生成AIは、キャズム理論を自動で適用して「次に狙う市場」を決めるための道具ではありません。一方で、初期顧客が評価した理由、失注理由、重点市場候補、ホールプロダクトの不足、導入事例、営業メッセージ、確認すべき仮説を整理する補助には使えます。
特に、初期市場では「新しい」「先進的」と評価された製品が、主流市場では「既存システムとつながるか」「導入できる証拠があるか」「同じ規模の企業で使えるか」「運用を任せられるか」といった条件で止まることがあります。生成AIは、この違いを言語化し、確認漏れを減らす用途に向いています。
ただし、AIは実際の顧客の購買理由、予算、稟議、セキュリティ条件、競合状況を知りません。もっともらしい市場像を作れても、それが現実の重点市場とは限りません。
この記事では、生成AIをキャズム理論の補助に使う方法を、具体的なプロンプト例、出力の使い方、人が確認すべきポイント、誤り・限界まで含めて解説します。
キャズム理論の基本構造から確認したい場合は、キャズム理論とは?を参照してください。人だけで進める基本手順は、キャズム理論のやり方で確認できます。
生成AIを使うと効果が出やすい場面
生成AIは、次の作業で補助役として使いやすくなります。
- 初期顧客が製品を評価した理由を分類する
- 主流市場候補の失注理由を整理する
- 初期市場と主流市場の購入理由の違いを比較する
- 重点市場候補を比較するための軸を作る
- 顧客課題の候補を言語化する
- ホールプロダクトの不足候補を洗い出す
- 導入事例で不足している情報を指摘する
- 主流市場向け営業メッセージの候補を作る
- 受注再現性を確認する指標候補を整理する
- 次の顧客インタビューで聞く質問を作る
一方で、次の判断はAIだけに任せない方が安全です。
- どの市場を重点市場とするか
- 顧客の本当の購入理由
- どの失注理由が主要因か
- 必須となる導入条件
- セキュリティ・法務・契約条件
- 競合との差別化の事実
- 導入事例として公開できる内容
- 受注再現性があると判断する基準
- 隣接市場へ広げるタイミング
1. 初期顧客が評価した理由を整理する
プロンプト例
以下は、営業支援SaaSの初期顧客5社から得た導入理由です。
- AIで商談メモを自動要約できるのが新しい
- 試しに使ってみたかった
- 営業担当が個人的に興味を持った
- 競合にはないAI機能があった
- 小規模なので短期間で導入できた
これらを、
- 新規性
- 業務成果
- 導入容易性
- 組織的な購入理由
の観点で分類してください。
さらに、主流市場へそのまま通用しない可能性がある理由を質問形式で出してください。
出力の使い方
AIは、「新規性」への評価が多く、「組織的な購入理由」が弱いと整理できます。
その結果、次の確認質問を作れます。
- 中堅企業でも同じ理由で購入するか
- 現場の興味だけで稟議が通るか
- 情報システム部門の条件は何か
- 営業責任者が見る成果は何か
人は、実際の商談・顧客インタビューで答えを確認します。
2. 失注理由を主流市場の障壁として整理する
プロンプト例
以下は直近20商談の失注・停滞理由です。
- CRM連携が不足
- SSO未対応
- セキュリティ資料不足
- 同業・同規模の導入事例がない
- 管理者向け運用機能が不足
- 価格が高い
- 現場の評価は高いが稟議で止まった
これらを、
- 製品機能
- 導入条件
- 組織購買
- 信頼・実績
- 価格
に分類してください。
さらに、単なる「価格負け」で片づけず、確認すべき背景質問を出してください。
出力の使い方
AIは、価格以外にもCRM連携、SSO、セキュリティ、同規模事例、管理者運用などの障壁があると整理できます。
ここから、
- 価格が高いのか、導入リスクに対して高く見えるのか
- セキュリティ確認が通れば稟議は進むのか
- 同規模事例があれば意思決定しやすくなるのか
といった質問へつなげます。
3. 初期市場と主流市場の違いを比較する
プロンプト例
次の2種類の顧客情報を比較してください。
初期顧客:
- 10〜30人規模の営業チーム
- AI自動要約を高く評価
- 意思決定者と利用者が近い
- 2週間で導入
主流市場候補:
- 100〜500人規模の企業
- CRM利用中
- SSOとセキュリティ審査が必須
- 稟議に情報システム部門が参加
- 同規模の導入事例を求める
比較軸:
- 購入理由
- 導入条件
- 意思決定者
- リスク認識
- 必要な証拠
出力の使い方
AIに比較させると、「新しい機能がある」だけでは主流市場を動かしにくいことが見えやすくなります。
人は、この比較が実際の商談データと一致しているか確認します。
4. 重点市場候補を比較する
キャズムを越えるときは、市場を広く取りすぎるより、最初の主流市場を絞ることが重要です。
プロンプト例
営業支援SaaSの重点市場候補を比較してください。
候補A:従業員100〜500人、インサイドセールス10人以上、主要CRM利用中のIT企業 候補B:従業員300〜1000人の製造業 候補C:営業組織を持つすべての企業
比較軸:
- 共通課題の明確さ
- 導入条件の共通性
- 同じ事例が使えるか
- 営業メッセージの共通性
- ホールプロダクトの共通性
- 受注の再現性を作りやすいか
条件:
- 最終的な重点市場を決定しない
- 比較理由を出す
- 不足データを質問として出す
出力の使い方
AIは、候補Cが広すぎて課題・導入条件・事例がばらつきやすいと指摘できます。
一方で候補Aが本当に最適かは、商談数、受注率、失注理由、導入期間、競合状況を人が確認して決めます。
5. 重点市場の中心課題を言語化する
プロンプト例
以下の顧客情報から、主流市場の中心課題候補を3つ以内で出してください。
顧客像:
- 従業員100〜500人
- インサイドセールス10人以上
- CRM利用中
- 商談メモの入力負荷が高い
- 営業担当によって記録品質がばらつく
- 管理者は案件レビュー前に情報をそろえたい
条件:
- 「AIを使いたい」のような技術起点にしない
- 業務成果・管理課題として表現する
- 不明な効果数値は作らない
出力の使い方
AIは、
- 商談記録の入力負荷を減らす
- CRM情報を一定品質で残す
- 管理者が案件状況を比較しやすくする
といった候補を出せます。
人は、実際に頻出する課題を選びます。
6. ホールプロダクトの不足を洗い出す
キャズム理論では、製品本体だけでなく、主流顧客が安心して導入・運用できる全体を整えることが重要です。
プロンプト例
重点市場候補は、従業員100〜500人、インサイドセールス10人以上、主要CRM利用中のIT企業です。
現在あるもの:
- AI商談要約
- CRMへの手動転記
- メールサポート
主流市場で導入を進めるために不足している可能性があるものを、
- 連携
- セキュリティ
- 認証
- 管理
- 導入支援
- 運用支援
- 実績
の観点で質問形式にしてください。
出力の使い方
AIは、
- CRM自動連携は必要か
- SSOは必須か
- セキュリティチェックシートは用意されているか
- 管理者向け利用状況は見えるか
- 初期設定ガイドはあるか
- 導入支援は必要か
- 同規模事例はあるか
といった確認項目を出せます。
ここでAIに「必要機能を決めさせる」のではなく、顧客ヒアリングと失注データで優先度を人が決めます。
7. 導入事例の不足をレビューする
プロンプト例
以下の導入事例が主流市場向けとして十分かレビューしてください。
事例文: 「A社が当社サービスを導入し、最新AI機能を高く評価しました。」
重点市場:従業員100〜500人、インサイドセールス10人以上、主要CRM利用中のIT企業
確認観点:
- 顧客属性
- 導入前課題
- 導入条件
- 運用方法
- 導入期間
- 成果
- セキュリティ・連携条件
出力の使い方
AIは、「AIを評価した」だけでは主流市場の安心材料になりにくいと指摘できます。
人は、公開許諾の範囲で、
- どの規模の企業か
- どのCRMを使っていたか
- 何が障壁だったか
- どのように導入したか
- どんな業務成果が出たか
を具体化します。
8. 営業メッセージを主流市場向けに変える
プロンプト例
現在の営業メッセージ: 「最新AIで営業活動を革新します」
重点市場の課題:
- 商談記録の入力負荷
- CRM情報のばらつき
