ルート営業×AI訪問計画｜訪問優先度スコアリングと移動効率を両立する方法
ルート営業の訪問計画にAIを導入するとき、最初に考えがちなのは「移動距離を最短にする」ことです。しかし、最短ルートで回っても、訪問すべき顧客の優先度を間違えていれば営業成果は上がりません。AIが本当に効くのは、誰を・いつ・どの順番で訪問するかの判断です。
結論を先に言うと、AI訪問計画の本質は巡回最適化ではなく「訪問優先度スコアリング」です。商談確度、顧客ランク、前回訪問からの経過日数、契約更新時期などを加味して優先度を算出し、その上で移動効率を考慮する二段構えが有効です。
本記事のポイント
- AI訪問計画では、地理的な移動効率だけでなく、商談確度・顧客ランク・前回訪問からの経過日数を加味したスコアリングが重要になる。
- 単純な巡回最適化（TSP）だけでは営業成果は上がらない。訪問すべき顧客の優先度判断こそがAIの本質的な役割になる。
- 導入の第一歩はCRMの訪問履歴データの整備であり、AIツールの選定より先にデータの質を上げることが成否を分ける。
この記事で扱うテーマ
このページで答える質問
- ルート営業×AI訪問計画とはどんな仕組み？
- 訪問優先度スコアリングはどう設計する？
- 移動効率と訪問優先度をどう両立する？
- AI訪問計画を導入するには何から始める？
ルート営業の訪問計画でAIが効く理由
ルート営業の訪問計画は、担当者の経験と勘に頼りがちです。「あの顧客は最近行ってないから寄ろう」「この辺りにいるからついでに」という判断は、ベテランには通用しても、組織として再現できません。AIは過去の訪問データと成果データを元に、訪問優先度を定量化できます。
これは ルート営業向けCRM で蓄積した訪問履歴があって初めて成り立つ話です。データがない状態でAIツールだけ入れても、精度は出ません。
AI訪問計画の効果は、CRMデータの蓄積量に比例します。訪問履歴が3か月分あれば基本的なスコアリングが可能になり、12か月分あれば季節変動を加味した予測精度が出てきます。最初の3か月はデータ蓄積期間と割り切り、その間は手動でスコアリングルールを試しながら、AIに移行する準備を進めるのが現実的です。
巡回最適化と優先度スコアリングの違い
AIを使った訪問計画には二つのアプローチがあります。一つは巡回セールスマン問題（TSP）のような移動距離の最適化。もう一つは訪問優先度のスコアリングです。多くのツールは前者に偏っていますが、営業成果に効くのは後者です。
| アプローチ | 最適化の対象 | 効果 | 限界 |
|---|---|---|---|
| 巡回最適化（TSP） | 移動距離・移動時間 | 移動コストの削減 | 訪問先の選定自体は改善しない |
| 優先度スコアリング | 訪問すべき顧客の選定と順序 | 営業成果（受注・契約更新）の最大化 | 移動効率は別途考慮が必要 |
| 両方の組み合わせ | 優先度の高い顧客を効率的に回る | 営業成果と移動効率の両立 | データ品質と運用設計が求められる |
訪問優先度スコアの設計
訪問優先度のスコアリングに使う要素は、業種や営業スタイルによって異なりますが、基本的な構成要素は以下の通りです。
- 前回訪問からの経過日数：長いほど優先度が上がる。休眠防止アラート の閾値と連動させると効果的。
- 商談確度：見積提出済み、提案中など、案件のステージが進んでいる顧客を優先。
- 顧客ランク：年間取引額や将来の伸びしろに基づくランク。
- 契約更新時期：更新が近い顧客は優先的に訪問し、条件交渉や追加提案を行う。
- 過去の訪問と成果の相関：訪問頻度が高い時期に受注が増える顧客を特定する。
これらの要素に重みづけをして総合スコアを算出し、その上で地理的な近さを考慮して訪問順を決める設計が有効です。
スコアリングの重みづけの具体例として、食品・日用品の卸売営業では「契約更新時期（重み30%）＋前回訪問経過日数（重み25%）＋年間取引額ランク（重み25%）＋発注傾向の変化（重み20%）」のように設計することが多いです。工業機器の代理店営業では「商談確度（重み35%）＋案件金額（重み30%）＋顧客ランク（重み20%）＋前回訪問経過（重み15%）」のように商談確度の重みを上げる設計が合います。スコアを設計した後、3か月ごとに「スコア上位の顧客の実際の受注率」「スコア下位で意外に受注した顧客の特徴」を分析することで、重みづけを改善できます。週次の訪問リストは「スコア上位10件の必訪顧客」＋「地理的に近いスコア中位の顧客」という組み合わせで生成すると、営業成果と移動効率が両立しやすくなります。
AIツール導入より先にやるべきこと
AI訪問計画の精度は、入力データの品質に直結します。CRMに訪問日、訪問先、訪問結果（商談有無、受注有無）が正しく蓄積されていなければ、AIは正しいスコアリングができません。
具体的には、以下の準備が必要です。
- CRMの訪問履歴を3か月分以上蓄積する。
- 顧客ランクを定義し、CRMに反映する。
- 案件ステージ（提案中、見積中、受注済みなど）を正しく運用する。
- 訪問結果を「訪問した」だけでなく「何を話し、次に何をするか」まで残す。
このデータ整備は 活動履歴の構造 で設計できます。入力負荷が高いと続かないので、AI CRM の自動入力機能も検討に値します。
訪問優先度スコアリングの導入効果として、営業1人あたりの月間訪���件数を変えずに受注率が15〜25%向上したケースがあります。これは訪問先の選定精度が上がることで、「行っても成果が出ない訪問」が減り、��談確度が高い顧客への接触頻度が増えるためです。
実装のステップ
- ステップ1：CRMの訪問履歴を整備する（1〜3か月）。
- ステップ2：訪問優先度のスコアリングルールを決める。最初はシンプルに「経過日数×顧客ランク」から始める。
- ステップ3：スコアに基づく訪問リストを週次で自動生成する仕組みを作る。
- ステップ4：訪問リストに地理的な効率を加味して、1日の訪問ルートを提案する。
- ステップ5：訪問結果を記録し、スコアリングルールを四半期ごとに見直す。
よくある質問
AI訪問計画の導入にはどのくらいの費用がかかりますか？
専用ツールは月額数万円〜数十万円ですが、最初はCRMのデータとスプレッドシートのスコアリングで十分です。ツール投資より先にデータ整備に時間を使った方が効果は出ます。
担当者の経験や勘を完全にAIに置き換えるべきですか？
置き換えではなく補完です。AIはデータに基づく優先度を提案し、営業担当者が現場の肌感覚で調整する。この組み合わせが最も成果が出ます。
訪問計画のAI化は何人規模の営業チームから有効ですか？
担当顧客が50社を超える営業担当者が2人以上いるなら検討に値します。1人でも担当顧客が100社を超えていれば、スコアリングによる優先度判断だけでも効果があります。
