FAやCRMを導入したものの、「データが汚くて分析できない」という声は現場で非常によく聞きます。
「株式会社」と「(株)」の表記揺れ、同一企業の重複登録、担当者名のバラつき。
これでは、せっかくデータを溜めても意思決定には使えません。
結論から言います。
ChatGPTにCSVをアップロードするだけで、名寄せ・表記揺れ修正は営業部門だけで完結できます。
情シスの開発も、新しいツール導入も不要です。
本記事では、CRMデータを整備する具体手順と、そのまま使えるプロンプトを紹介します。
CRMデータが汚れると、営業組織は必ず止まります
CRMが機能しなくなる最大の理由は「入力されないこと」ではありません。
入力されても、使えない状態になることです。
よくある状態は以下です。
- 同一企業が複数登録されている
- 表記がバラバラで集計できない
- 過去履歴が分断される
- 正しい案件数が把握できない
この状態では、どれだけBIツールを入れても意味がありません。
営業会議が「感覚」と「経験」で進む組織になります。
ChatGPTで名寄せ・表記揺れを修正する手順
ここからが本題です。
営業部門だけで実行できる、最短のCRM整備手順を解説します。
手順1：CRMからCSVを書き出す
以下の項目が含まれるデータを出力してください。
- 会社名
- 担当者名
- メールアドレス
- 電話番号
- 住所
- 案件ステータス
ほとんどのCRMにはエクスポート機能があります。CSV形式でダウンロードします。
手順2：ChatGPTにCSVをアップロード
操作はシンプルです。
- ChatGPTを開く
- 入力欄横の「＋」またはクリップアイコンをクリック
- CSVを選択
これで準備完了です。
手順3：名寄せの指示を出す
以下をそのまま入力してください。
このCSVはCRMの顧客データです。
以下を実行してください。
1. 同一企業と思われるレコードを検出し、統合候補として一覧化
2. 「株式会社」「(株)」「Co., Ltd.」などの表記揺れを統一
3. 担当者名の全角・半角・スペース違いを整理
4. 重複メールアドレス・電話番号をキーに重複を抽出
5. 修正後のクレンジング済CSVを生成
手順4：精度を上げる追加プロンプト
企業名の類似度が高いものは「統合候補」としてフラグ付けしてください。
住所が一致し、企業名が類似している場合は同一企業として扱ってください。
手順5：整備済CSVをダウンロードし、CRMへ戻す
生成されたCSVをダウンロードし、CRMへ再インポートします。
これでデータ整備は完了です。
実務で使える「名寄せ判断ルール」
AI任せにするのではなく、営業側で判断基準を持つと精度が上がります。
- メールアドレス一致 → 同一企業確定
- 電話番号一致 → 同一企業確定
- 住所一致＋企業名類似 → 同一候補
- 担当者名一致のみ → 保留
AIは候補出しが得意です。最終判断は人が行う設計にすると運用が安定します。
CRM整備は「一度やって終わり」では意味がありません
データは必ず再び汚れます。
営業が入力する以上、完全統制はできません。
だからこそ、
- 月1回のクレンジング
- 四半期ごとの名寄せ
- 重複自動検出の運用化
ここまで落とし込んで初めて効果が出ます。
営業マネージャーが設計すべき3つのこと
① データ整備の責任者を決める
- 営業企画
- マーケ
- インサイドセールス
誰がCRMの品質を担保するのかを明確にします。
② 入力ルールを定義する
- 企業名の正式表記
- 担当者名の記載形式
- 住所フォーマット
ルールがなければ、表記揺れはなくなりません。
③ AIクレンジングを定例化する
- CSV出力
- ChatGPT投入
- 再インポート
この流れを業務フローに組み込みます。
まとめ
CRMが使えない組織の原因は、入力不足ではありません。
整備不足です。
ChatGPTを使えば、
- 表記揺れ修正
- 名寄せ
- 重複削除
- クレンジングCSV生成
ここまで営業部門だけで完結します。
特別なツールは不要です。
必要なのは「CSVを投げる」だけです。
Next Action（今すぐやること）
- CRMから顧客データをCSVで出力
- ChatGPTにアップロード
- 本記事のプロンプトを入力
- 整備CSVをダウンロード
- CRMへ再インポート
これだけで、来週の営業会議の質が変わります。
議論が「感覚」から「データ」に変わります。
営業組織が、初めて戦略を持てる状態になります。
コメント