ChatGPT入門：法人営業のケーススタディ提供

みなさん こんにちは、4DL CTOの荒巻智隼です。

ChatGPTに色んなことを聴いていくことで、法人営業のお仕事に集中出来るかと思います。

これから数十個のテーマにおいて、具体的にどのような事がChatGPTと出来るかという事について記事にします。

是非ご活用ください。

必ず必要。でも付加価値として直接的に求められない事務作業あると思います。

事例の中で、その証拠証明としても欲しい、ケーススタディについてです。

目次

・成功事例の大事さ
・成功事例の掲載
・成功事例の持ち込み方
・成功事例の調査、まとめかた
・まとめ

・成功事例の大事さ

例えば、この記事を読んでくださっている皆様は飲食店を選ぶのに口コミは活用しますか？

口コミというのは、良い評価の口コミも悪い評価の口コミもあるかと思いますが、今回は良い評価の口コミ。

つまり美味しかった！お店の雰囲気が良かった！お酒のラインナップが豊富で良いものばかりだった！など選びたくなるような口コミを題材にします。

どこかのサービスでも、知り合いの方でも、当たりのお店を知りたくてその口コミを確認することがとても多いことでしょう。

良い口コミがある、つまり良い食事のとれる時間を少なくともその口コミ者は過ごすことが出来たという事です。なので高評価口コミが多いお店はある意味で成功しているのでしょう。（都市伝説として口コミの信用度の話は色々あると耳にしてことはありますが置いといて...）

貴重な食事の時間を良いお店や食事で過ごすことも大事でしょう。そこでその人にとってのはずれを引きたくないわけです。

個人の話であれば、好み的なはずれにあたってしまうのもまた一興と言えますが。

ビジネスとなると、そうはいきません。使える時間やお金は限られています。はずれではなく明確に当たりを求められます。

その場合に、なにが当たりなのかを知っておくのは良い判断材料となりましょう。

・成功事例の掲載

例えばデジタルツールを販売されている企業さんですと、導入事例としてwebサイトに記載されていることはよくあるでしょう。

まずそれが成功事例となっているでしょう。

特に、具体的な効果まで出ていると分かりやすいですね。デジタルツールですので、いかんせん抽象的な意識改革のみやそういった部分ですと、第三者から見ると判断しづらいものです。

また、掲載している情報のみがすべてとは限らないので、例えばホワイトペーパーを収集する、または個人のブログを探してみる。オープンになっていない情報もあるかもしれません。正確な事は言えませんが、社内限りの事例集的なのがあればそういうのを同僚から参照するなども出来るかもしれませんね。

新しいツールではなく、リリースされしばらく経っているのであれば、そのサービスが生き残っている分、事例が出てくるでしょう。

・成功事例の持ち込み方

成功事例をまま、持ち込むのは、以前のブログ記事（1-4:業界ニュースの情報提供）にも少し書きましたが、物足りなかったりします。

お相手に共有する場合に相手に関係ない事例を持ち込んでも、あまりハマらないでしょう。相手の悩みに近いものを解決している成功事例が持ち込めるとなおよいでしょう。

他には同業他社が解決した事例もよいのではないでしょうか。既にあるお悩み解決のパターンもあるでしょう。また潜在的なお悩み解決に繋がるかもしれません。他社とはいえ同業ですから同じ課題感を持つこともあるはずです。

または順序は逆転しますが、お客様の経営課題から逆算するような形で用意してみる事も手段の１つです。

弊社トレーニング（リンク）ではChatGPTと対話しながら法人のお客様の経営課題を考えていくようなメニューがあります。

たとえばそのようにして、経営課題を出してみて、それにはこのケースがあてはまりそうだなと考えてみるのもよいでしょう。

・成功事例の調査、まとめ方

検索による調査、または対象のサービスが決まっているのであれば直にwebサイトを探す

またヘルプで探すが手っ取り早いでしょう、もしくはなにかのカタログからです。

おそらくこれまでのブログ記事でお伝えしたような情報探索とは相性が悪いかと思います。

サービスが決まっている、解決するお悩みが定まっているなど、方向性が細かく定まっているとなると。生成AIに期待する大量性はあまり得づらい領域です。

また、質という点においても同様です。ある程度方向性が定まっている中だと微細な違いが、大きな違和感になるフェーズかと思います。生成AIとなると、そのあたりはきりがない領域になってくるかと思うので、おそらく人がやっても十分に行える領域です。

では、まとめる際にはですがそこは生成AIを使ってもいいでしょう。

まとめるところとなると、もともとの情報が多い場合や、見落としや情報の不足を避けるためにAIのサポートを得ていくとよいでしょう。

既存の資料からどのようにまとめていくかは過去記事：1-3:製品仕様の要約 を参照してみてください。

テキストやPDFからどのようにまとめていくかを整理しています。

・まとめ

今回はこれまでのやり方を統合するような記事となりましたがいかがでしたでしょうか。

単純にこれに使う！とかではなく、複合的なタスクで１つの業務が成り立つように、さまざまなAIの使い方の組み合わせで繋がっていきます。

また本音としてはAIでの解決が少ししづらい領域でもありました。

特に間違い情報を避けるべき領域であったこと。いわゆるハルシネ―ションと言われるものを避けたかったです。そうなってくると結局元資料やwebページを参照するわけですが二度手間になりかねません...

加えて、ケーススタディはあまりにも個社事情や特異的な情報と言えます。残念ながらそういった情報が上でも書いたようにネットやAIの学習情報にあまりない事が考えられます。

一般論やまたその拡張として、生成AIとしてどんなケースがあるかを考えるなどは出来るかもしれません。しかしケーススタディは過去を知りたいものなので、生成AIが活きづらいといるかなと感じています！

最後に宣伝です。

がっつり性能を使いながら、プロンプトも使いながら業界情報も活用しながらをお客様法人の経営課題を考えるトレーニングが弊社にはあります。

お客様の変革を支援するためには、お客様の経営課題をしっかりと見つけることが重要です。その変革を実現する経営課題を仮説立案する作業を効率化して、量と質を両方追うためのトレーニングにご興味があったら、ぜひ以下のバナーをクリックしてみてください。

また、4DLでは生成AIも営業場面での活用にお悩みの場合などお気軽にご連絡いただければ相談に乗れますのでお気軽にどうぞ！