エクセル×Difyで営業業務を効率化！データ分析の自動化【実装ガイド】

こんにちは。AI Native の田中です。

営業データの分析に時間を取られていませんか？本記事では、Googleスプレッドシートの営業データをDifyで自動分析し、結果をスプレッドシートに書き戻すワークフローの実装方法を解説します。OAuth認証からAI分析、結果の自動書き込みまで、完全なコード付きで実装手順をお届けします。

営業データ分析の課題

営業マネージャーや経営層が直面する、営業データ分析における3つの大きな課題があります。

1. 分析に時間がかかりすぎる

多くの企業では、週次や月次の営業会議の前に、担当者が数時間かけて以下のような作業を手作業で行っています：

• Excelやスプレッドシートから営業データを集計
• グラフやピボットテーブルを作成
• 前月比・前年比の計算
• 売上目標との乖離分析
• レポート資料の作成

この作業だけで週5〜10時間、月間20〜40時間が失われています。本来、その時間は顧客対応や戦略立案に使うべきです。

2. 属人化による分析品質のばらつき

営業データの分析が特定の社員に依存している場合、以下の問題が発生します：

• 担当者不在時に分析が止まる: 休暇や退職時に業務が滞る
• 分析の視点が偏る: 担当者の経験や知識に依存した分析
• ノウハウが蓄積されない: 分析手法が組織の資産にならない
• 新人育成に時間がかかる: 複雑な分析ロジックの習得に数ヶ月

3. リアルタイム性の欠如

週次・月次の定期レポートでは、以下のような機会損失が発生します：

• 問題の早期発見ができない: 売上低下に気づくのが1週間〜1ヶ月遅れる
• 迅速な意思決定ができない: データ待ちで対策が後手に回る
• 営業担当者へのフィードバックが遅い: 行動改善の機会を逃す

これらの課題を解決するため、DifyとGoogleスプレッドシートを連携させた自動分析システムを構築しました。

システム概要

本システムは以下の流れで動作します：

1. Googleスプレッドシートから営業データを取得
2. DifyでAI分析を実行
3. 分析結果をスプレッドシートに書き戻し

実装パターンの選択

本記事では、2つの実装パターンを紹介します：

パターンA: Google Apps Script（GAS）で実装

メリット：

• Googleスプレッドシート上で直接実行可能
• 追加のサーバー不要で手軽に始められる
• トリガー設定で定期実行が簡単
• OAuth認証が不要（スクリプトの権限で実行）

デメリット：

• 6分の実行時間制限がある
• 複雑な処理には向かない
• バージョン管理やデバッグが難しい

パターンB: Next.jsで実装

メリット：

• 本格的なWebアプリケーションとして構築可能
• 実行時間の制限なし
• Git管理やCI/CDとの統合が容易
• 複雑なビジネスロジックにも対応

デメリット：

• サーバー環境の準備が必要
• OAuth認証の設定が必要
• 初期セットアップに時間がかかる

パターンA: Google Apps Script（GAS）での実装

ステップ1: スクリプトの作成

Googleスプレッドシートから「拡張機能」→「Apps Script」を開き、以下のコードを貼り付けます。

// スクリプトプロパティに設定
// DIFY_API_KEY: DifyのAPIキー
// DIFY_WORKFLOW_URL: DifyワークフローのURL

function analyzeSalesData() {
  const sheet = SpreadsheetApp.getActiveSpreadsheet().getSheetByName('営業データ');
  const resultSheet = SpreadsheetApp.getActiveSpreadsheet().getSheetByName('分析結果');
  
  // スプレッドシートからデータを取得
  const dataRange = sheet.getDataRange();
  const data = dataRange.getValues();
  
  // ヘッダー行を除く
  const headers = data[0];
  const rows = data.slice(1);
  
  // データを整形
  const formattedData = rows.map(row => {
    const obj = {};
    headers.forEach((header, index) => {
      obj[header] = row[index];
    });
    return obj;
  });
  
