GTM(Go-To-Market)エンジニアは、企業の収益パイプラインを技術で設計・構築するエンジニアだ。プロダクトのコードではなく、営業・マーケ・CSを横断する自動化基盤を作る。詳しくは「GTMエンジニアとは何か」を参照してほしい。
この記事では「GTMエンジニアが何者かは理解した。で、どうやってなるのか?」に答える。
GTMエンジニアへのルートは出身職種によって大きく異なる。すでに持っているスキルによって、補うべき領域と所要時間が変わる。
| 出身 | 持っているもの | 足りないもの | 目安期間 |
|---|---|---|---|
| ソフトウェアエンジニア | コーディング、API設計、自動化の発想 | セールスファネルの理解、CRM/MAの実務知識 | 6〜12ヶ月 |
| Sales Ops / RevOps | CRM運用、セールスプロセス、データ分析 | コーディング、API連携、自動化の実装力 | 3〜6ヶ月 |
| SDR / 営業 | 顧客理解、ファネルの肌感覚 | 技術スキル全般 | 12〜18ヶ月 |
コードが書ける時点で技術的なハードルはほぼない。課題は「何を自動化すべきか」を判断するビジネス理解だ。セールスファネルの各ステージ(MQL→SQL→商談→受注)で何が起きているかを、営業チームの隣で体感する必要がある。
最初の一手: 自社のCRMデータを触り、「なぜこのリードは商談化しなかったのか」をSQLで分析してみる。営業チームにその結果を共有し、反応を見る。これがGTMエンジニアリングの第一歩になる。
CRMの設定やレポート作成の経験がある時点で、GTMエンジニアに最も近い位置にいる。足りないのは「手動でやっていた作業をコードで自動化する力」。Zapierでワークフローを組んだ経験があるなら、次はn8nやPythonスクリプトに移行するだけだ。
最初の一手: 日常業務で繰り返しているCSV加工やCRM更新をPythonスクリプトに置き換える。APIドキュメントを読む練習から始める。
営業の現場を知っていることは大きなアドバンテージだ。「このアプローチは刺さる/刺さらない」という肌感覚は、ツールでは得られない。ただし技術スキルとプロセス設計の両方をゼロから学ぶ必要がある。
最初の一手: Clay Universityに登録し、エンリッチメントの基礎を学ぶ。同時にProgateやUdemyでSQL・Pythonの基礎を始める。
以下は、ソフトウェアエンジニア経験者を基準にした6ヶ月のロードマップだ。Sales Ops出身なら前半を短縮でき、SDR出身なら前半を延長する。
この期間のゴールは「営業チームと同じ言語で会話できるようになる」こと。
この期間のゴールは「実際に動くGTMワークフローを1本作る」こと。
この期間のゴールは「ROIを数値で語れるGTMプロジェクトを1つ完遂する」こと。
GTMエンジニアリングの記事を読むと「Clay」が頻出する。Clayは優れたツールだが、Clayがなければスコアリングできない、という状態は設計として脆い。料金改定、API制限、サービス終了のリスクがある。特定ツールへのロックインを避け、自分でスコアリングの仕組みを構築できることがGTMエンジニアの本質的な価値だ。
最もシンプルで堅牢なアプローチ。CRM(HubSpot / Salesforce)に蓄積されたデータだけで、リードの優先度を判定する。
-- CRMデータから過去の受注パターンを分析し、スコアを算出
SELECT
contact_id,
company_name,
-- 属性スコア(Firmographic)
CASE
WHEN employee_count BETWEEN 50 AND 500 THEN 30
WHEN employee_count > 500 THEN 20
ELSE 10
END
-- 行動スコア(Behavioral)
+ CASE WHEN pricing_page_views > 0 THEN 25 ELSE 0 END
+ CASE WHEN demo_requested = true THEN 40 ELSE 0 END
+ CASE WHEN email_opened_count >= 3 THEN 15 ELSE 0 END
AS lead_score
FROM contacts
WHERE lifecycle_stage = 'lead'
ORDER BY lead_score DESC;
ポイントは属性スコア(その企業はターゲットか)と行動スコア(興味を示しているか)の2軸で判定すること。この設計はClay有無に関係なく適用できる。
Clayの代わりに、無料または低コストのAPIを組み合わせてエンリッチメントを自前構築する。
| データ | Clayの代替 | コスト |
|---|---|---|
| 企業情報 | EDINET API(上場企業の決算・従業員数)、gBizINFO API(法人基本情報) | 無料 |
| 企業WebサイトのメタデータF | 自前スクレイピング(Puppeteer / Playwright)でテックスタック・採用情報を取得 | 無料(セルフホスト) |
| SNS情報 | X API(企業アカウントのフォロワー数・投稿頻度) | Free tier あり |
| 技術スタック | BuiltWith API、Wappalyzer(OSSセルフホスト可) | 無料〜低コスト |
