売上の8割は2割の顧客から？AI・DXで顧客分析を深掘りする方法【応用編：社長の仕事をAI・DXで軽くする02】
「うちの売上を支えているのは、いったいどの顧客なのか」——この問いに、数字で即答できる経営者はどれほどいるでしょうか。
長年の経験と勘で「あの会社が大事だ」とわかっていても、いざExcelを開くと3年前のデータで止まっている。
そんな会社は決して少なくありません。
本記事では、過去の受注データをAIに読み込ませることで見えてくる顧客の姿と、それを営業方針に活かす具体的な方法をお伝えします。
「感覚」を「数字」に変えたとき、経営判断はどう変わるのか。一緒に考えてみましょう。
目次
「売上の8割は2割の顧客から」——本当にそうなっていますか？
「売上の8割は2割の顧客から生まれる」。この言葉を聞いたことがある経営者は多いでしょう。いわゆるパレートの法則、別名「80対20の法則」と呼ばれる経験則です。
19世紀のイタリアの経済学者ヴィルフレド・パレートが発見したこの法則は、当時のイタリア社会において人口の20％が国富の80％を保有していることに着目したことから始まりました。興味深いのは、パレートが経済学者であると同時に園芸家でもあり、自身のエンドウ豆の栽培でも収穫の8割は20％のさやから得られていたことに気づいたというエピソードがあることです。
この法則はビジネスの世界でも広く引用され、顧客管理やマーケティング戦略の基本として語られています。セミナーや経営書でも頻繁に登場し、まるで「正解」のように扱われることも少なくありません。しかし、ここで一度立ち止まって考えてみてください。
御社の売上構成は、本当にこの法則通りになっていますか？ 実際に数字で確認したことはありますか？ もし確認していないのであれば、それは「なんとなく」で経営判断をしていることになります。
パレートの法則は「経験則」であって「絶対法則」ではない
パレートの法則は、あくまで「傾向としてそうなりやすい」という経験則であり、物理法則のような絶対的なものではありません。業種や業態によっては70対30になることもあれば、90対10になることもあるかも知れません。
ある新興IT企業では5％の顧客が95％の売上を占めることもあります。一方、成熟した小売業では35％の商品が65％の売上を占めることもあるのです。重要なのは「80対20」という数字そのものではなく、「結果の大部分は少数の要因から生まれている」という考え方にあります。
御社の場合はどうでしょうか。実際に数字を見たことはありますか？
自社の数字を見ないまま、法則を信じていませんか
多くの中小企業で見られる光景があります。営業会議で「A社は大事な顧客だから」「B社との取引は長いから」という発言が飛び交い、誰もその根拠となる数字を確認しない。3年前の印象で今日の営業方針が決まっている。
これは決して珍しいことではありません。日々の業務に追われる中で、過去のデータを整理して分析する時間を確保することは容易ではないからです。しかし、この「なんとなく」の経営判断が、実は大きな機会損失を生んでいるとしたらどうでしょう。
たとえば、御社の売上上位20％の顧客を今すぐ挙げられますか？ その顧客からの売上が全体の何％を占めているか、即答できますか？ もし答えに詰まるようであれば、それは「感覚経営」から「データ経営」へ移行するサインかも知れません。
既存顧客と新規顧客、獲得コストの差を直視する
顧客分析を語る上で避けて通れないのが、既存顧客と新規顧客の獲得コストの違いです。この差を理解しているかどうかで、営業戦略の組み立て方は大きく変わってきます。
1対5の法則が示す、新規開拓の重さ
マーケティングの世界には「1対5の法則」と呼ばれる経験則があります。これは、新規顧客を獲得するコストは、既存顧客を維持して同じ売上を上げるコストの5倍かかるという法則です。アメリカの大手コンサルティング会社ベイン・アンド・カンパニーのフレデリック・F・ライクヘルドが顧客調査によって導き出しました。
なぜ5倍もの差が生まれるのでしょうか。新規顧客の場合、カスタマージャーニーの最初から仕掛けていかなければなりません。
まず、製品やサービスの存在を知ってもらう必要があります。広告やテレアポ、飛び込み営業など、認知を獲得するだけでも相当のコストと労力がかかります。知ってもらった後は、競合の中から選んでもらわなければなりません。他社との違いを説明し、信頼を勝ち取るまでに何度もやり取りを重ねることになるでしょう。