  // Dify APIを呼び出し
  const scriptProperties = PropertiesService.getScriptProperties();
  const apiKey = scriptProperties.getProperty('DIFY_API_KEY');
  const workflowUrl = scriptProperties.getProperty('DIFY_WORKFLOW_URL');
  
  const payload = {
    inputs: {
      sales_data: JSON.stringify(formattedData)
    },
    response_mode: 'blocking',
    user: 'gas-user'
  };
  
  const options = {
    method: 'post',
    contentType: 'application/json',
    headers: {
      'Authorization': 'Bearer ' + apiKey
    },
    payload: JSON.stringify(payload),
    muteHttpExceptions: true
  };
  
  try {
    const response = UrlFetchApp.fetch(workflowUrl, options);
    const result = JSON.parse(response.getContentText());
    
    // 分析結果を取得
    const analysisResult = JSON.parse(result.data.outputs.result);
    
    // 分析結果をスプレッドシートに書き込み
    writeAnalysisResult(resultSheet, analysisResult);
    
    Logger.log('分析完了');
    SpreadsheetApp.getUi().alert('分析が完了しました！');
    
  } catch (error) {
    Logger.log('エラー: ' + error);
    SpreadsheetApp.getUi().alert('エラーが発生しました: ' + error);
  }
}

function writeAnalysisResult(sheet, result) {
  // シートをクリア
  sheet.clear();
  
  // ヘッダーを書き込み
  sheet.getRange(1, 1, 1, 3).setValues([['分析項目', '結果', '推奨アクション']]);
  sheet.getRange(1, 1, 1, 3).setFontWeight('bold');
  
  // 分析結果を書き込み
  const data = [
    ['売上トレンド', result.trend_analysis, ''],
    ['顧客パフォーマンス', result.customer_performance, ''],
    ['商品分析', result.product_analysis, ''],
    ['改善提案', '', result.recommendations.join('\n')]
  ];
  
  sheet.getRange(2, 1, data.length, 3).setValues(data);
  
  // 書式設定
  sheet.autoResizeColumns(1, 3);
  sheet.setFrozenRows(1);
}

// メニューに追加
function onOpen() {
  const ui = SpreadsheetApp.getUi();
  ui.createMenu('AI分析')
    .addItem('営業データを分析', 'analyzeSalesData')
    .addToUi();
}

ステップ2: スクリプトプロパティの設定

Apps Scriptエディタで「プロジェクトの設定」→「スクリプトプロパティ」を開き、以下を設定します：

• DIFY_API_KEY: DifyのAPIキー
• DIFY_WORKFLOW_URL: DifyワークフローのエンドポイントURL

ステップ3: 定期実行の設定（オプション）

Apps Scriptエディタで「トリガー」を開き、以下を設定します：

• 実行する関数: analyzeSalesData
• イベントのソース: 時間主導型
• 時間ベースのトリガー: 毎日、毎週、毎月など任意のタイミング

パターンB: Next.jsでの実装

ステップ1: Google OAuth認証の設定

まず、Google Sheets APIを使用するためのOAuth認証を設定します。

Google Cloud Consoleでの設定

1. Google Cloud Consoleでプロジェクトを作成
2. Google Sheets APIを有効化
3. OAuth 2.0認証情報を作成
4. リダイレクトURIを設定

環境変数の設定

# .env.local
GOOGLE_CLIENT_ID=your_client_id
GOOGLE_CLIENT_SECRET=your_client_secret
GOOGLE_REDIRECT_URI=http://localhost:3000/api/auth/callback/google
SPREADSHEET_ID=your_spreadsheet_id
SHEET_NAME=営業データ

