ooligo
ENTRY TYPE · definition

Deal desk

By Marius Bughiu Last updated 2026-08-18 RevOps

Deal desk とは、標準条件から外れる案件を審査し、組み立て、承認する部門横断の機能です。rep の決裁権を超える値引き、個別の支払いスケジュール、ramp 付きや複数年のコミット、標準外の契約条項、price book でカバーされない提供範囲などが対象になります。答えるべき問いは 1 つだけで、しかも時計が動いています。この条件、この価格で売れるのか、そして誰が承認するのか。判断そのものはどの会社でも既に行っています。Deal desk とは、その同じ判断を、Slack のスレッドで最初に返信した人ではなく、名前のついた責任者が、明文化されたポリシーに照らし、応答 SLA 付きで下す形にしたものです。

Deal desk は CPQ ではありません。この 2 つの混同がこのカテゴリで最も高くつく誤りです。CPQ はルールを実装し強制するソフトウェアで、有効な構成、price book、値引きの帯、承認ルーティングを担います。Deal desk はそのルールを書き、ソフトウェアには決められない例外を判断する人間の層です。deal review とも違います。deal review は案件をどう勝つかを rep にコーチングする場であり、deal desk は商流条件を裁定する場です。そして人員枠でもありません。多くの会社は、誰かの肩書きにこの言葉が入る前に、1 年以上プロセスとして deal desk を回すべきです。

何を統制するのか

すべてを統制しようとする desk は、誰も尊重しない待ち行列になります。誤った答えが実際にお金を失わせるレバーだけに絞ってください。

  • 価格と値引き: rep が単独で承認できる帯を超えるものすべて。
  • 支払い・請求条件: net-60 以上、年額前払いの例外、四半期請求、ramp。
  • 契約構造: 複数年コミット、解約条項、期間を揃えたアドオン、自動更新の変更。
  • サービスと提供コミット: 無償で付ける導入工数、約束した go-live 日、個別 SLA。
  • 契約リスク: 責任上限、補償、セキュリティとプライバシーのコミット、法務を巻き込むものすべて。

それ以外は標準の見積もり経路に流します。この 5 つのレバーのどれにも触れない依頼が desk に届くことがあってはいけません。

いつ必要になるか

きっかけは会社の人員規模ではなく、標準外依頼の発生頻度と、今それを誰が吸収しているかです。この四半期に観測できるテストが 2 つあります。

  1. 頻度。 標準外の依頼が月次ではなく週次で届く。週次ということは、肩書きのないまま誰かが既にこの仕事を兼務していて、何かが落ちるまでその作業が見えないということです。
  2. 集中。 RevOps リード、CFO、営業 VP のいずれか 1 人だけが承認経路になっていて、その人のカレンダーが見積もりリードタイムの制約になっている。

両方に当てはまるなら、プロセスは今すぐ必要です。採用は必要ありません。RevOps、財務、営業リーダーが同席する 30 分の固定枠を週 2 回設け、加えてポリシー内の案件が会議を経由しなくて済むよう、書かれたマトリクスを用意してください。専任の人員枠が正当化されるのは、流入量がその枠に収まらなくなったとき、あるいはマトリクスの分岐が増えすぎて「これは誰が承認するのか」自体が 1 日を消費する問いになったときです。

プロセスを整える前に人員枠を待つのが、よくある失敗です。プロセスがあるからこそ、後の採用者は初日から生産的になれます。プロセスがなければ、最初の deal desk アナリストは closed-won のレコードから過去の判断を逆算するだけで 1 四半期を使います。

承認マトリクス

マトリクスは、何が審査を発動させるか、各帯で誰が承認するか、どの入力が必須か、譲歩が積み重なったときに何が起きるかを定義します。ベンダーが公開しているトリガー例は案件金額 $50K-$500K の範囲と 20 パーセント超の値引きに集中していますが(DealHub)、これは例示の帯であって、あなたの帯ではありません。

トリガー例承認者必須入力
ポリシー内rep の通常決裁権の範囲内の値引きAE、審査なし標準見積もり
管理対象AE の決裁権を超える値引き、net-45 または net-60第一線マネージャー + deal desk見積もり、競合状況
重要値引きに ramp やサービス無償提供が重なるもの営業 VP + 財務粗利モデル、クロージング計画
エグゼクティブ責任上限の変更、個別 SLA、戦略的な赤字受注CRO + CFO、条件が動く場合は法務案件一式、前例確認

