予算審査が厳格化するなか、マーケティング施策の投資対効果を事前に示せるかどうかが、マーケターの評価を左右する時代になった。マーケティング予測（Marketing Forecast）とは、過去データとコンバージョン率の仮定をもとに、リード数・パイプライン・売上を事前に推計する手法だ。本記事では、日本のBtoB企業のマーケターが実務で使える予測モデルの構築ステップと精度向上の実践策を解説する。
—
マーケティング予測とは何か、なぜ今BtoBで必要なのか
マーケティング予測とは、過去の実績データ・転換率・計画中の施策を組み合わせて、将来のマーケティング成果を定量的に見積もる構造化された手法だ。レポーティング（過去分析）や予算策定（費用配分）とは異なり、「これからどうなるか」を先読みすることに特化している。
日本のBtoB企業では、四半期ごとの予算会議で「この施策にいくら投じれば何件の商談が生まれるか」を問われる場面が増えている。予測モデルを持たないまま予算申請をすると、担当者の「感覚値」頼りになり、経営層からの承認が得にくくなる。
特に重要なのが、マーケティング予測と営業予測（Sales Forecast）の違いを理解することだ。マーケティング予測はパイプライン創出量の推計、営業予測は成約額の推計を担う。両者のモデルが乖離すると、「マーケは十分なリードを送っているのに営業が刈り取れない」という組織的な断絶が生まれる。予測を共通言語にすることで、マーケと営業の連携が構造的に改善される。
—
正確な予測に必要な6つの構成要素と日本企業での落とし穴
信頼性の高いマーケティング予測を構築するには、以下の6要素が必要だ。
1. 過去実績データ（Historical Performance Data）：最低12〜24ヶ月分のトラフィック・リード数・コンバージョン率を用意する。日本企業では部門間でデータが分散しがちなため、まずデータの一元化から着手したい。
2. コンバージョン率の仮定（Conversion Rate Assumptions）：各ファネルステージの転換率を定義する。例えば「展示会獲得リードの商談化率は12%」のように具体化する。
3. チャネルミックスと予算配分（Channel Mix and Spend）：リスティング広告・SEO・メールなど、チャネル別に予算と期待成果を分ける。
4. 外部環境の入力（Market and External Inputs）：季節変動や競合動向を加味する。BtoB SaaS業界であれば年度末（2〜3月）の需要増も織り込む必要がある。
5. パイプライン定義（Pipeline Definitions）：MQL（Marketing Qualified Lead）やSQL（Sales Qualified Lead）の定義を営業と統一する。
6. 統合データ基盤（Unified Data Systems）：MAツール・CRM・広告データがバラバラだと予測精度は著しく低下する。
日本企業に多い落とし穴は「定義の不統一」だ。マーケが「リード獲得1,000件」と報告しても、営業が「使えるリードは200件」と認識していれば、予測と実績の乖離が必然的に起きる。
—
主要な予測手法4つと日本企業の規模別の選び方
マーケティング予測（Marketing Forecast）の主要手法は4つある。
– 過去トレンド予測（Historical Trend Forecasting）：前年同期比で伸び率を推計する最もシンプルな手法。中小企業や予測初期段階に適している。
– ファネルベース予測（Funnel-based Forecasting）：ステージごとのコンバージョン率を掛け合わせて予測する。「月間ウェブ訪問5万件 × リード転換率2% = 1,000リード → 商談化率20% = 200商談 → 受注率25% = 50件成約」のように可視化できる。BtoBマーケターが最も実践しやすい手法だ。
– 回帰分析予測（Regression-based Forecasting）：統計モデルで投資額とリード数の関係を定量化する。データ量が豊富な大企業向け。
– シナリオベース予測（Scenario-based Forecasting）：楽観・中立・悲観の3シナリオを作成する。新規事業立ち上げや市場変動が大きい時期に有効だ。
スタートアップや中堅企業にはファネルベース予測から始めることを推奨する。ツールはExcelでも開始できるが、CRMとMAが連携されているとデータ収集コストが大幅に下がる。
—
予測精度を高めるための実践的な改善策
予測は「作ること」より「精度を上げ続けること」に価値がある。以下の4つが日本のBtoBマーケターにとって即実践できる改善策だ。
① 定義を営業と統一する：MQLの定義をCRMに登録し、マーケ・営業双方が同じ基準でカウントする仕組みを整える。定義のズレは予測誤差の最大要因だ。
② フィードバックループ（Feedback Loop）を月次で回す：予測値と実績値を毎月比較し、乖離が大きいステージのコンバージョン率仮定を見直す。週次でキャンペーンパフォーマンスを確認するチームほど予測精度が上がるというデータもある。
③ リアルタイムデータを予測に組み込む：広告のクリック率やメール開封率が前週比で変化したら、その週の予測を即座に修正する運用を取り入れる。四半期に1回の見直しでは変化に追いつけない。
④ 自動化で予測と実行を連動させる：MAツールのワークフローを予測モデルと紐づけることで、「商談化率が予測を下回った場合はナーチャリングメールを追加配信する」といったアクションを自動化できる。手動作業を減らすことで、モデルの整合性が保たれる。
これらの改善策はループ型マーケティング（Loop Marketing）の考え方と親和性が高い。施策の結果をデータとして予測モデルに還流させ、次の意思決定の質を高める継続的な仕組みを作ることが、中長期的な成長の鍵となる。
—
まとめ：マーケティング予測は「感覚」から「構造」への転換点
マーケティング予測（Marketing Forecast）は、施策の有効性を事前に示すための経営言語だ。過去データの整理、ファネル定義の統一、月次フィードバックの運用という3ステップから始めれば、大規模な投資なしに予測精度は向上する。予算審査が厳しくなる日本のBtoB環境において、予測モデルを持つマーケターが組織内での発言力を高め、より戦略的な意思決定に参加できるようになる。まずはファネルベース予測の試作から着手してほしい。
—
参考：https://blog.hubspot.com/marketing/marketing-forecast