ABMでターゲットを絞り、DMUに役割別のコンテンツを届け、適切なタイミングで営業へ渡すところまで整えても、その成果をどう測り、経営にどう証明するかで手が止まってしまう、という方は多いのではないでしょうか。ABMの効果測定は、ターゲット選定から、DMUマッピング、コンテンツ配信、営業ハンドオフへと続く一連の実行フローの、最終フェーズにあたります。実際、ABMプログラムの範囲を明確に定義しないまま計算すると、ROIの試算が20〜30%ずれるとされます。※参考記事はこちら結論から言うと、効果測定がうまくいかない原因は、成果をリード単位で測っていることにあります。本記事では、この設計の考え方をAgentic CRMの枠組みにもとづいて整理します。
そこで本記事では、ABMの効果測定を、リード単位からアカウント単位へと転換し、それをAgentic CRMがどのように自律計算し、証明するのかを、指標の設計や実装ステップまで含めて解説します。なお、ツールの提供条件は変わるため、本記事は2026年9月時点の情報にもとづいています。DMUとは、BtoBの購買でひとつの意思決定に関わる複数の担当者の集まりのことです。
ABMの効果測定でよくある3つの失敗
本記事では、製造業向けのIoT・SaaSソリューションを提供する中堅BtoB企業（従業員約350名・CRMとMAを導入済み・ABMを実施中）が、ABMの効果測定の設計に取り組んだケースを例に、解説を進めます。ABMを実行しても、なぜ効果を証明できないのでしょうか。そこでここでは、ABMの効果測定でよくある3つの失敗を整理します。
ABMの効果測定が機能しないのは、リード単位で測ってABMの効果が見えず、非対象と比較せず効果を判断できず、投資コストを集計できずROIが成立しないからです。
失敗①リード数・MQL数で測定してABMとしての効果が見えなくなる
1つ目の失敗は、リード数やMQL数で測定してしまい、ABMとしての効果が見えなくなることです。なぜ問題かというと、ABMは特定のアカウントに集中する手法なのに、リード単位の指標では、狙ったアカウントで何が起きたのかを捉えられないからです。
リード数が増えても、それが狙ったアカウントのものかはわかりません。ABMの狙いは、母数を増やすことではありません。特定のアカウントとの関係を深めて受注につなげることです。リード単位の指標は、この狙いとかみ合いません。
たとえば、このIoT企業では、これまでリード数とMQL数で成果を報告していましたが、ターゲットアカウントで検討が進んでいるかは、その数字からは読み取れませんでした。ABMの効果が、指標の陰に隠れていたのです。
このように、リード単位の指標でABMの効果が見えなくなることが、最初の失敗になります。
失敗②ABM対象アカウントと非対象アカウントを比較せず効果が判断できない
2つ目の失敗は、ABM対象アカウントと非対象アカウントを比較せず、効果があったのかを判断できないことです。なぜなら、ABMをやった結果が良かったのかは、やらなかった場合と比べて初めて言えるからです。
対象アカウントの受注率が上がっても、それがABMのおかげなのか、市況など別の要因なのかは、比較する相手がなければわかりません。ABMを実施しなかったアカウントを比較対象に置くことで、その差がABMの効果として見えてきます。比較の指標をどう置くかはKPI設計の記事でも扱っています。
たとえば、このIoT企業では、ABM対象のアカウントだけを見て成果を語っていましたが、非対象と比べていなかったため、その成果がABMによるものだと示せませんでした。効果を証明する前提が、欠けていたのです。
このように、非対象アカウントと比較せず効果を判断できないことが、2つ目の失敗になります。
失敗③アカウントへの投資コストを集計できずROI計算が成立しない
3つ目の失敗は、アカウントへの投資コストを集計できず、ROIの計算が成立しないことです。なぜなら、ROIは受注額と投資額の両方がそろって初めて計算できるのに、投資額の側が把握できていないからです。
受注額は記録されていても、そのアカウントに広告費やコンテンツ制作費、営業の工数をどれだけ投じたかは、集計されていないことが多くあります。投資額が見えなければ、投資対効果は算出できません。ROIを示せないと、経営に投資の妥当性を説明できません。
たとえば、このIoT企業では、受注の金額はわかっても、そのアカウントにかけたコストがどこにも集計されておらず、ROIを計算できませんでした。投資額の欠落が、証明を止めていたのです。
このように、投資コストを集計できずROI計算が成立しないことが、3つ目の失敗になります。
リード単位で足りる？アカウント単位の測定設計
3つの失敗に共通するのは、測定の単位がリードのままで、アカウント単位の投資対効果を捉えられていないという点。ここを変えるのが、Agentic CRMです。Agentic CRMとは、AIエージェントがCRM上で自律的に判断・行動する仕組みのことです。そこでここでは、リード単位からアカウント単位へ転換する測定設計を、3つの仕組みで解説します。
Agentic CRMは、全タッチポイントのアカウント紐付け・投資コストのアカウント集約・ROIの自律算出という3つの仕組みで、測定をアカウント単位へ転換します。
下の表で、リード単位とアカウント単位の測定の違いを整理します。
| 観点 | リード単位（従来） | アカウント単位（Agentic CRM） |
