BtoBの新規開拓市場をどう見つける？顧客データと企業情報を活用する方法

顧客数を市場全体と比べ、開拓余地を捉える

次の開拓市場を選ぶときは、顧客数と売上の集計に、対象市場の企業数を加えて比較します。顧客数の多い業種が、自社にとって開拓しやすい業種とは限らないからです。

比較に使うのは、顧客浸透率と未取引企業数です。顧客浸透率は、対象市場の企業数に占める既存顧客数の割合。未取引企業数は、その市場で自社との取引がないと確認できた企業の数を指します。

以下は説明用の仮想例です。実際の導入事例や実績ではありません。対象企業と既存顧客の時点・法人単位・対象条件がそろい、取引状況を確認できているものとします。

比較項目	市場A	市場B
対象企業数	1,000社	200社
既存顧客数	100社	60社
顧客浸透率	10％	30％
未取引企業数	900社	140社

顧客浸透率＝対象市場内の既存顧客数÷対象企業数×100

顧客数だけを見ると、市場Aの100社が目に入ります。しかし、市場全体と比べると、市場Bでは対象企業の30％と取引しています。市場Aは既存顧客数と未取引企業数が多く、市場Bは顧客浸透率が高い、という違いがあります。

市場Aには広く開拓できる余地があり、市場Bには自社が選ばれやすい条件があるかもしれません。次は、同じ期間・定義で集計した受注率、顧客単価、営業コストを比べます。市場Aへ営業先を広げるか、市場Bで実績のある条件を深掘りするか。市場に残る候補の数と、自社の取引実績を合わせて、営業の優先順位を決めます。

未取引企業が多いだけで有望市場とはいえません。浸透率の高さにも、過去の営業体制や販売チャネルが影響します。商品力や競争優位が証明されたと捉えず、判断の出発点として使います。未取引企業数も候補の規模を表す数字であり、売上機会や市場規模の金額ではありません。

比較の前に、企業と拠点の対応関係をそろえる

正しく比較するには、まず「同じ企業の情報」と「何を1件と数えるか」をそろえます。データをつなぐ目的は、システムごとに分かれた取引・商談・企業情報を、同じ企業や拠点の情報として扱い、判断に使える状態にすることです。

販売管理では売上が分かり、CRM/SFAでは商談の進捗が分かっていても、企業名や顧客コードが違えば、そのままでは一社分の情報として集計できないことがあります。共通の企業識別情報で対応付けると、「取引のある企業に、今どの提案を進めているか」を確認しやすくなります。

ここで、未取引と未照合を区別します。表記の違いなどで照合できなかった企業を、取引がない企業として数えてはいけません。名寄せ結果はサンプルで正誤を確かめ、対応付けが未確定のデータは分けて管理します。

LBCで、接点のない企業と拠点まで見る

市場全体を比較対象にするには、顧客ではない企業の情報も要ります。さらに、その情報を自社の顧客・商談データと対応付けなければ、取引のある企業と、まだ接点のない企業を分けられません。

ユーソナーの企業情報データベース「LBC」は、この二つを支えるデータです。全国の1,250万を超える事業拠点を収録しています。法人の社数ではなく、事業拠点の件数です。※1

LBCの役割は、件数だけでなく、次の三つから捉えられます。

• 範囲：顧客データの外側を見る
  自社に接点のない企業・事業所も含め、対象市場と顧客を比較する。
• 識別：同じ企業の情報を対応付ける
  表記揺れ、旧社名、旧住所などを整理する辞書や名寄せの知見を使い、自社データと企業情報を照合する。
• 関係：拠点や関連企業まで見る
  本社・支店、親会社・子会社などの関係から、未取引拠点や関連企業への展開を考える。※2

説明用の例として、「本社とは取引があるが、別地域の工場には未提案」「ある子会社とは取引があるが、同じグループの別法人には接点がない」といった状況があります。「この企業は取引済み」とまとめるだけでは、こうした提案先を見落とします。

法人単位の顧客数は法人単位の市場企業数と比べ、拠点別に見るなら両方を拠点単位にそろえます。親会社と子会社は別法人なので、法人別の集計を保った上で、グループとしての関係を扱います。

