AIで設計する”動的ICP”｜インテントデータで”似た企業”を自動抽出する実践ガイド

「ICP（理想顧客像）は作った。でも、想定した通りの企業が実際に来ているかは、よく分からない」――BtoBマーケティングの現場でよく聞く悩みです。

ICPは、作ること自体がゴールではありません。ICPを使って狙うべき企業を特定し、アプローチし、商談化につなげるまでが一連の流れです。ところが、多くの企業では最初に設計したICPが「資料の中で止まっている」状態になっています。

この問題を解決するアプローチとして注目されているのが、AIとインテントデータを組み合わせてICPを”動的に”設計・進化させる方法です。受注データや来訪行動データをAIに渡すことで、ICPが「机上の仮説」から「実際に動く指標」に変わります。

本記事では、AI × インテントデータでICPを設計・運用する実践手順を、5つのステップで解説します。

※ ICPの基本的な定義や作り方については、「BtoBマーケティングにおけるICP（理想的な顧客プロフィール）とは」で詳しく解説しています。本記事は、その次のステップとなる”運用・進化”に焦点を当てた内容です。

なぜ「作ったICPは、机の上で止まるのか」

ICP（Ideal Customer Profile：理想顧客像）とは、自社の製品やサービスにとって最も価値の高い顧客企業の特徴をまとめた定義のことです。業種・企業規模・地域・課題などの属性を組み合わせて設計します。

基本的な定義は「ICPとは何か」でまとめていますが、ICPがうまく機能しない現場で共通して見られるのは、以下の3つのパターンです。

パターン1：属性だけで作られていて、”行動”が反映されていない

「業種：製造業、規模：従業員500名以上」といった属性条件だけのICPは、該当企業が全国に数千社あっても、その中の「今、自社の課題を考えている企業」は分かりません。属性で絞っても、温度感が見えないため、結局上から順にアプローチすることになります。

パターン2：一度作ったまま、更新されていない

市場環境や自社の主力商品は変化します。しかしICPは、最初のワークショップで定めた内容から何年も変わらないケースが多いです。結果として、現実の受注企業とICPがズレていき、指標としての精度が落ちていきます。

パターン3：マーケと営業で解釈が一致していない

マーケが想定する「ICPに合致する企業」と、営業が現場で感じている「商談化しやすい企業」にズレがあると、リードの評価軸が合わず、部門間の連携が滞ります。

AI × インテントデータで設計する「動的ICP」とは

動的ICPとは、受注企業データ・来訪行動・インテントデータをAIに渡して継続的に更新される、実データに基づくICPのことです。属性だけの静的なICPと対照的に、「今、狙うべき企業の条件」がリアルタイムに見える状態を作れます。

従来型ICPと動的ICPの違いを整理すると、以下のようになります。

重要なのは、動的ICPは「従来型ICPを否定するもの」ではなく、従来型ICPを起点にしてデータで進化させる延長線上にあるものという点です。まず基本のICPを設計し、それをAIとインテントデータで継続的にチューニングしていく流れになります。

AIでICPを自動設計する5ステップ

ここからは、AIとインテントデータを使ってICPを動的に設計する実践手順を、5つのステップで紹介します。

ステップ1：受注企業データをAIに渡して共通特徴を抽出する

まず起点になるのが、過去の受注企業データです。業種・企業規模だけでなく、「どのページを閲覧していたか」「どのフォームから入ってきたか」「商談までの期間はどれくらいか」といった行動データもあわせてAIに渡します。

するとAIは、人間では気づきにくい共通パターンを言語化してくれます。

• 受注企業が共通して閲覧しているページ群
• 商談前に見ているコンテンツの順序
• 企業規模ごとの検討期間の違い
• 最もCVRが高い流入チャネル

ステップ2：インテント（サイト外の行動）を重ねて”本気度”を可視化する

属性と行動だけでは、「今、検討しているか」は分かりません。ここで重要になるのがインテントデータです。

インテントデータは、企業がサイト外でどんな検索・閲覧をしているかを示すデータ。これをICPの条件に組み込むと、「属性が合致 × 今まさに検討している」企業だけを絞り込めるようになります。

ステップ3：AIに”似た企業”を自動抽出させる

ステップ1〜2で得られた受注企業のプロファイルをもとに、AIに「この企業群と類似パターンを持つ未接点の企業」を抽出させます。これがLook-alike（類似企業）アプローチです。

属性だけで「従業員500名以上」と絞るのと違い、「受注企業と同じページ閲覧パターンを持つ」「同様のインテントを示している」という行動ベースの類似性で抽出するため、ヒット率が格段に上がります。

ステップ4：ICPをフィルタ条件として実装する

AIで設計したICPは、ドキュメントに書き残すだけでは活用されません。運用ツール上でフィルタ条件として実装することで、初めて毎日の業務で使える指標になります。

URUTEQのICP機能では、業種・規模・地域などの属性条件に加え、インテントキーワード・閲覧URL・動向タグなど行動条件を組み合わせたフィルタが作れます。これが「動的ICP」の実体になります。

