【n8n×生成AI実践】問い合わせから3分で刺さる提案を作成！企業リサーチ＆返信メール下書き自動生成Botの完全構築ガイド

業務効率化

2026.08.31

この記事は約11分で読めます。

1. はじめに：営業の成約率は「初回返信のスピードと質」で決まる
2. なぜZapierやMakeではなく「n8n」なのか？
3. 自動化ワークフローの全体像（アーキテクチャ）
1. データの流れ
4. ステップ・バイ・ステップ構築手順
5. 実運用で失敗しないための「3つの鉄則」
6. おわりに：営業の「作業」をゼロにし、「対話」に時間を投資しよう

1. はじめに：営業の成約率は「初回返信のスピードと質」で決まる

「自社の問い合わせフォームに見込み顧客（リード）から問い合わせが入った」

BtoB営業において、これほど熱い商談獲得のチャンスはありません。フォームに情報を入力して送信ボタンを押した瞬間、相手の担当者は自社の課題解決に対して最も意欲が高まっています。

しかし、多くの企業の営業現場では、以下のような「二者択一のジレンマ」に陥っています。

パターンA（スピード重視の定型文返信）： 「お問い合わせありがとうございます。まずは日程調整をお願いします」と、誰にでも送っている汎用テンプレを自動返信。→ 相手からすると「適当にあしらわれた」と感じられ、返信率は低迷。
パターンB（質重視の手作業リサーチ）： 担当者が相手企業のWebサイトを調べ、直近のプレスリリースを読み、課題を推測して丁寧な提案文を作成して返信。→ リサーチに半日〜1日かかり、返信した頃には相手の熱が冷めている、あるいは競合他社に先を越されている。

この「スピード」と「提案の質」のトレードオフを完全に打ち破るのが、「n8n × 生成AI」による自動化です。

問い合わせが送信された瞬間に、AIが自動で相手企業のWebサイトをクローリングし、事業内容や強みを解析。自社の強みと結びつけた「刺さる提案メール」の下書きをわずか3分以内にメーラー（Gmail等）に作成し、Slackへ通知する。営業担当者はその下書きをサッと確認して送信ボタンを押すだけ。

本記事では、この**「企業リサーチ＆提案メール下書き自動生成Bot」**の仕組みから、n8nを使った具体的なノード構築手順、プロンプト設計、運用のベストプラクティスまでを完全解説します。

2. なぜZapierやMakeではなく「n8n」なのか？

ノーコード/ローコードの自動化ツールといえばZapierやMakeが有名ですが、生成AI（LLM）を本格的に業務ワークフローへ組み込む場合、n8n（エヌエイトエヌ）が圧倒的な優位性を持っています。

高度なAI Agent / LangChainノードが標準搭載されている n8nには、LangChainのフレームワークがネイティブに統合されています。単なるプロンプト実行だけでなく、Web検索ツール（Tools）、メモリ（Memory）、JSONスキーマで出力を厳格に固定する構造化パーサー（Structured Output Parser）がGUI上で直感的に接続できます。
セルフホスト可能で「顧客データのセキュリティ」を担保できる n8nはオープンソース版（Community Edition）を自社のDocker環境やAWS/GCP上に無料でセルフホストできます。見込み顧客の個人情報や社外秘の提案ロジックをサードパーティのクラウドに預けることなく、閉じたセキュアな環境で運用可能です。
従量課金によるコストの爆発を防げる Zapierなどの場合、複数ステップの処理を回すとタスク数が激増し、高額な月額料金が発生します。セルフホストのn8nなら実行回数無制限で運用できるため、大量の問い合わせを処理するエンタープライズ用途でもコストを極小化できます。

3. 自動化ワークフローの全体像（アーキテクチャ）

今回構築するワークフローの処理フローは以下の通りです。

データの流れ

入力: Webhook経由で「問い合わせ者氏名」「メールアドレス」「企業名」「企業URL」「問い合わせ本文」を受け取る。
収集: 企業URLを元に、スクレイピングAPI経由で相手サイトのテキスト情報を高速取得。
推論: LLM（GPT-4oやClaude 3.5 Sonnet）が相手の事業モデルと課題を分析し、自社サービスの訴求ポイントを組み合わせたメール文面をJSON形式で生成。
出力: メーラーに「下書き（Draft）」として保存し、Slackに「確認用URL」付きで通知。

