AIによって、SaaSの開発と市場投入は速くなりました。しかし、作りやすくなったことと、顧客が自力で選び、導入し、使い続けられることは別問題です。
日本でPLGが失敗したわけでも、SMB市場がなくなったわけでもありません。難しいのは、低単価の顧客に対して営業、設定、移行、定着支援が必要になるのに、すべてをセルフサーブで成立させようとするモデルです。
本記事では、「日本では、デジタル前提で業務を組む若い企業層と、顧客企業内で導入を担うIT人材が米国ほど厚くないため、SMB専業SaaSは人的支援を必要としやすい」という構造を整理します。
この記事の要点
PLGは「営業ゼロ」と同義ではない：プロダクトを成長の中心に置きながら、営業やパートナーを併用できる
セルフサーブに適した初期顧客層が相対的に薄い：日本は米国より開業率が低く、デジタル前提で業務を一から組む若い企業の流入が少ない
顧客企業内のIT人材・内製体制が少ない：製品選定、設定、連携、移行、社内展開をSaaS提供側が補う場面が増える
低ARPAと支援コストが衝突する：PLGが想定する低CACを維持しにくく、回収期間が長くなる
SMB SaaSが終わったわけではない：ネットワーク効果、必須業務、マルチプロダクト、パートナーがあれば成立する
AIは需要と供給を同時に増やす：利用企業が増える一方、競合製品の投入も速くなる
一連の主張をつなぐ因果関係
以下の全体図は、日米の市場構造から、セルフサーブの成立条件、SaaS提供側へ戻る人的支援、ユニットエコノミクス、最終的なGTM選択までを一つにつないだものです。実線は業務上の仕組みやコスト発生、点線は統計からの示唆・構造的推論、太線は戦略上の分岐を表します。各論点の直後では、因果関係をさらに分解します。
図解を拡大 PLGは「営業ゼロ」と同義ではない
PLG（Product-Led Growth）は、プロダクトの利用体験を顧客獲得、定着、拡張の中心に置く成長戦略です。無料体験やフリーミアムは代表的な手段ですが、すべての契約を無人で完結させることが定義ではありません。
現実には、プロダクトで利用意向を把握し、必要な顧客を営業へ引き渡すProduct-Led Sales、販売パートナーとの連携、オンラインCSなどを組み合わせられます。
顧客の自走性、人的支援費の回収可能性、合意形成の複雑さで分けると、PLGには次の4つの運用モデルがあります。
純セルフサーブ：顧客が選定、契約、導入、定着まで自走し、人的支援をほぼ必要としない
Product-Led Sales：利用データから有望顧客を見つけ、必要な段階だけ営業やCSが支援する
パートナー・BPaaS：設定、運用、業務代行を外部パートナーと分担し、提供側の支援負荷を標準化する
Enterprise ABM：重点企業を選び、Buying Group、審査、導入、展開を個別に支援する
問題になるのは、顧客が「自分で見つける、試す、契約する、設定する、定着する」という一連の行動を、ほぼ支援なしで完了することを前提にした純粋なセルフサーブモデルです。
セルフサーブは、顧客側にも「自走できる条件」を求める
セルフサーブの成立は、申し込み画面や無料トライアルを用意するだけでは決まりません。顧客が次の工程を、ほぼ人の支援なしで完了できて初めて、低い獲得・提供コストが成立します。
課題を理解する：自社のどの業務を、なぜ変えるのかを決める
製品を選ぶ：機能、価格、セキュリティ、費用対効果を比較する
契約する：予算を確保し、社内承認、請求、支払いを完了する
導入する：初期設定、データ移行、既存業務との接続を進める
定着させる：社員教育、利用促進、効果測定を行う
日本でセルフサーブ可能な顧客層が厚くなりにくい「2つの構造要因」
一つ目は、セルフサーブSaaSの初期顧客になりやすい、スタートアップやデジタルネイティブ企業の層です。
起業は増えているが、若い企業の流入率には日米差がある： 内閣府の2024年分析 では、日本の起業法人数は近年増加している一方、経済センサス等で見た起業率はおおむね4〜6％で推移しています。国ごとに統計の対象範囲が異なるため幅を持って見る必要がありますが、米国を含む主要先進国は10％前後またはそれ以上で、日本では企業母数に対する新しい企業の流入が相対的に少ないと整理されています