ステップ2: Next.js APIルートの実装

Google Sheets APIとの連携を行うAPIルートを作成します。

認証用APIルート

// app/api/auth/google/route.ts
import { NextRequest, NextResponse } from 'next/server'

export async function GET(request: NextRequest) {
  const { searchParams } = new URL(request.url)
  const code = searchParams.get('code')
  
  if (!code) {
    const authUrl = new URL('https://accounts.google.com/o/oauth2/v2/auth')
    authUrl.searchParams.set('client_id', process.env.GOOGLE_CLIENT_ID!)
    authUrl.searchParams.set('redirect_uri', process.env.GOOGLE_REDIRECT_URI!)
    authUrl.searchParams.set('response_type', 'code')
    authUrl.searchParams.set('scope', 'https://www.googleapis.com/auth/spreadsheets')
    
    return NextResponse.redirect(authUrl.toString())
  }
  
  // トークン交換処理
  const tokenResponse = await fetch('https://oauth2.googleapis.com/token', {
    method: 'POST',
    headers: { 'Content-Type': 'application/x-www-form-urlencoded' },
    body: new URLSearchParams({
      client_id: process.env.GOOGLE_CLIENT_ID!,
      client_secret: process.env.GOOGLE_CLIENT_SECRET!,
      code,
      grant_type: 'authorization_code',
      redirect_uri: process.env.GOOGLE_REDIRECT_URI!,
    }),
  })
  
  const tokens = await tokenResponse.json()
  
  return NextResponse.json({ success: true, tokens })
}

データ取得APIルート

// app/api/sheets/data/route.ts
import { NextRequest, NextResponse } from 'next/server'

export async function GET(request: NextRequest) {
  const accessToken = request.headers.get('authorization')?.replace('Bearer ', '')
  
  if (!accessToken) {
    return NextResponse.json({ error: 'No access token' }, { status: 401 })
  }
  
  const spreadsheetId = process.env.SPREADSHEET_ID
  const sheetName = process.env.SHEET_NAME
  const url = 'https://sheets.googleapis.com/v4/spreadsheets/' + spreadsheetId + '/values/' + sheetName
  
  const response = await fetch(url, {
    headers: {
      'Authorization': 'Bearer ' + accessToken,
    },
  })
  
  const data = await response.json()
  
  return NextResponse.json(data)
}

ステップ3: Difyワークフローの設定

Difyで営業データ分析用のワークフローを作成します。

ワークフロー構成

1. データ入力ノード: スプレッドシートから取得したデータを受け取る
2. データ前処理ノード: データを分析用に整形
3. AI分析ノード: LLMでデータ分析を実行
4. 結果整形ノード: 分析結果をスプレッドシート用に整形

AI分析プロンプト

以下の営業データを分析し、以下の観点で分析結果を提供してください：

1. 売上トレンド分析
2. 顧客別パフォーマンス分析
3. 商品・サービス別売上分析
4. 改善提案

データ: {{input_data}}

分析結果は以下のJSON形式で出力してください：
{
  "trend_analysis": "売上トレンドの分析結果",
  "customer_performance": "顧客別パフォーマンス分析",
  "product_analysis": "商品・サービス別分析",
  "recommendations": "改善提案のリスト"
}

ステップ3: Difyワークフロー統合APIルートの実装

データ取得、Dify分析、結果書き戻しを統合したAPIルートを作成します。

// app/api/workflows/sales-analysis/route.ts
import { readSpreadsheet, writeSpreadsheet, createSheetIfNotExists, clearSheet } from '@/lib/google-sheets'
import { difyClient } from '@/lib/dify-client'
import { NextRequest, NextResponse } from 'next/server'
import { cookies } from 'next/headers'

export async function POST(request: NextRequest) {
  try {
    const { spreadsheetId, sheetName } = await request.json()

    if (!spreadsheetId || !sheetName) {
      return NextResponse.json(
        { error: 'spreadsheetId and sheetName are required' },
        { status: 400 }
      )
    }

    const cookieStore = await cookies()
    const accessToken = cookieStore.get('google_access_token')?.value

    if (!accessToken) {
      return NextResponse.json(
        { error: 'Not authenticated. Please login with Google first.' },
        { status: 401 }
      )
    }

