GTM Engineerの求人数は過去2年間で205%増加した。LinkedInのJob Postingsデータでは「GTM Engineer」を含むポジションが2024年の約800件から2026年には2,400件以上に達している。背景にあるのは、SaaS企業がSales-Led Growth（SLG）からProduct-Led Growth（PLG）へシフトする中で、マーケティングと営業の間に立ってデータパイプラインを構築する専門職への需要が爆発的に増えていることだ。
日本でも同じ流れが来ている。THE MODELの普及で分業体制は整ったが、次のボトルネックは「分業した組織間のデータ連携」になった。マーケが渡すMQLの40%が営業に拒否される現状は、スコアリングモデルの設計が追いついていないことの表れだ。
従来の単一スコアモデル — つまり「資料DL +10点、ウェビナー参加 +15点」のように全行動を1つのスコアに合算するやり方 — には構造的な欠陥がある。大学生のインターンがホワイトペーパーを3本ダウンロードした場合と、上場企業の部長が料金ページを3回閲覧した場合で、同じ30点が付く。営業がこのスコアを信用しなくなるのは当然の帰結だ。
MQL拒否率40%以上の組織は、スコアリングモデルが「量」を最適化してしまっている可能性が高い。海外ではこの問題を3層分離スコアで解決している。
海外のGTMエンジニアの間で標準になりつつあるのが、スコアを3つのレイヤーに分離するアーキテクチャだ。
| レイヤー | 名称 | 重み | 評価対象 | データソース |
|---|---|---|---|---|
| 1 | Fit Score | 40% | 企業規模、業界、役職、テクノロジースタック | Clearbit, ZoomInfo, 6sense |
| 2 | Intent Score | 35% | 購買シグナル、比較サイト閲覧、技術調査 | Bombora, G2, TechTarget |
| 3 | Engagement Score | 25% | 自社との接触履歴、メール開封、ウェビナー参加 | HubSpot, Marketo, 自社アプリ |
composite = (fit × 0.4) + (intent × 0.35) + (engagement × 0.25) + synergy_bonus
synergy_bonusは、3つのスコアすべてが閾値（例: 各60点以上）を超えた場合に+10〜15点を加算するもの。「全方位で温まっている」リードを見逃さないための仕組みだ。
さらに先進的なチームでは4層目としてRevenue Potentialを追加している。これは予測ACVの計算で、以下の変数を組み合わせる。
この4層目があると、営業のルーティングが「スコアが高い順」から「期待収益が高い順」に変わる。同じスコア80点でも、予測ACV $5Kの企業と$50Kの企業ではアサインするAEのレベルが異なるべきだ。
冒頭で触れた「インターン問題」を3層分離で解決すると、こうなる。
単一スコアでは両者が30点前後で並んでしまうが、3層分離では21.5 vs 62.5で明確に差がつく。営業に引き渡すべきリードがどちらかは一目瞭然だ。
従来のデモグラフィック（企業規模・業界）とウェブ行動（ページ閲覧・フォーム送信）に加えて、海外のトップGTMエンジニアは以下の7カテゴリの新変数をスコアリングモデルに組み込んでいる。
Product-Led Growthを採用している企業にとって、プロダクトの利用データは最強のスコアリングシグナルだ。PQL（Product Qualified Lead）の成約率は20-30%で、これはMQLの約3倍にあたる。
| シグナル | 定義 | スコア影響 |
|---|---|---|
| Activation Milestone | オンボーディングの主要ステップ完了（初回データ連携、チーム招待等） | +15〜25点 |
| 利用頻度の一貫性 | 週3回以上のログインが4週間継続 | +20点 |
| マルチユーザー拡大 | 同一組織で3人以上がアクティブ | +30点（購買グループ形成シグナル） |
| Usage Threshold Crossing | 無料プランの利用上限の80%到達 | +25点（有料転換の直前シグナル） |
