アカウントベースドマーケティングのためのAI活用：アカウント選定、インテント、パーソナライゼーション

著者: Camellia · 更新日: 2026年10月10日

AIによるアカウントベースドマーケティング（ABM）とは、機械学習と生成AIを使って、B2Bチームがどのアカウントに注力すべきかを判断し、そのうちどこが購買意欲を示しているかを見極め、各アカウントに合わせたアプローチを組み立てることです。モデルが仕分けと下書きを担当します。戦略を決め、メッセージを承認し、バイヤーと対話するのは、あくまで人です。

ABMでは、名前の挙がった1社を、それ自体が一つの市場として扱います。基礎から確認したい場合は、アカウントベースドマーケティングで、ABMの3つのティアと、その裏側にある営業とマーケティングの連携を解説しています。本記事はそこから先の、より絞った問いに答えます。ABMのどの部分でAIが実際に成果を高め、どの部分では使い方を誤ると静かに悪化させるのでしょうか。

先に結論を述べます。AIが得意なのは3つの仕事です。自社の理想的な顧客に合うアカウントをモデル化すること、複数のシグナルを組み合わせて優先順位をつけること、そして人手では到底書けない規模でアカウント別コンテンツの下書きを作ることです。苦手なのは、購買グループ内の力学の判断、デリケートな会話のタイミング、シグナルがノイズかどうかの見極めです。

なぜアカウント単位なのか、なぜ今なのか

ABMが存在するのは、B2Bの購買が複数人のグループによって、数か月かけて、しかもたいていは営業担当者が呼ばれる前に進むからです。2025年の6sense B2B Buyer Experience Reportは、世界の約4,000人のB2Bバイヤーを対象とした調査で、売り手との最初の接点が購買プロセスの約69%の地点から61%の地点へ前倒しになったと報告しています。また、5件のうち4件の商談は「接触前の本命」、つまりバイヤーが誰かと話す前から傾いていたベンダーが獲得していること、バイヤーは初日のショートリストにある4社のうち1社を95%の確率で選ぶことも報告されています。

これはマーケティングの課題として読むべきです。営業担当者が案件を知る前にショートリストが固まるなら、重要な仕事はもっと前の段階にあります。つまり、狙うべき企業の適切な人々に知られていることです。これがABMの基本的な考え方であり、アカウント選定と早期のシグナル検知がAIの出番となる理由です。

導入はすでに広がっています。Momentum ITSMAとABM Leadership Allianceによる第6回ABMベンチマーク（2022年12月13日付のリリース）では、約300人のABMリーダーと実務者を調査し、72%が「ABMは他の種類のマーケティングより高いROIを生む」と回答しました。これは実務者の認識を問う調査であり、監査を受けたリターンではない点に注意してください。それでも、経営陣がABMへの投資を続ける理由と、AIで何が加わるのかを問われる理由はよく分かります。

重要なポイント: ABMにおけるAI

• 2025年の6senseのレポート（約4,000人のB2Bバイヤーが対象）によると、売り手との最初の接点は購買プロセスの約69%の地点から61%の地点へ前倒しになっています（6sense）。
• 同レポートによると、5件のうち4件の商談はバイヤーの接触前の本命が獲得しており、バイヤーは初日のショートリストから95%の確率で選んでいます（6sense）。
• Momentum ITSMAの第6回ABMベンチマークでは、調査対象の実務者約300人のうち72%が、ABMは他のマーケティングより高いROIを生むと回答しています。これは自己申告に基づく見方です（リリース）。
• ABMでAIが最も向いている仕事は、適合度のモデル化、シグナルの統合、アカウント調査の要約、パーソナライズの下書きです。
• AIの弱点は、購買グループ内の力学、タイミング、シグナルが本物かどうかの判断です。

ステップ1：AIによるアカウント選定とICP適合度

ABMはどれもリストから始まりますが、プログラムが成果を出せない最大の原因は、たいていリストの質の低さです。AIは2つの形で役立ちます。

適合度のモデル化。 受注済みの顧客、特に長く継続し、拡大し、他社を紹介してくれた顧客を取り上げます。それを、解約した、あるいは受注に至らなかったアカウントと比べます。モデルは、企業属性（業界、規模、地域）、使用技術（その企業が使っているツール）、構造的な特徴（成長ステージ、採用の動き）の中から、両グループを分けるパターンを見つけられます。出力は、市場内のすべてのアカウントに対する適合スコアです。これは理想的な顧客プロファイルをデータに基づいて作り直したものであり、営業チームが頭の中に描いているプロファイルと食い違うことも少なくありません。その食い違い自体が有益な情報です。

ルックアライクによる拡張。 最良の顧客のプロファイルができたら、モデルはより広い企業群を走査し、似ているのにチームの誰も気づいていない企業を挙げます。手作業で選んだ200社のロゴのリストが、有望と見られる2,000社のランク付きリストへ広がるのは、このようにしてです。

