BtoB ペルソナの作り方 — AI リサーチで 5 人分の仮説を 30 分で作る

本記事のポイント

• BtoB のペルソナは「個人 1 人」ではなく「企業 (ICP) × 個人 × 購買グループの役割」の 3 層で捉えます。複雑な BtoB 購買の意思決定には平均 6〜10 人が関わるためです
• 精度はセンスではなく材料で決まります。受注・失注データ、営業 1on1、商談ログ、顧客インタビュー 3〜5 件を材料に、AI で 5 人分の仮説を 30 分で並列生成できます
• AI 仮説はそのまま使わず、営業 1on1 で最重要の 1 人分だけ実データ補正する。そのまま使えるプロンプトと検証手順を巻末キットで公開します

「ペルソナは作ったんですが、部長の名前と年齢を決めただけで、施策には使えていないんです」。humbulls が BtoB マーケの立ち上げを支援するなかで、ペルソナまわりで最もよく聞く悩みです。この悩みの原因は、担当者の想像力でも情報量でもありません。BtoC 向けのテンプレートをそのまま使い、「個人 1 人」を描いて終わりにしていることにあります。本記事では、BtoB ペルソナを事実ベースで設計し、AI で 5 人分の仮説を 30 分で作り、営業の声で補正して施策に接続するまでの型を解説します。特別なリサーチスキルは必要ありません。設計の型と、巻末の AI 実行キットがあれば再現できます。

1. なぜ BtoB ペルソナは「1 人」で作ってはいけないのか — 意思決定は平均 6〜10 人

「ペルソナは 1 枚作りました。40 代の情報システム部長、名前は田中さん、といった感じで」。BtoB のペルソナ相談で、最初に見せてもらう成果物はほぼこの形です。

原因は、BtoC のペルソナ設計をそのまま持ち込んでいることにあります。BtoC は、基本的に本人が買う・使う・決めるので、個人 1 人を深く描けば足ります。BtoB はここが根本的に違います。Gartner の調査では、複雑な BtoB ソリューションの購買には平均 6〜10 人の意思決定者が関わり、それぞれが独立に 4〜5 件のリサーチを持ち寄ります (Gartner, The B2B Buying Journey, 2026-07 取得)。さらに買い手が検討全体でサプライヤーと会う時間はわずか 17% で、残りは自己完結型のリサーチに費やされます。「田中部長 1 人」に刺さるメッセージを作っても、稟議を止める経理や、実際に使う現場担当には届きません。

BtoB ペルソナは 3 層で捉えると、この構造にそのまま対応できます。

• 企業ペルソナ (ICP / 理想顧客像): どんな企業を狙うか。業界・従業員規模・売上・利用ツールなどの企業属性
• 個人ペルソナ: その企業のなかの誰か。役職・ミッション・評価指標・情報収集の仕方
• 購買グループの役割: 1 件の商談で関わる複数の立場。起案者・意思決定者・利用者・承認者 (経理/法務) をそれぞれ軽く描く

ここで作り込むのは、あくまで「起案者になりやすい個人ペルソナ」を主役に 1〜2 枚、購買グループの他の役割は各 1〜2 行のメモで十分です。よくある失敗は、6〜10 人全員をフル解像度で描こうとして力尽きるパターンです。狙う起案者を厚く、他の役割は薄く。この濃淡を最初に決めるのが BtoB ペルソナの出発点です。

2. ペルソナの精度は「材料」で決まる — 事実ベース設計に必要な 4 つのデータ源

「ペルソナを作れと言われたのですが、結局は想像で書くしかなくて、これで合っているのか自信がありません」。担当者が一番つらいのはこの状態です。

原因は創造力の不足ではなく、手元にある事実を材料として棚卸ししていないことにあります。ペルソナは想像で作る絵ではなく、既存データから抽出する仮説です。実際、売上目標を超過した企業の 71% はペルソナを文書化しているという調査があり (HubSpot, 2026-07 取得)、その前提として彼らは CRM データ・営業の声・顧客インタビューを材料にしています。事実ベース設計のために最低限そろえたい材料は 4 つです。

• 受注・失注データ (CRM): どんな企業・役職が受注し、どこで失注したか。ペルソナの解像度はここが起点
• 営業 1on1 のヒアリング: 営業が日々感じている「刺さる相手・刺さらない相手」の暗黙知
• 問い合わせ・商談ログ: 実際に使われた言葉、繰り返し出る反対理由 (オブジェクション)
• 既存顧客インタビュー 3〜5 件: 「なぜ導入を決めたか」を本人の言葉で。ペルソナ 1 人あたり 3〜5 件が目安 (HubSpot)