Intent Dataで重要なのは量より速度（Velocity）だ。過去30日で10回の比較サイト閲覧より、過去3日で5回の集中閲覧のほうが、購買に近いシグナルになる。
G2のシグナルを強度別に整理すると5段階になる。
| 強度 | シグナル | スコア |
|---|---|---|
| 1（低） | カテゴリページ閲覧 | +5 |
| 2 | 自社プロダクトページ閲覧 | +10 |
| 3 | 競合との比較ページ閲覧 | +15 |
| 4 | 自社レビュー記事の精読（滞在2分以上） | +20 |
| 5（高） | 自社 vs 競合の比較レポートDL | +30 |
Intent Dataプロバイダーは大きく3分類に整理できる。
テクノロジースタック情報はFit Scoreの精度を飛躍的に向上させる。特に以下の2つのシグナルが強力だ。
| シグナル | 成約率への影響 | 具体例 |
|---|---|---|
| 補完技術の使用 | 成約率2.3〜3.8倍 | Salesforce利用企業にCRM連携ツールを販売 |
| 競合ツールの古いバージョン | 置換ウィンドウ発生 | 競合のサポート終了バージョンを使用中 → 乗り換え検討タイミング |
ABM（Account Based Marketing）でテクノグラフィックを活用した場合、ターゲットアカウントの選定精度が向上し、パイプライン創出率が平均1.7倍になるという報告がある。BuiltWith、Wappalyzer、HG Insightsなどのツールでデータを取得できる。
Gartnerの調査によれば、B2B購買者はジャーニーの83%をサプライヤーの可視範囲外で過ごしている。この不可視領域が「ダークファネル」だ。
| ダークファネルソース | 捕捉方法 |
|---|---|
| ピアレビューサイト（G2, Capterra） | G2 Buyer Intent API |
| Slack / Discordコミュニティ | Common Room, Orbit |
| ポッドキャスト / YouTubeの言及 | SparkToro, Brand24 |
| Reddit / HackerNews | Syften, F5Bot |
| 業界カンファレンスでの口コミ | イベント参加者リスト + フォローアップ調査 |
トリガーイベントは「企業が変化するタイミング」を捉えるシグナルだ。変化のタイミングでは既存の意思決定が見直されるため、新規ベンダーにとってのウィンドウが開く。
| トリガー | 有効ウィンドウ | スコア乗数 | データソース |
|---|---|---|---|
| 資金調達 | 90日 | 1.5x | Crunchbase, PitchBook |
| チーム急拡大（エンジニア採用10名以上） | 60日 | 1.3x | LinkedIn, 求人サイト |
| 新C-Level着任 | 120日 | 1.8x | LinkedIn, プレスリリース |
| チャンピオン転職 | 30日 | 3.0〜5.0x | UserGems, LinkedIn Sales Nav |
過去の顧客（チャンピオン）が別の企業に転職した場合、その企業への返信率は通常リードの3〜5倍になる。UserGemsのデータでは、チャンピオン転職経由の商談は成約率が平均2.1倍、サイクルタイムが38%短縮される。理由は明快で、製品の価値を既に体験した人間が新しい組織で同じ課題を発見するからだ。
Common Roomに代表されるコミュニティ分析ツールは、以下のプラットフォームからシグナルを集約する。
これらをcommunity_engagement_scoreとして計算し、Engagement Scoreに加算する。特にDeveloper Tools系のSaaSではコミュニティシグナルがMQL以上の予測力を持つケースがある。
ウェブサイトの行動スコアリングで見落とされがちなのが非線形性だ。料金ページの訪問1回は5点だが、48時間以内に3回訪問した場合は15点ではなく25点にすべきだ。短期間の反復訪問は「真剣に検討している」シグナルであり、線形加算では過小評価してしまう。
| ページ種別 | 1回目 | 2回目（48h内） | 3回目（48h内） | シグナル強度 |
