gtm-metrics

AI 製品のGTM指標、ダッシュボード、測定

AIネイティブ製品のGTM測定、ダッシュボードアーキテクチャ、パフォーマンス分析の専門家です。使用量ベースの消費追跡、AIの売上原価の動向、成果ベースの価格設定の測定など、従来のSaaS指標とAI製品指標の重要な違いを理解しています。創業者や収益責任者が適切な指標を選び、実用的なダッシュボードを構築し、アトリビューションモデルを設計して、意思決定につながる週次レビューの実施体制を整える支援をします。B2B SaaSの成長率の中央値は2025～2026年に26％で定着する一方、新規ARR 1ドルあたりのCACは14％上昇して2.00ドルに達しており、測定規律が効率的な成長と資金の消耗を分けることを理解しています。

開始前に

指標フレームワーク、ダッシュボード、測定計画を構築する前に、以下の情報を集めてください。

• 現在の販売モデルは何ですか？PLG、セールス主導、エージェント主導、またはハイブリッドですか？
• 価格モデルは何ですか？シート単位、使用量ベース、成果ベース、またはハイブリッドですか？
• 現在のARRまたはMRRはいくらですか？適用されるベンチマークはステージによって異なります。
• どのCRMやデータツールを使用していますか？HubSpot、Salesforce、Attio、またはスプレッドシートですか？
• どの分析／BIツールを利用できますか？Metabase、Looker、Mode、またはGoogle Sheetsですか？
• 営業担当者やGTMチームのメンバーは何人いますか？創業者1人の場合とチーム50人の場合では、必要な指標の深さが異なります。
• 現在の購買ジャーニーはどのようなものですか？接点、平均販売サイクル、主要チャネルを確認します。
• 週次レビューの実施体制はありますか？ある場合は、誰が何をレビューしていますか？

---

1. GTMの主要指標ダッシュボード

収益指標

指標	定義	計算方法	目標
ARR／MRR	継続収益	有効なサブスクリプション収益の合計	以下の成長率ベンチマークを参照
純新規ARR	新規ARRから解約ARRを差し引いた額	新規ARR + 拡張 - 解約ARR	四半期ごとにプラス
収益化までの期間	最初のシグナルから成約までの日数	初回接点から受注までの中央値	SMB：30日未満、中堅市場：90日未満、大企業：180日未満
拡張収益率	既存顧客からの新規ARR	拡張ARR / 新規ARR合計	スケール時に40％超（ARR 5,000万ドル以上の企業では約60％）

効率性指標

指標	計算方法	目標
CAC	営業・マーケティング費用合計 / 新規顧客数	セグメントによって異なる
CAC回収期間	CAC /（顧客あたりARR × 粗利益率）	8か月未満（中央値8.6か月、上位企業は5～7か月）
マジックナンバー	純新規ARR（四半期） / 営業・マーケティング費用（前四半期）	0.75超で効率的、1.0超で優秀、0.5未満は要注意
LTV:CAC比率	（ARPA × 粗利益率 × 顧客存続期間） / CAC	3:1超が健全、5:1超は投資不足の可能性あり
バーンマルチプル	純バーン / 純新規ARR	2倍未満が良好、1倍未満が優秀、3倍超は懸念あり

パイプライン指標

指標	計算方法	目標
パイプラインカバレッジ	パイプライン金額 / 期間目標	セールス主導：3～4倍、PLG：2～3倍
パイプライン速度	（適格商談数 × 商談規模 × 受注率） / 販売サイクル期間	前四半期比で上昇
営業担当者あたりのパイプライン	パイプライン合計 / ノルマを持つ営業担当者数	絶対値ではなく推移を追跡
先送り率	予測期間外に移動した商談数 / 予測対象の商談数合計	週次で15％未満

維持率指標

指標	計算方法	目標
NRR	（期首MRR + 拡張 - 縮小 - 解約） / 期首MRR	中央値106％超、クラス最高水準は120％超
GRR	（期首MRR - 縮小 - 解約） / 期首MRR	90％超、スケール時に94％超
顧客ロゴ解約率	失った顧客数 / 期首の顧客数	SMBは月次2％未満、中堅市場は1％未満
TTFV	サインアップから最初の価値イベントまでの時間の中央値	セルフサービスは15分未満、セールス主導は1日未満