顧客インタビューは 30 分以内に収め、事前に質問リストを共有し、「営業電話ではない」と伝えると本音が出やすくなります (HubSpot)。よくある失敗は、この材料集めを飛ばしていきなり生成 AI に「うちのペルソナを作って」と丸投げすることです。材料がなければ AI は一般論とハルシネーション (もっともらしい作り話) を返すだけで、自社に固有の解像度は出ません。材料を先に、AI は後。順番はこれが正解です。

→ 材料を渡して仮説を一括生成する手順は、巻末の 実行キット① (所要 30 分) でそのまま実行できます。

3. AI で 5 人分の仮説を 30 分で作る — 2 段プロンプトの型

「1 人分のペルソナを書くだけで半日仕事です。5 人分なんて、いつ終わるのか見えません」。少人数チームでは、これが着手できない最大の理由です。

原因は、1 人ずつ手書きで積み上げているからです。従来のやり方では、1 人分の骨格を書くだけで半日仕事になりがちでした。AI は前章の材料を一度に渡せば、複数の仮説を並列で生成できます。ここで効くのが 2 段構成のプロンプトです。1 発で完成させようとせず、骨子と深掘りを分けます。

• 段 1 (骨子生成): 受注・失注データと商材情報を渡し、企業ペルソナ 1〜2 パターン × 個人ペルソナ 5 人分の骨子 (役職・ミッション・評価指標・情報収集の仕方) を一括生成する
• 段 2 (深掘り): 各ペルソナについて、購買トリガー・意思決定基準・想定される反対理由を深掘りする

段 2 の深掘り軸は、質の高いバイヤーインタビューの枠組みをそのまま流用します。Adele Revella の「5 Rings of Buying Insight」は、購買の意思決定を Priority Initiatives (投資に踏み切る引き金) / Success Factors (期待する成果) / Perceived Barriers (導入をためらう理由) / Decision Criteria (比較の判断基準) / Buyer's Journey (誰が関わり何を信頼するか) の 5 つで捉えます。この 5 軸を「必ずこの観点で深掘りすること」としてプロンプトに転写すると、出力が一般論に流れず、施策に使える解像度になります。これで 5 人分の仮説の骨格が、おおむね 30 分ほどで手に入ります。

よくある失敗は、1 つのプロンプトで「完璧なペルソナ 5 人分」を一気に出させようとすることです。指示が長くなりすぎて、どの人物も似た内容の薄い仮説になります。骨子と深掘りを分ける。この 2 段構えが、量と質を両立させるコツです。

→ 2 段プロンプトの全文は、巻末の 実行キット① で公開しています。

4. 仮説を「実在」に近づける — 営業 1on1 で 1 人分を実データ補正する

「AI が作ったペルソナ、それっぽく見えるんですが、本当に合っているのか確信が持てません」。この不安は正しい感覚です。

AI が出したものは、あくまで仮説です。原因は、検証工程を飛ばして仮説を「確定」として扱おうとすることにあります。ただし、5 人分すべてを厳密に検証する必要はありません。最も受注に効く起案者ペルソナ 1 人を選び、その 1 人分だけを実データで補正すれば、全体の精度は大きく上がります。定性調査は小さいサンプルでもリッチなデータが取れるためです (Buyer Persona Institute)。

補正は営業 1on1、または既存顧客 1〜2 名への 30 分インタビューで行います。ここで有効なのが Revella の起点質問です。「このカテゴリの解決策が必要だと最初に思った日に戻って、何が起きたか話してください」と尋ね、あとは相手の語りに沿って深掘りします。スクリプトを読み上げるのではなく、この 1 問から購買トリガーと意思決定の実際を引き出します。AI 仮説とズレた点があれば、そこがまさに想像で埋めていた箇所です。仮説を書き換えます。

よくある失敗は、検証を省いて 5 人全員をそのまま確定させ、施策に流し込むことです。ズレたペルソナに合わせて作ったメールや広告は、配信して初めて的外れだと分かります。1 人分の検証にかける 30 分が、その後の施策全体の空振りを防ぎます。

→ 検証用の質問集を作る手順は、巻末の 実行キット② (所要 20 分) で実行できます。

5. 作って終わりにしない — HubSpot のペルソナ属性で施策に接続する

「ペルソナは作ったんですが、いつの間にか資料フォルダの中で眠っています」。せっかく作ったペルソナが使われない、これも定番の結末です。

原因は、ペルソナが「ドキュメントを作って終わり」になっていて、日々の CRM・配信に接続されていないことにあります。ペルソナは絵ではなく、セグメントの定義です。HubSpot ならペルソナ属性 (Persona プロパティ) を使い、コンタクトを作ったペルソナで分類できます。分類しておけば、ペルソナ別のメール出し分けやコンテンツ設計がそのまま運用に乗ります。