    // ステップ1: Google Sheetsからデータ読み取り
    const salesData = await readSpreadsheet(accessToken, spreadsheetId, sheetName)

    if (!salesData || salesData.length === 0) {
      return NextResponse.json(
        { error: 'No data found in spreadsheet' },
        { status: 400 }
      )
    }

    // ステップ2: Dify Workflowで分析
    const analysisResult = await difyClient.analyzeSalesData(salesData)

    // ステップ3: 分析結果をGoogle Sheetsに書き込み
    const currentDate = new Date().toISOString().split('T')[0]
    const resultSheetName = '分析結果'

    // 分析結果用のシートを作成（存在しない場合）
    const isNewSheet = await createSheetIfNotExists(accessToken, spreadsheetId, resultSheetName)

    // 既存シートの場合はクリアして最新の結果のみを保持
    if (!isNewSheet) {
      await clearSheet(accessToken, spreadsheetId, resultSheetName)
    }

    // Markdown形式の分析結果を改行で分割して行として書き込む
    const analysisLines = analysisResult.split('\n').map(line => [line])

    // ヘッダー情報と分析結果を書き込み
    await writeSpreadsheet(
      accessToken,
      spreadsheetId,
      resultSheetName,
      [
        ['分析日時', currentDate],
        ['元データシート', sheetName],
        [''],
        ['=== 分析結果 ==='],
        [''],
        ...analysisLines,
      ]
    )

    return NextResponse.json({
      success: true,
      analysisResult,
      message: '分析が完了し、結果を「' + resultSheetName + '」シートに書き込みました',
    })
  } catch (error: any) {
    return NextResponse.json(
      { error: error.message || 'Failed to analyze sales data' },
      { status: 500 }
    )
  }
}

共通: Difyワークフローの設定

パターンA（GAS）とパターンB（Next.js）の両方で使用するDifyワークフローを設定します。

ワークフロー構成

1. データ入力ノード: スプレッドシートから取得したデータを受け取る
2. データ前処理ノード: データを分析用に整形
3. AI分析ノード: LLMでデータ分析を実行
4. 結果整形ノード: 分析結果をスプレッドシート用に整形

AI分析プロンプト

以下の営業データを分析し、以下の観点で分析結果を提供してください：

1. 売上トレンド分析
2. 顧客別パフォーマンス分析
3. 商品・サービス別売上分析
4. 改善提案

データ: {{input_data}}

分析結果は以下のJSON形式で出力してください：
{
  "trend_analysis": "売上トレンドの分析結果",
  "customer_performance": "顧客別パフォーマンス分析",
  "product_analysis": "商品・サービス別分析",
  "recommendations": "改善提案のリスト"
}

ステップ4: Google Sheets操作ライブラリの実装

Google Sheets APIを扱うための補助ライブラリを作成します。

// lib/google-sheets.ts
import { google } from 'googleapis'

export async function readSpreadsheet(
  accessToken: string,
  spreadsheetId: string,
  sheetName: string
) {
  const auth = setCredentials({ access_token: accessToken })
  const sheets = google.sheets({ version: 'v4', auth })

  const response = await sheets.spreadsheets.values.get({
    spreadsheetId,
    range: sheetName,
  })

  return response.data.values || []
}

export async function writeSpreadsheet(
  accessToken: string,
  spreadsheetId: string,
  sheetName: string,
  values: any[][]
) {
  const auth = setCredentials({ access_token: accessToken })
  const sheets = google.sheets({ version: 'v4', auth })

  const response = await sheets.spreadsheets.values.append({
    spreadsheetId,
    range: sheetName,
    valueInputOption: 'RAW',
    requestBody: {
      values,
    },
  })

  return response.data
}

export async function createSheetIfNotExists(
  accessToken: string,
  spreadsheetId: string,
  sheetName: string
): Promise<boolean> {
  const auth = setCredentials({ access_token: accessToken })
  const sheets = google.sheets({ version: 'v4', auth })

