|---|---|---|
| 予測精度 | ±40%以上（感覚値） | ±18% |
| 月末の「予想外の失注」 | 月3〜4件 | 月1件以下 |
| 営業の行動変化 | 月末に集中 | 週次で計画的に動く |
社長のコメント: 「高額なCRMがなくても、Excelと週次レビューだけでこれだけ変わるとは思わなかった」
成功のポイント: ツールの高度さより運用の継続性が重要。まず「見える化」するだけで営業の行動が変わり、予測精度は後からついてくる。
やりがちな失敗パターン#
営業の「感覚」をそのまま積み上げる — 営業は本能的に楽観的になる。「いけそうです」を額面通り受け取らず、MEDDICなどのフレームワークで客観的に検証する
月末・四半期末にしか予測しない — 月末に慌てて集計しても打ち手が間に合わない。週次で更新し、早期にギャップを把握する
CRMのデータが不正確 — 「最終更新日が2ヶ月前」の案件がパイプラインに残っていると、予測の信頼性が崩壊する。週次でデータハイジーン（クリーニング）を実施する
予測精度を測定しない — 予測して終わりでは改善できない。毎四半期、予測値と実績値を比較し、営業別・カテゴリ別の精度を分析して次期に活かす
まとめ#
セールスフォーキャスティングは「占い」ではなく「科学」。案件を確度別に分類し、複数の予測手法を組み合わせ、週次で更新し、精度を測定して改善する。このプロセスを回すことで、「四半期末にならないとわからない」から「6週間前に高精度で見通せる」に変わる。正確な予測は、正しい経営判断の基盤であり、営業組織の成熟度を示す指標でもある。