「会社名しかないリードが大量にある」「CRMの企業情報が虫食いで分析できない」——こうした悩みを解くのがデータエンリッチメントです。手元のデータに不足している情報を補い、"使えるデータ"へと引き上げる取り組みを指します。
本記事では、データエンリッチメントの意味とデータクレンジングとの違い、補完できるデータ、3つの手法と進め方を整理したうえで、SalesNowのカスタマーサクセス担当が検証した実例（獲得時点でのエンリッチ／蓄積データの一括エンリッチ）を手順つきで解説します。
用語の解説で終わらせず、「実際にどう自動化するか」まで踏み込みます。
データエンリッチメントとは？
データエンリッチメントとは、既存のデータに外部の情報や不足している属性を追加し、データの価値・有用性を高めるプロセスを指します。日本語では「データの拡充・付加」とも訳されます。たとえば「会社名と電話番号」しかない顧客データに、業種・従業員数・売上・所在地・代表者といった属性を付け足して、分析やターゲティングに使える状態にすることです。
データエンリッチメントは、不足した情報を補って"使えるデータ"に変える取り組みです。BtoB営業・マーケティングでは、リードや顧客の情報が断片的なことが多く、そのままでは「どの企業が有望か」を判断できません。エンリッチによって属性が揃うと、初めてセグメント分析やスコアリング、的確なアプローチが可能になります。
具体例で考えてみましょう。問い合わせフォームから「株式会社サンプル」という会社名だけが入ってきたとします。このままでは規模も業種もわからず、優先度をつけられません。ここにエンリッチをかけると「製造業・従業員250名・売上80億円・本社大阪」といった属性が付与され、「自社のターゲットに合致する有望リードだ」と一目で判断できるようになります。データの"量"ではなく"情報の濃さ"を上げるのが、エンリッチメントの役割です。
混同されやすいのが「データクレンジング」です。クレンジングが重複・表記ゆれ・誤りを取り除いて"データを正しくする"作業なのに対し、エンリッチメントは不足を補って"データを豊かにする"作業です。両者は対になっており、まずクレンジングで正確にし、その上でエンリッチして情報量を増やす、という順序で進めると効果的です。違いの詳細は「名寄せとデータクレンジングの違い｜手順・使い分け・ツール活用法」でも解説しています。
なぜデータエンリッチメントが必要なのか
データエンリッチメントが必要な理由は、断片的なデータのままでは営業・マーケティングの判断ができないからです。情報の"質"が、ターゲティングや提案、分析の精度を直接左右します。
データの不足は、そのまま「判断できない」「動けない」に直結します。会社名しかないリードは、優先度をつけようにも業種も規模もわからず、結局すべてに同じ対応をするしかありません。エンリッチで属性が揃えば、「従業員100名以上の製造業に絞る」といったセグメントが切れ、限られたリソースを有望な相手に集中できます。
| エンリッチで実現すること | 効果 |
|---|---|
| セグメント分析 | 業種×規模などで有望な層を特定できる |
| スコアリング・優先順位づけ | 属性を加点要素に使い、確度の高い順に対応 |
| パーソナライズ | 相手に合わせた提案・メッセージを設計できる |
| 入力工数の削減 | 手で調べて補足する作業をなくせる |
とくにリード獲得後の初動では、エンリッチの有無がスピードを分けます。会社名から手作業で企業情報を調べていては、その間に競合に先を越されかねません。データを自動で豊かにする仕組みが、営業の初動を速くします。
効果は営業だけにとどまりません。マーケティング面では、属性が揃えばセグメント別の配信やパーソナライズができ、反応率が上がります。経営面では、顧客基盤を業種・規模で俯瞰でき、どの市場に注力すべきかの意思決定に使えます。つまりデータエンリッチメントは、営業・マーケティング・経営のいずれにとっても「判断の解像度」を上げる投資だと言えます。
エンリッチできるデータ（対象属性）