  // 既存シートを取得
  const spreadsheet = await sheets.spreadsheets.get({
    spreadsheetId,
  })

  const sheetExists = spreadsheet.data.sheets?.some(
    (sheet) => sheet.properties?.title === sheetName
  )

  if (sheetExists) {
    return false
  }

  // 新しいシートを作成
  await sheets.spreadsheets.batchUpdate({
    spreadsheetId,
    requestBody: {
      requests: [
        {
          addSheet: {
            properties: {
              title: sheetName,
            },
          },
        },
      ],
    },
  })

  return true
}

ステップ5: Difyクライアントの実装

Dify APIを呼び出すためのクライアントライブラリを作成します。

// lib/dify-client.ts
export class DifyClient {
  private apiKey: string
  private baseUrl: string

  constructor() {
    this.apiKey = process.env.DIFY_API_KEY || ''
    this.baseUrl = process.env.DIFY_API_BASE_URL || 'https://api.dify.ai/v1'
  }

  async analyzeSalesData(salesData: any[][]): Promise<string> {
    const workflowId = process.env.DIFY_SALES_ANALYSIS_WORKFLOW_ID

    if (!workflowId) {
      throw new Error('DIFY_SALES_ANALYSIS_WORKFLOW_ID is not set')
    }

    // 2次元配列をタブ区切りテキストに変換
    const dataText = salesData.map((row) => row.join('\t')).join('\n')

    // Difyワークフローを実行
    const url = this.baseUrl + '/workflows/run'
    
    const response = await fetch(url, {
      method: 'POST',
      headers: {
        'Authorization': 'Bearer ' + this.apiKey,
        'Content-Type': 'application/json',
      },
      body: JSON.stringify({
        inputs: {
          sales_data: dataText,
        },
        response_mode: 'blocking',
        user: 'sales-analysis-user',
      }),
    })

    if (!response.ok) {
      const errorData = await response.json()
      throw new Error('Dify API error: ' + errorData.message)
    }

    const result = await response.json()

    // ワークフローの出力から分析結果を取得
    const analysisResult = result.data.outputs?.analysis_result ||
                          result.data.outputs?.text ||
                          '分析結果を取得できませんでした'

    return analysisResult
  }
}

export const difyClient = new DifyClient()

ステップ6: フロントエンドの実装

Next.jsのフロントエンドでワークフローを実行するコンポーネントを作成します。

// app/demo/sales-analysis/page.tsx
'use client'

import { useState } from 'react'
import { Button } from '@/components/ui/button'
import { Input } from '@/components/ui/input'
import { Card, CardContent, CardDescription, CardHeader, CardTitle } from '@/components/ui/card'

export default function SalesAnalysisPage() {
  const [spreadsheetId, setSpreadsheetId] = useState('')
  const [sheetName, setSheetName] = useState('Sheet1')
  const [analysisResult, setAnalysisResult] = useState<string | null>(null)
  const [analyzing, setAnalyzing] = useState(false)
  const [error, setError] = useState('')

  const handleAnalyze = async () => {
    setAnalyzing(true)
    setError('')

    try {
      const response = await fetch('/api/workflows/sales-analysis', {
        method: 'POST',
        headers: { 'Content-Type': 'application/json' },
        body: JSON.stringify({ spreadsheetId, sheetName }),
      })

      if (!response.ok) {
        const errorData = await response.json()
        throw new Error(errorData.error || 'Failed to analyze data')
      }

      const result = await response.json()
      setAnalysisResult(result.analysisResult)
    } catch (err: any) {
      setError(err.message)
    } finally {
      setAnalyzing(false)
    }
  }

  return (
    <div className="container mx-auto px-4 py-8 max-w-4xl">
      <h1 className="text-3xl font-bold mb-6">営業データ自動分析</h1>