ステージ別NRRベンチマーク

ARRの範囲	NRR中央値	上位四分位	備考
100万～300万ドル	約90％	94％	維持率の高いセグメントの発見に注力
300万～1,500万ドル	約95％	99％	拡張の取り組みが始まる
1,500万～3,000万ドル	約100％	105％以上	拡張で解約を相殺する必要がある
5,000万～1億ドル	約110％	120％以上	拡張収益が新規顧客からの収益を上回る
1億ドル以上	約115％	130％以上	積極的な拡張が期待される

成長率のベンチマーク

ARRの範囲	成長率の中央値	上位四分位
<$1M	100%+	200%+
$1-5M	80-100%	150%+
$5-20M	50-80%	100%+
$20-50M	30-50%	70%+
$100M+	20-30%	40%+

---

2. GTMの動き別ファネル指標

PLGファネル

Visitor --> Signup (3-5%) --> Activation (30-40%) --> Conversion (5-8%) --> Expansion (NRR 110-120%)

PLG固有の指標：PQLコンバージョン率、アクティベーションまでの時間（目標は<15分）、機能の採用範囲（最初の14日間に使用されたコア機能）、バイラル係数（目標は>0.3）。

営業主導型ファネル

Signal --> Outreach (3-5% reply) --> Meeting (50%) --> Demo (60%) --> Pilot (40%) --> Close (30%)

営業主導型に固有の指標：ACVの傾向、営業サイクルの長さ（中央値の日数）、セグメント別の受注率、担当者1人あたり月間創出パイプライン、ノルマ達成率の分布。

エージェント主導型ファネル（AI SDR）

Signal --> AI Qualification (10-15%) --> Human Meeting (50%) --> Close (35%)

エージェント主導型に固有の指標：アポイント獲得単価、有望リード獲得単価、AIアウトリーチのROI（AIパイプラインからの売上 / AIコスト）、送信数に対する返信数の比率、人間とAIのレバレッジ比率。

---

3. AI製品固有の指標

AI製品には、従来のSaaS指標では把握できないコスト構造があります。AIネイティブ企業には、これらの補足指標が不可欠です。

AIコスト指標

指標	計算方法	目標
AI売上原価	推論 + コンピューティングコスト / 売上	売上の<20%
AIアクションあたりのコスト	AIコンピューティング総コスト / 生成されたアクション数	時間とともに低下
ROAI	AIに起因する売上 /（推論 + コンピューティングのオーバーヘッド）	好成績企業では>10x
AIコスト控除後の粗利益率	（売上 - 売上原価 - AIコンピューティングコスト） / 売上	>70%（純粋なSaaSの約80%と比較）

使用量ベースの価格設定指標

2025年には、SaaS企業の42%が従量課金制を採用しています（2023年の29%から増加）。価格設定が使用量ベースの場合は、ARR指標に以下を加えてください。

指標	重要な理由
契約ARRと消費ARRの差	価格設定の不整合または利用不足を示します
使用量の成長率	拡張売上の先行指標です
超過利用の頻度	料金プランの設計品質を示します
消費単位あたりのユニットエコノミクス	単位あたりの売上からコストを差し引いた値です。プラスで、改善傾向にある必要があります
コホート別NRR（使用量ベースのみ）	使用量による拡張と座席数の拡張を切り分けます

SaaSとAI製品の指標の違い

SaaSの指標	AIによる違い	AIの追加指標
粗利益率（約80%）	AI推論により60-75%に低下します	AI売上原価を個別に追跡します
DAU/MAU	使用はセッションではなくタスク主導です	タスク完了率、セッションあたりのアクション数
機能の採用	AI機能は単一で、深く活用されます	AIアクションごとの成果達成率
プラットフォームの利用時間	利用時間が短いほど価値が高い場合があります	タスクあたりの時間削減
座席あたりの売上	使用量ベースの価格設定ではユーザーごとに異なります	消費単位あたりの売上

---

4. データ健全性のスコアリング

CRMデータの品質が低いと、他のすべての指標の信頼性が損なわれます。パイプラインレポートを信頼する前に、データの信頼性を数値化してください。

データ健全性スコア

Data Health Score = (Completeness * 0.35) + (Accuracy * 0.30) + (Recency * 0.20) + (Consistency * 0.15)

構成要素	重み	測定内容
完全性	35%	レコードごとに入力済みの必須フィールドの割合
正確性	30%	エンリッチメントソースと照合して検証されたデータポイントの割合
更新度	20%	90日以内に更新されたレコードの割合
一貫性	15%	書式基準に一致するレコードの割合

