AIツールがすべての項目を埋められるのに、なぜデータエンリッチメントを外部委託するのか？

レベニューオペレーションチームが、アカウントリストをウォーターフォール型のエンリッチメントツールにかけます。ツールはまず1つ目のデータプロバイダーに照会し、情報が不足している項目については2つ目、さらに3つ目のプロバイダーに照会します。AIリサーチエージェントは、企業のウェブサイトやニュースを調べて、なお空欄の項目を埋めます。ダッシュボードには、入力率97%と表示されています。ところが営業担当者が最優先のターゲットアカウントを開くと、本社所在地が2つ記載され、従業員数は情報源によって4,000人も異なり、最高財務責任者は8か月前に退職したことが分かります。

そのレコードに空欄はありません。しかし、その多くは誤った情報です。自動化ツールですべての項目を埋められるにもかかわらず、チームが今もデータエンリッチメントを外部委託するのは、この隔たりがあるためです。項目を埋めるコストは下がりました。一方で、情報源の内容が食い違ったり、古くなったりしたときに、どの値が正しいかを判断するには、今も人の判断が必要です。人が検証するエンリッチメントの価値は、空欄をいくつ埋めるかではなく、収益を左右するアカウントの情報の食い違いを解消することにあります。

データエンリッチメントは、なぜ入力率を競うようになったのか？

B2Bデータエンリッチメントサービスは、企業や連絡先のレコードに不足している情報を追加します。具体的には、業種、売上高、従業員数などの企業属性、役職、メールアドレス、電話番号などの連絡先情報、企業が利用するソフトウェアなどのテクノグラフィック情報、資金調達ラウンド、採用動向、経営陣の交代などのシグナルが含まれます。

長年、チームは単一のデータプロバイダーを利用し、情報が網羅されていない部分はそのまま受け入れていました。ウォーターフォール型のエンリッチメントは、その状況を変えました。1つの情報源に頼るのではなく、複数のプロバイダーに順番に照会し、各項目について最初に見つかった値を採用します。さらに、AIリサーチエージェントがウェブを検索し、見つけた情報を構造化された項目にまとめることで、情報を補完します。

こうしたツールは、確かな価値をもたらします。情報の欠落をすばやく低コストで埋め、営業チームが活用できる情報を増やします。営業組織での導入も急速に進んでいます。Salesforceの「State of Sales（営業の現状）レポート」によると、営業担当者の54%がすでにAIエージェントを利用しており、エージェントによって見込み客の調査時間が34%短縮されると期待しています。調査時間の多くは、エンリッチメントツールが提供するものと同じ、アカウントや連絡先の情報を調べるために使われています。

問題は、こうしたツールが網羅性を高めるよう最適化されていることです。入力率が主要な指標となり、何らかの値が入っていれば、その項目は成功と見なされます。

情報源が増えると、なぜ食い違いも増えるのか？

プロバイダーによって、定義、更新頻度、企業レコードが異なるため、情報に食い違いが生じることがあります。情報源を比較し、差異を検証するプロセスがなければ、データを増やすことでCRMレコードの信頼性がかえって損なわれる可能性があります。

定義の違い

あるプロバイダーは親会社の従業員数を数え、別のプロバイダーは現地法人の従業員数を数え、3つ目のプロバイダーは公開プロフィールの推定値を使います。3つの数値はいずれも妥当といえますが、自社の営業テリトリーの定義に合うのはそのうち1つだけです。

更新サイクルの違い

プロバイダーによってデータを更新する頻度は異なります。ある情報源では先週更新された役職が、別の情報源では古いままになっていることがあります。最初に見つかった回答を採用するウォーターフォール型の仕組みでは、古い情報が選ばれる可能性があります。

企業の取り違え

子会社、地域拠点、社名が似た企業が混同されることがあります。ウェブを調べるAIエージェントが、別々の2社の情報を1つのレコードにまとめてしまう場合もあります。

不一致を判定する仕組みがない

ほとんどのウォーターフォール型の処理は、決められた順序に従います。情報源間で値を比較したり、不一致を検出して知らせたりはしません。その結果、食い違いは項目が埋まったレコードの中に隠れてしまいます。

その結果、見た目は完全でも、信頼性に欠けるCRMができあがります。

重要なアカウントでは、網羅性と正確性のどちらを重視すべきか

すべてのレコードに同じ水準の精度が求められるわけではありません。幅広い認知獲得キャンペーンで使う20万人分のマーケティングリストなら、多少の誤りは許容できます。しかし、アカウントベースドプログラムで使う300件のターゲットアカウントリストでは、そうはいきません。

優先度の高いアカウントでは、誤った情報が直接的な損失につながります。退職した役員に営業チームが電話をかければ、第一印象を損ないます。従業員数を誤って把握したままテリトリー計画を立てれば、アカウントの担当先を間違えます。古い売上高に基づいて価格モデルを作れば、案件規模の見積もりを誤ります。こうしたレコードに基づく予測にも、同じ誤りが引き継がれます。

