このドキュメントでは、B2B 購入者が購入決定に向けて進む確率を定量化するように設計された、AI 主導の購入者意向スコアリング モデルの概念と運用構造の概要を説明します。
このフレームワークは、行動シグナル、意味解釈、履歴パターン マッチング、確率的重み付けを統合して、動的なインテント スコアを生成します。

以下のブループリントは、内部技術仕様と同様の形式でモデル アーキテクチャを説明しています。

モデルの目的

購入者が現在のエンゲージメント段階から実際の購入に移行する可能性を表す連続確率スコア (0～100)を計算します。

スコアは次のとおりである必要があります:

• 新しい信号にリアルタイムで適応

• 行動経済学の原則を反映

• 不確実性と不完全な情報に対処する

• 購入者の原型に基づいて調整する

• 業界全体を一般化する

信号アーキテクチャの概要

購入者の意図は単一のイベントから導出されるのではなく、複数クラスのシグナルから再構築されます。

信号クラス A: 行動周波数信号

アクションの密度と一貫性を測定します。

• 再訪間隔

• セッション期間のパターン

• 度重なる問い合わせ

• 同じ仕様に対する継続的な関心

信号クラス B: セマンティック コンテンツ信号

コミュニケーションと問い合わせのパターンから意味を抽出します。

• 質問の具体性

• 制約への参照

• 意思決定指向の表現

• 確信またはためらいを示す感情

信号クラス C: 比較評価信号

競合分析の行動を反映します。

• サプライヤー間の比較

• 許容範囲のチェック

• 価格/リードタイムのベンチマーク

シグナル クラス D: リスク評価シグナル

認識されている不確実性を示します。

• 認定のリクエスト

• リスク関連の質問

• ロジスティック上の実現可能性に関する懸念

信号クラス E: 時間信号

タイミング パターンをキャプチャします。

• メッセージの高速化

• 遅延間隔

• 応答性の変化

各クラスは、重量校正に基づいて異なる貢献をします。

特徴重み付けフレームワーク

モデルはハイブリッド アプローチを使用して重みを割り当てます。

基本重量 (Wb)

業界全体にわたる各信号クラスのグローバルな影響を表します。

コンテキスト ウェイト (Wc)

製品タイプ、購入者セグメント、業界の行動規範に基づいて調整します。

行動重み付け (Wbvr)

損失回避や意思決定の惰性などの行動経済パターンに由来します。

過去の重量 (Wh)

過去の購入者の累計から計算されます。

カスタマイズされた体重 (Wp)

システムが個々の購入者の傾向を観察することで洗練されました。

機能の最終スコア寄与度は次のとおりです:

特徴スコア = Wb + Wc + Wbvr + Wh + Wp

意図確率曲線

システムは意図を線形進行として扱いません。
代わりに、購入者の行動を現実世界の意思決定のダイナミクスを反映する非線形確率曲線にマッピングします。

3 つの曲線タイプが使用されます:

1.累積曲線

シグナルが蓄積されると、意図は着実に高まります。

2.閾値曲線

重要な信号が現れるまでインテントは低いままですが、その後急速に上昇します。

3.振動曲線

意図は、明確さと不確実性の交互に基づいて変動します。

購入者には、信号の動作に基づいてカーブ タイプが自動的に割り当てられます。

キャリブレーション メカニズム

キャリブレーションにより、モデルが現在の市場動向を確実に反映します。

購入者間の調整

同様の購入者の行動パターンとスコアを調整します。

時間的キャリブレーション

季節性、プロジェクト サイクル、調達リズムを調整します。

業界の調整

セクター間のスコアの差を正規化します (例: エレクトロニクス対パッケージング)。

ノイズ低減キャリブレーション

誤検知 (誤ったページ訪問、表面的な問い合わせなど) を抑制します。

信頼層の統合

システムには、スコアの不確実性を定量化する信頼層が含まれています。

自信は次の影響を受けます。

• データの完全性

• 購入者の行動の変動性

• 信号の一貫性

• 主要な指標の有無

高い意図 + 低い信頼度 ≠ 信頼できる予測
中程度の意図 + 高い信頼度 = 意味のある予測

これにより、不完全なデータの過剰解釈が防止されます。

行動解釈エンジン

数値的なスコアリングを超えて、システムは分析出力を生成します。

ステージ投影

購入者が意思決定プロセスのどの段階に位置するかを推定します。

モメンタム指数

意図の加速または減速の尺度。

リスク プロファイル

リスク認識が上昇しているか低下しているかを示します。

比較指向

購入者が 1 つのサプライヤーを分離しているか、検索フィールドを拡大しているかを示します。

これらのコンテキスト レイヤーにより、スコアが実用的になります。

SaleAI の実装 (非プロモーション)

SaleAI CRM およびデータ エージェントによる取り込み:

• メッセージ セマンティクス

• ログの閲覧

• 比較分析シグナル

• リスク関連のお問い合わせ

• 行動シーケンス

エージェントは、上記のフレームワークを使用して、これらをインテント スコアにマッピングします。

この説明はシステムの動作原理のみを反映しており、宣伝文句ではありません。

実際の使用例

インテント スコアリング モデルは以下をサポートします。

• リードの資格

• 自動フォローアップの優先順位付け

• 予測

• 購入者のセグメンテーション

• リスク評価

• 購入基準値の特定

主観的な解釈に頼ることなく、データ主導の販売業務が可能になります。

結論

購入者の意図は、行動、コンテキスト、リスク評価、意思決定の一貫性によって形成される確率的な構成要素です。
構造化されたスコアリング モデルにより、AI がこれらの要素を測定可能な指標として解釈できるようになり、人間の観察が曖昧なことが多い環境でも明確になります。

このブループリントは、AI が断片化された購入者のアクティビティを一貫した購入の確率にどのように変換するかを理解するための基盤を提供します。