Next Best Action
ネクストベストアクション
| Approach | Rules-Based | Next Best Action (AI) |
|---|---|---|
| Logic | If-then rules | Predictive models |
| Adaptability | Static until changed | Learns from outcomes |
| Example | Day 3: send email B | Based on engagement: email C or call |
| Best for | Simple, linear processes | Complex, variable buyer journeys |
💡TL;DR
ネクストベストアクションはAIを使って担当者が特定の案件で今すぐ何をすべきかを推奨。静的なシーケンス（1日目メール、3日目コール）の代わりに、見込み客の行動に基づいて適応。SMBにはMLモデルに投資する前にルールベースNBA（7日間応答なし → フォローアップ）から始める。一貫して実行されるシンプルなルールが信頼されない洗練されたモデルに勝る。
定義
過去のパターン、現在のシグナル、予測結果に基づき、特定の見込み客に対して特定の瞬間に担当者が取るべき最適なアクションをAIが推奨。
🏢SMBチームにとっての意味
MLベースのネクストベストアクションは大量のデータが必要。SMBはルールベースから始めるべき：案件がX日停滞 → アクションY。これは20%の複雑さで80%の価値を得る。
📋実践例
セールスチーム（30人）は担当者が次に何をすべきか推測していた。ルールベースNBAを導入：提案送信 + 7日応答なし → フォローアップメールタスク、メール3回開封で返信なし → コールタスク、交渉中14日以上 → マネージャーレビュー。シンプルなルールだが一貫した実行。担当者がフォローアップを忘れなくなり勝率が19%改善。
🔧実装ステップ
- 1
現在の決定ポイントを監査：どこで担当者は次に何をするか決める？
- 2
ルールを定義：ステージ + シグナル + 時間に基づいてどのアクションが理にかなう？
- 3
タスク/アラートとして実装：NBAを別ダッシュボードではなく担当者ワークフローでサーフェス
- 4
コンプライアンスを測定：担当者は推奨アクションを取っている？
- 5
反復：一般的なシナリオにルールを追加、結果を生まないルールを削除
❓よくある質問
SMBはいつルールベースからMLベースNBAに移行すべき？
トレーニングデータに1,000+の成約案件があり、ルールベースが収穫逓減を生み出しているとき。ほとんどのSMBはこれから数年先。まずルールベースをマスター—これが価値の80%。
担当者にNBA推奨に従わせるには？
簡単にする：ワークフローでサーフェス（別ツールではなく）、1クリックで実行可能に。結果を見せる：「NBAに従った担当者は24%高い勝率」。機能することを見せれば、コンプライアンスは続く。
⚡Optifaiでの活用
案件ステージとシグナルのルールベースNBA。AIが案件コンテキストと過去のパターンに基づきフォローアップ、エスカレーション、再エンゲージメントを推奨。
Action Recommendations📚参考文献
- •
- •
関連用語
Revenue Action
購買シグナル検知から自動実行されるアクション（メール送信、カレンダー予約など）。従来の「提案」ではなく「実行」に焦点を当てた概念。
System of Action
AIが提案するだけでなく自動で実行するシステム設計思想。「System of Record」（CRM）→「System of Engagement」（Sales Engagement）→「System of Action」への進化。
Sales Enablement
セールスチームが効果的に購買者とエンゲージし案件をクローズするために必要なリソース、ツール、コンテンツ、情報を提供するプロセス。
Signal Detection
Webアクセス、メール開封、案件ステージ変化などから購買意図シグナルをリアルタイムで検知する仕組み。