|---|---|---|
| 測定の対象 | 個々のリードのMQL数など | アカウント全体のエンゲージメントと収益 |
| コストの集計 | 集計されない | 広告費・制作費・営業工数を集約する |
| 効果の判断 | 単独で見る | ABM対象と非対象を比較する |
| ROI | 計算できない | 受注額から投資額を引いて自律算出する |
仕組み①全タッチポイントをアカウントに自動紐付けしてエンゲージメントを集計する
1つ目の仕組みは、全タッチポイントをアカウントに自動で紐付け、エンゲージメントをアカウント単位で集計することです。なぜこれが起点かというと、アカウント単位で成果を測るには、そのアカウントに属する全メンバーの接触を、一つにまとめる必要があるからです。
あらゆる接点について、それがどのアカウントの誰の動きかを判定し、アカウントに紐付けます。
紐付ける接点 ①Webの閲覧・・・どのページを見たか ②メールへの反応・・・開封と本文中の遷移 ③イベントへの参加・・・出席と当日の行動 ④営業との商談・・・面談と提出物 DMUの各メンバーの動きが、アカウントのエンゲージメントとして集約されます。リードごとにばらばらだった接点が、アカウント単位でまとまります。
たとえば、このIoT企業では、これまで担当者ごとに散らばっていた接触履歴を、アカウントに自動で紐付けるようにしました。あるアカウントで、誰がどれだけ関わっているかが、一目で見えるようになったのです。
このように、全タッチポイントのアカウント紐付けが、最初の仕組みになります。
仕組み②広告費・コンテンツ制作費・営業工数をアカウント単位でCRMに集約する
2つ目の仕組みは、広告費・コンテンツ制作費・営業工数を、アカウント単位でCRMに集約することです。なぜ必要かというと、ROIの分母となる投資額を、アカウントごとに把握しなければ、投資対効果を計算できないからです。
そのアカウントに向けた広告にいくらかけたか、制作したコンテンツの費用をどう按分するか、営業が何時間を費やしたか。これらのコストをアカウント単位でCRMに記録すると、これまで見えなかった投資額がアカウントごとに集計されるようになるのです。部門をまたいでコストと収益を集める考え方はRevOpsの記事で扱っています。
たとえば、このIoT企業では、アカウントごとに広告費や営業の工数を記録するようにしました。受注額だけでなく、そのアカウントにかけた投資額も、CRM上で把握できるようになったのです。
このように、投資コストのアカウント単位での集約が、2つ目の仕組みになります。
仕組み③投資コストと受注収益をアカウント単位でリアルタイム計算してROIを自律算出する
3つ目の仕組みは、投資コストと受注収益をアカウント単位でリアルタイムに計算し、ROIを自律的に算出することです。なぜ自律算出が効くかというと、集めたデータを人が手作業で集計していては、ROIの把握が遅れ、判断に間に合わないからです。
アカウントレベルのROIは、「（受注額－投資額）÷投資額」で計算します。集約した投資額と受注額をもとに、AIがこの計算をアカウントごとに自動で行い、常に最新のROIを保つ形です。人が電卓をたたく手間なく、どのアカウントが投資に見合っているかが見えます。
たとえば、このIoT企業では、アカウントごとの投資額と受注額から、AIがROIを自動で計算するようにしました。これまで四半期ごとに手集計していたROIが、常に最新の状態で把握できるようになったのです。
このように、アカウント単位のROIの自律算出が、3つ目の仕組みになります。
ABMで追うべき4つのフェーズ別指標
アカウント単位への転換ができたら、次に何を指標として追うかが問われます。ABMの成果は、フェーズによって見るべき指標が変わるもの。そこでここでは、ABMで追うべき指標を、4つのフェーズに分けて整理します。
ABMの指標は、エンゲージメント期の到達率、パイプライン期の商談化転換率、商談期の対象と非対象の受注率差、ROI期のアカウントレベルROIという4段階で追います。
フェーズ①エンゲージメント期：ターゲットアカウントのコンテンツ到達率で測る
エンゲージメント期は、ターゲットアカウントへのコンテンツ到達率で測ります。なぜこの指標かというと、最初の段階で確かめるべきは、狙ったアカウントに情報が届いているかどうかだからです。
ターゲットアカウントのうち、想定したコンテンツが届いた割合を見ます。到達率が低ければ、そもそも接点づくりの段階でつまずいているということです。まずは、狙った相手に届いている状態をつくることが、後の成果の前提になります。
たとえば、このIoT企業では、まずターゲットアカウントへのコンテンツ到達率を追い、接点が広がっているアカウントとそうでないアカウントを見分けました。届いていないアカウントへの打ち手を、早めに考えられるようになったのです。
このように、エンゲージメント期はコンテンツ到達率で測ります。
フェーズ②パイプライン期：エンゲージメントから商談化までの転換率で測る
パイプライン期は、エンゲージメントから商談化までの転換率で測ります。なぜなら、この段階では、接点を持ったアカウントが、実際に商談へ進んでいるかが問われるからです。
エンゲージメントの高まったアカウントのうち、どれだけが商談化に至ったかを見ます。目安として、100のアカウントのうち15ほどが商談化する、15%前後が一つの水準になります。この転換率が低ければ、エンゲージメントを商談へつなげる設計に課題があります。転換率が落ちる箇所の見つけ方はパイプラインの停滞の記事でも扱っています。