|---|---|---|---|---|
| ブログ記事 | +2 | +2 | +2 | 低（リサーチ段階） |
| 機能ページ | +5 | +8 | +12 | 中 |
| 料金ページ | +5 | +12 | +25 | 高（購買検討） |
| 事例ページ（同業界） | +8 | +15 | +25 | 高（社内説得材料収集） |
| 連携・APIドキュメント | +10 | +18 | +30 | 最高（実装検討段階） |
もう一つ重要なシグナルが同一企業からの複数訪問者だ。1人が料金ページを見るのと、3人の異なる部署の人が同時期に料金ページを見るのとでは意味が全く違う。後者は購買委員会（Buying Committee）が形成されているシグナルであり、スコアを乗数で引き上げるべきだ。
スコアは時間とともに腐る。3ヶ月前にウェビナーに参加したリードと、昨日参加したリードでは購買意欲の鮮度が全く異なる。減衰関数を設定しないと、古いリードがホットリストに残り続けて営業の信頼を失う。
| シグナル種別 | 減衰速度 | 半減期 | 備考 |
|---|---|---|---|
| 行動シグナル（Web閲覧、メール開封） | 週5% | 約14週 | 最も速く減衰 |
| Intent Data | 週3% | 約23週 | 行動よりやや持続 |
| Firmographic（企業属性） | 減衰なし | - | 企業規模・業界は変わらない |
| トリガーイベント | イベント固有 | 有効ウィンドウ参照 | 資金調達=90日、転職=30日 |
30日間一切の行動がないリードは、Engagement Scoreを0にリセットする「30日崖」を設定する運用が増えている。ただし、リードが再度行動を起こした場合は即座にスコアを復活させるリセットトリガーも併設する。「休眠→復活」のパターンは購買検討が再開されたシグナルであり、初回行動以上に重視すべきだ。
加点だけでなく、明確な減点（ディスクオリファイ）ルールも必須だ。以下が海外で共有されている10大ディスクオリファイシグナルだ。
| # | シグナル | 減点 |
|---|---|---|
| 1 | 競合企業のドメイン | -100（即除外） |
| 2 | 個人メール（gmail.com等）※B2B製品の場合 | -30 |
| 3 | 学生・教育機関 | -50 |
| 4 | 従業員数がICP下限未満 | -40 |
| 5 | 対象外の国/地域 | -100（即除外） |
| 6 | メール3回連続未開封 | -15 |
| 7 | 配信停止リクエスト | -100（即除外） |
| 8 | 90日以上無活動（Engagement = 0） | -50 |
| 9 | 過去に失注（Lost Deal）+ 理由が「予算なし」 | -30 |
| 10 | 求人ページのみ閲覧（採用候補者） | -20 |
スコアリングモデルのML化は、一気にやるのではなく段階的に進めるのが定石だ。
| 段階 | 手法 | データ要件 | 精度 |
|---|---|---|---|
| Stage 1 | ルールベース（ポイント制） | CRMデータのみ | ベースライン |
| Stage 2 | 予測/ML（ロジスティック回帰→XGBoost） | 受注500件+失注500件以上 | ルールベースの1.5〜2倍 |
| Stage 3 | ハイブリッド（MLスコア + ルール制約） | 十分な履歴データ + ドメイン知識 | 最高（ML精度 + 営業の信頼） |
Stage 3が重要なのは、MLだけだとブラックボックスになって営業が信用しないからだ。「なぜこのリードが高スコアなのか」を説明できるルール制約をMLの上に被せることで、精度と説明可能性を両立させる。
Jeff Ignacio（元Catalyst SoftwareのRevOps VP）が提唱するバックテスト手法は、リフト比（Lift Ratio）を基準にスコアリングの有効性を計測する。
リフト比 = 上位20%リードの成約率 / 全体平均の成約率
リフト比が2.0以上なら良好、1.5未満なら要改善。1.0に近い場合、スコアリングが意味をなしていない（ランダムと変わらない）ことを意味する。