ステップ5：週次・月次で見直し、AIで更新する

ICPは一度作って終わりではありません。毎週・毎月の受注結果を見て、「ICPに合致した企業の商談化率」「合致しなかった企業からの想定外の受注」を確認し、必要に応じてAIで条件をチューニングしていきます。

この継続更新の仕組みを持てるかどうかが、ICPを”生きた指標”に保てるかの分かれ目です。

業種別：動的ICPの設計イメージ

AIで設計する動的ICPは、業種や商材の特性によって組み合わせる条件が変わります。いくつかの代表パターンを紹介します。

ケース1：BtoB SaaS（中小企業向け）

• 属性条件：従業員50〜300名、業種：IT・サービス業
• 行動条件：料金ページ閲覧 + 競合比較KWでの検索履歴あり
• 除外条件：過去3ヶ月以内の失注企業
• AIの役割：新規流入企業の中から上記パターンに類似する企業を毎週抽出

ケース2：BtoB 製造業（高単価商材）

• 属性条件：売上1,000億円以上、製造業
• 行動条件：技術資料・導入事例ページを複数回閲覧
• インテント条件：業界トレンドKWや関連規制の検索履歴
• AIの役割：技術部門と購買部門、両方からのアクセスが確認できた企業を優先通知

ケース3：コンサル・専門サービス

• 属性条件：従業員500名以上、業種：問わず
• 行動条件：特定課題（例：DX / データ活用）のコンテンツ群を閲覧
• インテント条件：競合コンサル名での検索、業界レポートのDL
• AIの役割：組織内で複数部署からアクセスがある企業（バイインググループ形成中）を検知

AIで設計したICPで起きやすい3つの失敗パターン

便利な手法でも、使い方を間違えると期待した成果が出ません。AIでICPを設計するときに気をつけたい3つの落とし穴を紹介します。

失敗1：データが少ない段階でAIに任せすぎる

受注企業が10社に満たない段階でAIに類似企業を抽出させると、偏った学習結果になり、本来狙うべきでない企業まで拾ってしまいます。まずは自社の仮説と人間の判断を軸にICPを作り、データが蓄積されてからAIで精度を上げる段階的アプローチが現実的です。

失敗2：過去データだけに基づき、”未来の伸びしろ”を捨てる

AIは過去の受注パターンを学習するので、新規開拓したいセグメントや、今後伸ばしたい新規業種を拾えないことがあります。ICPは「現状最適」だけでなく、「戦略的に攻めたい領域」も人間が意思決定で加えることが重要です。

失敗3：ICPを更新せず、マーケと営業で解釈がズレる

AIで設計したICPも、四半期ごとの見直しは必要です。特に「ICPに合致したのに商談化しなかった企業」「ICPに合致しなかったのに受注に至った企業」の分析は、次の更新に直結します。マーケと営業が同じデータで議論できる場を作ることが、動的ICPを機能させるコツです。

ICP運用をAI × URUTEQで回す

ここまで紹介したICPの設計・運用は、URUTEQ（ウルテク）のICPフィルタ機能とAIチャット・AIタスク機能を組み合わせることで、日々の業務に組み込めます。

URUTEQで動的ICPを運用する流れ

1. ICPフィルタの初期設定：業種・規模・地域などの属性条件に加え、閲覧URL・インテントキーワード・企業動向タグを組み合わせて作成
2. AIチャットで受注企業分析：「過去半年の受注企業に共通するインテントは？」と自然言語で聞くだけで、次のICPチューニングのヒントが返る
3. AIタスクで週次レポート自動化：毎週月曜に「ICPに合致した新規企業 + 検討温度上昇企業」を自動でメール通知
4. マーケと営業で共通ダッシュボード：同じICPフィルタの結果をマーケ・営業・インサイドセールスで共有し、評価軸を統一

関連記事：ABMにAIを組み込む方法｜インテントデータで実現する精度の高いアカウント戦略

導入企業の成果

• アポイント獲得率：従来比5〜10倍
• マーケ厳選リストからの商談化率：最大50%
• ICPが「資料の中の仮説」から「毎週回る実務指標」へ進化

よくある質問

まとめ

1. 属性だけで作った静的ICPは、机の上で止まりやすい。行動データ・インテントデータを組み合わせた「動的ICP」に進化させることで、毎週の施策に活きる指標になります。
2. AIを使ったICP設計は5ステップで回せる。受注企業の共通特徴抽出 → インテント重ね合わせ → 類似企業の自動抽出 → フィルタ実装 → 継続更新。それぞれのステップを人間とAIで役割分担することが成功のコツです。
3. ICPを”生きた指標”に変える基盤が必要。URUTEQのICPフィルタ機能 × AI機能を使えば、受注データから類似企業の自動抽出、週次のホットリスト通知まで、動的ICP運用を日々の業務に組み込めます。まずはICPの基礎を押さえたうえで、サービス資料や活用事例集をご確認ください。