📅 2026年3月21日 ⏱️ 8分で読めます

MQL判定AIとは？営業に渡してよいリードをどう見極めるか

執筆ファネルAi編集部編集ファネルAi編集部監修ファネルAi監修チーム最終更新2026年3月21日

MQL判定にAIを導入する、と聞くと「リードに点数を自動で付けてくれる仕組み」を想像する方が多いかもしれません。しかし実務では、点数が付いただけで営業が動くことはほとんどありません。問題は点数の精度ではなく、営業に渡す基準がマーケと営業の間で揃っていないことにあります。

MQL判定AIは、点数を付ける仕組みではなく、営業に渡す基準を揃えるための補助です。行動だけで判定せず、属性、比較検討の兆候、除外条件、差し戻し条件まで含めて設計する必要があります。MQL・SQL・SALの違いを整理したうえで、AIが担う役割を切り分けることが出発点になります。

MQL判定AIが属性・行動・除外・差し戻しの4条件を組み合わせて営業への受け渡し判定を行う流れを示した図 — MQL判定AIは行動スコアだけでなく、属性条件、除外条件、差し戻し条件を組み合わせて営業が受け取れる状態かどうかを判定します。

本記事のポイント

件数最大化ではなく営業受け入れ率の改善に使う
行動スコアだけでは弱く属性と文脈が必要
差し戻し条件まで決めないと定着しない

この記事で扱うテーマ

MQL判定AIは何を自動化するのか

MQL判定AIが自動化するのは「点数を付けること」ではありません。自動化するのは、マーケティング部門が営業やインサイドセールスへリードを渡す判断の一部です。具体的には、次の3つの処理を補助します。

1. 条件の組み合わせ判定

属性条件（業種、従業員規模、役職）と行動条件（料金ページ閲覧、事例ダウンロード、ウェビナー参加）を掛け合わせて判定します。人間がルールベースで組むと条件が増えるたびに破綻しやすいですが、AIは組み合わせを扱いやすい強みがあります。

2. 除外条件の適用

競合企業、個人アドレス、学生、海外拠点など、営業が追う価値のないリードを自動で除外します。除外条件が入っていないと、件数が多く見えるだけで営業の信頼を失います。

3. 差し戻し判定の補助

営業が一度受け取ったが「まだ早い」と判断したリードを、どの条件でマーケへ戻すかを補助します。差し戻し条件がない運用では、リードが営業側で放置されるか、マーケ側で行方不明になります。

MAのAI活用と重なる部分もありますが、MQL判定AIはMA全体の自動化ではなく、受け渡し判定に特化した仕組みです。

属性・行動・除外条件をどう組み合わせるか

MQL判定AIを設計するとき、行動スコアだけで判定する会社が多いですが、それだと営業が受け取りたくないリードが混ざりやすくなります。判定に必要な条件は4種類あります。

条件の種類	具体例	欠けると起きること
属性条件	従業員100名以上、対象業種、部長以上	営業が追えない企業規模のリードが流れる
行動条件	料金ページ2回以上閲覧、事例DL、比較記事閲覧	属性だけで渡すと検討意欲のないリードが混ざる
除外条件	競合ドメイン、フリーメール、学生、既存顧客	件数が水増しされ営業がMQLを信用しなくなる
差し戻し条件	時期未定、予算未確保、権限者不在	営業側で案件が滞留し、再育成に回らない

属性条件の決め方

過去の受注データから、受注率が一定以上の企業属性を抽出します。従業員規模、業種、部署、役職が代表的な項目です。AIを使う場合は、受注・失注データを学習させて属性の重みを自動調整できます。ただし、学習データが少ない段階では、営業と合意したルールベースで始めた方が運用に乗りやすくなります。

行動条件の設計

行動条件で重要なのは「比較検討の兆候」を捉えることです。単なるブログ閲覧やメルマガ開封だけでは弱く、料金ページの複数回閲覧、導入事例のダウンロード、競合比較コンテンツの閲覧といった、購買プロセスが進んでいることを示す行動に重みを置きます。

除外条件を先に決める

除外条件は後回しにされがちですが、先に決めた方がよい項目です。営業から「このリードは対象外」と言われる頻度が高いパターンをリストアップし、AIの判定ロジックに組み込みます。MQL・MQA・MQBGの違いを整理する際にも、除外条件の有無で判定の粒度が変わります。

差し戻し条件の設計

差し戻し条件は、営業が「受け取ったが追わない」と判断したときの戻し先とセットで決めます。たとえば、時期未定ならナーチャリングシナリオへ戻す、予算未確保なら四半期後に再判定する、といった運用です。差し戻し条件がないと、営業がMQLを黙って放置するようになります。

