HubSpotのAIは「スコアを出すだけ」ではありません。Breeze Copilotでリードの詳細を質問したり、Workflowでスコア変動に応じた自動アクションを設定したりと、「見込み客分析→次のアクション自動提案」まで一気通貫で動かせます。本記事では、予測スコアの設定からダッシュボード構築・データ品質管理まで、実務で使いこなすための具体的な手順を解説します。

HubSpot AIを使った見込み客分析とは？その全体像

HubSpotのAI見込み客分析とは、CRMに蓄積されたコンタクト・ディール・エンゲージメントデータをAIが自動分析し、「次にどのリードに、どのアクションを取るべきか」を担当者に提案する仕組みです。

従来は「経験豊富な営業の勘」や「手動でのCRMデータ確認」に依存していた「どのリードを優先するか」という判断を、データドリブンに自動化することが目的です。

HubSpotの見込み客分析に使われる主要AI機能

①予測リードスコア（Likelihood to close）

Sales Hub Professional以上で利用できる予測スコアリングです。HubSpotが過去の成約・失注データを機械学習モデルで分析し、各コンタクトに0〜100のスコアを付与します。（参照：リードスコアリング）

スコアの計算に使われる主なデータポイント：

• 企業規模・業種・役職
• Webサイト訪問頻度・閲覧ページ
• メール開封・クリック率の推移
• フォーム送信数・種類
• 過去の商談履歴
• コンタクトのライフサイクルステージ

スコアの確認方法： HubSpotの [コンタクト] 一覧→ [列を編集] で「Likelihood to close」を追加→各リードのスコアが列として表示される

②Breeze Copilotによるリード分析

HubSpotの任意のコンタクト・ディール・会社レコードを開いた状態でBreeze Copilotを起動し、以下のような質問を入力できます：

• 「このリードの次のアクションは何をすべきですか？」
• 「このコンタクトの過去のエンゲージメント履歴を要約してください」
• 「この企業の業種・規模に合った提案メールのドラフトを作成してください」
• 「このディールが失注するリスク要因を教えてください」

Breeze Copilotは対象レコードのすべてのHubSpotデータ（メール・商談メモ・活動履歴・ページビュー）を参照した上で回答を生成します。

（HubSpot Japan：Breezeアシスタント）

③パイプライン分析AI（Deal Forecasting）

Sales Hub Enterpriseで利用できるAI予測レポート機能です。ディール一覧のパイプラインビューで「AIによる予測成約額」が表示され、担当者の主観的な見通し（Commit金額）との差異を可視化できます。

確認できる情報：

• 今月・今四半期の成約予測金額（AI計算値）
• 「このペースで進んだ場合の目標達成確率（%）」
• 「成約リスクが高いディール」のAIアラート
• パイプラインステージ別の平均成約率（過去データ）

④Breeze Intelligence（企業・コンタクトデータエンリッチメント）

見込み客の情報が不足している場合、Breeze Intelligence（旧Clearbit）がメールアドレス・企業名をもとに外部データを自動補完します。補完される情報：

• 企業の従業員数・売上規模
• 業種・サブ業種分類
• 企業のソーシャルメディアプロフィール
• テクノロジースタック（その企業が使っているツール）
• コンタクトのLinkedInプロフィール情報

エンリッチメントはクレジット課金制で、1クレジット = 1コンタクトまたは1企業の補完が目安です。Breeze Intelligenceは特定のMarketing Hub/Sales Hub Professionalプラン以上で一定クレジットが含まれます。

AIが「次のアクション」を自動提案する仕組み

HubSpotのシーケンス提案とタスク自動生成

HubSpotでは、コンタクトのスコアや行動変化をWorkflowのトリガーとして設定し、AIが「今このタイミングでやるべきアクション」をタスクとして担当者に自動提案できます。設定例：

1. コンタクトが「価格ページ」を2回以上訪問したことをトリガーに設定
2. Workflowが起動し「高エンゲージメントリード：価格確認済み」タスクを担当営業に割り当て
3. タスクには「おすすめアクション：商談設定の提案メールを送る」のメモが自動添付
4. メールテンプレートのリンクと、カレンダー予約リンク（HubSpot Meetings）が添付

「次のアクション」の自動提案：Breeze Copilotの活用

個別のディールを開いてBreeze Copilotに「このディールで次に何をすべきか」と入力すると、AIが以下を参照して提案を返します：

• 最後のコンタクトからの経過日数（フォローアップ漏れを検知）
• 未完了タスクの確認
• 直近のメール・電話履歴
• ディールのクローズ予定日と現在の進捗
• 類似した過去の案件がどのステージで詰まりやすかったかのパターン

