sales-coaching

営業コーチング

営業でのあらゆる活動、つまりメール、通話、商談を分析し、うまくいくこととうまくいかないことのパターンを見つけて、上達するための具体的で実践的なコーチングを提供する AI コーチです。

これは、一般的な営業アドバイス（「常にクロージングを意識する」など）ではありません。あなた自身のデータ、つまり成果の高いメール、成約につながった通話、成功した商談のパターン、よくある反論への対応の失敗、そしてあなたの製品が属する市場から導き出されるコーチングです。

sequence-performance との違い：

コンポジット	焦点	出力
sequence-performance	このキャンペーンの成果はどうか？	キャンペーン指標＋コピーの診断
sales-coaching	この人がもっと上手に営業するには？	個人のスキル評価＋コーチング計画

もう一方のコンポジットは仕事を分析します。こちらは働く人をコーチングします。

自動読み込みするタイミング

次の場合にこのコンポジットを読み込みます：

• ユーザーが「営業を改善するには？」「コーチングして」「何がよくない？」「営業コーチング」「もっと上手に売る方法を教えて」と言った場合
• ユーザーが「自分の営業スタイルを見直して」「通話を分析して」「営業でどんなパターンが見られる？」と言った場合
• ユーザーが「なぜ商談を失注するの？」「なぜ相手から返信がないの？」「成果の高いメールは何が違うの？」と尋ねた場合
• 四半期または月の業績が悪く、ユーザーが個人のパフォーマンスを診断したい場合
• 定期的な（毎月／四半期ごとの）自己改善の取り組みとして

---

ステップ 0：設定（初回のみ）

ユーザープロフィール

質問	目的	保存先
あなたの役職は何ですか？	コーチングのレベルを調整します	user_role
営業を始めてどれくらいですか？	経験に応じたアドバイスを行います	experience_level
何を販売していますか？（製品／サービスについて2～3文で）	すべての分析の背景情報にします	product_description
平均的な商談規模はいくらですか？	重要なポイントを調整します	avg_deal_size
通常の営業サイクルはどれくらいですか？	進捗の期待値を調整します	sales_cycle_days
自分の最大の弱点は何だと思いますか？	コーチングの出発点にします	self_assessed_weakness

役職の選択肢：

• "sdr" — 見込み客の開拓、アプローチ、適格性の確認、商談の設定に重点を置きます
• "ae" — 課題の発見、デモ、交渉、クロージングに重点を置きます
• "founder" — あらゆる業務に重点を置きます（複数の役割を兼任）
• "sales_leader" — 個人だけでなく、チームのパターンに重点を置きます

データソース

質問	選択肢	保存先
メールキャンペーンはどこにありますか？	Smartlead / Instantly / Outreach / CSV	email_tool
通話の録音／文字起こしデータはどこにありますか？	Gong / Chorus / Fireflies / Otter / ローカルファイル / なし	call_tool
パイプラインはどこにありますか？	Salesforce / HubSpot / Pipedrive / Close / Supabase	crm_tool
通話の文字起こしデータを利用できますか？	はい（パスまたはツール）／いいえ	transcripts_available
どれくらい前までを分析しますか？	30 / 60 / 90 / 180日	analysis_window

設定は、現在の作業ディレクトリ、またはユーザーが指定する場所に保存します。

---

ステップ 1：営業データの収集

目的： 分析に利用できる営業データをすべて取得します。利用できるデータの種類が多いほど、より充実したコーチングを提供できます。ただし、利用可能なデータだけでも機能します。

入力仕様

data_sources: { ... }                 # From config
analysis_window: integer              # Days to look back
user_role: string                     # From config

データ収集マトリクス

データ種別	取得するもの	明らかになること
メールキャンペーン	対象期間内のすべてのキャンペーン — コピー、指標、返信	ライティングの質、メッセージングの有効性、パーソナライズのスキル
メール返信	返信の全文、分類	反論処理、見込み客があなたにどう反応するか
通話の録音／文字起こし	文字起こし全文または録音	発話と傾聴の比率、ヒアリングスキル、反論処理、クロージング技術
パイプラインの商談	対象期間内のすべての商談 — ステージ、結果、タイムライン	商談管理、進行速度、商談がどこで停滞または失注するか
ミーティングのメモ	通話後のメモ（利用可能な場合）	フォローアップ、メモ取りの規律
カレンダー	予約されたミーティング、実施されたミーティング、無断欠席	時間管理、ミーティングの質