エンリッチできるデータとは、企業の基本情報・規模・財務・業種・動きなど、外部データソースから取得・付与できる属性を指します。何を補うかは目的によって変わります。
BtoBでは「企業を理解し、優先順位をつけるための属性」が中心になります。
| カテゴリ | 属性の例 |
|---|---|
| 基本情報 | 正式社名・法人番号・所在地・代表者・電話・URL |
| 規模 | 従業員数・増減率・拠点数・上場区分 |
| 財務 | 売上・資本金・決算月・評価額・調達情報 |
| 業種・事業 | 大中小の業種分類・事業内容 |
| 動き（シグナル） | 求人・組織変更・ニュースなどのアクティビティ |
どの属性を優先するかは、エンリッチの目的で決まります。新規開拓のターゲティングなら業種・規模・所在地が要になりますし、既存顧客のアップセル狙いなら成長度（従業員増減・調達）や決算月が効きます。動きを捉えて先回りしたいなら、求人や組織変更といったアクティビティが重要です。やみくもに全項目を埋めるのではなく、「その属性を何の判断に使うか」を起点に選ぶと、運用も分析もシンプルになります。
正確なエンリッチの起点になるのが「法人番号」です。法人番号を軸に名寄せすれば、表記ゆれに左右されず正しい企業に属性を紐づけられます。逆に会社名の文字列だけで突合すると、別会社の情報を誤って付与するリスクがあります。
データエンリッチメントの3つの手法
データエンリッチメントの手法は、大きく「手作業」「ツール連携」「API」の3つに分かれます。データ量と運用体制に応じて選びます。
少量なら手作業、継続運用ならツール／API、というのが基本の使い分けです。
| 手法 | 特徴 | 向いているケース |
|---|---|---|
| 手作業（検索・転記） | すぐ始められるが工数大・属人的 | ごく少量・一時的な補完 |
| ツール連携（CRM/MA） | 蓄積データを一括・定期で自動補完 | 既存データの整備・継続運用 |
| API | 入力・登録の瞬間にリアルタイム補完 | フォームやシステムへの組み込み |
手作業は一見手軽ですが、件数が増えると破綻し、担当者によって調べる項目もバラついて品質が安定しません。継続的に質を保つなら、ツール連携やAPIによる自動エンリッチが現実的です。本記事の後半では、APIによる「獲得時点でのエンリッチ」と、ツール連携による「蓄積データの一括エンリッチ」の2つの実例を解説します。
3つの手法は排他的ではなく、組み合わせるのが実務的です。たとえば、新規リードはAPIで入口エンリッチし、過去に溜まったデータはツール連携で一括エンリッチする、という併用が典型です。コスト面では、手作業は人件費が見えにくい形で膨らみ、件数が増えるほど割高になります。ツールやAPIは初期設定の手間こそかかるものの、一度組めば件数が増えても工数はほぼ変わらないため、継続するほど費用対効果が高まります。
データエンリッチメントの進め方
データエンリッチメントの進め方とは、目的の明確化からデータソース選定、クレンジング、エンリッチ、運用までを段階的に進める流れを指します。やみくもに属性を足すのではなく、目的から逆算します。
「目的→ソース選定→クレンジング→エンリッチ→運用」の順で進めます。
| ステップ | やること |
|---|---|
| ① 目的の明確化 | 何の判断に使うかを決め、必要な属性を逆算する |
| ② データソース選定 | 網羅性・鮮度・正確性で外部データソースを選ぶ |
| ③ クレンジング | 名寄せ・重複排除でデータを正確にする（エンリッチの前提） |
| ④ エンリッチ | 不足属性を自動で補完する |
| ⑤ 運用 | 新規データにも自動付与し、鮮度を維持し続ける |
見落としがちなのが⑤の「運用」です。一度エンリッチしても、企業情報は日々変化します。新規データへの自動付与と定期的な更新を仕組みにしておかないと、せっかく整えたデータがまた古くなります。エンリッチは"一度きりの作業"ではなく"常時動かす仕組み"として設計するのが肝心です。