若い企業は、既存の基幹システムや長年の業務慣行による制約が比較的少なく、クラウドを前提に業務を一から設計しやすいため、セルフサーブSaaSの初期顧客になり得ます。したがって、起業率の低さは「説明なしで試し、そのまま導入できる顧客層」が米国ほど厚くないことを示す補助指標と考えられます。ただし、起業率だけでセルフサーブの成否が決まるわけではありません。
この論点は、観測された起業率から顧客行動を直接断定せず、観測値、構造的推論、セルフサーブ行動、提供側の補完を分けて捉える必要があります。
二つ目は、IT人材がSaaSを利用する企業の内側ではなく、IT企業側に偏っていることです。
顧客企業内のIT人材が少ない： IPAの日米比較 では、日本のIT人材はIT企業に73.6％、非IT企業に26.4％が所属していました。米国ではIT企業35.1％、非IT企業64.9％で、所属構造が逆です。日本は2020年、米国は2021年のデータですが、顧客企業内で製品の評価、設定、連携、運用を担える人材の厚みに大きな差があります
小規模企業ほど推進・内製体制が薄い： IPAの「DX動向2025」データ集 では、DXに取り組む従業員100人以下の企業で、DX専門部署またはプロジェクトチームがある割合は日本20.7％、米国87.3％でした。システムの内製化を進めている、または必要部分を内製化済みの割合も、日本24.7％、米国82.0％でした
ここでいう差は、日本人個人の能力を一括して「ITリテラシーが低い」と評価するものではありません。重要なのは、SaaSを選定し、設定し、既存業務とつなぎ、社内へ定着させる人材と権限が、顧客企業内に配置されているかです。
2つの構造要因が「3つの実務上の壁」を生む
選定・価値判断の壁： 中小機構が中小企業1,000社へ実施した2025年調査 では、DXに「既に取り組んでいる・検討している」割合は従業員20人以下で21.3％、101人以上で68.0％でした。全体の66.0％はDXのビジョン、戦略、ロードマップを未策定です
導入・定着の壁： 日本政策金融公庫の中小企業調査 では、デジタル化の相談先としてITベンダーが39.8％で最多で、「従業員が使いこなせない」も33.1％でした。製品選定、初期設定、社員教育、運用設計を外部へ相談する企業では、購入前後の人的支援が残ります
費用対効果・予算化の壁： 同じ日本政策金融公庫の調査 では、デジタル化の課題として「導入コスト」56.2％、「費用対効果を測りにくい」50.0％が挙がりました。無料トライアルだけでは、投資判断や予算化の壁を解消できません
これらの調査は、PLGやSaaS企業の利益率を直接測ったものではありません。スタートアップ層の厚みと顧客企業内のIT人材配置からセルフサーブの成否を説明する部分も、複数の資料を組み合わせた構造的な推論です。
これらの資料から考えられる構造は、次の通りです。自走しやすい顧客層が薄く、顧客企業内の実装人材も少ないため、選定、導入、定着をSaaS提供側が補う。その人的支援を低いARPAで回収しなければならないというミスマッチが生じます。
顧客側で完了できなかった業務は消えるのではなく、SaaS提供側またはパートナーの業務へ移ります。停止した工程と、提供側で増える仕事を一対一で対応させると、コストが発生する場所が明確になります。
図解を拡大 上場SaaSでは「SMB専業」が少ない
大企業を主要ターゲットにする事業者は増えています。 オプロのWeb調査 では、大企業を主要対象とする回答が2023年の11％から2025年には25％へ上昇しました。
上場SaaSを独自分類した海外の分析でも、同じ方向性が見られます。
Blossom Street Ventures（ 出典 ）：追跡した上場SaaS81社のうち、SMBだけを対象とする企業は4社。76社、約94％はエンタープライズにも提供
SaaStr（ 出典 ）：別の独自分析でも、公開SaaSの中で主にSMBだけへ提供する企業は少数と整理。ただし会社数、企業価値、売上の集計軸が記事内で混在するため、精密な構成比としては扱わない
いずれも民間の独自分析（ Blossom Street Ventures ・ SaaStr ）であり、市場全体の構成比を示す公式統計ではありません。それでも、成長したSaaSの多くが、成長過程でエンタープライズ市場を取り込んでいるという方向性は共通しています。