      <Card className="mb-6">
        <CardHeader>
          <CardTitle>スプレッドシート情報入力</CardTitle>
          <CardDescription>
            読み取りたいGoogle Sheetsの情報を入力してください
          </CardDescription>
        </CardHeader>
        <CardContent className="space-y-4">
          <div>
            <label className="block text-sm font-medium mb-2">
              スプレッドシートID
            </label>
            <Input
              placeholder="1ABC...xyz"
              value={spreadsheetId}
              onChange={(e) => setSpreadsheetId(e.target.value)}
            />
          </div>

          <div>
            <label className="block text-sm font-medium mb-2">
              シート名
            </label>
            <Input
              placeholder="営業データ"
              value={sheetName}
              onChange={(e) => setSheetName(e.target.value)}
            />
          </div>

          <Button
            onClick={handleAnalyze}
            disabled={analyzing || !spreadsheetId}
            className="w-full"
          >
            {analyzing ? '分析中...' : '分析実行'}
          </Button>
        </CardContent>
      </Card>

      {error && (
        <Card className="mb-6 border-red-500">
          <CardContent className="pt-6">
            <p className="text-red-500">エラー: {error}</p>
          </CardContent>
        </Card>
      )}

      {analysisResult && (
        <Card className="mb-6">
          <CardHeader>
            <CardTitle>分析結果</CardTitle>
            <CardDescription>
              AIによる営業データ分析レポート
              （「分析結果」シートにも保存されています）
            </CardDescription>
          </CardHeader>
          <CardContent>
            <div className="prose max-w-none">
              {analysisResult}
            </div>
          </CardContent>
        </Card>
      )}
    </div>
  )
}

実装のポイント

1. 営業データの設計

効果的な分析を行うためには、スプレッドシートのデータ構造が重要です。

推奨データ項目

カテゴリ	項目	説明
基本情報	受注日	YYYY-MM-DD形式で統一
	案件ID	一意の識別子
	案件名	商談内容の概要
金額情報	売上金額	税込金額
	原価	粗利計算に必要
	粗利額	売上金額 - 原価
	粗利率	粗利額 / 売上金額
	予算	月次・四半期目標
顧客情報	顧客名	企業名または個人名
	業界	製造業、IT、小売など
	地域	都道府県または営業所
	新規/既存	顧客区分
商品情報	商品名	販売商品・サービス名
	商品カテゴリ	大分類・中分類
	数量	販売個数
担当者情報	営業担当者	氏名またはID
	所属部門	営業部、支店など

2. セキュリティ対策

• OAuth 2.0認証: 安全な認証フロー
• トークン管理: アクセストークンの適切な管理
• スコープ制限: 必要最小限の権限のみ付与
• 機密情報の保護: 顧客名や金額などの営業機密データの取り扱い

3. エラーハンドリング

• API エラー処理: 各API呼び出しでのエラーハンドリング
• リトライ機能: 一時的なエラーに対するリトライ
• ログ出力: デバッグ用のログ出力
• 通知機能: 分析完了・エラー発生時のSlack/Email通知

4. パフォーマンス最適化

• データ量の制限: 1回の分析で処理するデータ量を適切に設定（GASは6分制限）
• キャッシング: 頻繁にアクセスするデータのキャッシュ
• バッチ処理: 大量データは分割して処理
• 非同期処理: 長時間かかる分析はバックグラウンドで実行

運用とカスタマイズ

定期実行の設定

cronジョブやVercel Cronを使用して、定期的に分析を実行できます。

// vercel.json
{
  "crons": [
    {
      "path": "/api/scheduled-analysis",
      "schedule": "0 9 * * 1"
    }
  ]
}