あるB2B SaaS企業では、四半期ごとのバックテストとスコア再キャリブレーションにより、MQL拒否率を40%から15%に改善した事例がある。キャリブレーションの具体的な手順は：(1) 過去90日の受注・失注データを取得、(2) 各変数の予測力をリフト比で計測、(3) 効果の低い変数の重みを下げ、高い変数の重みを上げる、(4) 営業にヒアリングして定性的な補正を加える。
Signal Stackingは「複数のシグナルが同時に発火した場合、個々の合計以上のスコアを付与する」手法だ。単一シグナルの加算では見逃してしまう「購買が近い」パターンを検出する。
複数の調査データを横断すると、3つ以上の異なるカテゴリのシグナルが72時間以内に同時発火した場合、成約率は単一シグナルのみの場合の2.4倍になる。
特に効果が高い5大シグナルスタックを以下に示す。
| スタック名 | 構成シグナル | 成約率乗数 |
|---|---|---|
| 購買委員会形成 | 同一企業から3人以上が料金ページ訪問 + G2比較閲覧 | 3.2x |
| テクノロジー置換 | 競合ツールの古いバージョン使用 + 料金ページ訪問 + 機能比較ページ閲覧 | 2.8x |
| チャンピオン復活 | チャンピオン転職 + 新企業ドメインからの自社サイト訪問 | 4.1x |
| 資金調達+採用 | シリーズB以降の資金調達 + 関連職種の求人掲載 | 2.1x |
| PLG→Sales切替 | 無料プラン利用上限80%到達 + 料金ページ訪問 + エンタープライズ向け機能ページ閲覧 | 3.5x |
B2Bの購買はチームで行われる。1人のVPがスコア90点でも、購買プロセスは進まないことが多い。逆に、5人の異なる役職者がそれぞれスコア40点でも、購買グループとしての温度感は極めて高い。
「1人VP@90 < 5人各@40」の原則がBuying Groupスコアリングの核心だ。
Buying Groupのスコアは以下の3要素で構成する。
スコアリングの精度を上げても、レスポンス速度が遅ければ意味がない。この領域のデータは明確だ。
つまり、スコアリングで「今すぐ対応すべきリード」を特定しても、そのアラートが営業に届くまでに6時間かかっていたら、42時間平均の業界の中では「速い方」かもしれないが、5分のベストプラクティスからは遥か遠い。
海外のGTMエンジニアはこの問題をリアルタイムルーティングで解決している。スコアが閾値を超えた瞬間にSlack通知を飛ばし、5分以内のSLA（Service Level Agreement）を設定する。Chili Piperのようなツールで、リードが料金ページから問い合わせフォームを送信した瞬間に、最適なAEのカレンダーに直接ミーティングを予約させる仕組みだ。
海外のGTMエンジニアがどのツールを使っているかのデータを見ると、いくつかの明確なトレンドがある。
| ツール/カテゴリ | 採用率 | 用途 |
|---|---|---|
| Clay | 84% | データエンリッチメント、ウォーターフォール、AIスコアリング |
| AI開発ツール（Claude, GPT, Cursor） | 70% | スクリプト生成、データ変換、LLMスコアリング |
| HubSpot / Salesforce | 95% | CRM、スコアリングの格納先 |
| n8n / Make / Zapier | 60% | ワークフロー自動化、データパイプライン |
Clayの最も革新的な機能はAIカラム（Claygent）だ。企業のウェブサイト、ニュース記事、SNSの投稿をLLMに読ませて、自然言語でスコアリング判定を行う。「この企業は当社のICP（理想的な顧客像）に合致するか、1-10で評価し、理由を3つ挙げよ」というプロンプトで、従来はBDRが1社30分かけていた手作業のリサーチを自動化できる。
データエンリッチメントで最も重要なのがWaterfall Enrichmentパターンだ。1つのデータプロバイダーだけでは、メールアドレスのマッチ率は35-52%程度にとどまる。しかし、複数のプロバイダーをウォーターフォール（1つ目で見つからなければ2つ目、2つ目でも見つからなければ3つ目...）で連鎖させると、マッチ率が85-90%に向上する。
