data-management

ABMからAIへ｜データマネジメントが握るカギ

Posted by Akihiko Sunakawa on Jan 12, 2026 6:25:42 PM

はじめに

ABM（Account Based Marketing）は、ターゲットアカウント（企業）を定義して取り組む、戦略的なB2Bマーケティングです。言い換えると、これまでB2B営業が担ってきた「対企業の戦略設計」の一部を、マーケティングが支援・拡張する考え方でもあります。

本コラムでは、海外と日本のマーケティングの違い、そして海外の潮流を踏まえながら、ABMが日本でどう受け入れられてきたのかを整理します。さらにその先――5年、10年先の“AIが当たり前になる時代”を見据えたとき、何が勝敗を分けるのかを、データマネジメントの観点から考察します。

ABMの到来：なぜ今、日本で注目されたのか

ABMは、米ITSMAが2004年に提唱・普及を進めた概念として知られています。一方、日本で注目が広がった背景には、2014年前後から本格普及したMA（マーケティングオートメーション）の存在が大きいと考えます。

日本は戦後、モノを作れば売れる時代を経て、販売競争の時代に入りました。国土面積、時差の少なさ、言語・通貨、隣接国との関係などの条件も相まって、営業活動は比較的「対面」を中心に発展し、企業成長を牽引してきました。

その結果として、営業部門は独自に対企業戦略（ここではABS＝Account Based Salesと呼びます）を磨き上げてきた一方で、マーケティングは海外と比較すると遅れが生じてきた――この構造は否定しづらいのではないでしょうか。

日本と海外の差はどこから生まれるのか：教育と“サイエンス”としてのマーケティング

日本では経済・経営学や心理学は「文系」の枠に置かれやすい一方、米国ではこれらがサイエンス（Science）として扱われる傾向があります。米国の学位がBA（Art）とBS（Science）に大別されることは象徴的です。

マーケティングを「感覚や経験だけでなく、統計・分析・行動科学などを基盤に、再現性を追究する学問」として育ててきた土壌が、海外にはあります。
ここに、日本のマーケティングが遅れをとった要因の一つがある、というのが当社の見解です。

マーケティングに求められる“アートとサイエンス”

2016年のSiriusDecisions Summitのテーマに「The Art & Science of Intelligent Growth」が掲げられました。マーケティングは、創造性（アート）と、再現性・検証（サイエンス）の両輪で成果を積み上げる――この考え方は、ABMやAI時代のマーケティングを理解するうえでも示唆に富みます。

しかし日本では、デジタル化の波が先に押し寄せ、戦略・組織・教育の整備が追いつかないまま、ツールの導入が進みました。MAの到来により「ツールファーストのマーケティング」が広がったのです。

その結果、

  • 自社のビジネスに合わない

  • 使いこなせない

  • 効果が見えない

といった壁にぶつかる企業が増えました。

ここで強調したいのは、ツールの問題ではなく、マーケティングの設計の問題だという点です。
導入前に「自社が実現したいこと」を定義できていなかったことが、後から負債として効いてくるのです。

「決められた材料だけで家を建てる人はいない」のと同じで、戦略と設計に基づいて、必要な材料（仕組み・ツール・データ）を選び、組み立てる必要があります。

それでもMAは“無駄”ではない：見直しのきっかけになった

ツールファーストには弊害がある一方で、日本企業にとってMAは決してマイナスだけではありません。

  • Webコンテンツが整備され、営業の説明・デモがWebに移る

  • 営業が購買プロセスの後工程に集中できる

  • 行動データが可視化され、ターゲットを絞った施策が現実味を帯びる

MAをきっかけに、マーケティングの役割、組織、データの持ち方が見直され始めたのも事実です。

日本のマーケティングが進む道：ABMは“受け入れやすい進化”

教育の仕組みそのものを短期に変えることは難しい。
その前提に立つと、日本ではツールファーストの流れを起点に、現場のボトムアップで改善が進むのは自然な動きです。

そしてABMは、その流れの中で日本に受け入れられやすい進化だと考えます。理由は明快です。
ABMは、これまで営業が培ってきたABS的な考え方と接続しやすく、マーケティングが「企業（アカウント）を軸に戦略を支援する」形に寄せやすいからです。

ただし、営業（対面中心）とマーケ（非対面中心）が歩み寄り、役割を定義し、継続的なアライメント（部門間調整）を行わなければ成立しません。
このハードルを越えること自体が、5年、10年先のマーケティング資産になります。

リードからアカウントへ：B2B本来の姿への回帰

ABMが進むと、マーケティングの焦点は次のようにシフトしていきます。

  • リードナーチャリング → アカウントナーチャリング

  • リードスコアリング → アカウントスコアリング

  • リードマネジメント → アカウントマネジメント

B2Bの購買は、多くの場合「1社の中の複数人」が関与します。個（リード）だけを追っても見えない情報があり、アカウント単位で情報を集めてこそ、確度の高い機会創出に近づけます。
これは個を見ることをやめる話ではなく、個を束ねて企業（アカウント）として理解するという、B2Bの現実に即したアプローチです。