たとえば、このIoT企業では、エンゲージメントから商談化への転換率を追い、15%を目安に自社の水準を確認しました。接点を商談につなげられているかを、転換率で見たのです。
このように、パイプライン期は商談化への転換率で測ります。
フェーズ③商談期：ABM対象アカウントと非対象アカウントの受注率差で測る
商談期は、ABM対象アカウントと非対象アカウントの、受注率の差で測ります。なぜ差で見るかというと、ABMの効果は、実施したアカウントと実施しなかったアカウントを比べて初めて、切り分けられるからです。
ABMをやった結果として受注率が上がっても、それがABMによるものか別の要因かは、比較対象がなければ判断できません。ABMを実施しない非対象のアカウントをコントロール群として置き、両者の受注率の差を見ることで、ABMによる効果が浮かび上がります。
たとえば、このIoT企業では、ABM対象と非対象のアカウントの受注率を並べて比較しました。両者の差を見ることで、ABMがどれだけ受注に寄与したかを、根拠をもって示せるようになったのです。
このように、商談期は対象と非対象の受注率差で測ります。
フェーズ④ROI期：アカウントレベルROI（受注額－投資額）÷投資額で測る
ROI期は、アカウントレベルのROIで測ります。アカウントレベルのROIは、「（受注額－投資額）÷投資額」で計算します。なぜこの式かというと、そのアカウントから得た収益が、かけた投資に対してどれだけの効果を生んだかを、一つの数値で表せるからです。
受注額から投資額を差し引いた利益を、投資額で割ることで、投資対効果が比率として出ます。この数値があれば、どのアカウントが投資に見合ったかを判断できます。参考として、上位のABMプログラムのROIは7対1、平均的なプログラムでは3対1とされます（TOPO 2024）。
たとえば、このIoT企業では、アカウントごとにこの計算式でROIを算出しました。投資に見合ったアカウントと、そうでないアカウントを見分けられるようになったのです。次にどこへ投資を集中すべきかが、数値で見えるようになったのです。
このように、ROI期はアカウントレベルROIで測ります。
場面3選｜ABMのROI証明が自律化するとき
指標が定まったら、それをAgentic CRMがどのように自律的に証明するのかが見えてきます。Agentic CRMは、集めたデータからROIを自動でまとめ、経営へ示します。そこでここでは、ABMのROI証明を自律化する場面を、3つ紹介します。
Agentic CRMは、ROIのリアルタイム自動更新・対象と非対象のパイプライン速度の自動比較・経営向けROIレポートの定期自動生成という3つの場面で、ROI証明を自律化します。
場面①アカウントの全タッチポイントをAIがリアルタイムで集計してROIを自動更新する
1つ目の場面は、アカウントの全タッチポイントをAIがリアルタイムで集計し、ROIを自動で更新することです。なぜ効くかというと、接点や投資が発生するたびにROIが更新されれば、常に最新の投資対効果をもとに判断できるからです。
新しい接触から追加の投資、受注の発生までを、AIがその都度アカウントに反映し、ROIを再計算します。四半期末にまとめて集計する必要がなくなり、いつでも現在のROIを確認できます。判断が、古い数字に縛られなくなります。
たとえば、このIoT企業では、アカウントの接点や投資が発生するたびに、AIがROIを自動更新するようにしました。四半期を待たずに、今どのアカウントが投資に見合っているかを把握できるようになったのです。
このように、ROIのリアルタイム自動更新が、最初の場面になります。
場面②ABM対象と非対象のパイプライン速度をAIが自動比較して効果差分を算出する
2つ目の場面は、ABM対象と非対象のパイプライン速度をAIが自動で比較し、効果の差分を算出することです。なぜ役立つかというと、受注率だけでなく、商談が進む速さの違いも、ABMの効果として示せるからです。
対象アカウントと非対象アカウントで、商談が生まれてから受注に至るまでの速さを比べます。ABMを実施したアカウントのほうが速く進んでいれば、それも効果の証拠になります。人を介さずに比較が回る考え方はエージェンティックAIの記事で扱っています。あわせて、アプローチの深さによる勝率の違いも参考になります。汎用的なABMの勝率が10〜15%、業界別に絞ると20〜30%、アカウントに特化すると35〜50%という水準も示されています（2026年5月更新の記事）。※参考記事はこちら
たとえば、このIoT企業では、対象と非対象のパイプライン速度をAIが比較し、対象アカウントのほうが商談の進みが速いことを確認しました。受注率に加えて、速さの差も効果として示せるようになったのです。
このように、パイプライン速度の自動比較による効果差分の算出が、2つ目の場面になります。
場面③CFO向けROIレポートをAIが定期自動生成して経営への証明コストをゼロにする
3つ目の場面は、経営やCFO向けのROIレポートを、AIが定期的に自動生成し、経営への証明にかかる手間をなくすことです。なぜ重要かというと、ROIを示せても、報告資料を毎回手作業で作っていては、証明のたびに大きな工数がかかるからです。
