営業リストをAIで作る方法｜作成を自動化する4ステップとプロンプト

営業リストをAIで作成する4ステップ（ターゲット定義・情報収集・整形・優先度づけ）を示した図解

営業リストの作成は、成果に直結しないのに時間だけを奪う作業の代表格である。企業名を調べ、担当部署を推測し、表記を整え、優先順位をつける。気づけば半日が消えている。

結論から言えば、この一連の作業はAIで大幅に短縮できる。しかも、ただ速くなるだけではない。ターゲットの定義を言語化し、情報を構造化し、確度の高い順に並べる――この思考プロセスをAIに肩代わりさせることで、リストの「質」そのものが上がる。

本記事では、AIで営業リストを作る具体的な手順を4ステップに分け、各ステップでそのまま使えるプロンプトを示す。さらに、スプレッドシートやツール連携で半自動化する考え方、そしてAI出力を鵜呑みにしないための注意点まで踏み込む。明日の架電前に、手を動かしながら読んでほしい。

なぜ営業リスト作成こそAI化すべきなのか

営業リスト作成は、3つの理由でAIと相性がよい。

ひとつ目は、作業の大半が「調べて・整える」という情報処理であること。創造性よりも正確さと網羅性が問われる領域は、AIが得意とする。

ふたつ目は、属人化しやすいこと。「誰がリストを作るか」で質がばらつく現場は多い。AIに手順を持たせれば、担当者のスキルに依存せず一定水準のリストが出る。

3つ目は、リスト作成が「考える前の作業」で止まりがちなこと。本来は誰に・なぜ売るのかを定義してから動くべきだが、現実には手当たり次第に企業名を集めてしまう。AIを使うと、定義から逆算してリストを組む流れが自然に生まれる。

ただし前提がひとつある。AIは魔法ではない。雑な指示には雑なリストで応える。質を決めるのは、後述する「ターゲット定義」の精度である。

AIで営業リストを作る4ステップ

全体像はシンプルだ。次の4段階で進める。

ステップ	やること	AIの役割
①ターゲット定義	業種・規模・役職・課題を言語化	仮説の壁打ち・条件の構造化
②情報収集	公開情報を集めて要約・抽出	長文の要約・項目単位の抽出
③リスト化・整形	表記ゆれ統一・項目設計	整形・正規化・項目補完
④優先度づけ	確度の高い順に並べる	スコアリングの観点出し・並べ替え

ポイントは、いきなり企業名集めから始めないこと。①の定義が曖昧なまま②に進むと、後工程すべてが崩れる。順番を守るだけで、リストの精度は明確に変わる。

ステップ1：ターゲットを定義する

最初にやるのは、企業名を探すことではない。「どんな企業の、どんな役職の、どんな課題に売るのか」を言葉にすることである。ここをAIとの壁打ちで詰める。

あなたはB2B営業のターゲティング設計の専門家である。
以下の自社情報をもとに、狙うべき顧客像（ICP）を整理してほしい。

# 自社情報
- 商材：（例：中小企業向けのクラウド勤怠管理SaaS）
- 提供価値：（例：紙のタイムカード運用を廃止し、集計工数を月20時間削減）
- 平均単価／契約期間：（例：月5万円・年間契約）
- 過去に成約しやすかった顧客の特徴：（分かる範囲で）

# 出力してほしいもの
1. 狙うべき業種（優先度順に5つ、理由つき）
2. 企業規模の目安（従業員数・売上レンジ）
3. 主たる意思決定者の役職と、その人が抱える課題
4. 逆に「狙わないほうがよい」企業の特徴

ここで重要なのは、AIに正解を出させることではない。出てきた仮説を見て「この業種は違う」「この役職ではなく現場長だ」と、自分の現場感で修正していくことだ。AIは思考の足場であり、最終判断は人間が持つ。

ステップ2：情報を収集し、要約・抽出する

ターゲット像が固まったら、候補企業の公開情報を集める。コーポレートサイト、採用ページ、プレスリリース、IR資料などが主な情報源である。

集めた長文をそのまま読むのは非効率だ。AIに「営業に必要な観点だけ」を抜き出させる。

以下は、あるターゲット企業の公開情報（会社概要・採用ページ・お知らせ）を貼り付けたものである。
当社（勤怠管理SaaSを提供）の営業に必要な観点だけを抽出し、表で整理してほしい。
推測した箇所には「※推測」と明記すること。記載がない項目は「不明」とすること。