帯はこの表ではなく、自社の closed-won データで較正してください。直近 2 四半期の標準外案件を抽出し、値引きを win rate と実現粗利に対してプロットし、win rate の改善が止まる地点を最初の帯に設定します。ある閾値を超えた値引きが win rate を動かしていないなら、そこが承認にコストをかけ始めるべき地点です。

帯そのものより重要なルールがあります。譲歩は積み上がるということです。15 パーセントの値引きは 1 つの判断ですが、15 パーセントに ramp と無償導入 40 時間が加われば別の案件であり、レバーを個別に採点するマトリクスはそれを 1 レバーずつ承認してしまいます。パッケージ全体で採点してください。

処理 SLA

時計のない desk は、営業が回避する対象になります。応答の窓と決定の窓を分けて公開し、複雑さでレーンを分けてください。ファストレーンは同一営業日中の決定、複雑な案件は 1〜2 営業日、エグゼクティブ例外は沈黙ではなく名前のついた中間チェックポイントを置きます。エイジングも強制します。SLA の 80 パーセントを消費した時点で、依頼は承認者の代理に自動エスカレーションします。

first-pass yield、つまり必須入力をすべて満たして到着した依頼の割合を測り、中央値と 90 パーセンタイルを並べて報告してください。平均は 1 週間放置された案件を隠しますが、四半期末に rep が覚えているのはまさにその案件です。

どこにレポートするか

レポートラインは CFO、CRO、営業 VP、RevOps の間で分かれます。RevOps が擁護できるデフォルトです。desk は速度とガバナンスという相反する 2 つの責務を負っており、営業配下の desk は承認しすぎ、財務配下の desk は承認が遅すぎるからです。RevOps が持つことで、両方へのエスカレーション経路が開いたまま保たれます。

AI が変えたことと、変えなかったこと

見積もりの組み立ては実際に動きました。Salesforce は 2025 年 7 月、Revenue Cloud 内に Agentforce for Revenue を投入しました。rep が自然言語で見積もりを説明すると、エージェントが正しい製品、価格、条件を引いて生成します。Salesforce は自社の社内営業チームで見積もり時間 75 パーセント減、クリック数 87 パーセント減を報告しています(ベンダー自己申告、2025 年 7 月 16 日)。同じ発表で引用された Deloitte のデータは、B2B 経営層の 71 パーセントが手作業で分断された営業プロセスに苦しみ、13 パーセントの案件がツールの分断によって失われているとしています。

動いていないのは例外の判断です。エージェントは見積もりを組み立て、price book と突き合わせ、正しい承認者にルーティングし、粗利サマリーを起案できます。ケーススタディに載せたいロゴのために粗利 5 ポイントを 3 年契約と交換するかどうかは戦略の判断であり、2026 年時点で本番運用中の deal desk がこれを委譲することはありません。AI の投資対効果は、入力品質とサイクルタイムに対して見積もってください。first-pass yield がそれが現れる場所です。承認判断そのものに対してではありません。

よくある失敗

  • desk が形骸化した承認印になる。 承認率が 100 パーセント近いということは、閾値が高すぎて何も捕まえていないということです。ガード: 帯ごとの承認率を四半期ごとに点検し、すべて承認している帯はトリガーを下げるか削除します。
  • 前例が記録されていない。 同じ顧客要求に 2 回異なる答えが返り、rep は承認者を選び歩くことを覚えます。ガード: 例外はすべて理由とともに CRM のオポチュニティに記録し、判断前に前例を確認します。
  • 必須項目のない受付。 rep が粗利モデルなしで「30 パーセントいけますか」と投げ、desk はサイクルタイムを入力の催促に費やします。ガード: 不完全な申請を弾く受付フォームを置き、SLA の時計は完全な依頼でのみ動き出すようにします。
  • deal coaching への越境。 desk がどう勝つかを助言し始め、会議は倍の長さになり、条件の判断が戦略談義の後ろに並びます。ガード: deal review は独立した議題を持つ別の場として維持します。
  • 一度決めたきり見直さない閾値。 価格は変わり、セグメント構成は動き、昨年の帯は誤った案件をルーティングします。ガード: 2 四半期ごとに closed-won データで較正し直します。

関連