BtoBマーケティングでは、PV、CVR、商談数、受注率などの定量データが欠かせません。ただ、数字だけでは「なぜそうなったか」まで分からないことがあります。
そこで使うのが、インタビュー、商談記録、サポート履歴、自由記述、営業メモなどの定性データです。役割は、数字を否定することではなく、数字の背景にある文脈を理解し、次に確かめる仮説をつくることです。
定量と定性は、どちらか一方を選ぶものではない
定量データは、どこで変化が起きているかを見つけるのに向いています。定性データは、その変化がなぜ起きたのかを掘るのに向いています。
- CVRが落ちた → どの顧客が、どこで迷ったのかを聞く
- 解約が増えた → 利用前後の期待と実際の差を確認する
- 特定業種の受注率が高い → どの課題や社内事情が噛み合っているのかを調べる
- 問い合わせが減った → 検索・営業・顧客の声を横断して原因候補を出す
数字で場所を特定し、定性で理由を掘り、もう一度データへ戻る。この往復が基本です。
「回答してくれた人」だけを見ると、見落としが起きる
アンケートやインタビューでは、回答してくれた人の声しか直接は見えません。そのため、回答者と非回答者に違いがある場合、結果が偏る可能性があります。
AAPORは、回答率だけでは非回答バイアスの大きさを判断できないと説明しています。重要なのは、回答しなかった人が、回答した人と比べて重要な態度・行動・属性でどれだけ異なるかです。AAPOR: Reassessing Survey Methods
つまり、回答率が高ければ必ず正確、低ければ必ず不正確、ということではありません。誰が答えていて、誰が抜けているかを見る必要があります。
AAPORのガイドでも、回答率は調査品質を見る一つの指標ですが、それだけで精度を決められないと整理されています。AAPOR: Response Rates
顧客理解では「未回答・失注・離脱」も調査対象に入れる
顧客理解では、「見えている顧客だけでなく、見えにくい顧客も調べる」という視点が重要です。
実務では、次のように調査対象を分けると偏りを減らしやすくなります。
- 受注・継続した顧客 — 何が価値として機能したのか。
- 失注した顧客 — 比較・社内合意・価格・タイミングのどこで止まったのか。
- 早期離脱した顧客 — 期待と実際の差は何だったのか。
- 反応しなかった顧客 — 対象外だったのか、訴求が届かなかったのか、時期が違ったのか。
全員へインタビューできなくても、CRM、商談メモ、失注理由、サポート履歴、行動データなどを使って「声が取りやすい人だけ」に偏っていないかを確認できます。
「離脱した理由」を行動ログだけで断定しない
ページ離脱、メール未開封、商談後の沈黙は重要なシグナルですが、それだけでは理由は確定しません。
たとえば価格ページで離脱が多くても、価格が高いとは限りません。必要情報が足りない、比較対象が見つからない、社内確認へ移った、単に時間がなかった、といった可能性もあります。
行動ログは「ここを調べる価値がある」という入口として使い、可能なら顧客インタビュー、営業会話、自由記述などで理由を確かめます。
一人の声も、平均値も、そのまま答えにしない
定性データでは、一人の強い発言を市場全体の声として扱わないことが重要です。一方、定量データでも平均値だけを見ると、重要な違いが消えることがあります。
一人・一社の具体的な文脈から仮説を作る方法は、BtoBマーケティングでN=1をどう使うかで詳しく整理しています。
大切なのは、一人の声を一般化しないことと、平均値で個別差を消さないことを同時に守ることです。
AIは「答えを出す」のではなく、定性データを整理するために使う
商談記録やサポート履歴が増えると、人間だけで全件を読むのは大変です。生成AIは、発言の分類、頻出論点の整理、比較、追加確認ポイントの抽出などに使えます。
ただし、「顧客が本当はこう思っている」とAIに推測させ、それを事実扱いするのは避けます。分析対象は実際の発言・記録・行動です。
AIは一次情報の代替ではなく、一次情報を読み解く補助として使います。
実務では「データ → 対話 → 検証」の順で回す
- 定量データで変化を見つける — CVR、失注率、解約、利用率などを見る。
- 対象ケースを選ぶ — 受注、失注、離脱、高利用など複数タイプから選ぶ。
- 定性情報を集める — インタビュー、営業記録、サポート履歴などを見る。
- 仮説を作る — 共通点と個別事情を分ける。
- 別データで確かめる — 他顧客、CRM、アンケート、施策テストなどで確認する。
顧客インタビューの聞き方は、「答え合わせ」のインタビューは捨てなさいへ。BtoBの顧客理解全体は、顧客理解・購買プロセスから辿れます。
定性と定量を「同じ問い」に接続する：調査を組み合わせる際は、インタビューとアンケートを別々に実施するだけでは不十分です。例えば「なぜ検討が止まるのか」を共通の問いとし、CRMで保留が多い局面を特定してから、その局面を経験した人へ話を聞き、別案件の記録で仮説を確かめます。Nielsen Norman Groupの混合研究法の解説（2025年）も、複数の方法を一つの研究課題へ意図的に統合することを重視しています。購買局面を可視化する方法はカスタマージャーニーマップの実務、施策の成果を確かめる方法はマーケティング実験の設計へ。なお、これらは方法の提案であり、特定の企業で効果を実証した事例ではありません。
まとめ
定性データの価値は、数字を否定することではありません。数字だけでは見えない理由や文脈を掘り、次に確かめる仮説を作ることにあります。
そのとき、声を集めやすい顧客だけを見るのではなく、失注、離脱、未回答なども意識して調査対象へ入れる。定量で場所を見つけ、定性で理由を掘り、再び検証する。この往復が、BtoBの顧客理解を強くします。