4. ステップ・バイ・ステップ構築手順

それでは、n8nの画面上で実際にワークフローを構築していきましょう。

Step 1: Webhookノードの作成（フォーム受付）

まず、問い合わせフォームからのデータを受け取るトリガーノードを配置します。

ノード名: Webhook
HTTP Method: POST
Path: lead-inquiry
Response Mode: On Received（フォーム側に即座に200 OKを返す）

受信するJSONデータ（ペイロード）の例：

json{  "name": "山田 太郎",  "email": "yamada@example.co.jp",  "company_name": "株式会社イノベーションネクスト",  "company_url": "https://example.com",  "inquiry_body": "自社の営業部門の業務効率化を検討しており、ツールのデモや他社事例について聞きたいです。"}

Step 2: 相手企業Webサイトの高速テキスト化（HTTP Request）

AIに正確なリサーチを行わせるためには、相手企業のサイトからクリーンなテキストを抽出する必要があります。通常のHTMLスクレイピングだと余計なタグやCSSでトークンを消費してしまうため、「Jina Reader」（https://r.jina.ai/）を活用するのが最も簡単かつ強力です。

ノード名: HTTP Request
Method: GET
URL: https://r.jina.ai/={{ $json.body.company_url }}
Headers:
- Accept: text/plain

💡 Jina Readerの凄さ: 任意のURLの先頭に https://r.jina.ai/ を付与してリクエストを送るだけで、JavaScriptを実行した後のクリーンなMarkdownテキストを返してくれます。広告や装飾が削ぎ落とされたLLMに最適なデータが一瞬で手に入ります。

Step 3: AIノードによる企業分析＆提案文の生成

ここが自動化の心臓部です。n8nの AI Agentノード（または Basic LLM Chain）を配置します。

① Chat Modelの接続

ノード: OpenAI Chat Model
Model: gpt-4o（または Anthropic Chat Model の claude-3-5-sonnet）
Temperature: 0.3（事実に基づいた提案にするため低めに設定）

② Structured Output Parser（構造化出力）の接続

後続のGmailノードやSlackノードで扱いやすくするため、出力を厳格なJSONスキーマで固定します。

ノード: Structured Output Parser
JSON Schema:

json{  "type": "object",  "properties": {    "company_overview": {      "type": "string",      "description": "相手企業の主要事業と特徴の要約（100字程度）"    },    "assumed_challenge": {      "type": "string",      "description": "推測される相手企業の組織・業務課題（150字程度）"    },    "email_subject": {      "type": "string",      "description": "返信メールの件名"    },    "email_body": {      "type": "string",      "description": "返信メールの本文（敬体、改行含む）"    }  },  "required": ["company_overview", "assumed_challenge", "email_subject", "email_body"]}

③ プロンプト設計（System & User Prompt）

【System Prompt】

text
あなたはBtoB SaaS企業の一流セールスコンサルタントです。見込み顧客からの問い合わせ内容と、相手企業のWebサイト情報をもとに、顧客の心に刺さる「個別最適化された返信メール」を作成してください。
【当社の提供サービス】
・サービス名：BizAuto AI
・概要：企業の定型業務・営業リサーチを自動化するノーコードAI連携プラットフォーム
・主な実績：導入企業の営業準備時間を70%削減、商談化率が平均1.8倍に向上
【メール作成の必須ルール】
1. 冒頭で問い合わせへの感謝と、相手企業の具体的な取り組み（事業内容）への共感を述べること。
2. テンプレ感を出さず、「御社の〇〇という事業展開を拝見し、おそらく△△の点でお困りではないかと推察いたしました」と仮説を明記すること。
3. 売り込みすぎず、相手と同業種（または類似フェーズ）での成功事例を紹介する「15分のオンライン情報交換（壁打ち）」を提案すること。
4. 返信がしやすいよう、日程候補（ダミー枠）を2〜3つ提示すること。

