マーケティング業界にとっても、あらゆる領域で生成AIの活用が進んでいます。
その一方で、生成AIを信じすぎると、時には思わぬ落とし穴に陥ることもあります。「マーケターの役割はどう変わるのか？」といった不安や疑問を感じている方も多いのではないでしょうか。
本コラムでは、マーケティング業務の中でも特に「ペルソナ設計」に焦点を当て、生成AIを活用するメリットとデメリットを整理します。
|
【目次】 |
まずは、ペルソナ設計を含むマーケティング業務全体において、生成AIがどのように活用されているのかを整理します。
最近は生成AIの活用が進み、顧客理解や顧客分析もある程度まで可能になってきています。
データをもとにターゲットの傾向や行動パターンを整理し、仮説ベースで戦略設計を行うといった使い方において、生成AIは有効な補助ツールといえるでしょう。
マーケティング戦略の詳細は下記の記事をご覧ください。
このような背景をふまえ、生成AIが実際にどのようなマーケティング業務で活用されているのかを見ていきます。
ここでは文字おこしやドキュメントの要約など、日常業務での活用は割愛しています。
なぜなら、これらはビジネスに関する業務全体の話になるためです。
このコラムでは、マーケティング業務に絞って考えていきます。生成AIを活用している主なマーケティング業務を下記にまとめました。
|
業務カテゴリ |
主な業務 |
|
分析・調査・設計 |
情報収集 |
|
資料作成 |
グラフ、チャート作成 |
|
コンテンツ制作 |
テキスト作成 |
|
グローバル対応 |
翻訳 |
マーケターにとって生成AIを活用している一番の業務といえば調査・分析・設計業務ではないでしょうか。例えば業界のレポート・競合他社のプレスリリース・ニュース記事などの大量のドキュメントを要約・整理し、さらには、戦略的示唆を抽出する作業に活用できます。
また、調査会社のレポートや公開データを入力し、「自社への影響」「自社の機会と脅威」「推奨のアクション」といった出力フォーマットにて結果を出力させることで、リサーチから顧客のインサイト作成までに活用することもできます。
さらに、ターゲットユーザーのペルソナ設計や、認知から購買・ロイヤル化に至るカスタマージャーニーマップの草案作成にも活用できます。
このように生成AIを活用することによって、マーケターの日常業務である「書く・調べる・整理する」という基本の業務を短時間で効率的に行うことができ、マーケターはより高付加価値な「戦略立案・顧客理解・クリエイティブ判断」に集中できる環境と時間を作り出すことができます。
それでは、調査・分析・設計業務の中でも「ペルソナ設計」を例に、生成AI活用のメリットとデメリットについて考えてみましょう。
ペルソナ設計では、顧客分析を行い、インサイトを抽出し、また顧客を取り巻く・外的・内的環境などを分析する必要があります。
そのため、設計のために必要な情報も多く、マーケターはそれらの情報を読み込み、整理してペルソナを設計するので、とても時間がかかる業務でもあります。
この一連の作業に対し、生成AIを活用することは様々なメリットがあります。そのなかでも特にメリットが大きいと感じられるものを下記に3つ挙げます。
従来のペルソナ設計では、ユーザーインタビューの設計・実施・分析に多くの時間とコスト、なによりもリソースを必要としました。しかし生成AIを活用すると、基本的なペルソナのたたき台を複数のパターンの生成をそれも短時間で行うことができます。特にプロジェクト初期段階でのペルソナの仮説の検討や、リソースが限られたチームにとって、スピーディな意思決定を支援するツールとして非常に有効といえます。
マーケター自身で考える場合、どうしても自分の経験や知識の範囲内でしかペルソナを発想することができません。しかし生成AIは大量のデータを学習させることによって、見落としがちなユーザー層や、異なる行動パターン・価値観を持つペルソナを幅広く作成することができます。これによりチームの思い込みや視野の狭さを補完することができます。
生成AIが設計したペルソナをたたき台にすることで、チームメンバー全員が同じ具体的な人物像を見ながら議論を始められます。抽象的なユーザー像について言葉だけで話し合うよりも、議論が具体化・活性化しやすくなります。
また、「このペルソナのどこが実態と違うか」という形で批判的な対話が生まれやすく、結果的により精度の高いペルソナの精緻化につながります。
ペルソナ設計については、下記のお役立ち資料で詳しく解説しています。ダウンロードのうえご活用ください。
一方でペルソナ設計に生成AIを活用する場合、主に以下の3つのデメリットが考えられます。
生成AIは学習データに含まれる偏りを反映しやすいため、特定の属性（年齢・性別・文化的背景など）に偏ったペルソナが生成されるリスクがあります。たとえば、特定の層が学習データに少ない場合、その層を代表するペルソナの精度が著しく低下します。結果として、実際のユーザー像を正確に反映できず、マーケティングや製品設計の判断を誤らせる可能性があります。
生成AIはリアルなユーザーへのインタビューや行動観察から得られる「生きたデータ」を持たないため、一般的で紋切り型のペルソナを生成することが多々あります。
「30代のワーキングマザー」「ガジェットが好きな20代男性」といったありきたりな人物像に収束してしまい、実際の顧客の複雑な行動や感情、性格やコンテキストを反映したペルソナが作られにくい側面があります。
生成AIが作成するペルソナは、あくまで確率的に「それらしい」人物像であり、実際のユーザーリサーチ（インタビュー・アンケート・行動ログ）や顧客データに基づいていません。そのため、ペルソナの妥当性の根拠が薄く、万が一「AIが生成したから正しいはず」という思い込みが生まれてしまうと、検証が不十分なまま意思決定や施策設計が進んでしまいます。
デメリットで述べたように、生成AIが生成するペルソナは公開データを基にした推論であり、根拠が薄く、それらしい一般的な人物像である可能性が高いことは否定できません。
これらのデメリットを解消するためには、生成AI活用時には自社で独自に収集した顧客に関するデータ、デモグラフィック情報やサイコグラフィック情報、行動データ、購買データさらにはVOCやアンケート等の自社で収集管理しているデータを加えることが大きなポイントになります。
自社データがなくても、たたき台としては有効な資料にはなるでしょう。しかし自社にとってマーケティング業務で本当に活用価値のあるものにするのであれば、自社データを生成AIに学習させ、活用することでより精緻なペルソナを作成することができます。
これはペルソナ設計に限ったことではなく、カスタマージャーニーマップやマーケティング施策設計で活用する場合も同様なことが言えます。
生成AIが「大衆化、一般化」された時代においては、自社データの重要性が一層高まり、データを持つこと自体が競合企業との差別化につながり、また自社のマーケティングの強化と成功につながると言えます。
自社データの重要性に関しては以下のコラムを参照ください。
自社データがこれほど重要になり、またマーケティング業務を取り巻く環境に、密接にテクノロジーが結びついた時代を迎えています。
そのようなビジネス環境において、データマネジメントだけを支援する企業、マーケティングテクノロジーの導入だけを支援する企業は多いですが、その両方を支援できる企業は限られています。
フュージョン株式会社はデータ、テクノロジー、クリエイティブの各領域を横断する組織と、ソリューションとしてのCRM支援サービスを30年以上にわたり提供し、顧客のデータ収集や活用のための戦略策定から実際の施策設計から分析、さらにはテクノロジーの導入支援から運用までを支援しています。
自社データの収集や活用を検討する、さらにはマーケティング分野でテクノロジーを導入、検討したいと考えている担当者様、下記資料をダウンロードの上お問い合わせください。