AI営業リスト作成｜名寄せ・優先度付けを自動化する5工程【2026】

「AIで営業リストを作る」とは、担当者が手作業で集めていた企業情報を、収集から名寄せ、優先度付けまで一気通貫で半自動化する取り組みです。とくに効果が大きいのは、複数のデータをつないだときに生じる重複や表記ゆれをそろえる「名寄せ」の工程で、ここを整えるとリスト全体の精度が一段上がります。

結論として、AIを使った営業リスト作成は「①母集団の定義 → ②データ収集 → ③名寄せ・重複排除 → ④エンリッチメント（不足情報の補完）→ ⑤スコアリング（優先度付け）」の5工程に分解できます。名寄せの共通キーには、国税庁が各法人に割り振る13桁の「法人番号」が使えます。法人番号でひもづく基本3情報（商号・所在地・法人番号）は誰でも自由に利用でき、ダウンロードやWeb-APIでも取得できます。

なぜ今、営業リスト作成をAIで見直すのか

営業リストづくりは、これまで担当者の検索と転記に頼ってきました。しかし手作業中心のやり方には、時間がかかるだけでなく「情報がすぐ古くなる」「同じ会社が重複する」「担当者ごとに作り方がバラバラで属人化する」といった弱点があります。せっかく集めても、アプローチする頃には所在地や部署が変わっているケースは珍しくありません。

AIや自動化を取り入れる価値は、これらの弱点を工程ごとに潰せる点にあります。条件に合う母集団の抽出、重複や表記ゆれをそろえる名寄せ、優先度を決めるスコアリングは、いずれもAIが得意とする作業です。一方で、リストの狙いを決めることや最終確認は人の仕事として残ります。「全部AIに丸投げ」ではなく、工程を分けて任せどころを見極めるのが現実的です。

AIで営業リストを作る5つの工程

ここからは、リストを組み立てる工程を順番に見ていきます。この記事は「リストを構築する工程」そのものが主題です。作ったリストを実際に使う後追いの工程は、記事後半で別途つなぎます。

工程1：母集団（ターゲット）を定義する

最初に決めるのは「誰に売るのか」です。業種・企業規模・エリア・役職といった条件を具体的に言語化し、狙う母集団の輪郭をはっきりさせます。ここが曖昧なままだと、後工程でどれだけ精緻に名寄せやスコアリングをしても、そもそも狙いがずれたリストになってしまいます。自社の既存顧客の共通点を洗い出し、その条件を出発点にすると外しにくくなります。

工程2：データを収集する

定義した条件に合う企業情報を集めます。名刺・問い合わせ履歴・過去の商談といった自社データと、公開されている公的・外部データを組み合わせるのが基本です。公的データとしては、国税庁の法人番号公表サイトや経済産業省のgBizINFOが土台になります。複数のソースから集めるほど網羅性は上がりますが、その分だけ次の名寄せ工程が重要になります。

工程3：名寄せ・重複排除でリストを一意にする

複数のデータを混ぜると、同じ会社が別々のレコードとして重複します。「株式会社ミハタ」「(株)ミハタ」「ミハタ株式会社」のような表記ゆれを、AIは前後の情報も見ながらまとめられます。ここで威力を発揮するのが法人番号です。各データに法人番号を付与し、それを共通キーにすれば、会社名の書き方に左右されず一意に統合できます。名寄せが甘いと、同じ会社に二重でアプローチしたり、逆に別会社を取り違えたりする事故につながります。

工程4：エンリッチメントで不足情報を補う

名寄せで一意になったら、足りない項目を補います。所在地・業種・従業員規模・代表者・URLといった属性を、公開データと突き合わせて埋める工程です。gBizINFOのように法人番号を軸に財務や補助金・表彰などの政府保有情報を提供しているデータを使えば、番号ひとつを手がかりに情報を厚くできます。ここが充実するほど、次のスコアリングの精度が上がります。

工程5：スコアリングで優先度を付ける

最後に、集めた属性をもとにアプローチの優先度を点数化します。業種・規模との相性、採用や資金調達などの動き（インテント）、過去の受注データとの近さなどを掛け合わせ、確度の高い順に並べます。全社に均等に当たるのではなく、点数の高い上位から攻めることで、限られた営業リソースを成果に直結させられます。点数の設計に踏み込みたい場合は、AI顧客分析で受注確度を見極める手法もあわせて参考にしてください。こうした優先度スコアリングの考え方は営業リストに限らず、AIでタスクの優先順位を付けて業務全体を効率化する方法にも応用できます。