運用に乗せるうえで押さえたいのは次の 3 点です。

• CRM に登録する: 作った 5 人分を HubSpot の Persona プロパティに登録し、既存コンタクトを分類する
• セグメントに使う: ペルソナ別にリストを切り、メール・LP・ナーチャリングの出し分けの単位にする
• 定期的に見直す: 市場も顧客も動くため、3〜6 ヶ月に 1 回はペルソナを見直す。受注・失注データが増えれば、キット①を再実行して仮説を更新する

よくある失敗は、一度作ったペルソナを「完成品」として固定してしまうことです。ペルソナは、事業の解像度が上がるたびに更新される生きた仮説です。作った直後が最も精度が低い、くらいに構えておくと、見直しのサイクルが自然に回ります。

まとめ

BtoB ペルソナは、「個人 1 人」を想像で描くものではありません。企業 (ICP) × 個人 × 購買グループの 3 層で捉え、手元の受注・失注データを材料に、AI で 5 人分の仮説を 30 分で並列生成する。そのうえで最重要の 1 人を営業 1on1 で補正し、CRM のペルソナ属性に接続して運用に乗せる。この型なら、特別なリサーチスキルがなくても、今日から着手できます。まずはキット①で 5 人分の仮説を出すところから始めてみてください。

ペルソナができたら、次は市場と競合の解像度です。3C 分析のやり方 — AI 競合リサーチで半日作業を 1 時間に と、STP 分析の BtoB 実例 — セグメント仮説を AI で出して絞り込む を続けて読むと、ペルソナ・市場・セグメントが 1 本につながります。AI 活用の全体像は 生成 AI × BtoBマーケティング大全 に、業務別のプロンプトは ChatGPT マーケティングプロンプト集 にまとめています。

humbulls では、こうした顧客理解の設計から施策の実装・運用まで一気通貫で伴走する Growth Partner サービス を提供しています。ペルソナ設計を含む BtoB マーケの実装テンプレは BtoB マーケ AI 活用ガイド で配布しています。

🤖 AI 実行キット

本文の判断と作業を、そのまま AI で実行するためのキット集です。プロンプトは Claude や ChatGPT (ブラウザ版で可) にコピペすれば動きます。

キット① 受注/失注データからペルソナ仮説 5 人分を一括生成する — 30 分

種別: 実装キット 使うもの: Claude / ChatGPT (ブラウザ版で可) 事前に用意するもの: 受注・失注した企業と担当者の一覧 (業界・従業員規模・役職・失注理由がわかる範囲で。CSV や表の貼り付けでも、箇条書きのメモでも構いません)。データが少なくても、商材の説明文があれば動きます。

プロンプト:

BtoB のペルソナ仮説づくりを手伝ってください。2 段階で進めます。まず【段 1】だけ実行し、私の確認を待ってから【段 2】に進んでください。

【私の商材】
- 商材: 中小 BtoB 向けの〇〇(記入例。提供価値を 1〜2 行で)
- 平均単価 / 契約期間: (記入例)

【材料(わかる範囲で貼り付け。粒度バラバラで OK)】
- 受注企業と担当者: 業界 / 従業員規模 / 決めた人の役職(例: 製造業・50 名・情報システム部長)
- 失注ケースと理由: (例: 予算が通らなかった / 現場が乗り気でなかった)
- よく出る問い合わせ・反対理由: (自社のメモを貼り付け)

【段 1: 骨子生成(必ずこの構造で出力)】
- 企業ペルソナ(ICP)を 1〜2 パターン: 業界 / 従業員規模 / 売上帯 / 利用ツールの傾向
- 個人ペルソナを 5 人分: 役職 / ミッション(何で評価されるか)/ 日常業務 / 情報収集の仕方 / このカテゴリへの関心度
- 5 人は「起案者になりやすい人」を 2 人、決裁・利用・承認の役割を 3 人に割り振る

【段 2: 深掘り(段 1 承認後に実行。5 人それぞれについて)】
必ず次の 5 観点で深掘りすること:
1. 投資に踏み切る引き金(どんな痛みが限界に達したとき動くか)
2. 期待する成果(導入して何が達成できれば成功か)
3. 導入をためらう理由(不安・反対の声)
4. 比較の判断基準(何を見て他社と比べるか)
5. 購買プロセス(誰が関わり、どんな情報源を信頼するか)