- 管理者が案件レビュー前に情報を集めにくい
主流市場向けに、
- 業務成果
- 導入安心材料
- 対象顧客の具体性
を含む営業メッセージ候補を3つ出してください。
条件:
- 実証されていない効果数値を作らない
- 「必ず」「劇的に」などの誇張を避ける
出力の使い方
AIは、
CRM入力負荷を減らし、商談記録を一定品質で残すための営業支援SaaS。主要CRM連携と導入支援を含め、複数人の営業組織で運用しやすい形を整えます。
といった候補を作れます。
最終表現は、実際に提供できる機能と実績へ人が合わせます。
9. 受注再現性を確認する指標候補を整理する
プロンプト例
重点市場で「受注が再現できる状態」になっているか確認したいです。
候補指標を、
- 商談
- 受注
- 導入
- 失注
- 個別対応
の観点で出してください。
条件:
- 件数だけでなく率や期間も含める
- 隣接市場へ広げる判断材料になるものを優先する
出力の使い方
候補として、
- 重点市場の受注率
- 商談から受注までの期間
- 導入開始から利用開始までの期間
- CRM・セキュリティ要件で止まる割合
- 失注理由の上位
- 個別開発が必要な案件比率
- 同じ導入事例・資料が使えた割合
などを整理できます。
人は、自社で実際に追跡できる指標を選びます。
10. 顧客インタビューの質問を作る
プロンプト例
重点市場候補の顧客に、キャズムを越えるために必要な情報を確認したいです。
質問を10個作ってください。
確認したい観点:
- 購入理由
- 導入障壁
- 稟議
- 情報システム部門の条件
- 必要な事例
- 競合・代替手段
- 導入後の評価
条件:
- 誘導質問を避ける
- 「AI機能は必要ですよね」のような前提を置かない
出力の使い方
AIは、
- 導入前に最も不安だった点は何でしたか
- 誰が導入可否に関わりましたか
- どの情報があれば判断しやすくなりましたか
- 既存手段を続ける選択肢と比べて、何が決め手になりましたか
といった質問候補を作れます。
実際の顧客の言葉を回収し、重点市場と営業メッセージを修正します。
通し例|営業支援SaaSで生成AIを補助に使う
ある営業支援SaaSでは、初期顧客から「AI自動要約が新しい」と評価され、少人数チームでは導入が進んでいました。
しかし、100〜500人規模の企業へ広げると、商談は増えるのに受注が伸びませんでした。
1. 初期顧客の評価理由をAIで分類
顧客コメントをAIへ入れると、新規性・個人の興味・短期導入が中心であることが見えました。
人は、これが主流市場の購入理由と一致するかを確認するため、中堅企業の商談メモを追加で調べました。
2. 失注理由をAIで整理
直近20商談の失注・停滞理由をAIへ入れると、
- CRM連携
- SSO
- セキュリティ資料
- 同規模事例
- 管理者向け運用
が繰り返し出ていました。
「価格が高い」という理由もありましたが、その背景を追うと「導入できる確信が持てず、価格に見合うと判断できない」案件もありました。
3. 重点市場候補を比較
AIへ複数市場を比較させ、人が商談データを確認した結果、最初の重点市場を、
従業員100〜500人、インサイドセールス10人以上、主要CRM利用中のIT企業
へ絞りました。
中心課題は、
商談記録の入力負荷を減らし、CRM情報を一定品質で残す
としました。
4. ホールプロダクト不足を整理
AIの質問候補と失注理由を照合し、
- CRM連携
- SSO
- セキュリティ資料
- 管理者向け利用状況
- 初期設定ガイド
- 導入支援
- 問い合わせ窓口
を優先して整備しました。
5. 導入事例を主流市場向けに作り直す
「AIが好評」という事例から、
- 顧客規模
- CRM環境
- 導入前課題
- セキュリティ確認
- 導入手順
- 運用方法
- 成果
まで含む事例へ作り替えました。
6. 営業メッセージを変更
「最新AIで営業を革新」から、
商談記録の入力負荷を減らし、CRM情報を一定品質で残す。主要CRM連携、SSO、セキュリティ資料、導入支援まで含めて複数人の営業組織で運用しやすくする
方向へ変更しました。
7. 受注再現性を確認
重点市場について、
- 受注率
- 導入期間