一方、既存顧客はすでに製品やサービスの価値を理解しています。信頼関係も構築されているため、ちょっとしたプッシュでリピート購入につながりやすい。この差が5倍という数字に表れているわけです。
既存顧客を「守る」ことが、利益を「伸ばす」ことになる
1対5の法則に関連して、「5対25の法則」というものもあります。これは、顧客離脱率を5％改善すると、利益が最低でも25％改善されるという法則です。
なぜ、たった5％の改善で25％もの利益向上につながるのでしょうか。流出してしまった顧客の売上を穴埋めするためには、5倍のコストを払って新規顧客を獲得しなければなりません。だから既存顧客は何としても流出させてはならない。この考え方が「リテンション（顧客維持）」の重要性を説いています。
携帯電話会社を例に考えてみましょう。大々的な広告宣伝を行い、新規契約者の獲得に力を入れる一方で、既存顧客に対する囲い込み施策にはあまり力を入れない。その結果、他社への流出が増加し、流出を新規顧客で穴埋めするべく、また広告宣伝を行う。これは悪循環です。
中小企業でもこの構図は同じ。新規開拓に営業リソースを集中投下し、既存顧客へのフォローが手薄になる。その結果、長年の顧客が競合に奪われてしまう。そんな経験はありませんか？
御社の営業リソースは、新規開拓と既存顧客維持のどちらに多く配分されていますか？ もし新規に偏っているなら、バランスを見直す価値があるかも知れません。大切なのは、どちらか一方に偏るのではなく、自社の状況に応じた最適なバランスを見つけることです。
既存顧客へのアプローチ、何から手をつけるか
既存顧客の重要性は理解できた。では具体的に何から始めればよいのでしょうか。
顧客リストを「分類」するだけで見えてくるもの
最もシンプルで効果的な第一歩は、顧客を売上高で並べ替えることです。過去1年間の売上データを顧客別に集計し、上位から順に並べてみてください。
これだけで、いくつかの発見があるはずです。
「えっ、C社ってこんなに買ってくれていたの？」「D社は印象ほど売上が大きくないな」——こうした気づきが、必ず出てきます。よく会議で名前が挙がる会社と、実際に売上に貢献している会社は、しばしば一致しません。声の大きい営業担当者が推す顧客が、必ずしも重要顧客とは限らないのです。
よくある「会社あるある」として、こんな話があります。ある建材メーカーの営業部長は、長年「E社は最重要顧客だ」と主張していました。社長との個人的な付き合いも深く、毎月必ず顔を出している。ところが、売上データを分析してみると、E社は上位30％にも入っていなかったのです。むしろ、営業担当者が「手離れが良い」と軽視していたF社の方が、年間売上では2倍以上。印象と実態のギャップに、会議室が静まり返ったといいます。
次のステップとして、顧客をABC分析で分類してみましょう。累積売上高の上位80％を占める顧客を「Aランク」、80〜95％を「Bランク」、残りを「Cランク」とする方法です。この分類によって、限られた営業リソースをどこに集中すべきかが明確になります。
Aランクの顧客には手厚いフォローを、Bランクには効率的なアプローチを、Cランクには最小限のリソースで対応する。こうしたメリハリをつけることで、営業活動の費用対効果は大きく改善します。
「休眠顧客」を放置していませんか
顧客リストを眺めていると、「そういえば最近連絡していないな」という会社が見つかることがあります。かつては定期的に発注があったのに、気づけば半年、1年と取引が途絶えている。これが「休眠顧客」です。
休眠顧客の掘り起こしは、新規開拓よりも効率的なアプローチになり得ます。なぜなら、過去に取引実績があるということは、すでに信頼関係のベースが存在するからです。御社の製品やサービスの品質を知っている。担当者同士の面識がある。場合によっては、ちょっとした声掛けだけで取引が再開することもあります。
休眠の理由は様々でしょう。担当者の異動、予算の都合、単純に連絡が途絶えてしまった、あるいは御社側のフォロー不足。理由を把握し、適切なアプローチを行えば、取引再開の可能性は十分にあります。
ある機械部品メーカーでは、「最終取引から1年以上経過した顧客」をリストアップし、順番にフォローコールを実施しました。その結果、約15％の顧客から再発注を獲得。しかも、その多くが「ちょうど他社に切り替えようと思っていたところだった」「連絡をもらえて嬉しい」という反応だったそうです。