【出力形式】
- 段 1 は 5 人を 1 行サマリ + 表で。段 2 は 1 人 1 ブロックで
- 断定できない箇所は「※要検証」と明示すること(作り話で埋めない)

出力の確認ポイント:

• 5 人が似た人物になっていないか。役職やミッションが横並びなら、材料の受注/失注データが足りないサインです。データを足して再実行してください
• 「※要検証」がついた箇所こそ、次のキット②で営業に確認すべき優先項目です

うまくいかないとき:

• 出力が一般論 (どの会社にも当てはまる話) になる → 材料の受注/失注データが薄い。実在企業の業界・規模・失注理由を 3〜5 件足してから段 1 を再実行

キット② ペルソナ仮説を営業 1on1 で検証する質問集を作る — 20 分

種別: 判断キット 使うもの: Claude / ChatGPT (ブラウザ版で可) 事前に用意するもの: キット①で出した 5 人分の仮説 (特に最重要の起案者ペルソナ 1 人分)

プロンプト:

ペルソナ仮説を検証するためのインタビュー質問集を作ってください。

【検証したいペルソナ(キット①の 1 人分を貼り付け)】
(役職 / ミッション / 購買トリガー / 意思決定基準 などを貼り付け)

【インタビュー相手】
- 想定: この仮説に近い既存顧客 1 名、または担当営業(記入例)
- 時間: 30 分以内

【質問集の条件(必ず守ること)】
- 起点は 1 問:「このカテゴリの解決策が必要だと最初に思った日に戻って、何が起きたか話してください」
- そこから、購買トリガー / 期待する成果 / ためらった理由 / 比較の判断基準 / 誰が関わったか を自然に引き出す深掘り質問を 5〜7 問
- 誘導質問(「〜ですよね?」)は禁止。相手が自分の言葉で語れる開いた質問にする
- 各質問の下に「仮説とズレたら書き換える箇所」を 1 行で注記

【出力】
- インタビュー用の質問リスト(相手にそのまま渡せる形)
- 回答を聞いたあとに仮説を更新するためのチェック項目 5 つ

出力の確認ポイント:

• 質問が「はい/いいえ」で終わる形になっていないか。BtoB の購買理由は語ってもらわないと出ません
• 誘導質問が混じっていないか。自分の仮説を肯定させる質問は検証になりません

うまくいかないとき:

• 顧客インタビューの時間が取れない → まず担当営業への 1on1 で代用。「最近の受注 / 失注で、相手が最初に動いた理由は何だったか」を起点に同じ 5 観点を聞く

キット③ ペルソナを HubSpot のセグメントに落とす分類ルールを作る — 15 分

種別: 実装キット 使うもの: Claude / ChatGPT (ブラウザ版で可)。HubSpot MCP があれば Claude Code から直接プロパティも設定できます 事前に用意するもの: 検証後のペルソナ 5 人分、HubSpot で使えるコンタクト項目 (役職・業界・従業員規模など) の一覧

プロンプト:

確定したペルソナを HubSpot で運用するための分類ルールを作ってください。

【ペルソナ(検証後の 5 人分を貼り付け)】
(各ペルソナの役職 / 業界 / 従業員規模 などを貼り付け)

【HubSpot で使えるコンタクト項目】
- 役職 / 業界 / 従業員規模 / 流入経路 など(自社の項目を貼り付け)

【出力】
1. 各ペルソナを HubSpot の Persona プロパティに登録する際の値(名称)一覧
2. 既存コンタクトを 5 ペルソナに自動振り分けするための条件(どの項目が何なら、どのペルソナか)を表で
3. 判定できないコンタクトの扱い(「未分類」として手動確認に回す基準)
4. ペルソナ別に切るべきセグメントリストの候補(メール出し分けの単位)

出力の確認ポイント:

• 1 人のコンタクトが複数ペルソナに二重該当しない条件になっているか。重複するなら判定項目の優先順位を決めてください
• 「未分類」に落ちる割合が半分を超えるなら、判定項目が足りません。役職か業界の粒度を見直します

うまくいかないとき:

• 役職データが未入力のコンタクトが多い → まず流入経路やダウンロード資料など、既に埋まっている項目での暫定分類から始め、接点のたびに役職を補完する運用にする

参考文献

• How to create detailed buyer personas for your business — HubSpot (取得日: 2026-07)
• 40+ buyer persona questions I ask to unlock better marketing results — HubSpot (取得日: 2026-07)
• The B2B Buying Journey — Gartner (取得日: 2026-07)
• Buyer Personas / 5 Rings of Buying Insight — Adele Revella, Buyer Persona Institute (取得日: 2026-07)