営業が嫌がるMQLをAIが量産する失敗

MQL判定AIを導入したのに営業から不満が出る、という失敗は珍しくありません。失敗パターンには共通点があります。

失敗1：行動スコアだけで判定している

ウェビナーに3回参加した学生と、料金ページを1回見た大手企業の部長では、後者の方が営業にとって価値が高い場合がほとんどです。しかし行動スコアだけで判定すると、前者の方が高スコアになります。属性条件を入れないAIは、行動量が多いだけのリードを量産します。

失敗2：件数目標でMQLを定義している

マーケティング部門がMQL数をKPIにすると、閾値を下げて件数を増やすインセンティブが働きます。AIの判定基準を緩くすれば件数は伸びますが、営業の受け入れ率は下がります。MQL判定AIの目的は件数の最大化ではなく、営業受け入れ率の安定です。

失敗3：除外条件が入っていない

競合企業のリサーチ担当者、既存顧客の別部門、採用目的の閲覧者など、営業が追う対象ではないリードが混ざると、営業はMQL全体を信用しなくなります。除外リストの更新は、月次で営業と確認する運用を入れておく必要があります。

失敗4：差し戻しの仕組みがない

営業が「まだ早い」と判断したリードを戻す先がないと、2つの問題が起きます。1つは営業側で案件が滞留すること。もう1つは、戻されたリードが再育成されないまま失われることです。差し戻し条件と再育成フローがセットで入っていないと、MQL判定AI自体が形骸化します。

MQL判定AIの成否は、スコアの精度ではなく、営業が受け取る基準と戻す基準が揃っているかどうかで決まります。

導入後に見るべきKPI

MQL判定AIを入れた後、MQL件数だけを見ていても判定が機能しているかは分かりません。営業との受け渡しが改善されているかどうかを測るには、次のKPIを組み合わせます。

KPI	見る目的	目安
営業受け入れ率（MQL→SAL）	渡したリードが実際に受け取られているか	70%以上を維持できているか
商談化率（SAL→SQL）	受け取ったリードが商談に進んでいるか	30〜50%が一つの基準
差し戻し率	営業が「まだ早い」と判断した割合	20%を超えたら判定基準を見直す
差し戻し理由の内訳	時期未定、対象外、情報不足のどれが多いか	対象外が多い場合は除外条件の漏れ
再MQL化率	差し戻し後に再度MQLになった割合	再育成フローが機能しているかの指標

営業受け入れ率を最重要指標にする

MQL件数ではなく、営業受け入れ率を最重要KPIに置くことで、マーケティング部門のインセンティブが「件数を増やす」から「営業が受け取れるリードを渡す」に変わります。AIマーケティングの導入効果を測る際も、生成量ではなく受け渡し品質で見る方が実態に近づきます。

差し戻し理由を月次で分析する

差し戻し理由の内訳を月次で確認し、AIの判定ロジックにフィードバックします。「時期未定」が多ければ行動条件の閾値を上げる、「対象外」が多ければ除外条件を追加する、「情報不足」が多ければフォーム項目やナーチャリングコンテンツを見直す、という具合です。

判定基準の見直し頻度

判定基準は固定ではなく、四半期に1回は営業と合同で見直す運用を入れます。市場環境、ターゲットセグメント、営業体制の変化に合わせて、属性条件や行動条件の重みを調整します。AIが学習データから自動で重みを更新する仕組みを入れる場合でも、営業との合意プロセスは省略できません。

よくある質問

MQL判定AIはスコアリングAIと同じですか？

重なる部分はありますが同じではありません。スコアリングAIはリードに点数を付ける仕組みですが、MQL判定AIは営業に渡すかどうかの判定を補助する仕組みです。点数が高くても除外条件に該当すれば渡しませんし、点数が中程度でも属性条件が合えば渡す場合があります。

導入にはどのくらいのデータ量が必要ですか？

機械学習で属性の重みを自動調整するなら、最低でも受注・失注あわせて200〜300件程度の商談データが必要です。データが少ない段階では、営業と合意したルールベースの判定から始め、データが溜まった段階でAIによる重み調整に切り替える方が現実的です。

既存のMAツールだけでMQL判定AIは実現できますか？

MAツールのスコアリング機能で基本的な行動スコアは付けられますが、属性条件との掛け合わせ判定、除外条件の柔軟な管理、差し戻し後の再判定ロジックまで含めると、MAだけでは不足する場合があります。CRMとの連携や、判定ロジックを外部で組む仕組みが必要になることがあります。

MQL判定AIを、営業が信頼できる受け渡し基準として設計したい場合

記事で整理した判定条件の設計を、自社の営業体制やMAツールの設定に合わせて実行順へ落とし込みたい場合は、まずお問い合わせください。

MQL判定AIの設計について相談する

ブログ一覧へ戻る