設定済みの各ソースから取得します:

メールデータ

email_data: {
  campaigns: [
    {
      name: string
      date_range: { start: string, end: string }
      sequence: [
        {
          touch: integer
          subject: string
          body: string
          sent: integer
          opens: integer
          replies: integer
        }
      ]
      replies: [
        {
          sender: string
          sender_title: string
          reply_text: string
          category: string            # positive, objection, not interested, etc.
          touch_triggered: integer
        }
      ]
    }
  ]
  total_campaigns: integer
  total_emails_sent: integer
  total_replies: integer
  overall_reply_rate: percentage
}

通話データ

call_data: {
  calls: [
    {
      date: string
      prospect_name: string
      prospect_company: string
      call_type: string               # discovery, demo, follow-up, negotiation
      duration_minutes: integer
      transcript: string | null       # Full transcript if available
      recording_url: string | null    # Recording link if available
      outcome: string                 # "next step agreed", "no next step", "closed won", "closed lost"
      notes: string | null            # Post-call notes
    }
  ]
  total_calls: integer
  avg_duration: float
  outcome_distribution: { ... }
}

パイプラインデータ

pipeline_data: {
  deals: [
    {
      name: string
      company: string
      stage: string
      created_date: string
      close_date: string | null
      outcome: "open" | "won" | "lost"
      loss_reason: string | null
      amount: number | null
      days_in_pipeline: integer
      source: string | null           # How the deal originated
      touches_before_close: integer | null
    }
  ]
  total_deals: integer
  win_rate: percentage
  avg_cycle_days: float
  avg_deal_size: number | null
}

出力契約

collected_data: {
  email_data: { ... } | null
  call_data: { ... } | null
  pipeline_data: { ... } | null
  data_richness: "full" | "partial" | "minimal"
  data_summary: string                # "Analyzing X campaigns, Y calls, Z deals over N days"
}

人的チェックポイント

## Data Collected

| Source | Available | Volume |
|--------|-----------|--------|
| Email campaigns | Yes | X campaigns, Y emails sent, Z replies |
| Call transcripts | Yes/No | X calls, Y hours |
| Pipeline deals | Yes | X deals (W won, L lost, O open) |

Analysis window: [start] to [end]
Data richness: [full/partial/minimal]

Proceed with analysis? (Y/n)

---

ステップ 2: メールのパフォーマンスパターンを分析する

目的: キャンペーンレベルの指標を超えて踏み込みます。あなたの最良のメールが機能する理由と、あなたの最悪のメールが失敗する理由のパターンを見つけます。純粋な LLM 推論です。

プロセス

A) 最もパフォーマンスの高いメールを特定する

すべてのキャンペーンにわたって、次を見つけます:

• 返信率が最も高い件名 — それらに共通する点は何か？
• 返信率が最も高いメール本文 — どのようなパターンが存在するか？
• ポジティブな返信を生んだメール — 具体的に何が関心を引き起こしたか？
• ミーティングを生んだメール — ゴールドスタンダードです。これらは何を言っていたか？

各トップパフォーマーについて、次を抽出します:

パターン要素	注目すべき点
件名の構造	シグナル参照？質問？同業者フレーミング？長さ？
冒頭の一文	相手を主語にしているか、自分を主語にしているか？シグナル参照？質問？断定？
本文の構造	段落はいくつか？証拠ポイントの配置？長さ？
パーソナライズの深さ	ティア 1／2／3？何をパーソナライズしたか？
CTA の種類	具体的な依頼？オープンエンド？期限付き？
トーン	カジュアル？プロフェッショナル？挑発的？共感的？
使用したフレームワーク	PAS？BAB？Signal-Proof-Ask？AIDA？
証拠ポイントの種類	顧客名？指標？ケーススタディ？

B) 最もパフォーマンスの低いメールを特定する

ワーストパフォーマーについても同じ分析を行います:

• 返信率の低いメールに共通する点は何か？
• アンチパターンはあるか？（長いメール、汎用的な書き出し、弱い CTA、証拠なし）
• キャンペーン全体に一貫した欠陥はあるか？