ここまでの5工程を、自社のデータや使っているツールに合わせて一つの仕組みに組み上げるのは、意外と手間がかかります。記事の途中で恐縮ですが、Mihataでは名寄せやスコアリングの仕組みづくりをお手伝いする独自AI開発のサポートも行っています。良いサービスだと思っておりますので、よろしければあわせてご覧いただけたら嬉しいです。

企業リストはどこから集めるか｜4つの入手経路と使い分け

工程2の「データ収集」は、実際にやってみると一番つまずくところです。営業リストの元になる企業データは、大きく4つの経路から集められます。それぞれ、取れる情報・鮮度・注意点がまったく違うので、混ぜる前に性質を押さえておきます。

1. 公的・公開データ（無料／網羅性が高い）

• 国税庁法人番号公表サイト：指定を受けた法人の基本3情報（商号又は名称・本店又は主たる事務所の所在地・法人番号）を公表しています。検索のほか、ダウンロード機能とWeb-API機能が用意されているため、母集団づくりと名寄せの土台を同時に作れます。日本に存在する法人をほぼ網羅している点が最大の強みです。
• gBizINFO：経済産業省が、法人番号を軸に政府が保有する法人情報（財務、補助金の交付、表彰、届出など）を統合して提供しています。法人番号でひもづけられるので、法人番号公表サイトのデータに情報を足していく用途に向きます。
• e-Stat（政府統計の総合窓口）：個社のリストではありませんが、業種別・地域別の事業所数や規模の分布を確認できます。「この条件で母集団は何社あるのか」を事前に見積もる用途に使えます。
• 業界団体・組合の会員名簿、自治体の入札参加資格者名簿、許認可の公表一覧：業種を絞って攻めるときに効きます。ただし公開の目的が営業とは限らないため、掲載元の利用条件を必ず確認してください。

公的データの弱点は、連絡先が入っていないことです。法人番号公表サイトから得られるのは商号・所在地・法人番号までで、電話番号やメールアドレス、担当者名は含まれません。母集団を作るには最適ですが、これ単体では営業リストとして完成しません。

2. 自社データ（最も確度が高い／量は少ない）

名刺、問い合わせフォームの履歴、資料請求、展示会での接点、失注案件、既存顧客——手元にあるこれらは、すでに一度接点があるという点で外部リストより確度が高い資産です。とくに失注案件は、当時の理由が解消されていれば再アプローチの優先度が高くなります。散らばっているのが常なので、まず1か所に集めて法人番号を付けるところから始めると、後工程が楽になります。

3. 外部リストの購入・リスト提供サービス（早い／条件の確認が必須）

企業データベースを提供する事業者からリストを購入したり、SaaS型のサービスで条件抽出したりする方法です。連絡先や従業員規模まで揃った状態で手に入るため、立ち上がりは圧倒的に早くなります。判断の材料として、次を必ず確認してください。

• データの更新頻度：いつ時点の情報か。半年前の部署名で電話をかけると、それだけで信頼を落とします。
• 利用範囲の条件：契約期間中のみ利用可か、自社CRMへの取り込みが認められるか、再利用や再配布の可否。
• 個人情報が含まれるか：担当者名や個人宛のメールアドレスが含まれる場合、取得の経緯を提供元に確認する必要があります（後述）。

4. Webからの収集（自由度が高い／扱いに最も注意が要る）

企業サイトや業界ポータルから情報を集める方法です。公的データにない「サービス内容」「導入している技術」「採用状況」といった、相性を判断する材料が取れるのが利点で、AIとの相性も良い領域です。一方で、各サイトの利用規約でデータの自動収集を禁じている場合があり、規約は必ず個別に確認してください。加えて、短時間に大量のアクセスを送って相手のサーバーに負荷をかけることは避けるべきです。取得先・取得日時をレコードごとに記録しておくと、後から「この情報はどこから来たのか」を追えるようになり、社内の説明もしやすくなります。

実務での組み立て方

おすすめは、公的データで母集団の骨格を作り、自社データを重ねて確度の高い層を浮かび上がらせ、足りない連絡先だけを外部リストやWebから補うという順番です。最初から購入リストに寄せると、自社の既存接点と重複して二重アプローチの事故が起きます。骨格を法人番号で持っておけば、後からどの経路のデータを足しても、同じキーで統合できます。