注意点が2つあります。1つ目は、過去の顧客で学習したモデルは過去をそのまま再現するということです。これまで中堅のソフトウェア企業にしか売っていなければ、モデルは中堅のソフトウェア企業を推薦し続け、新たに参入したいセグメントを見落とします。すでにあるセグメントだけでなく、これから狙いたいセグメントも加えてください。2つ目は、適合は関心とは違うということです。適合度が完璧でも、現在のベンダーに満足しているアカウントは、短期的なターゲットとしては不向きです。

ティア1、つまり完全にオーダーメイドのプログラムを組む少数の戦略アカウントについては、最終的な選定を人が行うべきです。AIはロングリストの作成と、各アカウントがなぜそのスコアになったのかの説明に使い、そのうえで営業とマーケティングのリーダーが議論して決めます。

ステップ2：インテントデータとシグナルの統合

適合度は、誰が買う可能性があるかを教えてくれます。シグナルは、誰がまもなく買いそうかを教えてくれます。インテントデータには2種類あります。ファーストパーティ（自社サイトへの訪問、コンテンツのダウンロード、メールへの返信、製品の利用状況）と、サードパーティ（他サイトでの調査行動で、データプロバイダーや共同体から購入するもの）です。

AIの役割は、これらのシグナルを組み合わせることです。料金ページを1回見ただけでは大した意味はありません。しかし、料金ページの閲覧に加えて、同じ企業の別々の3人が1週間のうちに訪れ、さらに自社のカテゴリのソフトウェアを使う職種の求人が出ていれば、意味はずっと大きくなります。モデルはこれらを合わせて重みづけし、新しいイベントが届くたびにスコアを更新できます。これは、リードスコアリングの仕組みのアカウント版にあたります。

実践上のルールがいくつかあります。

• 個人だけでなく、アカウントをスコアリングします。 ABMでは、同じ企業の3人の担当者がそれぞれ小さな行動をとるほうが、1人が大きな行動をとるよりも強い兆候です。
• 自社のデータと借りてきたデータを分けます。 ファーストパーティのシグナルのほうが、通常は信頼性が高く、コンプライアンス上も扱いやすくなります。AIマーケティングのためのファーストパーティデータの記事では、その基盤の作り方を解説しています。
• サードパーティのインテントはヒントとして扱います。 トピック単位の関心は、調査プロジェクト、学生、コンサルタントによるものかもしれません。会話の優先順位づけには使えますが、案件が存在する証拠として扱ってはいけません。
• プライバシー上の根拠を確認します。 匿名の訪問者を企業や個人に紐づける行為は、地域ごとに規制が異なります。その上に施策を組む前に、何を収集し、どう使うかを法務にレビューしてもらってください。

ステップ3：アカウントの優先順位付け

次に、適合度とインテントを一つの運用リストにまとめます。多くのチームは、片方の軸を適合度、もう片方の軸をエンゲージメントまたはインテントとする、単純なグリッドに落ち着きます。

AIがこのグリッドを継続的に更新できることが、本当の利点です。毎年1月に作る静的なリストは、3月には古くなります。モデルなら、そのアカウントの3人が料金ページを読み、キーパーソンが転職したその日に「今すぐ動く」へ昇格させられますし、90日間音沙汰がなければ降格させることもできます。

ルーティングのルールは、人が読んで理解できる形に保ってください。営業担当者は、ただの数字よりも、問いただせるスコア（「適合度が高く、4人のステークホルダーが関与し、新任のレベニューオペレーション担当VPがいる」）のほうをはるかに信頼します。使うシステムには、各ランキングの主な理由を表示させるようにしてください。

ステップ4：調査とアカウントインサイト

アプローチの前に、誰かがそのアカウントについて調べなければなりません。これまでは営業担当者1人につき30分から60分かかっていました。生成AIは、公開情報とCRMから、アカウントのブリーフを作成できます。事業内容、最近の発表、経営陣の異動、決算説明会やプレスリリースで語られた優先事項、利用中のツール、自社とのこれまでの接触履歴などです。

ブリーフは、結論ではなく仮説で締めくくるべきです。「2つの新市場への進出を発表しているため、オンボーディングの速さが重要かもしれない」といった具合です。そのうえで、営業担当者やマーケターが実際の会話で仮説を検証します。ブリーフの内容は必ず情報源と照合してください。モデルは、発言を別の人物のものとしたり、もっともらしい細部を作り出したりすることがあるからです。生成テキスト全般に当てはまるハルシネーションのリスクはここでも同じで、経営層へのメッセージに誤った情報があれば、簡単には取り戻せない信頼を失います。

ステップ5：規模に応じたパーソナライズ施策

パーソナライゼーションは、ABMと生成AIが最も自然に噛み合う領域であり、最も恥ずかしい失敗が起きる領域でもあります。層で考えてください。

1. セグメント単位（1対多）。 業界やユースケースに合わせたコンテンツです。AIの支援で作成し、専門担当者が編集します。
2. クラスター単位（1対少数）。 似た5〜15社のアカウントのグループに向けた、共通の課題をもとにしたメッセージです。
3. アカウント単位（1対1）。 特定の1社のために書かれたコンテンツ、メール、ランディングページです。AIが下書きを作り、最終版は人が責任を持ちます。