②のデータソース選定も、成否を大きく左右します。同じエンリッチでも、参照するデータが古ければ誤った属性を付与してしまいます。選定時は、(1)網羅性（自社のターゲット企業をカバーしているか）、(2)鮮度（どれくらいの頻度で更新されるか）、(3)正確性（名寄せの精度）の3点を確認しましょう。とくに日本のBtoBでは、法人番号を基準に名寄せされたデータソースかどうかが、エンリッチの精度を決定づけます。
【実例1】獲得時点でリアルタイムにエンリッチ（フォーム）
これは、問い合わせフォームの入力をトリガーに、APIで企業情報をその場で補完する実装例です。リードを獲得した瞬間に属性が揃うため、後から調べる手間がなくなります。
仕組み：フォームで会社名を入力すると、企業検索APIが候補をサジェストし、選択された企業の法人番号をキーに企業情報取得APIが属性を自動補完します。ユーザーの入力負担を増やさずに、登録されるデータの質を上げられます。
手順：
- 取得項目を選ぶ：管理画面でフォームを作成し、登記・規模・財務・業種など40項目以上から取得したい属性を選択します。
- マッピング：APIのフィールドとフォームのinput要素を紐付けます。
- 埋め込み：発行されたスクリプトを1行HTMLに貼るだけで設置完了（エンジニア対応は基本不要）。
- CRM連携：HubSpot/Salesforce等に連携し、法人番号付与で以降の名寄せ精度も担保します。
効果：「会社名しかないリード」を一件ずつ調べる作業がなくなり、獲得した瞬間から業種・規模・売上などが揃った状態でアプローチできます。獲得時点のエンリッチは、初動スピードと初回提案の質を同時に高める打ち手です。実装の詳細は「営業効率化とは？非効率の根本原因とデータ自動化で進める方法」でも触れています。
運用のコツは、取得項目を欲張りすぎないことです。フォームの裏側で40項目以上を取得できても、最初のアプローチ判断に実際に使うのは業種・規模・売上など数項目です。使わない属性まで詰め込むと管理が煩雑になるため、まずは判断に必要な属性に絞って付与し、必要に応じて広げるのが運用しやすい形です。入力体験を損なわないよう、サジェストの速度や精度も確認しておきましょう。
フォームでのリアルタイムエンリッチには、リード獲得数（CVR）を下げない利点もあります。入力項目を増やして離脱を招く代わりに、会社名の入力だけで裏側で属性を補完するため、ユーザー体験を保ったままデータの質を上げられます。「項目を増やすと離脱、減らすと情報不足」という従来のトレードオフを解消できるのが、入口エンリッチの大きな価値です。
【実例2】蓄積データを一括エンリッチして鮮度を保つ
これは、CRMにすでに溜まっている企業データを一括で自動エンリッチし、レポートで可視化できる状態にする実装例です。獲得時点のエンリッチ（実例1）が"これから入るデータ"向けなのに対し、こちらは"すでにあるデータ"を蘇らせる方法です。
仕組み：CRMの企業データを企業データベースと突き合わせ、従業員数・業界・売上・資本金・スコアなどの属性を自動で補完します。法人番号を軸に名寄せするため、表記ゆれがあっても正しい企業に紐づきます。
手順：
- 連携設定：SalesNowとCRM（HubSpot等）をOAuthで接続し、名寄せ項目をマッピングします。
- 一括エンリッチ：既存の取引先・会社レコードに、不足していた属性を一括で付与します。
- 画面に反映：会社の閲覧画面に企業情報・財務・スコアのカードを配置し、ひと目で企業像を把握できるようにします。
- 可視化と維持：業種・規模などの構成比をレポート化し、新規・更新データにも自動でエンリッチが効くよう運用します。
効果：虫食いだった既存データが分析できる状態になり、「どの顧客層に注力すべきか」をデータで語れるようになります。自動更新により鮮度も保たれるため、エンリッチが一度きりで終わりません。SFA/CRMを戦略基盤として使う具体策は「SFA活用とは？入力ツールで終わらせない方法と3つの実例」、企業単位の統合は「顧客データ統合とは？リードと取引先を企業単位に名寄せ・統合する方法」で詳しく解説しています。