C) 勝者と敗者を比較する

観点	上位 20% のメール	下位 20% のメール	ギャップ
平均語数	[X]	[Y]	[短い／長い]
件名の長さ	[X 文字]	[Y 文字]	[差分]
「I」または「We」で始まる	[X%]	[Y%]	[自己中心 vs. 見込み客中心]
証拠ポイントを含む	[X%]	[Y%]	[証拠活用のギャップ]
パーソナライズのティア	[平均ティア]	[平均ティア]	[パーソナライズのギャップ]
CTA の明確さ	[評価]	[評価]	[差分]
シグナル参照がある	[X%]	[Y%]	[シグナル活用のギャップ]

D) 反論パターンの分析

反論として分類されたすべての返信にわたって:

分析	明らかになること
最も多い反論	最も頻繁に直面しているもの
キャンペーン／オーディエンス別の反論	ターゲティングが反論を引き起こしているか？
各反論への対応方法（フォローアップメールから）	あなたの対応は効果的か？
ミーティングにつながる反論 vs. 行き止まり	どの反論が実際に対応可能か？
反論の言葉遣いのパターン	見込み客が使う正確な言葉（これらをメッセージングにコピーしましょう）

E）返信のセンチメント分析

カテゴリ	件数	%	傾向
前向きな関心	X	Y%	+/- 以前のキャンペーンとの比較
好意的／興味あり	X	Y%
反論（対処可能）	X	Y%
反論（対処不能）	X	Y%
興味なし	X	Y%
自動返信	X	Y%

重要な質問： 前向きな返信と否定的な返信の比率は、時間とともに改善していますか？関心を引くメールを書くのが上達していますか、それとも停滞していますか？

出力仕様

email_patterns: {
  top_performers: {
    common_patterns: string[]
    best_subject_lines: [ { subject: string, reply_rate: percentage, pattern: string } ]
    best_openers: [ { opener: string, campaign: string, why_it_works: string } ]
    winning_proof_points: string[]
    winning_ctas: string[]
    winning_tone: string
    winning_framework: string
  }

  bottom_performers: {
    common_anti_patterns: string[]
    worst_subject_lines: [ { subject: string, reply_rate: percentage, issue: string } ]
    common_mistakes: string[]
  }

  winner_vs_loser: {
    dimensions: [ { dimension: string, winners: string, losers: string, gap: string } ]
    biggest_differentiator: string
  }

  objection_patterns: {
    most_common: { objection: string, count: integer, handle_effectiveness: string }
    handleable_objections: [ { objection: string, best_handle: string, conversion_rate: string } ]
    terminal_objections: [ { objection: string, implication: string } ]
  }

  sentiment_trend: {
    direction: "improving" | "stable" | "declining"
    evidence: string
  }

  email_skill_grade: "A" | "B" | "C" | "D" | "F"
  email_skill_summary: string
}

---

ステップ 3：通話のパフォーマンス傾向を分析する

目的： 通話の文字起こしや録音が利用できる場合、ユーザーの通話でのパフォーマンスを分析します。通話データがない場合は、このステップをスキップします。

プロセス

A）構造分析（文字起こしから）

通話の文字起こしごとに、次の項目を測定します。

指標	算出方法	わかること
話す時間と聞く時間の比率	単語数（あなた）／単語数（見込み客）	話す時間が60%超＝話しすぎです。優秀な営業担当者は、話す時間が40～50%です。
最長の独話	営業担当者が中断されずに話した最長時間	90秒超＝売り込まずに講義しています。60秒以内に収めましょう。
質問数	質問した回数	ニーズを探る通話では、10～15個の質問が必要です。5個未満＝十分に掘り下げられていません。
質問の深さ	表面的な質問（「どのような仕事をしていますか？」）と深い質問（「そのプロセスがうまくいかないと、どうなりますか？」）の比較	深い質問＝効果的なニーズの把握。表面的な質問＝形だけのやりとりです。
つなぎ言葉の頻度	「えー」「あの」「なんか」「ご存じのとおり」「基本的に」「正直に言うと」の数	頻度が高い＝自信または準備不足です。
通話時間	合計時間	短すぎる（ニーズ把握の通話で15分未満）＝十分に掘り下げられていません。長すぎる（45分超）＝通話をコントロールできていません。