# 抽出してほしい項目
- 事業内容（一文で）
- 従業員規模
- 拠点・事業所の数（多拠点なら勤怠管理の負荷が高い仮説）
- 直近の動き（採用強化・新拠点・組織改編など、課題の兆候）
- 想定される決裁者の役職
- 当社が刺さりそうな一言フック

# 公開情報
（ここに本文を貼り付け）

注意点として、AIが学習データから「知っているふう」に企業情報を語ることがある。だが、その情報は古いか、別企業と混同している恐れがある。必ず、自分が貼り付けた一次情報の範囲で答えさせること。これが裏取りの第一歩になる。

ステップ3：リスト化し、整形する

複数社ぶんの情報がたまったら、ひとつの表に統一する。ここでAIが力を発揮するのが、表記ゆれの統一と項目の正規化である。

人が手で集めたデータは、必ず揺れる。「株式会社」が前だったり後ろだったり、従業員数が「100名」「100人」「約100」と混在したりする。これをAIに整えさせる。

以下は手作業で集めた企業リストである。表記ゆれを統一し、CSVとして出力してほしい。

# 整形ルール
- 会社名：法人格（株式会社など）は正式名称の位置に統一
- 従業員数：半角数字のみ（「名」「人」「約」は削除し、概数は数値化）
- 業種：指定した区分（IT／製造／小売／建設／その他）に丸める
- 重複行は会社名で名寄せして1行に統合
- 欠損は空欄ではなく「不明」と記入

# 出力カラム
会社名, 業種, 従業員数, 拠点数, 決裁者役職, フック, 優先度（空欄でよい）

# 元データ
（ここに貼り付け）

整形済みのデータをスプレッドシートに貼れば、そのまま運用リストになる。項目設計を最初にそろえておくと、後からの分析や絞り込みが一気に楽になる。

ステップ4：優先度をつける

リストは作って終わりではない。上から順にアタックできる状態にして、はじめて武器になる。確度の高い順に並べる作業もAIに任せられる。

以下の企業リストに、アプローチ優先度（A／B／C）を付けてほしい。

# 優先度の判断基準
- A：課題の兆候が明確で、規模・役職が当社のICPに合致
- B：ICPには合うが、課題の兆候が弱い、または情報が不足
- C：規模や業種がICPからずれる

各社について「優先度」と「その理由（一文）」「最初の一言（推奨トークの切り口）」を追加し、A→B→Cの順に並べ替えて表で出力すること。

# リスト
（ここに整形済みリストを貼り付け）

これで、ただの企業名の羅列が「どこから・なぜ・何を言って攻めるか」まで設計されたリストに変わる。優先度の理由が言語化されていれば、チームで共有したときの納得感も高い。

ツール連携で半自動化する

4ステップを毎回手作業でやるのは、それでも骨が折れる。繰り返し発生するなら、半自動化を検討したい。考え方の骨子は次のとおりである。

構成要素	役割
スプレッドシート	リストの保管庫・入力起点
連携ツール（Zapierなど）	行の追加をトリガーに処理を起動
AI（APIまたは連携機能）	要約・整形・優先度づけを自動実行

たとえば、スプレッドシートに会社名と公開情報を貼ると、連携ツールがそれを検知し、AIに要約・整形・スコアリングを依頼し、結果を同じ行に書き戻す――という流れが組める。担当者は「素材を貼る」だけでよくなる。

ここで現実的な線引きをしておく。完全自動化を最初から狙う必要はない。まずはステップ3とステップ4、つまり整形と優先度づけだけを自動化するだけでも、体感の負荷は大きく下がる。ターゲット定義（①）と最終判断は人が握り、機械的な処理（③④）から自動化する。これが失敗しない順序である。

なお、こうして作ったリストを「商談化」まで運ぶ仕組みは別テーマになる。リスト作成の先にある育成と商談化の自動化については、リード獲得を自動化｜育成と商談化を仕組み化する手順で扱っている。