アカウント単位のROIから対象と非対象の比較、投資額の内訳までを、AIが経営向けの形にまとめ、定期的に配信します。マーケティングの担当者が、四半期ごとにレポートを作り込む必要がなくなります。証明のコストが、仕組みによって下がります。
たとえば、このIoT企業では、経営会議向けのROIレポートを、AIが毎月自動で生成するようにしました。これまでレポート作成に費やしていた時間が、ほぼゼロになったのです。予算確保の議論も、最新の数値をもとに進められるようになりました。
このように、経営向けROIレポートの定期自動生成が、3つ目の場面になります。以上が、Agentic CRMがABMのROI証明を自律化する3つの場面でした。
なぜ証明できない？ABMのROI設計の失敗3選
自律化の場面を見てきましたが、設計を誤るとROIの証明が歪みます。ここには、陥りやすい失敗があります。そこでここでは、ABMのROI証明設計で陥りやすい失敗を、3つ整理します。
失敗の多くは、プログラムの範囲を定義せず計算がずれる、ラストタッチだけで貢献が消える、コストを除外してROIを過大評価する、という3つに集約されます。
失敗①ABMプログラムの範囲を定義せずROIを計算して20〜30%ズレる
1つ目の失敗は、ABMプログラムの範囲を定義しないままROIを計算し、数値が大きくずれることです。なぜ起きるかというと、どのアカウント・どのチャネル・どの期間を対象に含めるかが曖昧だと、受注額も投資額も範囲によって変わってしまうからです。
範囲が定まっていなければ、都合よく解釈された数字が混ざります。実際、プログラムの範囲を明確に定義しないままだと、ROIの試算が20〜30%ずれるとされます。※参考記事はこちら証明の前に、まず何を測るのかの範囲を固める必要があります。
たとえば、このIoT企業では、当初はどのアカウントまでをABMの成果に含めるかが曖昧で、ROIの数字が集計のたびに変わっていました。範囲を明文化するまで、証明が安定しなかったのです。
このように、プログラムの範囲を定義せず計算がずれることが、最初の失敗になります。
失敗②ラストタッチアトリビューションだけで測定してコンテンツ・イベントの貢献が消える
2つ目の失敗は、ラストタッチのアトリビューションだけで測定し、途中のコンテンツやイベントの貢献が見えなくなることです。なぜ問題かというと、最後の接点だけを成果の要因とみなすと、そこに至るまでの働きかけが、すべて評価から抜け落ちるからです。
ABMでは、複数の接点を積み重ねてアカウントの検討を進めます。最後に商談化したきっかけだけを見ると、それまでのコンテンツやイベントの貢献が消えます。途中の接点も含めて評価しなければ、どの施策が効いたのかを正しく判断できません。買い手の検討が接点の積み重ねで進むことは購買体験の記事で扱っています。
たとえば、このIoT企業では、最後の接点だけで成果を測っていたため、検討を後押ししたウェビナーや資料の貢献が見えていませんでした。効いていた施策が、評価の外に置かれていたのです。
このように、ラストタッチだけで途中の貢献が消えることが、2つ目の失敗になります。
失敗③受注金額だけ見てコストを除外してROIを過大評価する
3つ目の失敗は、受注金額だけを見て、コストを除外してROIを過大評価することです。なぜ危ういかというと、投資額を差し引かずに成果を語ると、実際よりも高い効果に見えてしまうからです。
受注額が大きくても、そのアカウントに多額の広告費やコンテンツ制作費、営業の工数をかけていれば、投資対効果は思ったほど高くありません。広告費・コンテンツ・営業工数といったコストを含めずにROIを示すと、経営の判断を誤らせます。コストを差し引いて初めて、正しいROIになります。
たとえば、このIoT企業では、当初は受注額だけを成果として報告しかけましたが、コストを含めると投資対効果が下がるアカウントもあることに気づきました。コストの除外が、判断を歪めかねなかったのです。
このように、コストを除外してROIを過大評価することが、3つ目の失敗になります。
ABMの効果測定にAgentic CRMが機能する企業の条件
失敗パターンを踏まえると、Agentic CRMによる効果測定が機能する企業の条件が見えてきます。まずは、機能する企業の特徴を整理しましょう。そこでここでは、機能する企業の特徴を、3つ挙げます。
機能するのは、アカウントごとの接触履歴と営業活動がCRMに記録され、対象リストとアカウントレコードが一致し、マーケ・営業・経営が共通の指標で合意している企業です。
特徴①CRMにアカウントごとの接触履歴・コンテンツ閲覧・営業活動が記録されている
1つ目の特徴は、CRMにアカウントごとの接触履歴・コンテンツ閲覧・営業活動が記録されていることです。なぜなら、アカウント単位のROIは、そのアカウントに関わる全データの上に成り立つからです。
誰がどのコンテンツを見て、営業がどう動いたかがCRMに記録されていれば、AIはそれを集計してROIを計算できます。記録が欠けていれば、集計する対象がありません。データが整っている企業は、測定の前提がすでに整っています。
たとえば、このIoT企業も、アカウントごとに接触履歴や営業活動を記録できていました。データがそろっていたからこそ、アカウント単位のROI計算に進めたのです。
このように、アカウントごとのデータが記録されていることが、機能する最初の特徴になります。
特徴②ABM対象アカウントリストとCRMのアカウントレコードが一致している