実践：見込み客分析ダッシュボードの構築

HubSpotカスタムレポートで作るAI分析ダッシュボード

以下のレポートをダッシュボードに組み合わせることで、AIスコアを活用した見込み客分析環境を構築できます：

1. 「スコア別リード分布」：コンタクトのLikelihood to closeスコアを10点刻みで分布表示。Hot/Warm/Coldの実態を把握
2. 「高スコアリードの担当者別割り当て状況」：スコア70以上のリードが誰の担当かを確認。フォローが遅れているリードを発見
3. 「スコア上昇リードの週次推移」：前週と比較してスコアが20ポイント以上上昇したリードの一覧。「今週アプローチすべきリード」を特定
4. 「スコア別成約率」：スコア帯ごとの実際の成約率を測定し、AIスコアの精度を継続的に検証

Workflowによる定期的な見込み客レビューの自動化

毎週月曜日に「今週注目すべきリスト」を自動で営業に届ける設定例：

1. Workflowをスケジュールトリガー（毎週月曜9:00）で設定
2. 条件：Likelihood to closeスコアが60以上かつ過去7日以内に5ページ以上閲覧
3. アクション：担当営業に「今週のホットリード一覧」を社内メールで自動送信
4. 各リードへのHubSpot内リンクをメールに自動挿入

データ品質が見込み客分析の精度を左右する

AIの精度を下げる典型的なデータ問題

• コンタクトの重複：同一人物が複数レコードに存在すると、行動データが分散してAIが正しく学習できない
• 役職・業種フィールドの表記ゆれ：「部長」「部長職」「Manager」が混在するとセグメントが崩れる
• ライフサイクルステージの不整合：「成約済み」と「失注」が適切に記録されていないとAIの学習データが汚染される
• 古いコンタクトデータ：退職・転職した担当者のコンタクトがアクティブな状態になっていると、スコアの信頼性が低下

データクレンジングのファーストステップ

1. HubSpotの [コンタクト]→[アクション]→[重複を管理] で重複コンタクトを一括確認・統合
2. 空白が多いプロパティ（役職・業種）をBreeze Intelligenceで自動補完
3. 「最終活動日が2年以上前」のコンタクトを抽出し、アーカイブリストに移動
4. ディールのクローズ理由（受注・失注）が空白のものを担当者に一括通知し、記入を促す

見込み客分析AIの限界と人間が担うべき判断

AIスコアリングには以下の限界があります：

• 新しい市場・製品への対応が遅れる：過去の成約データに基づくため、新製品や新市場では学習データが不足し精度が低い
• 定性的な信頼関係を捉えられない：「長年の付き合い」「個人的な信頼関係」はデータに現れにくく、AIが低スコアをつける場合がある
• バイアスの増幅：過去に特定の業種・規模の受注が多かった場合、AIがそれ以外を低評価し続ける「確証バイアス」が生じる可能性がある

AIスコアを「優先順位の参考指標」として活用し、最終的な判断は担当者が行う体制を維持することが重要です。

よくある質問（FAQ）

Q1：HubSpotの予測スコアはいつ更新されますか？

コンタクトのアクティビティ（ページビュー・メール開封・フォーム送信等）があるたびにリアルタイムで更新されます。モデル自体は定期的に再学習されますが、具体的な頻度はHubSpotが公開していません。重要な点として、スコアは「今のデータに基づく予測」であり、昨日と今日で大きく変わる可能性があります。

Q2：スコアが高いのに商談につながらないリードが多い。どう対処しますか？

考えられる原因：①スコアの根拠となっているページ訪問が「採用情報」や「プレスリリース」など購買と無関係なページである、②競合調査目的のアクセスが多い、③スコアのしきい値が低すぎる。対策：HubSpotのコンタクトプロパティ「ページビューの詳細」を確認し、購買関連ページ（価格・事例・デモ申込み）への訪問に重み付けするカスタムスコアルールを追加してください。

Q3：Breeze Copilotの分析は何語に対応していますか？

HubSpotのインターフェース設定言語に依存します。日本語でプロンプトを入力すると日本語で回答を返します。ただし、HubSpot内の商談メモや活動ログが英語で記録されている場合、回答の一部が英語になることがあります。日本語での精度は英語に比べてやや劣る場合があります。

Q4：見込み客分析にBreeze IntelligenceとSales Navigatorはどちらが有効ですか？

用途が異なります。Breeze Intelligenceは「知らないコンタクトの企業情報を自動補完する」エンリッチメントに特化しています。LinkedIn Sales Navigatorは「特定の条件の担当者を新規に発見・アプローチする」アウトバウンド営業に強いです。アカウントターゲティングやABMを重視するなら両方の使い分けが有効です。

Q5：見込み客分析AIを最初に使い始めるベストな方法は？

まず「Likelihood to close」スコアをコンタクトビューに追加し、スコア上位20件を抽出して「普段フォローしている優先リードと一致しているか」を確認することから始めてください。一致している→AIを信頼してフォロー優先順位の決定補助に使う。一致していない→その理由を分析し、データ品質の問題か、AIの学習データの問題かを特定する。この確認を1ヶ月続けることで、自社への適合度が見えてきます。