御社の顧客リストに、最後の取引から1年以上経過している会社はどれくらいありますか？ その中に、かつての優良顧客は含まれていませんか？ 眠っている宝の山が、そこにあるかも知れません。
新規の「良い顧客」と「そうでない顧客」の見分け方
もちろん、既存顧客の維持だけでは事業の拡大は難しいでしょう。新規顧客の獲得も重要な経営課題です。ただし、闇雲に新規を追いかけるのではなく、「良い顧客」を見極めることが大切になります。
既存優良顧客の共通点から逆算する
「良い新規顧客」を見つける最も効果的な方法は、既存の優良顧客の共通点を分析することです。
御社の上位20％の顧客には、どんな共通点がありますか？ 業種、企業規模、所在地、決裁プロセス、初回接点のきっかけなど、様々な角度から共通項を探してみてください。
たとえば、「製造業で従業員50〜100人規模、総務部門が窓口になるケースが多い」といった傾向が見えてくるかも知れません。この共通点を持つ見込み客にアプローチすれば、成約確率が高まり、優良顧客になる可能性も上がります。
これはSaaS企業が「理想顧客プロファイル（ICP）」と呼ぶアプローチと同じ考え方です。既存データから理想的な顧客像を描き、それに合致する見込み客を優先的に狙う。データに基づくターゲティングが、営業効率を大きく向上させます。
「手間がかかる割に儲からない」顧客の特徴
逆に、避けるべき顧客の特徴も知っておく価値があります。売上は立つが、対応に時間がかかり、値引き要求が多く、結局利益が残らない。そんな顧客はいませんか？
こうした顧客の特徴を言語化しておくことで、新規案件の初期段階で「これは危険信号かも」と気づけるようになります。
よく見られる特徴として、以下のようなものがあります。
見積もり段階から細かい修正要求が多い。決裁に時間がかかり、何度もプレゼンを求められる。価格交渉が長引き、最終的に大幅な値引きを要求される。納品後もクレームや追加要求が頻発する。
こうした顧客との取引が増えると、営業チームは疲弊し、本来注力すべき優良顧客へのサービスが手薄になります。「断る勇気」も、時には必要な経営判断です。
AIに過去3年の受注データを読ませると見えてくるもの
ここまでの分析は、Excelでも十分に可能です。しかし、AIを活用すれば、より深い洞察をより短時間で得られるようになります。
過去3年分の受注データ、顧客情報、対応履歴などをAIに読み込ませると、人間の目では見落としていたパターンが浮かび上がってきます。
利益率が高い顧客の共通点
売上だけでなく、利益率で顧客を分析することが重要です。AIは大量のデータから、利益率の高い顧客に共通する属性やパターンを抽出してくれます。
たとえば、「初回取引から3か月以内にリピート発注がある顧客は、3年後の利益率が平均より20％高い」といった傾向が見えてくるかも知れません。あるいは「展示会経由で接点を持った顧客は、Web問い合わせ経由より利益率が高い」といった発見もあり得ます。
こうした洞察は、営業戦略の見直しに直結します。初回取引後のフォローを強化したり、展示会への出展を増やしたりといった具体的なアクションにつなげられるのです。
LTV（顧客生涯価値）に着目してみるとわかること
LTV（Life Time Value：顧客生涯価値）という指標をご存知でしょうか。1人の顧客が取引を開始してから終了するまでの期間に、どれだけの利益をもたらすかを累計したものです。
LTVの基本的な計算式は以下の通りです。
LTV ＝ 平均購買単価 × 購買頻度 × 継続期間
たとえば、平均購買単価が10万円、年間の購買頻度が4回、継続期間が5年の顧客であれば、LTVは200万円となります。
より実践的には、利益率や顧客獲得コストを考慮した計算式もあります。
LTV ＝（平均購買単価 × 粗利率 × 購買頻度 × 継続期間）－（顧客獲得コスト ＋ 顧客維持コスト）
この指標で顧客を見直すと、「今期の売上は小さいが、長期的には大きな価値をもたらしてくれる顧客」が見えてきます。逆に「今期は大口だが、継続性に乏しく、実はLTVが低い顧客」も明らかになるでしょう。