健全性スコアの目標

スコア	評価	対応
90-100%	A	現在のエンリッチメント頻度を維持します
80-89%	B	スコアが最も低いセグメントのエンリッチメント更新を予定します
70-79%	C	パイプライン指標の信頼性が低い可能性があります。エンリッチメントの集中実施を行います
70%未満	F	パイプラインレポートを信頼するのをやめ、データを全面的にクリーンアップする必要があります

B2Bデータは平均して毎月2.1%劣化します。必要なエンリッチメント更新頻度：連絡先のメールアドレス／電話番号は90日ごと、企業属性データは90日ごと、インテントシグナルは毎週またはリアルタイム、ICPスコアは基となるデータが更新されるたびに再計算します。

---

5. アトリビューションモデル

アトリビューションは「何が商談の成立につながったのか」に答えます。正しく把握することで、次にどこへ投資するかが決まります。

モデルの比較

モデル	仕組み	最適な用途	制約
ファーストタッチ	100％を最初の接点に割り当てます	ファネル上部のチャネル効果を評価します	ナーチャリングや成約時の接点を無視します
ラストタッチ	100％を最後の接点に割り当てます	ファネル下部のコンバージョン分析に適しています	認知度向上への投資を無視します
リニア	すべての接点に均等に貢献度を割り当てます	シンプルで公平な評価に適しています	ブログ訪問とデモのリクエストを同等に扱います
U字型	最初に40％、最後に40％、中間に20％を割り当てます	認知からコンバージョンまでの流れが明確なB2Bに適しています	ファネル中間の貢献度を過小評価します
W字型	30／30／30／10（最初／リード／商談／その他）	マーケティングから営業への引き継ぎが明確なB2Bに適しています	CRMのステージを明確に定義する必要があります
時間減衰	コンバージョンに近づくほど貢献度を高くします	営業サイクルが長い場合に適しています	初期のブランド投資を過小評価します
AI駆動型	MLが貢献度を動的に判断します	コンバージョンが500件以上ある組織に適しています	ブラックボックスであり、データの成熟度が必要です

企業のステージに応じた選び方

ステージ	モデル	理由
売上発生前／$1M未満	ファーストタッチ	どのチャネルがパイプラインを生み出しているかを把握できます
$1-5M	U字型	認知とコンバージョンを評価でき、最も実用的です
$5-20M	W字型	マーケティングから営業への引き継ぎ段階を測定する価値があります
$20M以上	時間減衰またはAI駆動型	十分なデータがあり、営業サイクルの長さを考慮した直近性の重み付けが有効です
PLG（すべてのステージ）	プロダクトタッチ	マーケティングだけでなく、プロダクト内のアクションに貢献度を割り当てます

アトリビューションの遡及期間

遡及期間は営業サイクルに合わせて設定します。SMBは90日、ミッドマーケットは180日、エンタープライズは365日です。2四半期にわたってファーストタッチモデルとマルチタッチモデルを並行して運用し、調整します。四半期ごとに見直してください。

AI GTMアトリビューションの課題

課題	対策
AI SDRの接点が買い手から見えない	AI生成の接点に、CRMでsource=AI-SDRのタグを付けます
マルチチャネルのAIシーケンス	「AIによるアウトリーチ」だけでなく、チャネルとシーケンスへの所属を追跡します
影響と創出の混同	アトリビューションの「ソース」と「影響」を分けます
ダークソーシャル（Slack、Discord、DM）	デモフォームで「当社をどこで知りましたか？」と尋ねます

---

6. ダッシュボードのアーキテクチャ

3層の階層

第1層：取締役会（指標5～7件、月次） - ARRと新規純増ARRのウォーターフォール、NRR、CAC回収期間、バーンマルチプル、パイプラインカバレッジ、マジックナンバー、キャッシュランウェイ。

第2層：経営幹部（指標10～12件、週次） - 創出パイプライン、ステージ別パイプライン、セグメント別受注率、案件規模の推移、営業サイクルの長さ、担当者別ノルマ達成率、コホート別NRR、チャネル別CAC、TTFV、データ健全性スコア、スリッページ率。

第3層：現場担当者（指標15～25件、日次） - 活動（メール、電話、予約済み会議）、パイプライン（新規商談、ステージ移行）、応答（リードへの応答速度、フォローアップ率）、コンバージョン（ステージごとの率）、品質（ICP適合度の分布）、AI運用（AIメッセージ、AI返信率、会議1件あたりのコスト）。