AIエージェントの利用は、リスクをさらに高めます。エージェントが営業メールを作成したり、リードを評価したり、アカウントの振り分けを自動で行ったりするとき、その判断はCRMに記録された情報に基づきます。食い違いのあるエンリッチメントデータを使うエージェントは、自信に満ちた誤りを大規模に生み出すことになります。

データエンリッチメントサービスを外部委託すべきなのはどんなときか？

定期的な誤りを許容できる大規模データベースでは、自動エンリッチメントが効果を発揮します。一方、高価値アカウントには、より高い精度が必要です。意思決定者の確認、企業階層に関する問題の解消、変化する連絡先情報の検証、AIを活用した営業ワークフローの支援が必要な場合、外部委託が有効になります。データエンリッチメントの外部委託が特に大きな価値を発揮するのは、次のようなケースです。

1. 高価値アカウント：各レコードが大きな収益機会を示す、アカウントベースドマーケティングプログラム、戦略的な契約更新、エンタープライズ向けの営業パイプライン。
2. 複雑な企業構造：複数の子会社や地域法人を抱える企業、または最近合併した企業では、自動化ツールが親会社と子会社を区別しにくいことがあります。
3. 頻繁に変わる連絡先：経営幹部の交代が多い業界や、購買委員会のメンバーが定期的に変わる業界では、連絡先や意思決定者の情報を最新の状態に保つのが難しくなります。
4. エージェント主導のワークフロー：営業の振り分け、リードのスコアリング、アウトリーチなど、すべての段階で人が確認しなくてもAIエージェントがCRMデータを使って処理を行うプロセスです。
5. 規制対象のアウトリーチ：連絡先データの出典を記録し、処理と利用の法的根拠を明示する必要がある市場です。

こうした条件下では、誤った値を1つ使うコストは、その値を検証するコストを上回ります。社内チームに、パイプラインが求めるペースでレコードを検証するための調査時間が足りない場合も、データエンリッチメントの外部委託が有効です。営業開発担当者は少数のアカウントなら確認できますが、新規開拓も続けながら、優先度の高い500件のレコードを四半期ごとに最新の状態へ保つことはできません。

こうした条件に当てはまらない場合は、適切な出典ルールを設定した自動エンリッチメントのほうが、投資対効果が高いことがよくあります。エラーが事業に影響を及ぼす箇所に検証の労力をかけることが重要です。

AIエージェントの時代に、人が検証したデータが重要なのはなぜか？

データエンリッチメントの外部委託が、今なおコストに見合う価値を発揮するのはこの点です。熟練したチームは、自動化ツールでは得られない3つの価値をもたらします。

AIエージェントは、アウトリーチ文面の作成、リードのスコアリング、アカウントの振り分けにCRMデータを利用するようになっており、情報の誤りが事業上のリスクになっています。人が検証するエンリッチメントを活用すれば、自動システムが処理を実行する前に、重要なレコードが正確で最新であり、業務ルールにも沿っていることを確かめやすくなります。

不一致の解消

出典間で情報が食い違う場合、調査担当者は企業の公式サイト、公開書類、プレスリリース、職業上のプロフィールなどの一次情報を確認し、場合によっては直接電話で問い合わせます。どの値が正しいのか、その理由とともに記録し、出典と日付も残します。

情報の鮮度確認

優先度の高い連絡先については、対象者が記載された役職に今も就いているかを調査担当者が確認します。エンリッチメントデータが古くなる原因として、転職や異動は特に多いため、簡単な確認を挟むだけでも無駄なアウトリーチを防げます。

業務ルールとの整合

調査担当者は、クライアント独自の定義を適用します。たとえば、テリトリーの従業員数を地域法人単位で集計する場合は、その人数を記録します。理想的な顧客像から特定の子会社を除外する場合は、その子会社にフラグを付けます。こうしたルールは、ウォーターフォールのロジックにはほとんど反映されていません。

最も効果的なのは、両方の手法を組み合わせることです。自動化ツールで、件数の多いロングテールのレコードを低コストで補完します。人のチームは、収益を左右するアカウントや項目を検証し、不一致を解消します。解消した不一致を自動化にフィードバックし、特定の項目や地域で参照する出典の優先順位を調整することもできます。

ハイブリッド型エンリッチメントワークフローの設計

ハイブリッド型ワークフローでは、自動化によって大規模なデータベースを補完し、人の担当者が重要な不一致を調査します。アカウントの優先順位付け、不一致の検出、検証記録の作成、出典の定期的な見直しによって、手作業を最も大きな価値につながる箇所へ振り向けられます。