B）ニーズ把握の質の分析

通話の文字起こしから、次の項目を評価します。

観点	確認すること	良い例と悪い例
課題の把握	実際の課題を突き止めましたか？	良い例：見込み客が自分の言葉で課題を説明する。悪い例：課題が何であるべきかをこちらが伝えた。
影響の定量化	問題のコストを定量化できるよう支援しましたか？	良い例：「つまり、月におよそ$Xのコストがかかっているのですね。」悪い例：定量化しなかった。
意思決定プロセス	他に誰が関わるか、スケジュール、予算について尋ねましたか？	良い例：BANTを明確に把握している。悪い例：何も把握できないまま通話を終えた。
現状	現在どのように課題を解決しているか理解しましたか？	良い例：現在使っているツール／プロセスを把握している。悪い例：現在何をしているのかまったくわからない。
導入のきっかけ	なぜ今なのかを特定しましたか？	良い例：きっかけ（新しいリーダー、資金調達、期限）を把握している。悪い例：緊急性を確認できていない。
次のステップ	明確で、双方が合意した次のステップを決めて通話を終えましたか？	良い例：具体的な日付／時刻／アクション。悪い例：「検討させてください」または「こちらから連絡します」。

C）通話中の反論への対応

通話中に出た反論ごとに、次の項目を評価します。

分析項目	評価すること
反論を受け止めましたか？	良い例：「おっしゃることは理解できます。それはもっともな懸念です。」悪い例：すぐに反論する、または無視する。
反論を掘り下げましたか？	良い例：「もう少し詳しく教えていただけますか？」悪い例：すぐに対処に移る。
対応は適切でしたか？	良い例：相手固有の懸念に対処した。悪い例：一般的な回答をした。
根拠を示しましたか？	良い例：「X社も同じ懸念を持っていましたが、その後こうなりました。」悪い例：「信じてください。」
会話は前に進みましたか？	良い例：反論が解消され、話が軌道に戻った。悪い例：通話が停滞した、または終了した。

D）デモ／プレゼンテーションの分析

デモの通話がある場合：

項目	確認すること
機能の羅列	すべての機能を見せましたか。それとも、相手の課題に関係する機能だけを見せましたか。
「それで何が変わるのか？」の確認	機能を見せた後、相手固有のニーズに結び付けましたか。
見込み客の関与	デモ中、見込み客も話していましたか。それとも、一方的な説明になっていましたか。
カスタマイズ	デモは相手のユースケースに合わせたものでしたか。それとも、一般的な内容でしたか。
製品とスライドの時間配分	実際の製品を見せていましたか。それとも、スライドを提示していましたか。

E）成約した通話と失注した通話のパターン

次の段階に進んだ通話（次のステップに進んだ、成約した）と、停滞または失注した通話を比較します。

項目	成約した通話	失注した通話	差
話す時間と聞く時間	[比率]	[比率]
質問数	[件数]	[件数]
課題の発見	[はい／いいえ %]	[はい／いいえ %]
次のステップへの合意	[%]	[%]
表面化した反論	[件数]	[件数]
通話時間	[平均分]	[平均分]

出力仕様

call_patterns: {
  structural: {
    avg_talk_ratio: percentage
    avg_longest_monologue_seconds: integer
    avg_questions_per_call: float
    filler_word_frequency: "low" | "moderate" | "high"
    common_fillers: string[]
    avg_call_duration: float
  }

  discovery_quality: {
    pain_discovery_rate: percentage    # % of calls where real pain was uncovered
    impact_quantification_rate: percentage
    decision_process_mapped_rate: percentage
    next_step_agreed_rate: percentage
    common_gaps: string[]             # What's consistently missed in discovery
  }

  objection_handling: {
    objections_per_call: float
    acknowledgment_rate: percentage   # % of times objection was properly acknowledged
    exploration_rate: percentage      # % of times the objection was explored before handling
    resolution_rate: percentage       # % of times the objection was successfully handled
    weakest_objection_type: string    # Which type of objection you handle worst
    best_objection_type: string       # Which type you handle best
  }

  demo_quality: {
    feature_dumping_detected: boolean
    prospect_engagement_level: "high" | "moderate" | "low"
    customization_level: "tailored" | "semi-generic" | "generic"
    common_demo_mistakes: string[]
  } | null

  winning_vs_losing: {
    key_differences: [ { dimension: string, winners: string, losers: string } ]
    biggest_predictor: string         # Single biggest differentiator between winning and losing calls
  }

  call_skill_grade: "A" | "B" | "C" | "D" | "F"
  call_skill_summary: string
} | null