2つ目の特徴は、ABMの対象アカウントリストと、CRMのアカウントレコードが一致していることです。なぜ必要かというと、どのアカウントがABMの対象かをCRM上で判別できなければ、対象と非対象を切り分けて測れないからです。
営業やマーケが持つ対象リストと、CRMのアカウントが名寄せされ、ひもづいている状態が前提になります。両者が一致していれば、対象アカウントの成果と、非対象の成果を、CRM上で比較できます。リストとレコードのずれは、測定の精度を下げます。
たとえば、このIoT企業では、ABMの対象リストとCRMのアカウントを突き合わせ、一致させました。対象と非対象を、CRM上で正確に切り分けられるようになったのです。
このように、対象リストとアカウントレコードが一致していることが、2つ目の特徴になります。
特徴③マーケ・営業・経営が共通の測定指標で合意している
3つ目の特徴は、マーケティング・営業・経営が、共通の測定指標で合意していることです。なぜなら、ROI証明は最終的に経営へ示すものであり、何をもって成果とするかの認識がそろっていなければ、証明が受け入れられないからです。
マーケが見る指標と、経営が納得する指標がずれていては、いくらROIを出しても議論がかみ合いません。アカウント単位のROIやパイプラインの指標を、三者が共通の物差しとして合意している企業は、証明が意思決定につながります。指標の合意が、証明を活かす前提になります。ツール設定ではなく業務設計から入ってほしい場合は、この合意づくりから入れる相手かどうかを見ます。アカウントごとに扱いを変える設計は個別化の記事で扱っています。
たとえば、このIoT企業では、マーケ・営業・経営が、アカウントレベルのROIを共通の指標として合意しました。同じ物差しで話せることが、予算の議論を前に進めたのです。
このように、三者が共通の測定指標で合意していることが、3つ目の特徴になります。
ABMの効果測定を急がなくてよい企業の特徴
一方で、今の段階では急ぐべきでない企業もあります。前提が整わないまま測定を始めても、ROIの数字は信頼できません。そこでここでは、急ぐべきでない企業の特徴を、3つ挙げます。
接触履歴が不完全、対象アカウントが10社未満でデータ量が少ない、営業が工数を記録していない企業は、まず前提を整えることが先になります。
特徴①CRMのデータ入力が習慣化されておらず接触履歴が不完全なまま残っている
1つ目の特徴は、CRMのデータ入力が習慣化されておらず、接触履歴が不完全なまま残っていることです。なぜ急ぐべきでないかというと、集計の材料となる接触データが欠けていれば、アカウント単位のROIも不正確になるからです。
営業活動や接点の記録が一部の担当者に限られていたり、抜けが多かったりすると、アカウントの全体像を集計できません。まずはCRMへの入力を習慣づけ、接触履歴を埋めることが先になります。データが欠けたままの測定は、誤った結論を招きます。
たとえば、接触履歴に抜けの多い企業では、集計しても実態を映せません。この段階では、ROI測定よりも、データ入力の定着が優先です。
このように、接触履歴が不完全なまま残っていることが、急ぐべきでない最初の特徴になります。
特徴②ABM対象アカウントが10社未満でROI計算に使えるデータ量が少ない
2つ目の特徴は、ABMの対象アカウントが10社に満たず、ROI計算に使えるデータ量が少ないことです。なぜなら、対象と非対象を比較して効果を測るには、一定数のアカウントがなければ、差が偶然なのか実力なのかを判断できないからです。
対象アカウントがごく少数では、一社の結果に全体が振り回され、傾向として読み取れません。比較に足るだけのアカウント数がそろって初めて、ROIや受注率の差が意味を持ちます。まずは対象アカウントの数を増やすことが先になります。定着まで伴走してほしい場合は、この段階から一緒に組み立てられる相手かどうかを見ます。
たとえば、対象が数社しかない企業では、ROIを計算しても、その数字が実力を映しているとは言い切れません。データ量が積み上がるまでは、慎重に見る必要があります。
このように、対象アカウントが少なくデータ量が足りないことが、2つ目の特徴になります。
特徴③営業が工数を記録していなくてアカウントレベルのROI計算ができない
3つ目の特徴は、営業が工数を記録しておらず、アカウントレベルのROI計算ができないことです。なぜなら、投資額には営業の工数も含まれ、それが記録されていなければ、投資額の全体を把握できないからです。
広告費やコンテンツ費は集計できても、営業がどのアカウントにどれだけ時間をかけたかが記録されていなければ、投資額の一部が抜け落ちます。ROIの分母が不完全になり、正しい投資対効果を出せません。まずは営業工数を記録する運用を整えることが先になります。
たとえば、営業の工数がどこにも残っていない企業では、投資額を正確に積み上げられません。この段階では、工数の記録を運用に組み込むことが優先です。
このように、営業工数が記録されずROI計算ができないことが、3つ目の特徴になります。
どこから始める？ABMの効果測定を設計する5ステップ
機能する条件を満たしているなら、いよいよ実装です。ABMの効果測定の設計は、プログラム範囲の明文化から、フィールドの設計、コントロール群の設定、アトリビューション、レポートの自動生成まで、順を追って構築します。そこでここでは、実装する5つのステップを解説します。