市場の企業情報と自社の取引情報を、企業・拠点の対応関係を保って比較する。企業情報を営業判断に使うには、この準備が要ります。

企業の条件と関心の兆しから、接触の順番を決める

市場を選んだら、提案先と接触の順番を決めます。業種・従業員規模・地域などで自社に合う候補を絞り、その企業が今どのテーマに関心を寄せているかを参考にします。

受注企業と属性が似ていても、同じ時期に同じ提案が合うとは限りません。そこで使うのが、Web上の行動などから関心の兆しを捉えるインテントデータです。

例えば、受注実績のある業種・規模の企業を抽出した後、提案に関連するテーマへの関心の兆しを重ねます。「自社に合う条件」と「今、接点を持つ理由」を分けて確認すると、提案テーマや連絡する順番を考えやすくなります。

インテントデータは、企業の内心や購買意思を直接確認したものではありません。候補の適合性や実際の検討時期は、営業活動の中で確かめます。属性と関心の兆しは、その確認をどこから始めるかを決める材料です。

プランソナーで、候補の抽出と営業状況の確認を進める

プランソナーは、市場分析・ターゲット選定・営業活動の進捗管理を支援する業務サービスです。ここまでの市場比較や候補選びを、営業活動につなげる機能を備えています。※3

判断したいこと	活用する機能
どの条件の企業を候補にするか	「ミキサー」で企業属性や取引先データを組み合わせ、ターゲットを抽出する
自社の取引がどの領域に浸透しているか	リスト分析で既存顧客の浸透率を確認し、得意なセグメントを探る
どの企業に、どこまで接触しているか	CRM/SFAとの連携でアプローチ状況を可視化する
関心の兆しがある企業はどこか	特定のキーワードに関するインテントデータを用い、候補を絞り込む

表はプランソナーの公開情報に基づく整理です。※3

候補を抽出した後にアプローチ状況を確認すれば、未接触の企業と、すでに商談が進んでいる企業を分けて動けます。営業活動の結果を記録し、受注や失注の傾向を次の選定条件に戻します。候補リストは、一度作って終わりではなく、活動の結果に合わせて見直していくものです。

売上・商談・施策のデータを、企業単位で分析する

部門やシステムをまたいで、自社の業務に合わせた分析を行う場合は、販売管理の売上、CRM/SFAの商談履歴、マーケティング施策への反応などを企業単位で対応付けます。そこにLBCの業種・規模・所在地などを加え、分析の切り口をそろえます。

例えば、「どの業種・規模で商談が受注につながっているか」「どの施策をきっかけに接点を持った企業が、継続取引に至っているか」を分析する方法です。未取引企業を含む市場と比べれば、受注実績はあっても接点の少ない地域など、次に試す領域を探せます。

Snowflakeで、企業データを自社の分析環境でも使う

企業情報を使う場所は、営業担当者が操作する業務サービスだけではありません。自社の分析環境で、取引・商談・マーケティングのデータと組み合わせて使う方法もあります。

ユーソナーは2025年11月にSnowflake MarketplaceでLBCの提供を開始し、2026年9月1日には、SnowflakeのAI データクラウド サービスパートナーのSelectパートナー認定を発表しました。※1

Snowflakeは、データの蓄積・分析・共有・AI活用を支える技術基盤です。プランソナーとは役割が異なり自社の分析環境でLBCを使う場合も、何を比較するかを決め、企業の対応関係と指標の定義をそろえることが可能です。

Snowflakeのデータシェアリングは、共有対象とアクセス権限を設定し、他のSnowflakeアカウントからデータを利用できる仕組みです。同一リージョン内の直接共有では、データそのものをコピーせずに参照できます。異なるリージョンやクラウド間で共有する場合は、複製などを含む構成になります。※4・5

セマンティックビューで、集計の意味をそろえる

同じ企業のデータを集めても、「顧客数」が累計取引先数なのか、当年度の取引先数なのかで結果は変わります。受注率も、対象期間と分母をそろえなければ比較できません。

特に、参照するシステムや資料が増えると、こうした定義の違いが表に出てきます。例えば、販売管理では「売上が発生した企業」、CRM/SFAでは「取引先として登録された企業」を顧客として数えていれば、どちらも「顧客数」でも数字は一致しません。データを追加するたびに、この違いを集計する人が読み解いていては、分析結果の確認にも手間がかかります。