労力はティアに合わせてください。完全な1対1の対応は、それに見合うごく少数のアカウントに限るべきです。数の多いアカウントについては、作り込んだクラスター施策のほうが、「こんにちは、{会社名}様」と差し込んだだけの薄いメール40通よりも成果が出ます。

AIが特に役立つ場面は次のとおりです。

• メールとシーケンス。 アカウントの実際の状況に触れた初稿を作り、営業担当者が編集します。トーン、配信量、レビューのガードレールについては、AIメールマーケティングを参照してください。
• 有料メディア。 アカウント単位でターゲティングしたオーディエンスを作り、セグメントごとにメッセージを切り替えます。仕組みはAIによる有料広告で解説しています。
• Web体験。 訪問者の業界や企業に応じて、見出し、実績、行動喚起を差し替えます。
• 営業支援。 ブリーフから、個別化した1枚資料、ミューチュアルアクションプランの骨子、ディスカバリーの質問集を作ります。
• 経営層・イベントでの接点。 ディナー、ブリーフィング、カンファレンスでの面談に向けた話題や、フォローアップを準備します。

パーソナライズしたアセットを評価するテストは単純です。受け手が「自社のビジネスを理解している人が書いた」と思うでしょうか。名前と会社名しか個別化されていないなら、それは差し込み印刷にすぎず、バイヤーはすぐに見抜きます。

ABMにおけるAIの全体像：仕事、入力、人によるチェック

AIをABMプログラムに導入する方法：ステップごとに

1. ゴールと指標に合意します。 ターゲットアカウントから生まれたパイプライン、商談の進行速度、拡大による収益などです。「送ったメールの数」ではありません。
2. アカウントデータを整えます。 重複する企業を統合し、親会社と子会社の関係を修正し、業界を標準化します。モデルは悪いデータを増幅します。どのシステム同士を連携させる必要があるかは、AIマーケティングスタックで確認してください。
3. 営業と成功の定義を揃えます。 良いアカウントとは何か、何を購買シグナルとみなすか、誰が何をフォローするかを文書にします。マーケティングがスコアをつけても営業が無視するアカウントでは、ABMは機能しません。
4. ホールドアウトを使って適合モデルを構築します。 顧客履歴の一部で学習させ、残りで検証します。見たことのないデータで成約先を当てられないなら、導入してはいけません。
5. 1つのティアまたはセグメントから始めます。 50〜100アカウントのパイロットがあれば、学ぶには十分です。
6. 明快なルールでシグナルを統合します。 どのシグナルをどの程度重視するかを書き出します。上位にランクされたアカウントの理由は、毎週確認します。
7. アウトバウンドに人によるレビューを組み込みます。 ティア1のアカウントに送るメッセージは、すべて人が確認します。クラスター施策はサンプルを確認します。
8. 承認済みの主張のライブラリを保ちます。 モデルが使ってよい事実、顧客事例、ポジショニングだけを渡し、それ以外は渡しません。これにより、架空の実績が紛れ込むのを抑えられます。
9. 比較グループと照らして測定します。 似たアカウントを標準的な扱いのまま残しておきます。AI支援のアプローチが何を上乗せしているかを、きれいに見られる唯一の方法です。
10. 四半期ごとに見直します。 新しい受注・失注でモデルを更新し、予測力を失ったシグナルは外し、ティアの割り当ても見直します。

よくある落とし穴

• スコアを真実として扱うこと。 適合スコアやインテントスコアは、どこに注意を向けるかについての仮説です。会話を始めるために使い、売上の予測には使わないでください。
• サードパーティのインテントを過信すること。 調査行動は購買の意思決定ではありません。フラグの立ったアカウントをすべて「検討中」と呼ぶチームは、営業からの信頼を失います。
• 気味悪さを感じさせるパーソナライゼーション。 個人の私的な行動や、本人が共有していない情報に触れると、監視されているように受け取られます。バイヤーが当然知っていると思う情報だけを使ってください。
• AIに事実を作らせてしまうこと。 顧客、競合、経営者についての未確認の細部は、関係を終わらせかねません。送る前に確認してください。
• 関連性ではなく量を増やすこと。 ABMの狙いは、より少なく、より的を絞ったやり取りです。AIのおかげで同じリストに10倍のメッセージを送れるようになったなら、言葉遣いが洗練されただけで、手当たり次第にばらまく手法に逆戻りしています。
• 営業との連携を飛ばすこと。 モデルはハンドオフの問題を解決しません。営業担当者が優先リストに沿って動かなければ、ランキングは飾りです。
• 過去からしか学ばないモデル。 既存の顧客構成だけを与えると、市場が狭まります。勝ち取りたいセグメントを意図的に含めてください。
• プライバシーレビューがないこと。 匿名のトラフィックを企業や個人に紐づける行為は、地域によって異なるデータ保護規則の対象となる場合があります。早い段階で法務の意見を取り入れてください。
• 成果ではなく活動を測ること。 アカウント向けメールの開封やクリックから分かることは多くありません。アカウントの進展、適切な役職との面談、パイプラインを追跡してください。