ツールの選定

ツール	最適な用途	コスト
HubSpot Dashboards	すでにHubSpotを利用しているチーム	含まれています
Metabase	SQLネイティブ、セルフホスト可能	無料
Looker	エンタープライズ品質、ガバナンス対応	$$$
Mode	SQL + Python + 可視化	$$
Google Sheets	個人創業者、売上発生前	無料

ダッシュボードのアンチパターン

アンチパターン	対策
1画面に50件以上の指標を表示する	階層に応じた数に制限します
文脈のない虚栄の指標	すべての指標にベンチマーク、目標、またはトレンドラインを設定します
データを手動で入力する	すべての指標を記録システムのAPIから取得します
ダッシュボードのオーナーがいない	担当者を指名し、レビューのスケジュールを必ず設定します
トレンドのないスナップショット	常に直近4週間または13週間のトレンドを表示します

---

7. 先行指標と遅行指標

先行指標（これから起きること）を60％、遅行指標（すでに起きたこと）を40％とする、60／40のバランスを保ってください。

先行指標

指標	予測するもの	低下した場合
今週作成されたパイプライン	1～2四半期先の売上	ファネル上部への投資を増やす
商談化率	来四半期の受注率	適格性評価とデモの品質を監査する
リードへの初回対応時間	インバウンドのコンバージョン率	ルーティングを改善する（目標：5分未満）
プロダクトのアクティベーション率	無料から有料へのコンバージョン	オンボーディングフローを監査する
シーケンスへの返信率	来月の商談数	メッセージとターゲティングを刷新する
機能の利用の深さ	来四半期のNRR	CSが積極的に介入する
チャンピオンとのエンゲージメント頻度	受注確度	チャンピオンとの連絡が途絶えた場合、案件はリスクにさらされています

遅行指標

売上、受注率、CAC／回収期間、NRR／GRR、LTV：CAC、バーンマルチプル、クォータ達成率の分布。月次または四半期ごとに確認します。

先行指標から遅行指標への連鎖

Revenue (lagging)
  <-- Win Rate
    <-- Demo Quality Score (leading)
    <-- ICP Fit Score of Pipeline (leading)
  <-- Pipeline Volume
    <-- Meetings Booked (leading)
      <-- Outreach Volume + Reply Rate (leading)
  <-- Deal Size
    <-- Multi-threading Depth (leading)

---

8. 週次GTMレビューの運用サイクル

週次ミーティング（30～45分）

最も重要なGTM運用の定例です。すべての指標は信頼できる唯一の情報源となるデータに基づきます。スライドを手作業で編集することはありません。

時間	セクション	内容
0-5 min	スコアカード	5～7個の指標について、目標に対する達成状況を緑／黄／赤で確認します
5-15 min	パイプライン	新規パイプライン、ステージの変化、遅延、予測の変更
15-20 min	先行指標	インバウンドの量、アウトリーチ指標、商談化率
20-25 min	リスクのある案件	停滞している案件、障害、支援の要請
25-35 min	アクション	担当者と期限を明確にした具体的なアクションを2～3件
35-45 min	詳細分析	毎週1つの戦略的トピックを取り上げます（ローテーション制）

週次スコアカード

指標	今週	先週	直近4週間の平均	目標	ステータス	担当者
作成されたパイプライン	$X	$X	$X	$X	G/Y/R	名前
設定された商談	X	X	X	X		名前
受注率（直近30日）	X%	X%	X%	X%		名前
サイクル期間	Xd	Xd	Xd	Xd		名前
遅延率	X%	X%	X%	<15%		名前
リードへの初回対応時間	Xm	Xm	Xm	<5m		名前

月次の詳細分析

NRR／リテンション分析（コホート曲線、解約理由、拡大パイプライン）、CAC／効率性のレビュー（チャネル別CAC、回収期間の推移、マジックナンバー）、データの健全性監査（CRMの完全性、エンリッチメントの不足）、競合情報の更新（価格設定、ポジショニング、機能の変更）。

四半期ごとの戦略レビュー

ICPの見直し（受注／失注分析、乖離の検出、スコアリングの更新）、ファネルのベンチマーク（業界と比較したステージ間のコンバージョン）、アトリビューションモデルのレビュー（チャネルROI、予算配分）、GTMの販売モデルの評価（営業主導型、PLG、エージェントのパフォーマンス）。

---

9. PQLスコアリング

プロダクト主導型およびハイブリッド型の販売モデルでは、MQLをプロダクト適格リード（PQL）に置き換えます。コンテンツのダウンロードではなく、プロダクトの利用状況に基づいてスコアを付けます。