これは「会社あるある」の典型例ですが、「大口の一発案件」を喜ぶ風潮がある会社は少なくありません。しかし、単発で終わる1,000万円の案件よりも、毎月10万円を10年間続けてくれる顧客の方が、LTVでは上回ります。しかも、安定した収益基盤になる。短期的な売上に一喜一憂するのではなく、LTVという長期視点を持つことで、経営判断の質は大きく変わるのです。
AIは過去データからLTVを予測することも得意です。新規顧客が「将来的に高LTV顧客になりそうかどうか」を、取引初期の段階で推測してくれます。これにより、初期段階から適切なリソース配分が可能になります。高LTVになりそうな顧客には手厚いオンボーディングを、そうでない顧客には効率的な対応を。こうした選択と集中が、全体の利益を最大化するのです。
手間がかかる割に儲からない顧客の見極め
AIによる分析は、「隠れた不採算顧客」を発見するのにも役立ちます。
売上だけを見ると中堅クラスの顧客でも、対応にかかる工数（メール往復回数、訪問回数、クレーム対応時間など）を加味すると、実質的にはほとんど利益が出ていない——そんなケースは珍しくありません。
AIに受注データだけでなく、CRMの活動履歴やメールの送受信数なども合わせて分析させると、「対応コスト vs 利益」の関係が可視化されます。
ある製造業の会社では、この分析の結果、売上順位で中位だった顧客が実は最も工数対比で不採算であることが判明しました。営業担当者は「付き合いが長いから」と手厚く対応していましたが、その時間を上位顧客に振り向けた結果、全体の利益率が改善したそうです。
離脱しやすい顧客の兆候
AIは、顧客の離脱リスクを予測することにも力を発揮します。
過去に離脱した顧客のデータを分析すると、離脱前に共通して見られる兆候が見えてきます。たとえば「発注頻度が減少し始めた」「問い合わせ内容がクレーム寄りになった」「競合他社への乗り換えを示唆する発言があった」など。
こうした兆候を早期に検知できれば、離脱を防ぐための先手を打てます。フォロー訪問を増やす、特別な提案を用意する、経営層同士の関係を強化するなど、状況に応じた対策が可能になるでしょう。
ある大手小売チェーンでは、AIによる顧客分析を実施し、離反リスクの高い顧客を早期に発見して適切なタイミングでプロモーションを実施した結果、顧客維持率が大きく向上したという事例もあります。
「感覚」を「数字」に変えると、営業方針が変わる
データに基づく顧客分析を始めると、社内の議論の質が変わります。
データが「声の大きい人」に勝つ瞬間
御社の営業会議で、こんな場面はないでしょうか。ベテラン営業マンが「A社は絶対に大事にすべきだ」と力説する。しかし、その根拠は「長年の付き合いがあるから」「社長とゴルフに行く仲だから」といった主観的なもの。
データ分析を導入すると、「A社は確かに10年来の顧客ですが、過去3年の利益率を見ると下位グループに入ります。むしろB社の方が利益貢献度は高く、アプローチを強化すべきではないでしょうか」といった議論が可能になります。
声の大きい人の意見ではなく、事実に基づいた議論ができる。これは組織にとって大きな変化です。
もちろん、数字がすべてではありません。長年の関係性や将来の可能性など、定量化しにくい要素もあります。しかし、少なくとも数字という共通言語を持つことで、議論の土台が整うのです。
営業会議が「報告会」から「戦略会議」に変わる
多くの中小企業の営業会議は、実質的に「報告会」になっています。各担当者が今週の活動を報告し、上司がコメントして終わり。戦略的な議論がないまま、また1週間が過ぎていく。
データ分析を取り入れると、会議の内容が変わります。
「先月の分析で、C社のLTVが低下傾向にあることがわかりました。原因を探ったところ、発注頻度が落ちています。何か競合に取られている可能性があるので、来週ヒアリングに行きます」
「新規獲得した顧客のうち、初月でリピート発注があったのは3割でした。この3割の共通点を分析したところ、導入研修を丁寧に行ったケースが多い。研修プログラムを強化することを提案します」
こうした議論ができるようになれば、営業会議は「戦略会議」へと進化します。PDCAサイクルが回り始め、組織としての営業力が向上していくのです。
国内中小企業の成功事例
「理屈はわかったが、本当にうまくいくのか」——そんな疑問をお持ちの方のために、国内企業の成功事例をいくつかご紹介します。
都築電気：顧客分析ツール導入でアポイント獲得数が増加