| メール検証 | ZeroBounce / NeverBounce(従量課金)、自前MXレコード検証 | $0.008/件〜 |
| AI分類・スコアリング | Claude API / OpenAI API でリードの文脈分析 | 従量課金 |
Webhookトリガー(新規リード登録)→ gBizINFO APIで企業情報取得 → Wappalyzerで技術スタック取得 → Claude APIでICP適合度を0-100で判定 → スコアをHubSpotに書き戻し → 80点以上はSlack通知。この構成ならClayのクレジットを1件も消費せずにスコアリングが完結する。
ルールベースのスコアリング(if文の塊)には限界がある。条件が増えるほどメンテナンスが困難になる。LLMを使えば、自然言語でICP(理想顧客像)を定義し、各リードをその定義に照合するアプローチが取れる。
import anthropic
client = anthropic.Anthropic()
icp_definition = """
理想顧客像(ICP):
- 従業員数 50-500名の B2B SaaS企業
- シリーズA以降の資金調達済み
- CRM(HubSpot or Salesforce)を導入済み
- 営業チームが5名以上
- 直近6ヶ月以内に営業関連の求人を出している
"""
def score_lead(lead_data: dict) -> dict:
response = client.messages.create(
model="claude-sonnet-4-5-20250514",
max_tokens=500,
messages=[{
"role": "user",
"content": f"""
以下のICP定義に対して、このリードの適合度を0-100で評価してください。
スコアと理由をJSON形式で返してください。
ICP定義:
{icp_definition}
リード情報:
{lead_data}
出力形式: {{"score": 数値, "reason": "理由", "next_action": "推奨アクション"}}
"""
}]
)
return json.loads(response.content[0].text)
このアプローチの利点はICPの定義を自然言語で更新できること。営業チームが「最近、製造業のリードが好調」と言えば、ICP定義を1行書き換えるだけでスコアリングロジックが変わる。if文を修正する必要がない。
| アプローチ | 初期コスト | ランニングコスト | 精度 | 推奨シーン |
|---|---|---|---|---|
| SQL + CRM | 低 | ゼロ | 中 | まず始めるとき。CRMにデータが溜まっている場合 |
| n8n + 外部API | 中 | 低〜中 | 高 | エンリッチメントも自前で管理したい場合 |
| LLMスコアリング | 中 | 従量課金 | 高 | ICPが頻繁に変わる、非構造データが多い場合 |
| Clay | 低 | $149/月〜 | 高 | 速度重視、エンリッチメントソースを多数使いたい場合 |
最初はアプローチ1(SQL + CRM)で始め、データが足りないと感じたらアプローチ2(n8n + 外部API)でエンリッチメントを追加する。スコアリングの判定ロジックが複雑になってきたらアプローチ3(LLM)を導入する。Clayは「全部入り」の便利さがあるが、仕組みを理解していれば自前で組める。それがGTMエンジニアの技術的価値だ。
GTMエンジニアの転職・副業で最も重視されるのは「何を構築し、どんな成果を出したか」だ。資格よりもポートフォリオが語る。
架空のB2B SaaSを想定し、そのGTMの仕組みを設計・構築するプロジェクトを自分で立ち上げる。Clay + n8n + HubSpot Free の組み合わせなら初期費用ゼロで始められる。「実際に動く」ワークフローを見せることが重要。
GTMエンジニアの面接は、技術面接とビジネスケースの両方が問われる。以下は頻出の質問と準備のポイント。
| カテゴリ | 質問例 | 評価ポイント |
|---|---|---|
| 技術 | 「リードが登録されてから商談化するまでの自動化ワークフローを設計してください」 | ツール選定の理由、データフローの設計力、エラーハンドリングの考慮 |
| ビジネス | 「転換率が低下しています。原因をどう特定しますか?」 | ファネル分析の手法、データドリブンな仮説思考 |
| 協業 | 「営業チームが新しいツールの導入に抵抗しています。どう進めますか?」 | チェンジマネジメント、ステークホルダーとのコミュニケーション |
| 実績 | 「過去に自動化で成果を出した事例を教えてください」 | 課題→設計→実装→成果の構造的な説明力 |
GTMエンジニアは「エンジニアが営業をやる」仕事ではない。「営業の仕組みをエンジニアリングする」仕事だ。
コードを書いたことがある人なら、このキャリアパスは想像以上に近い。社内ツールやSlack Botを作った経験、CRMのデータを整理してダッシュボードを作った経験、営業チームのために「ちょっとしたスクリプト」を書いた経験。それらはすべて、GTMエンジニアリングの延長線上にある。
違いは、それを体系的・戦略的に行い、収益への直接的なインパクトを測定するという点だけだ。