「今期の失注理由で最も多かったのは何か」「先月のコール録音を分析して顧客が最もよく挙げる懸念点を教えて」「過去1年で解約した顧客の共通パターンは何か」——これらは通常、データアナリストが数時間かけて SQL クエリを書いて分析する仕事だ。Breeze Data Agent はこれを自然言語の質問1つで数分で実行する AI アナリストだ。CRM・通話録音・メール・ドキュメント・Web を横断して調査し、根拠付きの回答を返す。
Data Agent は HubSpot 内の複数のデータソースを同時に調査して、自然言語で回答する「AI アナリスト」だ。従来なら「CRM レポートを作成 → 通話録音を確認 → メール本文を検索 → 手動で統合」という複数ステップが必要だった分析を、1つのプロンプトで実行する。
Data Agent の最も効果的な使い方は、「仮説を立てて検証する」ことだ。「先月の失注は価格が原因だと思うが、実際のコール録音を分析するとどうか？」という仮説検証型の質問に特に力を発揮する。データアナリストが「確かめたいこと」を自然言語で伝えるだけで、根拠と共に回答が返ってくる。10クレジット/プロンプトと消費量が少ないため、積極的に使うことを推奨する。
Data Agent は「何でも聞ける」が、ビジネス上の意思決定に直結する質問をすることで最大の価値を発揮する。以下に部門別の典型的な活用パターンを示す。
| 部門 | 質問例 | 得られるインサイト |
|---|---|---|
| 営業（Sales） | 成約率が高い営業担当者と低い担当者のコールの違いを分析して。トーク・質問パターンの差を教えて | トップパフォーマーの成功パターンを抽出してチーム研修に活用 |
| 営業（Sales） | この四半期に取引が止まっている案件で、最後の活動から30日以上経っているものをリストアップして。各案件の最後のやり取りも教えて | 放置案件の早期発見とフォローアップ優先度の設定 |
| マーケティング | 先月送ったメールキャンペーン10本のうち、開封率と CTR が高かった件名のパターンを分析して | 効果的な件名の共通要素を抽出して次のキャンペーンに応用 |
| マーケティング | コンテンツダウンロードから商談化するまでの平均期間は？業種別に違いがあるか分析して | コンテンツ→商談の転換時間を業種別に把握してナーチャリング設計を最適化 |
| カスタマーサポート | 先月のチケットで「解決に3日以上かかった」ものはどれ？遅延の共通原因を分析して | 解決時間が長いカテゴリを特定してプロセス改善・KB 強化 |
| RevOps | 過去12ヶ月で解約した顧客の共通パターンを教えて。業種・規模・使用機能・最後のヘルススコアを含めて | チャーンリスクの早期警告指標を特定してカスタマーサクセスの介入基準を設定 |
| 経営幹部 | 今期のパイプラインで予算達成に必要な成約件数に対して、現在の確度70%以上の案件は足りているか？ | パイプラインカバレッジの即時把握と追加施策の必要性判断 |
Data Agent の調査結果を「その場で見る」だけでなく、CRM のカスタムプロパティに自動書き込みするのが Smart Properties との連携だ。「この会社が使っている競合ツールは何か」という調査結果を「競合使用ツール」フィールドに自動入力することで、全営業担当者が商談前にその情報を参照できるようになる。
Smart Properties は10クレジット/件だが、対象レコード数が多いと急速にクレジットを消費する。1,000件のコンタクトに4つの Smart Properties を設定すると 40,000クレジットが必要だ。新規コンタクトのみ対象に絞る・ICP スコアが高いレコードのみ適用するという設計で消費量をコントロールする。まず50件でテストして精度を確認してから全体展開する。
Data Agent の回答品質は「質問の質」に大きく依存する。曖昧な質問には曖昧な回答しか返ってこない。以下の原則を守ることで精度が大幅に向上する。
| 原則 | 悪い質問（低精度） | 良い質問（高精度） |
|---|---|---|
| 期間を明示する | 「最近の失注を分析して」 | 「2025年10月〜12月の失注を分析して」 |
| 対象を絞る | 「顧客の傾向を教えて」 | 「製造業・従業員100〜500名・日本国内の顧客のチャーン率と共通パターンを教えて」 |
| 出力フォーマットを指定する | 「パイプラインの状況を教えて」 | 「パイプラインの状況を、フェーズ別・担当者別の成約確度を表形式でまとめて」 |
| 比較軸を設定する | 「メールの効果を分析して」 | 「今月と先月のメール開封率を業種別に比較して、改善しているセグメントと悪化しているセグメントを教えて」 |
| 根拠の提示を求める | 「失注の原因を教えて」 | 「失注の原因を教えて。各理由の根拠となったコール録音の引用も含めて」 |
週次の営業・CS レビューで毎回同じ分析を手動で行っているチームは、Data Agent の定型質問セットを作成することで準備時間を 90% 削減できる。「毎週月曜9時に以下の5質問を Data Agent に送る」というルーティンを設定するだけで、週次レビューに必要なインサイトが自動的に揃う。パイプラインカバレッジ・先週の商談化率・チケット解決時間・チャーンリスク上位5社・コンテンツ→商談転換率の5点が週次の標準セットとして機能する。
SQL を書けないマネージャーが「自然言語で仮説を検証できる」ようになる。データアナリストは定型作業から解放されてより高度な分析に集中できる。分析のスピードと民主化が同時に実現する。
CRM の数字だけでは「何が」起きているかしかわからない。通話録音のテキストを組み合わせると「なぜ」起きているかまで明らかになる。失注分析・チャーン要因分析に特に力を発揮する。
Data Agent の回答はその場で消えるが、Smart Properties に書き込めば全チームが活用できる。競合使用ツール・採用状況・ICP スコアを CRM フィールドに保存して営業準備の質を均一化する。
Customer Agent（100cr/会話）・Prospecting Agent（100cr/コンタクト/月）と比べて Data Agent は 10cr/プロンプトと破格のコスパ。月 100回質問しても 1,000クレジットだ。積極的に使うことで意思決定の質と速度が上がる。