ビジネスソリューションを展開している都築電気株式会社は、重点プロダクトの拡販に向けて営業とマーケティングの連携強化が課題でした。新規顧客獲得に舵を切る必要があるタイミングで、顧客分析ができるツールを導入しています。
特にインサイドセールスでのメール送付において、AIを活用することで短時間でメッセージを作成できるようになりました。従来は個々のスキルに依存していた部分が、データをもとにAIが文章を生成することで、個々の企業課題に合うメッセージを作成できるようになったのです。
その結果、メールでのアプローチが強化され、一定期間のアポイント獲得数も増加したと報告されています。
大丸東京店：需要予測AIで売上67％アップ、食品ロス削減
大丸東京店のベーカリー部門では、2023年2月に需要予測AIを導入した結果、実証段階の3か月で売上高が前年同期比で約67％アップしました。さらに、約40万円分の食品ロスも削減されています。
AIが日々の販売データをもとに最適な発注量を予測し、発注の精度を大幅に高めたことによる成果です。
特筆すべきは、推進チームがほぼ全員IT初心者でありながら現場に足繁く通うことでプロジェクトを成功させた点。高度な専門知識がなくても、現場の意志と継続的な取り組み次第でAI活用は実現できるという好例となっています。
カオナビ：AIチャットボットで顧客数115％増加
タレント管理システムを開発・販売・サポートしている株式会社カオナビは、AIを用いたサポートチャットボットを導入しました。その結果、前年比で顧客数が115％増加した一方で、問い合わせ数は減少。受付から解決までに要する時間も約20分短縮できたと報告されています。
AIによる顧客対応の自動化が、顧客満足度の向上と業務効率化を同時に実現した事例です。
最先端のAIエージェント時代の考え方
2025年、AIの世界では新たな潮流が生まれています。それが「AIエージェント」です。顧客分析においても、このAIエージェントの活用が注目されています。
AIエージェントとは何か
AIエージェントとは、目的遂行に向けて自律的に判断し、一連の業務を実行するAIのことです。従来のAIツールが「指示されたことを処理する」のに対し、AIエージェントは「目的を与えられると、自ら計画を立てて実行する」点が大きな違いです。
たとえば、「見込み客へのアプローチを強化したい」という目的を与えると、AIエージェントは自ら顧客データを分析し、アプローチすべきターゲットを抽出し、各顧客に最適化されたメッセージを作成して送信する。さらにその反応をトラッキングして、次のアクションを提案する——こうした一連の流れを自律的に実行するのです。
営業活動におけるAIエージェントの活用領域
営業分野でのAIエージェントの活用は、急速に広がっています。主な活用領域を見てみましょう。
アポ取り・リード獲得：ホームページやSNSなど様々なソースから情報を収集し、アプローチ先企業に個別最適化されたメッセージを自動作成。メール、フォーム、FAXなどマルチチャネルでアプローチします。
顧客一次対応：見込み客からの問い合わせに対して、製品FAQや営業資料の内容をもとに自律的に回答。営業担当のカレンダーを参照してアポイント日程も設定します。
商談準備：企業名を入力するだけで、AIが決算資料やニュース、人事異動情報など50以上の情報源をリサーチし、提案先の課題仮説や提案内容の骨子を一気通貫で作成してくれます。
商談後フォロー：CRMへの記載、議事録の作成、商談情報の抽出、お礼メールの作成など、商談後の定型業務を自動化します。
三菱総合研究所の分析によれば、SAPやSalesforceなどのSaaS・ERPベンダーが、業務プロセス自動化を担うAIエージェントの開発環境の提供を始めており、営業や顧客管理、在庫管理、財務会計といった業務プロセスを部分的に、あるいは業務フロー全体を自動化する動きが加速しています。
中小企業がAIエージェントを活用するための第一歩
「AIエージェントは大企業向けでは？」と思われるかも知れません。しかし、近年の営業AIエージェントはノーコード・ローコード設計が主流で、専門知識がなくても直感的に操作できるものが増えています。
初期設定やテンプレートが用意されているサービスも多く、営業現場主導で使い始められる点が特徴です。IT担当者がいない企業でも、導入支援やサポート体制が整っているツールを選べば、安心して運用できるでしょう。