---

ステップ 4：案件のパターンを分析する

目的： パイプラインデータから、成約した案件と失注した案件のパターンを見つけます。純粋な計算と LLM による推論です。

プロセス

A）成約／失注パターンの分析

項目	比較する内容（成約と失注）
流入チャネル	どのチャネルからの案件が成約につながりますか。
リードのペルソナ／役職	どの役職のリードが成約に至りますか。
業界	どの業種で成約していますか。
企業規模	どの規模の企業との成約率が最も高いですか。
案件規模	大型案件は成約しやすいですか、それとも成約しにくいですか。
営業サイクルの長さ	短期間で進む案件のほうが成約しやすいですか。
接触回数	成約までに何回のやり取りがありましたか。
関与するステークホルダー	単一担当者との接点と、複数担当者との接点
競合状況	競合がいる案件といない案件では、どちらのほうが成約しやすいですか。

B）進捗速度の分析

パターン	明らかになること
案件が最も長く停滞するステージ	ボトルネックです。このステージでのスキル向上が必要です
案件が最も多く失注するステージ	失注の急所です。ここで何がうまくいっていないのでしょうか。
最も早く成約した案件	「得意な領域」です。簡単に成約できる案件に共通する点は何ですか。
成約までに最も時間がかかった案件	何が難しくしていたのでしょうか。回避または迅速化できますか。

C）活動と成果の相関関係

活動	成約との相関関係
初回通話前のメール数が多い	正の相関、負の相関、それとも相関なしですか。
初回返信までの時間が短い	スピードは重要ですか。
複数チャネル（メール＋LinkedIn＋通話）	複数チャネルで接触した案件は成約しやすいですか。
接触したステークホルダーの数	複数の担当者との接点を持つことは役立ちますか。
通話後のフォローアップ速度	迅速なフォローアップは成約の予測につながりますか。

出力仕様

deal_patterns: {
  win_profile: {
    best_source: string
    best_persona: string
    best_industry: string
    best_company_size: string
    avg_winning_cycle_days: float
    avg_touches_to_close: float
    common_traits: string[]
  }

  loss_profile: {
    top_loss_reason: string
    loss_stage: string                # Where deals die most
    common_loss_traits: string[]
    recoverable_losses: string        # "X% of lost deals were timing — could be re-engaged"
  }

  velocity: {
    bottleneck_stage: string
    kill_zone_stage: string
    sweet_spot: string                # Description of your easiest wins
  }

  activity_correlations: [
    { activity: string, correlation: "positive" | "negative" | "none", insight: string }
  ]

  deal_skill_grade: "A" | "B" | "C" | "D" | "F"
  deal_skill_summary: string
}

---

ステップ 5：スキル評価とコーチング計画を作成する

目的： メール、通話、案件の分析結果を統合し、個人の営業スキルを評価して、具体的なコーチング計画を作成します。純粋な LLM による推論です。

入力仕様

email_patterns: { ... }              # From Step 2
call_patterns: { ... } | null        # From Step 3 (if calls available)
deal_patterns: { ... }               # From Step 4
user_role: string                    # From config
experience_level: string             # From config
product_description: string          # From config
self_assessed_weakness: string       # From config

スキル評価の枠組み

ユーザーの役割に関連する営業スキルの各項目について評価します。

SDR スキルの評価項目

評価項目	データソース	評価内容
見込み顧客開拓の質	メールのターゲティング → 返信の関連性	適切な相手にアプローチできていますか？
メールのコピーライティング	メールパターンの分析	読み手を引きつけるメールを書けていますか？
パーソナライズ	メールパターンの分析	差し込み項目以上の工夫をしていますか？
シグナルの認識	メールキャンペーンの切り口	関連性の高いシグナルを活用していますか？
異議への対応（文章）	返信の分析、フォローアップメール	メールで異議にうまく対応できていますか？
適格性の見極め	パイプラインデータ — 適格な商談と不適格な商談	質の高い商談を設定できていますか？
フォローアップの徹底	キャンペーン構成、タイミング、シーケンスの長さ	効果的にフォローアップできていますか？
活動量と一貫性	時系列の活動指標	一貫して十分な活動量を維持できていますか？