【User Prompt】

text
以下の見込み顧客情報とWebサイトテキストを分析し、指定のJSON形式で出力してください。■ 顧客情報氏名：{{ $('Webhook').item.json.body.name }} 様企業名：{{ $('Webhook').item.json.body.company_name }}問い合わせ内容：{{ $('Webhook').item.json.body.inquiry_body }}■ 相手企業のWebサイト情報（抜粋）{{ $json.data.slice(0, 4000) }}

Step 4: Gmailノードによる下書き（Draft）作成

AIが生成した件名と本文を使って、Gmailに下書きを作成します。ここで最も重要なポイントは、「自動送信」ではなく「下書き作成（Create Draft）」にとどめることです（Human-in-the-loop設計）。

ノード名: Gmail
Resource: Draft
Operation: Create
To: ={{ $('Webhook').item.json.body.email }}
Subject: ={{ $json.output.email_subject }}
Email Type: Plain Text
Message: ={{ $json.output.email_body }}

Step 5: Slackノードによる営業チームへのリッチ通知

営業担当者が即座に下書きを確認・送信できるように、SlackへBlock Kitを使ったリッチな通知を送ります。

ノード名: Slack
Resource: Message
Operation: Post
Channel: #leads-inquiry
Text / Blocks:

json[  {    "type": "header",    "text": {      "type": "plain_text",      "text": "🔥 新規リード獲得！AI提案下書き作成完了"    }  },  {    "type": "section",    "fields": [      {        "type": "mrkdwn",        "text": "*企業名:*\n{{ $('Webhook').item.json.body.company_name }}"      },      {        "type": "mrkdwn",        "text": "*ご担当者:*\n{{ $('Webhook').item.json.body.name }} 様"      }    ]  },  {    "type": "section",    "text": {      "type": "mrkdwn",      "text": "*💡 AI推測課題:*\n{{ $json.output.assumed_challenge }}"    }  },  {    "type": "actions",    "elements": [      {        "type": "button",        "text": {          "type": "plain_text",          "text": "✉️ Gmailで下書きを開く"        },        "url": "https://mail.google.com/mail/u/0/#drafts",        "style": "primary"      }    ]  }]

5. 実運用で失敗しないための「3つの鉄則」

このワークフローを実務で安定運用するためには、いくつかの重要な落とし穴を回避する設計が必要です。

鉄則① スクレイピング失敗時のフォールバック処理を入れる

相手企業のWebサイトがアクセス制限（Cloudflare等のBot対策）を敷いている場合や、URLの入力ミスがあった場合、Jina Readerがエラーを返すことがあります。 HTTP Requestノードの「Continue On Fail」をONにし、もしスクレイピングに失敗した場合は**「Webサイト情報なしでも、問い合わせ本文だけから標準的な提案文を生成する」**というIf分岐を設けておきましょう。

鉄則② トークン消費とコストの最適化

トップページだけでなく下層ページまで全部読み込もうとすると、LLMのトークン消費量（APIコスト）が跳ね上がります。 {{ $json.data.slice(0, 4000) }} のように先頭4,000文字程度にトリミングしてLLMに渡すだけで、企業概要や主要メッセージを十分に把握でき、1回あたりのAPIコストを数円程度に抑えることができます。

鉄則③ 「完全自動送信」にしない理由（Human-in-the-loop）

「全部自動で送ってくれた方が楽では？」と思うかもしれません。しかし、AIは稀に相手企業の競合関係を誤認したり、ニュアンスが不自然な表現を出力する（ハルシネーションの）リスクがあります。「AIが9割の作業（リサーチ＋ドラフト作成）を3分で終わらせ、人間が1分で最終確認して送信する」という**Human-in-the-loop（人間の介在）**の運用をとることで、100%の事故防止と超高速返信を両立できます。