実装は、プログラム範囲の明文化・投資と接触のフィールド追加・コントロール群の設定・アトリビューションルールの実装・ROIレポートの自動生成という5ステップで進みます。
ステップ①ABMプログラムの範囲（対象アカウントTier・チャネル・測定期間）を明文化する
1つ目のステップは、ABMプログラムの範囲を明文化することです。なぜ最初かというと、範囲が曖昧なままでは、後のすべての集計が揺らいでしまうからです。
具体的には、対象とするアカウントのTier（Tier1・Tier2・Tier3など優先度の区分）、成果に含めるチャネル、測定の対象期間を、ドキュメントとして明記します。どのアカウントまでをABMの成果とみなし、どの期間で区切るのかを定義することで、受注額も投資額も同じ土俵で集計できます。
たとえば、このIoT企業では、最優先のTier1のアカウントを対象に、四半期を測定期間として範囲を明文化しました。集計のたびに数字が変わる状態から、抜け出せたのです。小さく始めたい場合は、この範囲の明文化までを最初の対象にします。
このように、プログラム範囲の明文化が、実装の最初のステップになります。
ステップ②CRMのアカウントオブジェクトに投資コスト・接触回数・パイプライン額フィールドを追加する
2つ目のステップは、CRMのアカウントオブジェクトに、投資コスト・接触回数・パイプライン額のフィールドを追加することです。なぜ必要かというと、ROIの計算に使うデータを、アカウント単位で記録する箱を用意する必要があるからです。
具体的には、アカウントに、広告費・制作費・営業工数の内訳を持つ数値型の「投資コスト」、接点の数を集計するロールアップ型の「接触回数」、進行中の商談額を持つ「パイプライン額」、そして対象か非対象かを示す「ABM対象フラグ」を設けます。これらが、ROI計算と比較の材料になります。
たとえば、このIoT企業では、アカウントにこれらの項目を設け、投資額と接点がアカウント単位で集計される形を整えました。ROIを計算するデータの入れ物を、用意したのです。
このように、投資と接触のフィールド追加が、2つ目のステップになります。
ステップ③ABM対象アカウントとコントロール群（非対象アカウント）をCRMで設定する
3つ目のステップは、ABMの対象アカウントと、コントロール群となる非対象アカウントを、CRMで設定することです。なぜコントロール群を置くかというと、ABMの効果は、実施したアカウントと実施しなかったアカウントを比べて初めて、切り分けられるからです。
具体的には、ABM対象フラグで対象を明示し、業種や企業規模が対象と近い非対象のアカウントを、コントロール群として選びます。似た属性のアカウントを比較対象に置くことで、両者の差をABMの効果として読み取れます。市況などの外部要因の影響を、比較によって差し引けます。
たとえば、このIoT企業では、対象アカウントと属性の近い非対象アカウントをコントロール群に設定しました。両者を比べる準備が、CRM上に整ったのです。
このように、対象とコントロール群の設定が、3つ目のステップになります。
ステップ④全タッチポイントをアカウントに自動紐付けするアトリビューションルールをCRMで実装する
4つ目のステップは、全タッチポイントをアカウントに自動で紐付ける、アトリビューションのルールをCRMで実装することです。なぜルールを組むかというと、どの接点をどのアカウントの貢献とみなすかを定義して初めて、成果を正しく配分できるからです。
具体的には、リードやコンタクトのアクティビティを、所属するアカウントへ集約するロールアップを組みます。あわせて、最後の接点だけでなく、途中のコンテンツやイベントにも貢献を配分するマルチタッチのアトリビューションルールを設定します。これにより、ラストタッチでは消えていた接点の貢献も、評価に反映されます。
たとえば、このIoT企業では、途中のウェビナーや資料の接点にも貢献を配分するルールを実装しました。最後の接点だけでなく、検討を後押しした施策も評価できるようになったのです。
このように、アトリビューションルールの実装が、4つ目のステップになります。
ステップ⑤ROIレポートの自動生成スケジュールと配信先をCRMで設定する
5つ目のステップは、ROIレポートの自動生成のスケジュールと配信先を、CRMで設定することです。なぜ最後に組むかというと、算出したROIを、経営へ定期的に届く形にして初めて、証明が仕組みとして回るからです。
具体的には、「（受注額－投資額）÷投資額」でアカウントROIを算出するレポートを用意し、月次や四半期といった生成のスケジュールと、経営や関係部門への配信先を設定します。対象と非対象の比較や投資額の内訳も、レポートに含めます。手作業の集計なしに、証明が定期的に届くようになります。
たとえば、このIoT企業では、アカウントROIと対象・非対象の比較をまとめたレポートを、月次で自動生成し経営へ配信する設定にしました。証明が、運用のなかで自動で回るようになったのです。自社で構築するので設計レビュー・アドバイザリーだけ頼みたい場合も、レポートの構成は外部の目を入れる価値があります。
このように、ROIレポートの自動生成の設定が、5つ目のステップになります。以上が、Agentic CRMでABMの効果測定を設計する5つのステップでした。
ABMの効果測定で追うフェーズ別KPI