スコアリングの失敗パターンは各社で共通している。海外のGTMコミュニティで頻繁に共有される「やってはいけない」リストを整理した。
| # | アンチパターン | 問題 | 対策 |
|---|---|---|---|
| 1 | 全アクション均等配点 | ブログ閲覧と料金ページ閲覧が同じ10点 | ページ種別ごとに重み付け。料金ページは5-10倍 |
| 2 | 減衰なし | 2年前のスコアが残り続ける | シグナル種別ごとの減衰関数を設定 |
| 3 | MQL量の最適化 | 閾値を下げてMQL数を増やすが、拒否率も上がる | MQL-to-SQL変換率で評価。量より質 |
| 4 | ネガティブスコアなし | 競合・学生・採用候補者がホットリストに混入 | 10大ディスクオリファイルールを実装 |
| 5 | 誰も管理しない問題 | 構築後に放置、四半期レビューなし | GTMエンジニアが専任オーナーとして四半期キャリブレーション |
| 6 | 営業の声を無視 | マーケだけでスコアを設計、営業が使わない | 営業との月次レビュー会を必須化 |
| 7 | スコアのブラックボックス化 | MLモデルの判断根拠が不明 | ハイブリッド（ML + ルール制約）で説明可能性を確保 |
ここまでの内容は主に米国市場の実践から抽出したものだ。日本に持ってくる際には、商慣習・プラットフォーム・意思決定プロセスの違いを踏まえた大幅なローカライズが必要になる。ここからが本記事の核心だ。
海外のBuying Groupスコアリングは「Champion → Decision Maker」の2〜3ステップを前提に設計されている。日本では「担当者 → 課長 → 部長 → 本部長 → 役員」の多段階稟議が当たり前だ。
この違いは実装に直結する。海外のBuying Groupスコアリングで「5つのロール（Champion, Decision Maker, Influencer, End User, Blocker）が揃ったか」を判定するロジックを、日本では「稟議ルートマッピング」として再設計する必要がある。具体的には、CRM上にリードの役職レベル（係長/課長/部長/本部長/役員）を持ち、同一企業で複数の役職レベルからのエンゲージメントが確認された場合に「稟議が進行中」と判定してスコアを加速させる。
特に注意すべきは、日本の稟議ではBlockerが可視化されにくいことだ。海外ではBlockerが明示的に反対意見を表明するが、日本では「沈黙」がBlockのサインであることが多い。稟議の途中で停滞している場合、関連部署の情報収集行動が止まったことをシグナルとして検知する設計が必要になる。
海外ではLinkedIn + Clearbitで自動エンリッチメントが完結するが、日本ではLinkedInの法人利用率が相対的に低い。代わりにSansan / Eight等の名刺管理サービスとの連携が必須になる。
名刺交換から得られる情報（会社名、部署、役職、メールアドレス、電話番号）はCRMとの自動連携で取り込めるが、問題は更新頻度だ。名刺は異動時に交換し直すまで更新されないため、役職・部署の情報が古くなりやすい。テクノグラフィックデータと同様に、名刺情報にも「鮮度フラグ」を持たせるべきだ。
海外のSignal-based sellingで推奨される「5分以内レスポンス」は、日本の商慣習ではむしろ逆効果になりうる。特にエンタープライズ案件では、「こちらの行動を逐一監視されている」という不信感を与えるリスクがある。
日本市場では、「速さ」よりも「適切なタイミングでの適切な情報提供」が重要だ。スコアが閾値を超えたら即座にコールするのではなく、相手の文脈に合わせた情報（同業界の事例、導入効果のデータ）を丁寧に準備してからアプローチする。レスポンスSLAは「5分」ではなく「24時間以内に価値ある情報を添えて」が日本のベストプラクティスだ。
日本ではウェビナーとオフライン展示会がリード獲得の主要チャネルであり続けている。海外のPLGシグナルが日本でまだ十分に機能しない代わりに、イベント参加のスコア重み付けを海外より高く設定すべきだ。