図解を拡大 「SMB SaaS is dead」ではない
SMB市場には、短い商談期間と巨大な顧客母数があります。 Blossom Street Venturesの分析 でも、SMB専業4社の売上成長率中央値は、エンタープライズ専業企業を上回っていました。
ただし、低単価の顧客を多数獲得するモデルでは、解約を補う新規獲得を続けなければなりません。
顧客維持（ ChartMogul ）：2024年データでは、ARPAが25ドル未満の企業における顧客維持率中央値は、年払い62％、月払い41％
NRR（ ChartMogul ）：AI-native企業を含む別調査では、月額50ドル未満で32％、月額250ドル超で85％
価格帯と企業規模は同じ概念ではなく、すべてのSMB SaaSへ一般化もできません。ただ、厳しくなっているのはSMB向けであること自体ではなく、低単価・短期契約・単機能で、顧客の基幹業務に定着していないモデルだと考えられます。
結局、低ARPAと人的支援が衝突する
PLGの経済性は、プロダクトが顧客獲得とオンボーディングを担い、CACと1社あたりの支援コストを低く保てることにあります。しかし日本のSMBでは、低単価でも製品選定、初期設定、データ移行、操作説明、定着支援が残る場合があります。
ただし、人的支援はコストを増やすだけではありません。適切な支援によって価値実現が早まれば、勝率、GRR、NRR、Expansionを改善できます。判断すべきなのは、支援による増分粗利が増分コストを上回るかです。
マネーフォワードの2026年11月期第2四半期資料 では、SMB領域のARPAは約7.5万円、中堅企業領域のオーガニックARPAは約120.6万円でした。対象製品と販売方法が異なるため単純な収益性比較ではありませんが、1社から得られる年間売上には約16倍の差があります。
ラクスの2026年3月期決算資料 では、従業員1〜29人を営業効率の観点から主戦場としていないと明記し、IT予算の大きいエンタープライズへ本格展開しています。一方、SMB・中堅向けを含む主力製品は月額平均約8万〜15万円、MRR解約率0.06〜0.60％でした。これは、SMBという企業区分より、人的コストを吸収できる単価と継続率が重要であることを示す国内事例です。
Benchmarkitの2025年SaaSベンチマーク も、新規顧客のCAC効率はACVとの関係が強く、低ACVの製品では自動化やAIによって高コストな人的リソースへの依存を下げる必要があると指摘しています。
つまり、同じ販売・導入工数をかけるなら、単価と展開余地の大きい中堅・大手の方が回収しやすくなります。SMBで高収益化するには、セルフサーブ率を高める、支援を標準化する、パートナーへ分担する、ARPAと継続率を上げるのいずれかが必要です。
図解を拡大 国内の成功企業も「純PLGだけ」ではない
Chatwork（ kubell会社資料 ）：フリーミアム、分かりやすいUI、社内外への招待によるネットワーク効果で約98万社・809万IDへ拡大。一方、SaaSを自力で使いこなしにくい企業向けにBPaaSを成長の柱としている
freee（ Factbook ）：個人事業主はダイレクトセールス・CSなし、従業員1〜19人の法人はインサイドセールス、オンラインCS、金融機関、20〜1,000人はフィールドセールス、オンサイトCS、代理店を組み合わせています。顧客規模と導入難易度に応じて販売・支援方法を変えています
この2社（ kubell ・ freee ）は、SMB市場が成立する反例です。同時に、勝ち筋が単機能のセルフサーブ一本足ではないことも示しています。
AIがSaaSの供給とSMBの利用を同時に増やす
TidemarkとStripeがVertical SaaS 200社超を調査した2025年版レポート では、55％がAI製品・機能を提供済みで、29％が年内の投入を予定していました。
開発速度（ Tidemark・Stripe ）：AI機能を提供した企業の69％が6カ月以内に開発・投入
新規製品（ G2 ）：新たに承認されたAI製品数は前年比88％増