実装できたら、次はその成果をどう測るかです。効果測定の取り組み自体も、段階によって見るべき指標が変わります。そこでここでは、フェーズ別のKPIを3段階で整理します。
KPIは、測定精度期はタッチポイントのアカウント紐付け率、改善判断期はパイプライン転換率、ROI証明期はアカウントレベルROIで測ります。
フェーズ①測定精度期：全タッチポイントのアカウント紐付け率で測る
測定精度期は、全タッチポイントのアカウント紐付け率で測ります。なぜなら、この段階で確かめるべきは、接点がアカウントに正しく集約されているかという、測定の前提となる精度だからです。
発生した接点のうち、アカウントに紐付いた割合を見ます。紐付け率が低ければ、集計から漏れる接点が多く、ROIの精度も上がりません。まずは、接点が漏れなくアカウントに集約される状態をつくることが、正確な測定の前提になります。
たとえば、このIoT企業では、まずタッチポイントのアカウント紐付け率を追い、漏れている接点を洗い出しました。測定の精度を、最初の指標に置いたのです。
このように、測定精度期はタッチポイントの紐付け率で測ります。
フェーズ②改善判断期：ABM対象アカウントのパイプライン転換率で測る
改善判断期は、ABM対象アカウントのパイプライン転換率で測ります。なぜなら、この段階では、接点を持ったアカウントが商談へ進んでいるかを見て、施策を改善する判断につなげるからです。
対象アカウントのうち、どれだけが商談化へ転換したかを見ます。目安として、100のアカウントのうち15ほど、15%前後が一つの水準になります。この転換率が低いアカウント群を見つければ、どこを改善すべきかが見えてきます。
たとえば、このIoT企業では、対象アカウントのパイプライン転換率を追い、15%を下回る層への打ち手を検討しました。数字が、改善の判断材料になったのです。
このように、改善判断期はパイプライン転換率で測ります。
フェーズ③ROI証明期：アカウントレベルROIで測る
ROI証明期は、アカウントレベルのROIで測ります。なぜなら、最終的に問われるのは、投じた投資がどれだけの効果を生んだかという、投資対効果だからです。
アカウントごとのROIと、その平均を見ます。参考として、上位のABMプログラムのROIは7対1、平均的なプログラムでは3対1とされます（TOPO 2024）。自社の数値をこの水準と照らせば、投資対効果の位置づけがつかめます。
たとえば、このIoT企業では、実装からおよそ半年で、ターゲットアカウントの平均ROIが3対1の水準に達し、経営会議向けのレポート作成にかけていた工数もほぼゼロになりました。「マーケ投資の効果を経営に説明できず、予算の確保に苦労していた」という当初の課題が、数値で示せる状態へと変わったのです。フェーズ別のKPIを体系的に設計したい場合は、BtoBマーケティングのKPI設計の記事で扱っています。
このように、ROI証明期はアカウントレベルROIで測ります。
Agentic CRMを使ったABM効果測定設計の費用感
成果の測り方まで押さえたら、費用の全体像も確認しておきましょう。費用は、大きく3つの要素に分かれます。そこでここでは、費用感を3つの観点から整理します。
費用は、CRMのアトリビューション・レポーティング機能のライセンス・測定設計とデータ統合の外部支援・ROIレポートの継続運用という3つの要素で考えます。
費用①CRMのアトリビューション・レポーティング機能のライセンス費用の目安
1つ目は、CRMのアトリビューション・レポーティング機能のライセンス費用です。これは、契約するエディションや利用規模によって変わります。なぜなら、アカウント単位の集計や高度なレポーティングを利用できるエディションによって、前提となる契約が変わるからです。
すでにCRMを使っている企業であれば、既存の契約に、アトリビューションやレポーティングの機能を利用する費用を見込む形になります。まず自社の契約がその機能に対応しているかを確認し、そのうえで見積もりを取ります。
たとえば、このIoT企業では、契約中のCRMでアカウント単位の集計とレポーティングが使えるかを確認し、必要なライセンスを追加する前提で費用を見積もりました。既存の契約を起点に試算したのです。
このように、ライセンス費用は自社の契約状況をもとに見積もります。
費用②測定設計・データ統合にかかる外部支援費用の目安
2つ目は、測定設計とデータ統合にかかる外部支援の費用です。これは、プログラム範囲の設計やアトリビューションの実装、データ統合のどこを外部に任せるかで変わります。なぜなら、実装の範囲と自社の体制によって、必要な工数が変わるからです。
フィールド設計やレポート設定を自社で担えれば、外部支援は限られた範囲で済みます。アトリビューションルールの設計や、複数システムにまたがるデータ統合といった専門性の高い部分だけを支援に任せる、という切り分けも有効です。
たとえば、このIoT企業では、アトリビューションの設計とデータ統合の部分に絞って外部支援を受け、運用は自社で担いました。支援の範囲を絞ることで、費用を抑えたのです。
ソリューション営業に特化した支援がほしい場合は、商談の進み方を踏まえて範囲を切れる相手かどうかを見ます。当社のAgentic CRM設計支援では無料相談も受け付けています。詳しくはAgentic CRM設計支援をご覧ください。
このように、設計・統合の費用は任せる範囲を絞ることで調整できます。
費用③継続的なROIレポート運用コストの目安