そこで、データをつなぐ際には、「どのデータを参照し、何を、どの条件で数えるか」も共通化します。情報量だけでなく、データの出所や分析に関わる人が増えるほど、この定義を共有する意味が大きくなります。

セマンティックビュー（Semantic Views）は、顧客数や受注率などの指標、業種・地域などの分析軸、データ間の関係を定義し、業務で使う言葉とデータを結び付ける仕組みです。※6

工程	そろえるもの
名寄せ・企業識別	どの企業・拠点の情報なのか
セマンティックビューによる定義	何を、どの条件で、どのように集計するか

企業を識別する処理と、指標を定義する処理は別の仕事です。セマンティックビュー自体が企業名の表記揺れや名寄せを解決するわけではありません。企業・拠点の対応関係を整えた上で、集計の定義をそろえます。

AIを使って分析する場合も同様です。「顧客数を教えて」と尋ねる前に、どの期間の、どの単位の顧客を数えるのかを定めます。データや質問する人が変わっても、同じ定義を参照して分析できるようにすることが、結果を比較・確認する土台になります。

ここで説明したセマンティックビューはSnowflakeの一般機能であり、プランソナーの搭載機能を示すものではありません。

一つの市場、一つの営業判断から始める

着手するときは、「次の四半期に、どの業種・地域へ営業の時間を振り向けるか」など、判断したいことを一つ決めます。最初から全社のデータを集めるのではなく、その問いに必要な範囲からそろえます。

1. 対象市場、法人・拠点の集計単位、取引の判定期間を決める。
2. 自社データを企業情報と照合し、未照合を分ける。
3. 顧客浸透率と未取引企業数に、受注率・顧客単価・営業コストを重ねる。
4. 候補企業への営業活動で適合性を確かめ、結果を次の選定に戻す。

企業データを、次の営業判断を支える土台にする

企業データをつなぐ目的は、分散した情報を一か所に集めることだけではありません。取引・商談・企業情報を同じ企業の情報として結び付け、自社の営業実績と市場全体を比較し、次の営業戦略に活かすことにあります。

そのためには、既存顧客だけでなく、まだ接点のない企業も含めた市場全体のデータと、自社が保有するデータを正確に対応付ける仕組みが必要です。

企業名の表記を統一するだけでなく、本社と支店の関係、親会社と子会社の法人としての違いも正しく識別する。こうした企業データの整備が不十分なままでは、どれだけ高度な分析環境を構築しても、比較する数字の信頼性は高まりません。

ユーソナーが目指す「法人データインフラ企業」とは、法人企業データベース「LBC」を基盤に、企業データの品質・構造・鮮度を維持し、企業内外に分散した情報を正しく結び付けることで、企業の意思決定や業務活動を支える存在です。※1

プランソナーなどの業務サービスでLBCを活用する場合も、Snowflakeマーケットプレイスの企業データを活用して自社の分析環境に企業データを統合する場合も、共通するのは、企業を正確に識別し、市場全体を捉えるためのデータ基盤の重要性です。

「売れた企業」の記録は、これまでの営業活動の成果です。しかし、その記録だけでは、まだ開拓できていない市場の大きさや、次に狙うべき企業は見えてきません。

自社の取引実績を、未取引企業を含む市場全体と照らし合わせることで、どの業界・企業規模・地域に開拓余地があるのかを把握できるようになります。

「どの企業に売れたか」から、「どの市場に、なぜ次の営業機会があるのか」へ。

企業データを単なる顧客管理のための情報ではなく、次の営業判断を支える経営資産として活用する。それが、本記事で提案する企業データの使い方です。

市場全体と自社の顧客を比較し、新たな営業機会を見つけたい方は、プランソナーの市場分析・ターゲット選定機能をご覧ください。

プランソナーの市場分析・ターゲット選定機能を見る

---

出典
※1 ユーソナー、「Snowflake AI データクラウド サービス パートナー」のSelectパートナーに認定（2026年9月1日）
※2 企業情報データベース「LBC」の概要と特長
※3 プランソナー公式サービスページ
※4 Snowflake：Introduction to Secure Data Sharing
※5 Snowflake：Sharing data securely across regions and cloud platforms
※6 Snowflake：Overview of semantic views