- CRM・セキュリティ要件で止まる割合
- 失注理由
- 個別開発比率
を継続的に確認しました。
AIは集計項目や確認質問の作成に使いましたが、「キャズムを越えた」と判断する基準は人が決めました。
この例でAIが担ったのは、分類、比較軸づくり、質問生成、抜け漏れ確認、文章候補の作成です。
人が担ったのは、実データ確認、重点市場の確定、中心課題の確定、ホールプロダクトの優先順位、事例の事実確認、営業メッセージの最終化、受注再現性の判断です。
そのまま使える記入形式が必要なら、キャズム理論テンプレートを使うと、市場候補、中心課題、ホールプロダクト、事例、営業メッセージ、受注再現性を整理しやすくなります。
具体的な適用イメージを追いたい場合は、キャズム理論の具体例が参考になります。よくある失敗を先に確認したい場合は、キャズム理論で失敗しやすいポイントも参照してください。
人が必ず確認すべきポイント
顧客の本当の購入理由
AIはコメントを分類できますが、なぜ購入したかを確定できません。商談記録、顧客インタビュー、失注分析で確認します。
重点市場
AIは比較できますが、市場規模、営業アクセス、受注率、競合、導入条件を踏まえた最終選択は人が行います。
ホールプロダクト
AIが不足候補を出しても、すべて必要とは限りません。実際の失注や導入障壁と照合します。
競合との差別化
AIは一般論から差別化案を作れますが、事実と異なる比較は使えません。競合の実機能・価格・導入条件を別途確認します。
導入事例
AIが事例文を整えても、顧客属性、成果、導入期間などの数字は実データで確認します。
受注再現性
1件の大口受注だけで「キャズムを越えた」と判断しません。同じ市場で、同じ課題・導入条件・資料・営業プロセスが繰り返し使えるかを見ます。
生成AIの誤りと限界
存在しない市場像を作ることがある
「この市場が最適」ともっともらしく提案しても、実際の顧客データに基づかない場合があります。
失注理由を単純化することがある
価格、機能、セキュリティなどを1つの理由へまとめても、実際には複数要因が重なっていることがあります。
存在しない競合情報や機能差を補うことがある
競合比較は、AIの一般知識ではなく、最新の一次情報で確認する必要があります。
効果数値を作ることがある
「工数30%削減」など、入力にない数値を生成することがあります。未検証数値は使いません。
市場を細かく分けすぎることがある
細分化しすぎると営業対象が小さくなり、実務で検証できません。
逆に広くまとめすぎることがある
「営業組織のある企業すべて」のような市場では、課題・導入条件・事例の再現性が失われます。
機密情報の扱いに注意する
顧客名、失注理由、契約条件、セキュリティ情報、売上情報を入力する場合は、自社の情報管理ルールに従います。
生成AIに任せすぎないためのチェックリスト
- 初期顧客の評価理由を実データで確認したか
- 失注理由を商談記録と照合したか
- 初期市場と主流市場の購入理由を分けたか
- 重点市場を広く取りすぎていないか
- 市場選定をAIだけで決めていないか
- 中心課題を顧客の言葉で確認したか
- ホールプロダクト不足を実際の導入障壁と照合したか
- 導入事例の事実・数値を確認したか
- 営業メッセージが実際の提供内容と一致しているか
- 競合との差分を一次情報で確認したか
- 受注件数だけで再現性を判断していないか
- 同じ市場で同じ営業プロセスが繰り返せるか確認したか
- 機密情報を不用意に入力していないか
まとめ
生成AIは、キャズム理論を効率よく実践するための補助役として使えます。
特に役立つのは、初期顧客の評価理由、失注理由、初期市場と主流市場の違い、重点市場候補、ホールプロダクト不足、導入事例、営業メッセージ、受注再現性の確認項目を整理することです。
一方で、重点市場の確定、顧客の本当の購入理由、導入条件、競合との差別化、事例の事実、受注再現性の判断は人が担う必要があります。
生成AIに「次に狙う市場」を決めてもらうのではなく、「データを整理する」「確認質問を作る」「抜けを探す」「複数案を比較する」ために使うことで、初期顧客での成功を主流市場へ広げるための判断を効率化しやすくなります。