1. アカウントを優先度別に分類する。収益の可能性、パイプラインの段階、またはアカウントベースのプログラムへの参加状況に応じて、データベースを優先度別の層に分けます。
2. 項目を優先度別に分類する。従業員数、売上高、業種、意思決定者の連絡先など、振り分け、スコアリング、価格設定、アウトリーチを左右する項目を特定します。
3. すべてのレコードに自動エンリッチメントを実行し、最初に見つかった値だけでなく、すべての出典の値を保持します。
4. 出典間の不一致が設定した許容範囲を超える場合、または値が設定した期間より古い場合に、自動でフラグを付けます。
5. フラグが付いた優先度の高いレコードを人による検証に回し、不一致の値と出典を添付します。
6. 検証済みの値、出典、日付を記録し、明確なステータスを付けてCRMに書き戻します。
7. 出典の正確性を四半期ごとに見直し、検証結果に基づいて、項目、地域、業種ごとにウォーターフォールの優先順位を調整します。

この設計により、人の労力を効果が見込める箇所に集中させながら、自動化に継続的なフィードバックを提供できます。数四半期にわたって運用すると、検証データから、項目ごとにどのプロバイダーの信頼性が最も高いかも分かります。ある出典は北米の従業員数には強い一方、欧州の連絡先情報には弱く、別の出典はその逆ということもあります。そうした結果を踏まえて、項目や地域ごとにウォーターフォールの優先順位を変更すれば、レビュー担当者に届く不一致をさらに減らせます。

データエンリッチメント会社の選び方

現在、多くのデータエンリッチメント会社が、高い入力率やAIを活用した調査をうたっています。より有益なのは、不一致や情報の鮮度への対応方法を見極める次のような質問です。

• 2つの出典で情報が食い違う場合、チームはどの値が正しいかをどのように判断しますか？
• すべての情報源の値が保持されますか。それとも、選択された値だけですか？
• 優先度の高い連絡先は、どのくらいの頻度で、どのように再検証されますか？
• プロバイダーは、従業員数、業種、組織階層について、クライアント独自の定義を適用できますか？
• プロバイダーは、優先度の高い検証済みレコードの正確性を、全体の入力率とは別に測定して、どのように報告していますか？
• ユーザーが検証済みの値と自動入力された値を見分けられるよう、CRMではどのようにラベル付けされていますか？

入力率だけを回答するデータエンリッチメント企業は、問題に対応できていません。判定ルール、情報源のレコード、サンプルアカウントにおける検証済みの正確性を示せる企業なら、収益に直結する業務を任せる準備ができています。

コンプライアンスとデータの来歴

エンリッチメントでは個人データを扱うため、設計の初期段階からコンプライアンスを組み込む必要があります。一般データ保護規則（GDPR）は、欧州連合（EU）域内の人々に関する個人データを処理する際、適法な根拠を求めるとともに、情報源についての透明性も要求しています。カリフォルニア州消費者プライバシー法（CCPA）は、カリフォルニア州の住民に対し、自身の個人情報を知り、訂正し、削除する権利を認めています。米国のCAN-SPAM Actなどのアウトリーチに関する規則は、商用メールに追加要件を課しています。

データの来歴は、こうしたすべての要件への対応に役立ちます。各値に情報源と検証日が付いていれば、チームはデータ主体からの請求に対応し、訂正を反映し、情報の出所を示すことができます。採用された値だけを残すウォーターフォール型の仕組みでは、こうした履歴が失われます。プロバイダーには、情報源をどのように記録するか、オプトアウトや配信抑制リストをどう扱うか、依頼に応じてデータをどのように削除するかを確認してください。CRMのエクスポートデータを共有する前に、SOC 2 Type IIやISO/IEC 27001など、現在有効なセキュリティ認証を確認しましょう。

重要な指標を測定する

主な成功指標としての入力率を、正確性を反映する次の指標に置き換えましょう。

• 優先アカウントにおける検証済みの正確性。無作為監査で検証します。
• 項目別・情報源別の不一致率。プロバイダー間で最も意見が食い違う項目を示します。
• 連絡先情報の鮮度。優先度の高い連絡先のうち、過去90日以内に検証されたものの割合です。
• バウンス率と宛先間違い率。エンリッチメント済みの連絡先へのアウトリーチに基づいて測定します。
• 営業担当者の信頼度。レコードの品質に関する簡単なフィードバックを通じて測定します。

これらの指標から、エンリッチメントが営業チームに役立っているのか、それともデータベースを埋めているだけなのかが分かります。四半期ごとに営業責任者と確認しましょう。

チームは現在、最も重要なアカウントの正確な値を得るため、データエンリッチメントを外部委託するサービスを利用しています。ウォーターフォール型のツールやAIエージェントは低コストで項目を埋められますが、どの値を採用するかのルールがないまま、古い情報や矛盾する情報を積み重ねることもあります。人が検証するエンリッチメントは、正確性が収益を左右する場面、つまり優先度の高いアカウントで矛盾を解消し、情報の鮮度を確認し、ビジネスルールを適用する場面で効果を発揮します。信頼できるB2Bデータエンリッチメントサービスは、自動化されたエンリッチメントと、価値の高いレコードに対する検証済みの矛盾解消を組み合わせています。人を介さずにCRMデータを扱うAIエージェントが増えるなか、答えを出すべき問いが一つあります。入力済みの項目のうち、今日、エージェントに基づいて行動させてもよいと信頼できるものはどれでしょうか？