分析項目のカスタマイズ

Difyのプロンプトを変更することで、営業組織のニーズに合わせた様々な分析が可能です。以下、実務で特に効果の高い分析項目を紹介します。

🎯 基本分析項目

1. 売上トレンド分析

• 日次・週次・月次・四半期・年次の売上推移
• 前月比・前年同月比の増減率
• 売上目標に対する達成率
• 成長率の鈍化・加速の検知

2. 顧客セグメント分析

• ABC分析（パレートの法則に基づく顧客分類）
• 新規顧客 vs 既存顧客の売上比率
• 顧客ライフタイムバリュー（LTV）分析
• 離反リスクの高い顧客の特定

3. 商品・サービス別分析

• 商品カテゴリー別の売上構成比
• 利益率の高い商品の特定
• クロスセル・アップセルの機会分析
• 在庫回転率と販売効率

📊 高度な分析項目

4. 地域別・エリア別分析

• 都道府県・市区町村別の売上分布
• 営業拠点ごとのパフォーマンス比較
• 商圏分析と市場浸透率
• 地域特性に応じた戦略立案

5. 業界・業種別分析

• ターゲット業界ごとの売上実績
• 業界別の平均受注単価・商談期間
• 業界特有のニーズと提案パターン
• 参入すべき新規業界の特定

6. 予算・売上目標分析

• 予算達成率と乖離要因の分析
• 四半期・年間目標に対する進捗
• 目標未達部門・担当者の早期特定
• リカバリープランの自動提案

7. 営業担当者別分析

• 個人別の売上実績とランキング
• 商談成約率・平均商談期間
• 訪問件数と受注件数の相関分析
• トップセールスの行動パターン分析
• 育成が必要な担当者の特定

🔮 予測・将来分析

8. 季節性・トレンド分析

• 月別・四半期別の季節変動パターン
• 繁忙期・閑散期の特定と対策
• 前年同期比での成長トレンド
• 季節要因を考慮した売上予測

9. 売上予測分析

• 過去データに基づく翌月・翌四半期の売上予測
• 商談パイプラインからの受注予測
• 目標達成に必要な追加商談数の算出
• リスクシナリオ分析（楽観・標準・悲観）

10. 競合比較分析

• 競合製品との価格・機能比較
• 失注理由の分析と改善策
• 競合に勝っている商材・エリアの特定
• 競合対策の有効性評価

💼 実装例：カスタム分析プロンプト

あなたは経験豊富な営業分析のエキスパートです。
以下の営業データを多角的に分析し、実行可能なアクションプランを提案してください。

【分析データ】
{{sales_data}}

【分析項目】
1. 売上トレンド分析
   - 前月比・前年同月比の増減率
   - 目標達成率と乖離要因
   - 成長が加速/鈍化している領域

2. セグメント別分析
   - 地域別：都道府県・営業所別の実績
   - 業界別：主要業界ごとの売上構成
   - 商品別：売れ筋商品と不振商品
   - 担当者別：トップ5とボトム5の特定

3. 顧客分析
   - ABC分析：上位20%の顧客で何%の売上を占めるか
   - 新規顧客の獲得状況
   - 既存顧客の継続率・離反リスク

4. 営業効率分析
   - 商談成約率の推移
   - 平均商談期間の長期化/短縮
   - 訪問件数と受注の相関

5. アクションプラン
   - 今月注力すべき3つの施策
   - リスク項目と対策
   - 来月の売上予測と必要アクション

【出力形式】
Markdown形式で、経営層にも分かりやすく、
具体的な数値と改善提案を含めてレポートしてください。

まとめ

DifyとGoogleスプレッドシートを連携させることで、営業データの分析を完全自動化できます。この実装により：

• 分析時間の大幅短縮: 数時間の作業が数分で完了
• 属人化の解消: 誰でも同じ品質の分析結果を取得
• リアルタイム分析: データ更新と同時に分析実行
• スケーラブルな運用: データ量が増えても対応可能

この実装により、営業チームはデータ分析に時間を取られることなく、より戦略的な業務に集中できるようになります。