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。

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。

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。

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。