むしろ、人手不足や業務の属人化に悩む中小企業こそ、AIエージェントと相性が良いと言えます。リード対応や商談記録、資料作成などの時間をAIが代行することで、限られた人数でも営業活動の質と量を両立できるからです。
具体的な導入ステップとしては、まず「最も時間がかかっている定型業務」を特定することから始めてみてください。商談後のCRM入力に毎日30分かかっている。問い合わせ対応で同じ質問に何度も答えている。見込み客への初回アプローチメールの作成に時間を取られている。こうした業務は、AIエージェントで自動化できる可能性が高いです。
重要なのは、いきなり大規模な導入を目指さないこと。まずは1つの業務から試験的に導入し、効果を検証してから範囲を広げていく。このスモールスタートの姿勢が、AI活用成功の鍵となります。
2025年以降、AIエージェントは急速に普及が進むと予測されています。先行して導入・活用のノウハウを蓄積した企業と、そうでない企業の差は、年を追うごとに広がっていくでしょう。「まだ早い」と思っているうちに、競合他社に先を越されているかも知れません。
まとめ：データに基づく経営判断が、会社の未来を変える
本記事では、顧客分析を深掘りすることの重要性と、AIを活用した具体的なアプローチについてお伝えしてきました。
「売上の8割は2割の顧客から」——この言葉を、単なる格言として終わらせず、自社のデータで検証してみることが第一歩です。パレートの法則が御社に当てはまるのか、当てはまらないとすれば実態はどうなっているのか。数字を見ることで、初めて議論のスタートラインに立てます。
新規顧客獲得には既存顧客維持の5倍のコストがかかる。この事実を踏まえて、営業リソースの配分を見直す。既存顧客の中から優良顧客の共通点を分析し、新規顧客のターゲティングに活かす。AIを活用して、LTVや離脱リスクの予測を行い、先手を打った営業活動を展開する。
これらは、決して大企業だけの話ではありません。むしろ、リソースが限られる中小企業こそ、「感覚経営」から「データ経営」への転換が、競争力の源泉になるのです。限られた時間と人員で最大の成果を上げるためには、「どの顧客に、どれだけのリソースを投下すべきか」を、データに基づいて判断する必要があります。
「どこから手をつけてよいかわからない」「過去に自分でリードして進めようとしたが失敗した」——そんな経験をお持ちの経営者の方も多いでしょう。しかし、今のAIツールは、数年前とは比較にならないほど使いやすくなっています。専門知識がなくても、現場の意志と継続的な取り組みがあれば、必ず成果につながります。
大丸東京店の事例が示すように、IT初心者のチームでも、現場に足繁く通い、試行錯誤を重ねることで、売上67％アップという成果を出すことができるのです。重要なのは、完璧を目指すのではなく、まず一歩を踏み出すこと。
まずは、御社の過去3年分の受注データを引っ張り出してみてください。それを顧客別に集計し、上位から並べてみる。それだけで、いくつかの発見があるはずです！
データは、会社の未来を照らす羅針盤になります。取引先はどんどんデジタル化を進めています。競合他社も同様でしょう。このままアナログ中心のままでは、確実に取り残されていきます。逆に言えば、今このタイミングでデータ活用に舵を切れば、競合に先んじることができる。
その第一歩を、今日から踏み出してみませんか。データに基づく経営判断が、御社の未来を変えるきっかけになるはずです。
参考文献・出典
- パレートの法則（80：20の法則）：リクルートマネジメントソリューションズ
- 1:5の法則・5:25の法則：シナジーマーケティング株式会社
- LTV（顧客生涯価値）の計算方法：Zendeskブログ
- 都築電気 顧客分析ツール活用事例：NTTドコモビジネス Business Watch
- 大丸東京店 需要予測AI導入事例：EQUES AI導入事例
- カオナビ AIチャットボット活用事例：Asana 中小企業のためのAI活用例
- AIエージェントによる業務自動化：三菱総合研究所 MRIオピニオン（2025年4月号）
- 営業支援AIエージェント：アスピック SaaS比較・活用サイト
▼このブログ記事の内容を図解したインフォグラフィックスです（スマホはピンチアウト操作で拡大表示できます）