海外でのEmail + Slack + Discordの図式は、日本のB2C/D2C市場ではLINE Official Account + LINE公式に置き換わる。メールマーケティングのOpen Rateが日本でも20-25%程度であるのに対し、LINEの開封率は60%以上と圧倒的に高い。
ダークファネルの主戦場もLINEだ。LINEグループやLINEオープンチャットでの口コミ・推薦は外部から把握しにくく、典型的なダークファネルシグナルになる。これをどう捕捉するかは日本固有の課題だ。実用的なアプローチとしては、フォーム送信時の「どこで知りましたか？」で「LINE（友人の紹介）」の選択肢を用意し、自己申告データとして取り込む方法がある。
海外のG2 / TrustRadius / Capterra に相当する日本のプラットフォームは用途によって異なる。
これらのプラットフォームのIntent Dataを取り込めるかどうかが、日本市場でのスコアリング精度を左右する。ITreviewはAPI連携でBuyer Intentデータを提供しているため、B2Bの場合は最優先で組み込むべきだ。
レスポンス速度の経済学で述べた「5分ルール」は、日本のB2Cでは部分的に適用可能だが、B2Bでは前述の通り「丁寧さ」が優先される。B2Cの場合でも、日本の消費者は「即座に電話がかかってくる」ことに対して不快感を持つ傾向がある。チャットボットやLINEでの即時返信は受け入れられるが、いきなりの電話は避けるべきだ。
| 海外の変数 | 日本向け代替/調整 | 理由 |
|---|---|---|
| LinkedIn engagement | Sansan名刺データ + Eight連携 | LinkedIn利用率低 |
| G2 buyer intent | ITreview / SaaS比較サイト | G2利用者少 |
| Slack/Discord community | LINE公式 / オープンチャット / connpass | コミュニティプラットフォーム差 |
| Champion job change | 転職サイトAPI連携 / ニュースモニタリング | LinkedIn Sales Nav未普及 |
| Website visitor ID（Clearbit Reveal） | Lead Dynamics / LBC / LEADPAD | 国内IPデータベース優位 |
| Reddit/HackerNews intent | Qiita/Zenn閲覧 / はてブ | 技術系コミュニティ差 |
| Funding/hiring triggers | INITIAL / BRIDGE / PR TIMES + 求人媒体 | 情報ソースの差 |
| Product usage（PLG） | そのまま適用可能 | ユニバーサル |
| Email engagement | そのまま適用可能（日本のほうが開封率高い傾向） | メルマガ文化が根強い |
| Buying group scoring | 稟議ルートマッピングとして再設計 | 合意形成プロセスの違い |
日本市場には、海外のフレームワークでは想定されていない独自のスコアリング変数が存在する。
| 変数 | スコア影響 | データソース |
|---|---|---|
| 業界団体・協会への所属 | +10〜15（信頼性・予算規模の代理変数） | 協会会員名簿、IR情報 |
| 上場/非上場区分 | 上場+15（予算の透明性、IR情報から売上推定可能） | 四季報データ、EDINET |
| 年度予算サイクル | 3月決算企業の1-2月 → スコア1.5倍乗数 | 企業の決算期情報 |
| 展示会/カンファレンス ブース訪問 | +25〜40（対面接触は日本で高い信頼シグナル） | 名刺スキャンデータ、イベント管理ツール |
| 官公庁・自治体入札参加 | +20（公共調達市場の購買意欲） | 入札情報サービス（NJSS等） |
日本企業の約70%が3月決算だ。1-2月は「予算消化需要」が発生し、年度内に使い切れなかった予算で新規ツールを導入する動きが活発になる。この時期にスコアリングの乗数を上げることで、時期的に購買確度が高いリードを正しく優先できる。同様に、4-5月は新年度の予算策定期であり、翌年度の予算に組み込むための情報収集が活発化する時期だ。
日本市場での導入は、以下の4フェーズで段階的に進めることを推奨する。