AE スキルの評価項目

評価項目	データソース	評価内容
ディスカバリー	通話のトランスクリプト — 質問内容、明らかになった課題	顧客の真の課題を引き出せていますか？
傾聴	通話のトランスクリプト — 発話比率、見込み顧客の関与度	話すよりも聞く時間のほうが長いですか？
デモの効果	通話のトランスクリプト — 機能の関連性、関与度	顧客の課題に合わせてデモを行っていますか？
異議への対応（口頭）	通話のトランスクリプト — 異議の解消率	反論にうまく対応できていますか？
交渉	商談データ — 値引きの傾向、成約率	価値を守れていますか？
商談管理	パイプラインデータ — 進行速度、ステージの進捗	商談を前に進めていますか？
複数の関係者へのアプローチ	商談データ — 接触したステークホルダー	アカウント内の幅広い関係者にアプローチしていますか？
クロージング	商談データ — 受注率、次のステップへの合意	自信を持ってクロージングできていますか？

創業者のスキルの評価項目

SDR と AE のすべての評価項目に加えて、以下も評価します。

評価項目	データソース	評価内容
ストーリーテリング	通話のトランスクリプト、メールのコピー	製品の魅力を伝えるストーリーを語れていますか？
市場でのポジショニング	メールの切り口、競合への言及	競合に対して効果的にポジショニングできていますか？
適応力	キャンペーンや通話ごとの変化	見込み顧客に応じてアプローチを調整していますか？

採点

各評価項目に、次の評価を付けます。

評価	基準
A	上位 25％のパフォーマンスです。明確な強みがあり、データが優れた成果を裏付けています。
B	平均を上回っています。十分な能力があり、小さな改善の余地があります。
C	平均的です。機能していますが、差別化には至っていません。成長の余地が明確にあります。
D	平均を下回っています。データに一貫した問題が見られ、重点的な取り組みが必要です。
F	大きな弱点があります。データから、成果に悪影響を与えていることが分かります。優先的に改善すべきです。

コーチングプラン

C 以下の評価を付けた各項目について、以下を作成します。

Skill: [dimension name]
Current grade: [grade]
Evidence: [specific data points that drive the grade]
Root cause: [why this is happening — not just what, but why]

Coaching recommendation:
1. [Specific, actionable thing to do differently]
2. [Exercise or practice to build this skill]
3. [Example from their own data of when they did this well vs. poorly]

Model to follow:
[Pull from their own top-performing emails/calls as examples.
"Your email in Campaign X did this perfectly — replicate that approach."]

Measurable goal:
[Specific metric to track improvement. E.g., "Increase question count per
discovery call from 6 to 12 over the next 30 days."]

パーソナライズされたプレイブック

ユーザーの成果につながっているパターンを抽出し、個人向けのプレイブックにまとめます。

## Your Winning Formula

Based on analyzing [X emails, Y calls, Z deals], here's what works for YOU:

### Your Best Email Pattern
Subject line style: [pattern]
Opening approach: [pattern]
Proof point that resonates: [specific proof]
CTA that converts: [specific CTA]
Ideal length: [word count]
Best framework: [framework]

Template (built from your own top performers):
> [Reconstructed template from their best emails]

### Your Best Call Pattern (if calls available)
Discovery approach: [how you open well]
Strongest questions: [questions that work for you]
Objection handle that works: [specific handle]
Demo style that converts: [approach]
Close technique: [how you get next steps]

### Your Win Profile
You close best when:
- The prospect is [title/seniority]
- The company is [size/industry]
- The deal came from [source]
- The cycle is [length]
- You [specific behavior that correlates with winning]