AI採用（ JPMorganChase Institute ）：Chaseの法人当座預金口座約460万社の決済データでは、一度でも支払った企業の累積割合が2023年の5.2％から2025年末には17.7％へ上昇
支出額（ JPMorganChase Institute ）：有料AIサービスへ支払った企業の約63％は、2025年時点で月40ドル以下
Tidemarkの数字 は、SaaS全体のMVP開発期間ではなく、既存企業によるAI機能の投入速度を示すものです。それでも、AI関連ソフトウェアの供給が速いペースで増えていることは確認できます。
AIはSMB向けソフトウェア市場を広げる一方、低価格帯への新規参入も呼び込みます。作りやすく、試しやすいほど、機能だけでは差別化しにくくなるのです。
AIの影響は、供給と競争を強める経路だけではありません。SMBの利用市場を広げる経路と、設定案内・問い合わせ・教育支援を自動化して提供コストを下げる経路も同時にあります。
図解を拡大 AI時代ほど、販売効率とユニットエコノミクスが重要になる
AIで開発や市場投入が速くなっても、SaaSの収益性が自動的に高まるわけではありません。顧客獲得、初期設定、データ移行、問い合わせ対応に人が介在する限り、低ARPAでは1社あたりの営業・支援コストを回収しにくくなります。
獲得効率：CAC、商談化率、受注率、CAC回収期間を追う
継続収益：解約率、GRR、NRR、アップセルを追う
支援効率：オンボーディング工数、問い合わせ対応、1社あたりの運用コストを追う
SMBではセルフサーブ、AIサポート、標準化、パートナー活用によって提供コストを下げます。一方、中堅・大手では重点企業を絞った営業とABM、部門展開、複数製品提案によって1社あたりの継続価値を高めます。
重要なのは企業規模そのものではなく、得られる継続粗利に対して、獲得・導入・支援コストが見合うかです。
SMBを捨てず、GTMを二階建てにする
結論は、SMBから撤退することではありません。顧客規模と導入難易度に応じて、GTMを分けることです。
SMB：PLG、フリーミアム、オンラインCS、士業・代理店、AIサポートで広く効率的に獲得する
中堅・大手：営業とABMで重点企業を選び、Buying Group、セキュリティ、導入、展開を個別に支援する
共通基盤：マルチプロダクト、利用データ、AI、パートナーを使い、顧客単価と継続価値を高める
日本で厳しいのはSMBそのものではなく、低ARPA・単機能・人的支援の重い「SMB専業×純SaaS×純PLG」です。
図解を拡大 次の記事では、エンタープライズ営業とABMが、ARPA・ACV、継続率・NRR、Expansion、CAC回収、営業生産性、売上予測性をどう改善するかを解説します。
続編：なぜエンタープライズ営業とABMが重要なのか https://www.sales-retriever.jp/column/enterprise-prospecting-ai-era
※本記事の統計は、対象企業、業種、回答時点が異なります。上場SaaSの顧客区分は各調査者による独自分類であり、市場全体の構成比を示すものではありません。価格帯と企業規模も同一ではないため、複数の資料を組み合わせて構造を考えるための参考情報としてご覧ください。
参考情報
SaaS・AI・市場構造
Blossom Street Ventures「SMB is a hard road in SaaS」
SaaStr「Only 11% of Public SaaS Companies Sell Just to SMBs」
ChartMogul「SaaS Billing Report」
ChartMogul「The SaaS Retention Report: The AI churn wave」
Benchmarkit「2025 B2B SaaS Performance Metrics Benchmarks」
Tidemark・Stripe「Vertical & SMB SaaS Benchmark Report 2025」
JPMorganChase Institute「Understanding the use of AI among small businesses」