名寄せの精度を左右する実務ポイント

名寄せは営業リスト作成の心臓部です。精度を上げる第一歩は、法人番号を共通キーに据えることです。国税庁の法人番号は各法人を一意に識別する13桁の番号で、公表されている基本3情報（商号・所在地・法人番号）は誰でも自由に利用でき、ダウンロードやWeb-APIで取得できます。会社名の表記だけで突き合わせるより、番号でひもづけたほうが取り違えが起きにくくなります。

実務では、細かな判断が精度を分けます。旧社名・合併後の名称・屋号と正式名称の対応、本社と支店・事業所の扱い、部署名まで含んだ表記の統一などです。これらは機械的に処理しきれない部分が残るため、AIの提案をベースにしつつ、境界のケースは人がルールを決めて運用するのが現実的です。公的データ側は、経済産業省のgBizINFOのように法人番号を軸に情報を統合したソースを併用すると、突き合わせの手がかりが増えます。

名寄せの自動化ルール｜どこまで機械で寄せ、どこから人が見るか

「名寄せを自動化する」とは、具体的には比較する前に文字列を正規化するルールを決めることです。ここが決まっていないと、AIに投げても判断が揺れます。実務で効くルールを、効果の大きい順に並べます。

1. 文字種の正規化：全角と半角、大文字と小文字、カタカナの全角統一、長音符（ー）とハイフン（-）の統一、スペースの除去。ここだけで重複の相当数が消えます。
2. 法人格の切り出し：「株式会社」「(株)」「㈱」「有限会社」「合同会社」を同じ表記に寄せたうえで、比較時にはいったん取り除きます。法人格が社名の前に付くか後に付くか（前株・後株）で別会社として扱われるのは、名寄せで最も多い取りこぼしです。「株式会社ミハタ」と「ミハタ株式会社」は、法人格を外せば同じ「ミハタ」になります。ただし前株・後株が違う別法人が実在する以上、最終的な同一判定は法人番号か所在地で裏を取ってください。
3. 住所の正規化：「1丁目2番3号」「1-2-3」「一丁目2-3」といった丁目・番地の表記ゆれをそろえます。都道府県の省略、ビル名の有無、階数表記（3F／3階）も揺れます。住所は完全一致で比べるのではなく、丁目までを突合キーにし、番地以下は参考にとどめるのが現実的です。
4. 旧社名・合併後の名称：社名変更や合併があると、同じ法人番号のまま商号だけが変わります。法人番号を持っていれば追随できますが、名前だけで持っていると別会社として増殖します。旧社名は削除せず「別名」として残し、どちらで検索しても引けるようにしておくと、営業現場が混乱しません。
5. 本社・支店・事業所の扱い：支店は法人番号を持たないため、どの単位で1件とするかを先に決めます。全社で1件にするのか、拠点ごとにアプローチするのか。営業のやり方によって正解が変わる部分なので、ここは仕組みではなく方針の問題です。
6. 屋号・ブランド名と正式名称：Webから集めるとブランド名で入ってくることがあります。正式名称との対応表を1枚持っておくと、突合の成功率が上がります。

そのうえで、判定は3段構えにするのが安全です。①法人番号が一致するものは自動で統合する、②番号がなくても正規化後の社名と住所（丁目まで）が一致するものは自動で統合する、③どちらでもない「似ているが確証がない」ものは保留リストに落として人が見る。②と③の境目を機械だけで詰めようとすると、必ずどこかで別法人を同一視します。保留に落ちる件数は全体の数%程度に収まることが多く、そこだけ人が見れば済みます。

この正規化ルールとスコアリングの重み付けは、業種や商材によって最適解が変わります。自社のデータに合わせて仕組みとして組み上げたい場合は、Mihataの独自AI開発（名寄せ・スコアリングの自動化を自社データに合わせて構築）で、ルール設計から運用の定着までご相談いただけます。

AIに任せてよい範囲と、人が確認すべき境界

正直にお伝えすると、営業リスト作成をAIに任せきりにするのは危険です。第一に、企業情報は移転・統廃合・改称で時間とともに古くなります。自動収集した情報も、鮮度が保証されるわけではありません。第二に、名寄せには誤りのリスクがあります。似た社名の別法人を同一視したり、逆に同一法人を別々に扱ったりする取り違えは、アプローチの信頼を損ねます。