ABMの先にあるもの：AIM（AIマーケティング）時代

世界のマーケティングがAIM（Artificial Intelligence Marketing）へ向かう流れは避けられません。
しかし、AIを導入すればすぐ成果が出るわけではありません。むしろ日本企業は、米国と同様に

  • ABMへの取り組み

  • 部門間アライメントの確立

  • 横串の統括・運用設計

といった土台づくりを進める段階にあります。

そして、その土台の中でも当社がまず推奨したいのが、先を見据えたデータマネジメントです。

現在の機械学習やディープラーニングは、投入されたデータの中からパターンや示唆を見つけ出す技術です。
つまり、入力データが使えなければ、AIが出す答えも使えません。

“Garbage In, Garbage Out”が示す通り、AI時代に必要なのはAIそのものより先に、AIが学べるデータの蓄積です。
データマネジメントは「必要になったらすぐできる」類の取り組みではありません。データ項目と質の定義、収集設計、運用ルール、統合と整備――時間をかけて育てる資産です。

だからこそ、ABMに取り組む“いま”の段階から、将来の活用を前提にしたデータの蓄積を始めるべきではないでしょうか。

ABM → AIへ向けたデータマネジメントの具体チェックリスト（10項目）

ABMはゴールではなく、AI時代に向かうための通過点です。
ここでは、ABMの取り組みを将来のAI活用に耐えうる資産へと昇華させるために、
今の段階で必ず確認しておきたいデータマネジメントのチェックリストを紹介します。

すべてを一度に満たす必要はありません。
しかし、どこに課題があるかを把握しているかどうかで、3年後・5年後の差は決定的になります。

① アカウント（企業）を一意に識別できるIDがあるか

  • 会社名の表記揺れに依存していないか

  • 法人番号や自社定義の正規化IDを持っているか

👉 AIは「同一企業かどうか」を人のように察してくれません
　まず“同じ会社を同じものとして扱える”設計が必要です。

② アカウントと個人（リード）の関係性が構造化されているか

  • 1社に複数人が紐づく前提で設計されているか

  • 部署・役割・決裁権レベルなどが整理されているか

👉 ABM・AIともに、Many to Many構造が前提です。

③ アカウント単位で行動データを集約できているか

  • Web閲覧、イベント参加、トライアル、問い合わせが
    個人単位で分断されていないか

  • アカウント視点で時系列に見られるか

👉 AIは「点」ではなく「流れ」から学習します。

④ データ項目は“使い道”から定義されているか

  • 取得しているが、使っていない項目はないか

  • 「将来の分析・スコアリング」で説明できる項目か

👉 目的のないデータはノイズになります。

⑤ データの入口（入力・登録時）で正規化されているか

  • 会社名・住所・業種などを自由入力にしていないか

  • 後工程での名寄せ前提になっていないか

👉 AI時代では「後で直す」は通用しません。

⑥ データの質を定期的に点検・更新する仕組みがあるか

  • 退職・異動・組織変更を前提にしているか

  • 定期的なクレンジング・重複排除を行っているか

👉 データは必ず劣化する資産です。

⑦ 部門を跨いだデータ統合ルールがあるか

  • マーケ・営業・CS・製品・サポートで
    「どのデータを正とするか」決まっているか

  • 同じ顧客を見て会話できているか

👉 AI以前に、人が共通理解できる設計が必要です。

⑧ スコアリングや判断ロジックを説明できるか

  • なぜこのアカウントが有望なのか説明できるか

  • ブラックボックス化していないか

👉 将来AIを使うなら、**説明可能性（Explainability）**は必須です。

⑨ データ活用と法規制・同意管理が両立しているか

  • 個人情報・Cookie・行動データの扱いが整理されているか

  • GDPR・個人情報保護法を前提に設計されているか

👉 AI活用が進むほど、コンプライアンスは競争力になります。

⑩ 「AIに何を学ばせたいか」が言語化できているか

  • どんな判断をAIに任せたいのか

  • そのために、どんなデータが必要か

👉 AI導入の前に、問いを定義できているかが最大の分かれ目です。

チェックリストを終えて

ABMは、営業とマーケティングのアライメントを進め、
B2Bビジネスを「個」から「企業」視点へ進化させる重要なステップです。

しかし、ABMの本当の価値は、
その先にあるAI活用・高度な意思決定を可能にする“データ基盤”を作れるかどうかにあります。

AIは魔法ではありません。
正しく設計され、意味のあるデータが、継続的に蓄積されて初めて力を発揮します。

ABMに取り組み始めた「いま」こそが、
5年後・10年後の競争力を決める、最も重要なタイミングなのです。

会社情報

株式会社B-Story
会社概要：https://www.b-story.co.jp/company

株式会社B-Storyは、デジタルマーケティングに取り組む企業を支援します。
「実効性」と「実行性」をコンセプトに、データの蓄積・計測・可視化の視点で、戦略と実装を一緒に作り上げます。

※当サイトの内容、テキスト、画像等の無断転載・無断使用を固く禁じます。
※当サイトを引用される際は、出典元（株式会社B-Story）を明記をお願いいたします。
※Unauthorized copying and replication of the contents of this site, text and images are strictly prohibited.
※In the case of quoting this site, please specify the source of origin (B-Story,Inc.).

Topics: Account Based Marketing(ABM)