出力仕様

skill_assessment: {
  overall_grade: "A" | "B" | "C" | "D" | "F"
  overall_summary: string

  dimensions: [
    {
      name: string
      grade: string
      evidence: string[]
      strength_or_weakness: "strength" | "neutral" | "weakness"
    }
  ]

  top_strengths: [
    { skill: string, evidence: string, advice: string }  # "Keep doing this"
  ]

  top_weaknesses: [
    {
      skill: string
      grade: string
      evidence: string[]
      root_cause: string
      coaching: string[]
      model_from_own_data: string | null
      measurable_goal: string
    }
  ]

  personalized_playbook: {
    best_email_pattern: { ... }
    best_call_pattern: { ... } | null
    win_profile: string
    template_from_top_performers: string
  }

  self_assessment_validation: {
    user_said: string                 # Their self-assessed weakness
    data_says: string                 # What the data actually shows
    aligned: boolean                  # Do they match?
    surprise_finding: string | null   # Something they didn't know about themselves
  }
}

---

ステップ 6：コーチングレポートを作成する

目的： 最終的なコーチングレポートを作成します。個人に合わせ、実行可能で、前向きな内容にします。これは業績評価ではなく、コーチングセッションです。

レポートの構成

# Sales Coaching Report — [User Name]
**Based on:** [X emails, Y calls, Z deals] over [analysis window]
**Role:** [SDR/AE/Founder]
**Product:** [what they sell]

---

## Your Sales Scorecard

| Skill | Grade | Trend | Notes |
|-------|-------|-------|-------|
| [skill 1] | [grade] | [improving/stable/declining] | [one-line note] |
| [skill 2] | [grade] | [trend] | [note] |
| ... |

**Overall:** [grade] — [one-sentence summary]

---

## What You're Great At

Your data shows clear strengths in these areas. Keep doing these things.

### 1. [Strength #1]
**Evidence:** [specific data — "Your Signal-Proof-Ask emails generate 2.3x the reply rate of your other emails"]
**Why it works:** [brief explanation]
**Advice:** [How to lean into this strength even more]

### 2. [Strength #2]
**Evidence:** [data]
**Why it works:** [explanation]

### 3. [Strength #3]
...

---

## Where to Improve

These are your highest-impact coaching areas. Focus on one at a time.

### Priority 1: [Biggest Weakness]
**Current grade:** [grade]
**Evidence:** [specific data points — not vague criticism, specific examples]
**Root cause:** [Why this is happening. E.g., "You're asking 4 questions per discovery call. The calls
where you asked 10+ had a 3x higher progression rate. You're not going deep enough on pain."]

**What to do differently:**
1. [Specific, actionable change]
2. [Practice exercise]
3. [Example from their own data: "In your call with [prospect] on [date], you DID do this well — here's the transcript excerpt. Replicate that approach."]

**Your own proof it works:**
> [Quote from their own top-performing email or call where they did this well]

**Goal:** [Measurable goal with timeframe]

### Priority 2: [Second Weakness]
[Same structure]

### Priority 3: [Third Weakness]
[Same structure]

---

## Your Winning Patterns (Personal Playbook)

These patterns come from YOUR best work — not a textbook.

### Your Best Email Template
[Reconstructed from their top-performing emails]

**Subject:** [pattern]
> [Reconstructed body using their winning patterns]

**Why this works for you:** [pattern analysis]

### Your Best Discovery Approach (if calls available)
[Distilled from their winning calls]

1. **Open with:** [how they open their best calls]
2. **Key questions to always ask:** [their best questions]
3. **When you hear [objection], say:** [their best objection handle]
4. **Close the call with:** [how they get next steps in winning calls]

### Your Win Profile
**You close best when:**
- Prospect is [title] at a [size] [industry] company
- Deal came from [source/channel]
- Cycle is [X] days
- You [specific winning behavior]

**You struggle when:**
- Prospect is [profile]
- Deal involves [situation]
- You [specific losing behavior]

---

## Surprise Finding

[Something the data reveals that the user probably doesn't know about themselves.
E.g., "You think your weakness is closing, but your data shows your close rate is
above average. Your actual bottleneck is discovery — you're booking meetings that
aren't qualified. Improving qualification would have 3x more impact than working
on closing technique."]