3つ目は、ROIレポートの継続的な運用にかかるコストです。これは、レポートの内容を見直したり、指標を更新したりする作業を、どの頻度で誰が担うかによって変わります。なぜ継続的にかかるかというと、測定は一度設計しただけでは終わらず、事業の変化に合わせて更新し続ける必要があるからです。
対象アカウントの入れ替えや、投資の内訳の変化に合わせて、レポートの設定を見直す作業には人の工数がかかります。自社のマーケティングや経営企画の担当が担うのか、外部に委託するのかで、費用の形が変わります。運用のコストも、あらかじめ見込んでおく必要があります。
たとえば、このIoT企業では、ROIレポートの見直しを自社のマーケティング担当が担う体制にし、継続的な運用コストを人の工数として見込みました。運用の負担を、あらかじめ計画に織り込んだのです。
このように、レポート運用のコストは体制に応じて見込みます。
【一問一答】ABMにAgentic CRMを活用した効果測定でよくある質問
最後に、ABMにAgentic CRMを活用した効果測定について、検索されやすい疑問に簡潔にお答えします。導入検討で気になる点から順に整理します。
アカウントレベルのROIは、全接点をアカウントに紐付け、投資額を集計して初めて計算でき、対象と非対象の比較で効果を証明します。
質問①ABMのROIはどのくらいの期間で計算できるようになるか
データの紐付けとプログラム範囲の定義が済めば、計算はすぐに始められます。ただし、対象と非対象を比較して意味のある差が見えてくるには、商談が積み上がる数か月から四半期ほどの期間が必要です。この記事で例に挙げたIoT企業では、実装からおよそ半年で、ターゲットアカウントの平均ROIが3対1の水準に達しました。まずは測定の仕組みを整え、データがたまるにつれて精度を高めてください。
質問②ABM対象アカウントが少ない場合の測定方法はどうするか
対象が10社に満たないような場合は、対象と非対象の統計的な比較は難しくなります。この記事でも、対象が10社未満の企業を「急ぐべきでない特徴」の2つ目に挙げています。その段階では、アカウントごとの個別のROIと、検討がどこまで進んだかという定性的な変化を併せて見てください。対象アカウントを増やしながら、比較に足るデータ量を積み上げていきます。
質問③アトリビューションモデルはどれを使えばいいか
最後の接点だけを評価するラストタッチは避けるのが基本です。途中のコンテンツやイベントの貢献も配分する、マルチタッチのモデルが向いています。このIoT企業も、途中のウェビナーや資料の接点に貢献を配分するルールを実装しました。ただし、厳密なモデル選びに時間をかけるより、まず全接点をアカウントに漏れなく紐付けることが先です。紐付け率は、この記事の測定精度期のKPIにあたります。
質問④営業工数をABMのコストに含める方法はあるか
CRMの活動記録から、そのアカウントに費やした時間を集計する方法があります。このIoT企業も、エンゲージメントから商談化への転換率15%を目安に自社の水準を確認しており、分母となる工数を同じ精度でそろえる必要がありました。厳密な記録が難しい場合は、商談のステージごとの平均工数を使って按分する簡易な方法もあります。この記事では、営業が工数を記録していない企業を「急ぐべきでない特徴」の3つ目に挙げています。ROIの分母が欠けたままでは、投資対効果の全体を出せないためです。工数を投資額に含めて初めて、ROIが正確になります。
質問⑤ABMのROIを経営・CFOにどう説明するか
アカウントレベルのROIを、「（受注額－投資額）÷投資額」という一つの式で示すのが基本です。このIoT企業では、アカウントROIと対象・非対象の比較をまとめたレポートを月次で自動生成し、経営へ配信する設定にしました。手集計をやめたことで、レポート作成にかけていた工数はほぼゼロになっています。あらかじめマーケ・営業・経営が共通の指標で合意していれば、この説明が予算の意思決定につながります。
ABMの効果測定はアカウント単位のROIをAgentic CRMがリアルタイムで自律計算することで証明できる
ABMの効果測定は、アカウント単位のROIをAgentic CRMがリアルタイムで自律計算することで、証明できるようになります。本記事では、効果測定でよくある失敗を整理し、測定をリード単位からアカウント単位へ転換する設計から、フェーズ別の指標、実装の5ステップ、KPIまで、一続きで整理してきました。
ABMの成果は、リード数では見えません。全タッチポイントをアカウントに紐付け、広告費やコンテンツ費、営業工数を投資額として集計し、対象と非対象を比較して初めて、ABMの効果が浮かび上がります。そのうえで、アカウントレベルのROIをAgentic CRMが自律計算し、経営向けのレポートまで自動で生成します。今回例に挙げたIoT企業も、測定をアカウント単位へ移したことで、実装からおよそ半年でターゲットアカウントの平均ROIを3対1の水準まで示せるようになり、レポート作成の工数もほぼゼロになりました。
ABMの効果測定で成果を証明する鍵は、測定の単位をリードからアカウントへ移し、投資額と受注額をそろえてROIを計算することにあります。プログラムの範囲を定義し、コントロール群と比較し、ROIをアカウント単位で自律計算する。この設計を整えれば、ABMの投資が成果につながったことを経営に示し、次の投資へとつなげられるようになるでしょう。