一括エンリッチで重要なのは、実行後の「維持」です。過去データを一度きれいにしても、新規に入ってくるデータが汚れていれば、時間とともに元の状態に戻ってしまいます。実例1の入口エンリッチ（フォーム）と組み合わせ、「入口で防ぎ、蓄積分は一括で整える」の両輪にすると、データが汚れていく速度を上回って整え続けられます。一括エンリッチは"大掃除"、入口エンリッチは"日々の掃除"と考えるとわかりやすいでしょう。
データエンリッチメントを支えるデータソースとSalesNow
データエンリッチメントの成否は、補完元となる「データソースの質」でほぼ決まります。どれだけ仕組みを整えても、付与するデータが古い・不正確では、誤った情報を広げるだけになります。網羅性・鮮度・正確性を備えたデータソースを選ぶことが大前提です。
SalesNowは、データエンリッチメントの土台となる企業データソースです。国内1,400万件超の企業・組織データを法人番号基準で整備し、基本情報・規模・財務・業種に加え、求人・組織変化などのアクティビティ（動き）まで提供します。法人番号での名寄せを前提にしているため、表記ゆれに左右されず正しい企業に属性を紐づけられます。フォーム経由のリアルタイムエンリッチ（実例1）も、CRMの一括エンリッチ（実例2）も、同じSalesNowのデータを土台に動きます。商談数2.3倍などの実績を持つ企業データ基盤として、700社以上のBtoB営業組織に導入されています。
具体的には、実例1のフォーム経由リアルタイムエンリッチには企業検索・情報取得のAPIを、実例2のCRM一括エンリッチには連携機能とアクティビティを提供します。入口（フォーム）でも蓄積（CRM）でも同じSalesNowのデータを土台にできるため、エンリッチの基準が社内で一貫します。データソースを共通化することは、付与される属性のブレをなくし、営業・マーケ・経営が「同じ企業観」を持つことにもつながります。バラバラのソースを継ぎ接ぎするより、土台を1つに据えるほうが、長期的な運用はずっと楽になります。
データエンリッチメントの注意点
取り組む際は3点に注意します。第一にクレンジングを先に行う——汚れたデータにエンリッチを重ねても、誤りが増幅されるだけです。名寄せ・重複排除で正確にしてから補完します。第二に鮮度を維持する運用にする——一度きりではなく、新規データへの自動付与と定期更新を仕組み化します。第三に目的に必要な属性に絞る——使わない属性を大量に足しても管理が煩雑になるだけ。判断に使う属性から優先して補完します。
加えて、エンリッチした属性を「鵜呑みにしない」姿勢も大切です。外部データは網羅的で便利な一方、ごく一部に実態とのズレが含まれることもあります。重要な意思決定の前には、求人やニュースなどのシグナルも併せて確認し、エンリッチデータを"出発点"として使うと、精度の高い判断ができます。データはあくまで人の判断を助ける材料、という位置づけを忘れないことが、活用を長続きさせるコツです。
まとめ
データエンリッチメントの意味・対象・手法・進め方と、2つの実例を解説しました。要点は次の通りです。
- データエンリッチメントとは、不足した情報を補って"使えるデータ"に変える取り組み。クレンジング（正しくする）と対で機能する。
- 属性が揃うと、セグメント分析・スコアリング・パーソナライズができ、営業の初動が速くなる。
- 手法は「手作業／ツール連携／API」。継続運用には自動エンリッチが現実的。
- 進め方は「目的→ソース選定→クレンジング→エンリッチ→運用」。鮮度維持の運用が肝。
- 成否はデータソースの質で決まる。SalesNowが法人番号基準の正確な企業データで土台を支える。
データエンリッチメントは派手な施策ではありませんが、あらゆる営業・マーケティング施策の精度を底上げする、地味で重要な投資です。まずは「どの判断に、どの属性が足りないか」を1つ特定し、入口（フォーム）か蓄積データ（CRM）のどちらかから自動エンリッチを始めてみてください。整ったデータは、ターゲティングからスコアリング、提案までのすべてを下支えします。小さく始めて自動化の仕組みに乗せれば、データは放っておいても豊かになり続け、営業・マーケティングの精度が継続的に底上げされていきます。