---

## 30-Day Coaching Plan

| Week | Focus | Exercise | Measurable Target |
|------|-------|----------|-------------------|
| Week 1 | [skill] | [specific exercise] | [metric to hit] |
| Week 2 | [skill] | [exercise] | [metric] |
| Week 3 | [skill] | [exercise] | [metric] |
| Week 4 | Review + adjust | Re-run this analysis | Compare grades |

---

## Check Back In

Run this coaching analysis again in 30 days to measure improvement.
Track these specific metrics:
1. [Metric 1 — current: X, target: Y]
2. [Metric 2 — current: X, target: Y]
3. [Metric 3 — current: X, target: Y]

トーンの指針

これは業績評価ではなく、コーチングセッションです。

すること	しないこと
まず強みを称える	弱点から話を始める
本人のデータを例として使う	一般論を述べる
具体的に伝える（「Signal-Proof-Ask メールの返信率は 2.3 倍高いです」）	曖昧に伝える（「メールをもっと改善できそうです」）
練習課題と実践方法を提示する	ただ「改善してください」と伝える
本人の仕事から、実際にできることを示す証拠を提示する	失敗していると感じさせる
一度に 1 つの優先事項に絞る	直すべきことを 10 個も挙げて圧倒する
弱点を「最も効果の高い改善機会」と捉える	弱点を「失敗」と呼ぶ

人による確認

[Scorecard + top strengths + top weakness rendered]

---

Surprise finding: [the thing they didn't know]

Full coaching report includes:
- Detailed skill assessment across [X] dimensions
- Your winning email template (reconstructed from top performers)
- Your winning call pattern (if call data available)
- Your win profile (what deals you close best)
- 30-day coaching plan with weekly exercises
- Measurable goals to track improvement

View the full coaching report?

---

実行の概要

ステップ	ツールの依存関係	人による確認	目安時間
0. 設定	なし	初回のみ	5分（1回）
1. データの収集	設定可能（アウトリーチツール、通話ツール、CRM）	データ量を確認	2～3分
2. メールのパターン	なし（LLM による推論）	なし — 評価に反映	自動
3. 通話のパターン	なし（文字起こしに基づく LLM の推論）	なし — 評価に反映	自動
4. 商談のパターン	なし（計算と LLM による推論）	なし — 評価に反映	自動
5. スキル評価	なし（LLM による推論）	なし — レポートに反映	自動
6. コーチングレポート	なし（LLM による推論）	レポートを確認	10～15分

人による確認時間の合計：約15～20分。通常なら、経験豊富な営業マネージャーが数週間分の活動を確認する必要があるコーチングにかかる時間です。

---

データの利用可能状況に合わせた調整

利用可能なデータ	分析の深さ	レポートの品質
メール＋通話＋パイプライン	あらゆる側面を対象とした包括的なコーチング	最高
メール＋パイプライン（通話なし）	メールスキル＋商談パターン。通話セクションは省略されます。	良好
メールのみ	メールスキルの評価。商談と通話のセクションは省略されます。	部分的ですが、それでも役立ちます
通話＋パイプライン（メールデータなし）	通話スキル＋商談パターン。メールセクションは省略されます。	良好
パイプラインのみ	商談パターンのみ。コーチングは限定的ですが、受注／失注のパターンを確認できます。	最小限

最低限必要なデータ： メールデータ、通話データ、パイプラインデータのいずれか1つ以上。

---

ヒント

• 継続的な改善のため、毎月実行してください。 コーチングプランは30日周期で設計されています。再実行して評価を比較してください。
• 「意外な発見」が最も価値のある部分であることがよくあります。 営業上の弱点に関する本人の自己評価は、約60％の確率で間違っています。データから本当のボトルネックが明らかになります。
• 自社データから得た、成績上位のメールテンプレートは、どのテンプレート集にも勝ります。 すでに自社の製品を使って、自社の市場で検証済みだからです。
• 通話データが利用できる場合は、通話のコーチングを優先してください。 通話はメールより改善の余地が大きく、通話の改善は修正あたりの ROI も高くなります。
• パーソナライズされたプレイブックは保存して再利用してください。 ユーザーのスキルとともに進化する、生きたドキュメントです。
• コーチングレポートをマネージャーやメンターと共有してください。 構造化された1対1のコーチング面談に必要なデータを提供します。
• 一度に取り組む弱点は1つに絞ってください。 コーチングプランでは優先順位が付けられます。すべてを一度に直そうとしないでください。それでは何も改善できません。