もう一つ忘れてはならないのが、法令やマナーへの配慮です。無差別なメール送信や、取得元が不明確なデータの利用には注意が必要で、集めたから使ってよいとは限りません。AIは「集める・そろえる・並べる」までを担い、送る相手と送り方を決める最終判断は人が持つ——この線引きを守ることが、結果的にリストの価値を高めます。リサーチや提案書作成まで含めて営業全体を効率化したい場合は、リサーチや提案書作成までAIで営業を効率化する方法も参考になります。

営業リストで押さえておきたい法令・規約の注意点

ここは断定を避けつつ、正確に押さえておきたい領域です。以下は一般的な整理であり、個別の判断は所管の公的資料や専門家にご確認ください。

法人情報と個人情報の線引き

個人情報保護法でいう「個人情報」は、生存する個人に関する情報であって、氏名などにより特定の個人を識別できるものを指します。ここから整理すると、営業リストの項目は次のように分かれます。

• 法人そのものの情報（商号、所在地、法人番号、代表電話、代表メールアドレス、事業内容）：法人は個人ではないため、これ自体は個人情報に当たりません。
• 個人を識別できる情報（担当者の氏名、役職と氏名の組み合わせ、個人名入りのメールアドレス、直通の携帯番号）：これらは個人情報に当たり得ます。名刺やWeb上に公開されていたとしても、扱いのルールから外れるわけではありません。
• 代表者名：公表されている法人の代表者名も、生存する個人を識別できる以上、個人情報として扱うのが安全側の判断です。

個人情報に当たる項目を含むリストを作る場合、一般には利用目的をあらかじめ特定して公表または通知しておくこと、そして不正な手段で取得しないことが求められます。自社サイトのプライバシーポリシーに「営業活動のためのご連絡」といった利用目的が書かれているか、一度確認しておくとよいでしょう。

第三者からリストを買うとき／渡すとき

個人情報を含むデータを第三者に提供する場合、原則として本人の同意が必要です。例外として、個人情報保護委員会への届出などを行ったうえで、本人の求めに応じて提供を停止するオプトアウトによる第三者提供の枠組みが用意されています。裏を返せば、個人情報を含むリストを購入する側も、提供元が適法に取得・提供しているかを確認する責任があります。提供元に対して「どのように取得したデータか」「オプトアウトの届出をしているか」を聞き、記録を残しておくのが実務上の備えになります。委員会のサイトではオプトアウト届出書を検索できるようになっています。

営業メールを送るとき（特定電子メール法）

広告・宣伝を目的とするメールの送信には、特定電子メール法によるルールがあります。総務省の解説では、広告・宣伝メールの送信は受信者の事前の同意を得たうえで送信する（オプトイン）ことが原則とされています。あわせて、送信者の氏名・名称や連絡先などを本文に表示する義務、受信拒否の通知を受けるためのメールアドレス等を表示する義務も定められています。

実務でよく問題になるのが、購入リストへの一斉送信です。事前の同意が取れていない宛先へ広告メールを送ることは、この原則から外れます。名刺交換で相手からアドレスを通知された場合など、同意が不要とされる例外の定めもありますが、「リストに載っているから送ってよい」とは限らないという前提で運用を組むのが安全です。同意が取れていない相手には、電話や郵送、フォームからの問い合わせといった別の接点を選ぶ、あるいはまず資料請求などで同意を得る導線を用意する、という設計になります。

いずれも、リストの精度を高める話とは別の軸ですが、ここを外すと精度の高いリストほど被害が大きくなります。工程2のデータ収集の段階で「この情報はどこから来て、どこまで使ってよいのか」をレコードに記録しておくことが、結局いちばん確実な備えになります。

リストは「作って終わり」ではない｜次の工程へつなぐ

精度の高いリストができても、アプローチしなければ成果は生まれません。営業リスト作成は上流工程であり、その先には「誰にいつ何を送り、返信の温度感をどう仕分けるか」という後追い（フォロー）の工程が続きます。ここまで一連の流れとして設計して初めて、リストが受注につながります。

後追いの具体的な自動化については、展示会名刺のフォローを自動化する後追いの仕組みが参考になります。また、アプローチの結果として問い合わせが増えてきたら、問い合わせ対応を接客AIで24時間カバーする方法まで含めて、入口から対応までを一気通貫で整えると取りこぼしが減ります。

どの工程から手を付けるべきか迷ったら、いまお持ちのデータを見ながら一緒に整理することもできます。無理な売り込みはいたしませんので、気軽にご相談ください。