PQLスコアリングモデル

PQL Score = (Usage Signals * 0.50) + (Fit Signals * 0.30) + (Intent Signals * 0.20)

スコア	ティア	アクション
80-100	ホット	AEにルーティングし、4時間以内に対応します
60-79	ウォーム	営業支援シーケンス（メール＋SDR）
40-59	ナーチャリング	アプリ内メッセージ＋ドリップメール
40未満	セルフサービス	営業からの接触なし。プロダクト体験を最適化します

PQLから顧客へのコンバージョン率：5～15%（MQLから顧客へのコンバージョン率は1～3%）。コンテンツのダウンロードとは異なり、プロダクトの利用には労力が必要なため、シグナルの強度は高くなります。

---

クイックリファレンス

概念	主な数値またはルール
CAC 回収期間のベンチマーク	中央値は8.6か月、上位企業は5～7か月
Magic Number のしきい値	>0.75は効率的、>1.0は優秀、<0.5は要注意
パイプラインカバレッジ	セールス主導では3～4倍、PLGでは2～3倍
NRRの中央値（2025年）	B2B SaaS全体で106%
NRRのトップクラス	>120%（ARRが$100M以上では130%+）
B2B SaaSの成長率中央値	2025年は26%
CACの傾向	新規ARR 1ドルあたり2.00ドルへ14%上昇
TTFVの目標	セルフサービスは<15分、セールス主導は<1日
売上発生までの期間	SMBは<30日、ミッドマーケットは<90日
データ健全性の目標	>85%。70%未満は信頼性に欠けます
データの劣化率	月次2.1%
先行指標と遅行指標のバランス	先行指標60%、遅行指標40%
週次レビュー	毎週、例外なく30～45分
アトリビューションの計測期間	SMBは90日、ミッドマーケットは180日、エンタープライズは365日
PQLのコンバージョン率	5～15%（MQLは1～3%）
使用量ベースの導入	2025年にはSaaS企業の42%
AIの粗利益率の目標	>70%（純粋なSaaSは約80%）
スケール時の拡大売上	新規ARRの>40%を既存顧客から獲得
スリッページの目標	週次で<15%
リードへの初回対応速度	<5分

---

確認すべき質問

1. 現在、チームが毎週確認している指標は何ですか？ それぞれの担当者は誰ですか？
2. 現在のパイプラインカバレッジ比率はいくつですか？ その根拠となるデータを信頼できますか？
3. 新規顧客の初回価値到達時間をどのように測定していますか？
4. CAC回収期間はどれくらいですか？ 上昇傾向ですか、それとも下降傾向ですか？
5. 新規ARRのうち、既存顧客の拡大と新規顧客の獲得が占める割合はそれぞれどれくらいですか？
6. CRMデータはどの程度そろっていますか？ 今週、データ健全性の監査を実施できますか？
7. どのアトリビューションモデルを使っていますか？ 最後に見直したのはいつですか？
8. GTMの各モーションに個別のファネル指標を設定していますか？
9. 現在のNRRはいくつですか？ セグメント別の内訳はどうなっていますか？
10. PQLとMQLをどのようにスコアリングし、優先順位を付けていますか？
11. AI推論コストは売上に対してどの程度の割合ですか？
12. 先行指標と遅行指標を分けて追跡していますか？
13. インバウンドのデモ依頼に対する平均初回対応速度はどれくらいですか？
14. 最後にファネルのコンバージョン率を業界標準と比較したのはいつですか？
15. スコアカードを使った週次GTMレビューの実施頻度を定めていますか？

---

関連スキル

スキル	相互参照するタイミング
ai-pricing	価格モデルが売上指標に与える影響の測定、使用量ベースの価格設定の計測
expansion-retention	NRR改善計画、解約分析、拡大施策のプレイブック
sales-motion-design	ファネルデータに基づくステージ、適格性判断、引き継ぎの再設計
ai-cold-outreach	アウトリーチの成果：返信率、商談1件あたりのコスト、AI SDRのROI
solo-founder-gtm	完全なダッシュボードを構築する前に3～5個の指標を優先する
gtm-engineering	指標収集のインフラ、CRMの自動化、データパイプライン
ai-sdr	AI SDRの成果測定、エージェント主導のファネル指標
lead-enrichment	データ健全性の改善、データエンリッチメントのワークフロー
positioning-icp	アトリビューション分析からポジショニングやICPの変更が必要だと分かったとき
content-to-pipeline	コンテンツのアトリビューション、ファネル上部からパイプラインへの接続