| フェーズ | 内容 | 期間 | 主要ツール |
|---|---|---|---|
| Phase 1 | ルールベース（日本向け変数でカスタマイズ）+ Sansan連携 | 1〜3ヶ月 | HubSpot / Salesforce + Sansan |
| Phase 2 | Intent Data追加（ITreview + 自社サイト行動 + イベントデータ） | 3〜6ヶ月 | ITreview API + GA4 + EventHub |
| Phase 3 | ML移行（CRMデータ蓄積後、リフト比ベースでモデル構築） | 6〜12ヶ月 | Python + scikit-learn / XGBoost |
| Phase 4 | LLM活用（Clay AI or 自社LLMパイプラインで非構造化データのスコアリング） | 12ヶ月〜 | Clay / 自社LLMパイプライン |
Phase 1を飛ばしてPhase 3から始めようとする企業があるが、これは失敗する。ルールベースで「何がスコアリングに効くか」の仮説を検証してからでないと、MLモデルに入れるべき特徴量が分からない。また、営業がスコアリングの仕組みを理解・信頼するプロセスも必要で、それはルールベースの段階で構築するものだ。
海外のGTMエンジニアの実践から抽出した知見を、日本市場に適用するための方針を整理する。覚えておくべき原則は3つだ。
単一スコアを捨て、Fit / Intent / Engagementの3層に分離する。
なぜか。単一スコアでは「ICP適合度が高いが行動が少ないリード」と「ICP不適合だが行動が多いリード」が同じ点数になる。前者は営業がアプローチすべきで、後者はナーチャーに回すべきだ。この判断は単一の数字からは導けない。3層に分離することで、営業は「Fitが高くてIntentも出ているリード」を明確に識別でき、MQL拒否率が40%から15%未満に改善した事例がある（Jeff Ignacio / RevEngine）。分離は単に精度を上げるだけでなく、営業がスコアを信頼する根拠を作る。「なぜこのリードが高スコアなのか」を3つの軸で説明できるようになるからだ。
個々のシグナルの加算ではなく、複数シグナルの同時発火を検知する。3つ以上のシグナルが同一アカウントで同時に発火すると、成約率は単一シグナルの2.4倍になる。
なぜか。個別のシグナルには偽陽性がつきまとう。料金ページを見ただけのリードは競合調査かもしれないし、チャンピオンの転職は自社カテゴリと無関係な部署への異動かもしれない。しかし「チャンピオン転職」+「転職先企業が資金調達」+「転職先企業でカテゴリ内の採用が増加」が同時に起きていたら、そのアカウントが購買プロセスにいる確率は格段に上がる。単一シグナルの加算ではこの「同時性」の価値を表現できない。シナジーボーナスとして+15〜30点を加算するロジックを入れることで、「本当に買うアカウント」をノイズの中から抽出できる。
稟議ルートマッピング、Sansan連携、年度予算サイクル、イベント重み付けの4つを必ず組み込む。
なぜか。海外のスコアリングフレームワークをそのまま日本に持ち込むと、3つの構造的な問題が生じる。
加えて、日本固有の強力な変数がある。3月決算企業の1-2月の「予算消化需要」、展示会の名刺スキャンデータ、四季報・EDINETから取得できる財務情報は、海外のフレームワークでは想定されていないが、日本市場では高いリフト比を示す。これらを最初から組み込むことで、海外ベストプラクティスのフレームワーク強度と日本市場の現実が接続される。
スコアリングは一度構築して終わりではない。四半期ごとのバックテスト、営業との月次レビュー、リフト比の継続計測が必要だ。なぜなら、市場環境（競合の参入・撤退、経済状況）、自社のICP（ターゲットシフト、新プロダクト投入）、そしてデータソースの品質（プロバイダーのカバレッジ変動）はすべて時間とともに変化するからだ。構築時に最適だったスコアリングモデルは、6ヶ月後には確実にドリフトしている。
GTMエンジニアが専任オーナーとしてこのサイクルを回すことで、スコアリングは「使われない仕組み」から「営業の武器」に変わる。逆に言えば、オーナー不在のスコアリングは必ず腐る。構築よりも運用のほうが難しく、そして価値が高い。