広告コピーが完成したら、次は何をする？
ターゲットを見つけ、訴求を考え、AIで配信前に検証する。でも、マーケティングはそこで終わりではありません。
今回は、SUV購入検討層の実データを分析し、広告やランディングページ（LP）をもっと良くするヒントを探してみました。
インティメート・マージャーの「データディスカバリーエージェント（DDA）」を使って、顧客理解から施策の仮説まで考えてみるよ。
広告の次に必要なのは「顧客をもっと知ること」
前に考えたSUV広告のコピー、これで完成？
まだまだ！ 広告を配信した後も、顧客の行動を見て改善していくことが大切なんだ。
でも今回は、実際にSUV広告を配信したデータはないでしょう？
そうなんだ。だから、まずは実際に存在するSUV関心層のデータを調べて、これから検証したい施策を考えるよ！
今回使うのは、さまざまなデータを横断的に扱う万能データエージェント。IM-DMPの推定属性・興味関心と、データパートナー保有のドメイン接触データを組み合わせて分析しました。
約409万UUから、約4万UUへ絞り込んでみた
30代・子どもあり層に、「SUV購入検討」と「カーメーカー関連ドメインへの接触」という2つの条件を重ねました。
30代・子どもあり全体を100%として比較（同一目盛）
※各バーはA層を100%とした相対値です。BとCは別々の条件による部分集合、Dは両方に該当する重複部分です。B・Dは割合が小さいためバーが短く表示されます。数値は今回の分析データ内での集計です。
30代・子どもあり層（4,091,239 UU）の約0.98%。絞ることが目的ではなく、どんな特徴が見えてくるかを調べるための分析です。
約409万人から約4万人。ずいぶん少なくなったのね。
でも、大切なのは人数の少なさじゃないんだ。条件を重ねた人たちの特徴を見てみよう！
確かに。絞っただけでは、良い広告になるとは限らないものね。
メーカー関連ドメインへの接触履歴だけでは、特定の広告表示・クリックや広告経由のサイト来訪を識別できません。また、ここでのUUは広告配信可能人数を保証するものではありません。
車以外の関心を調べたら、意外な特徴が！
次に、両条件に該当した40,299 UUを、30代・子どもあり全体と比較。自動車関連の条件と重複しやすい項目を別にして、自動車以外の興味関心を確認しました。
各横棒はD層の該当率を共通目盛り0〜40%で表示。倍率は各層内の該当率を比較した値です。興味関心は推定セグメントであり、実際の購買や心理を直接示すものではありません。
キャンプだけじゃなくて、クリエイティブや品質への関心も特徴的なのね。
そうなんだ！ キャンプ・ロードトリップへの関心は、30代・子どもあり全体と比べて約3倍。商品の使われ方を考えるヒントになるよ。
でも、キャンプに関心があるからSUVを買うとは限らないわ。
もちろん！ 行動データで確認した傾向と、買いたい理由の仮説は分けて考えるんだ。
広告コピーを、LPの体験につなげてみよう
配信前の仮想A/Bテストで改善した広告の方向性は、「荷物・安全性・維持費」という具体的な比較軸でした。
「子育て家族にちょうどいい！荷物・安全性・維持費で比べる人気SUV比較＆試乗予約」
※実配信前の広告案であり、広告効果を実証したものではありません。
この広告からLPに進んだ人が、どんな情報を求めるか。データで見えた関心をヒントに、AIで3つの改善案を考えました。
データのヒント：キャンプ・ロードトリップ関心
LP案： ベビーカーとキャンプ用品の積載イメージ
CTA案： 週末の試乗を予約
データのヒント：先進技術・品質重視の関心
LP案： 運転支援・安全機能の解説
CTA案： 安全性能を見る
データのヒント：生活関連・品質重視の関心
LP案： 維持費と月々の支払い比較
CTA案： 見積もりを試算
3タイプはAIが提案した施策検討用の仮説であり、実際に分類・確認された顧客の人数や購買動機を示すものではありません。
同じSUVでも、見せたい情報が違う可能性があるのね。
そうなんだ！ 広告で興味を持ってもらった後、LPの中身もその関心に合っているか考えるんだ。
でも、実際に役立つかどうかは、配信してみないとわからないでしょう？
そこで次は、実際の行動データで確認するんだよ！
最後は、実際の行動で確かめる
今回の分析は広告・LPをまだ実配信していない段階のものです。これから配信する場合は、例えば次の指標を確認します。
| 確認したい行動 | 計測指標・GA4イベント例 |
|---|---|
| 広告への反応 | CTR（クリック率） |
| 車種比較表を見たか | view_spec_comparison |
| 維持費を試算したか | use_cost_simulator |
| 荷室イメージを見たか | click_cargo_gallery |
| 試乗予約につながったか | generate_lead_testdrive |
イベント名は今後実装する場合の設計例で、今回の実測結果ではありません。CRMでの個人単位の活用には、データ連携と適法な利用条件の確認が必要です。
データで顧客を理解して、施策をつくって、またデータで確認するのね。
その通り！ しかも、違いを見つける→仮説にする→実際に試すというサイクルは繰り返せるんだ！
まとめ｜データ×AIで、マーケティングを育てる
今回のSUVマーケティング分析では、ターゲットを発見し、関心を調べ、広告コピーを配信前に比較し、さらに生活者のデータから改善案を考えるところまで取り組みました。
大切なのは、AIに一度答えを出してもらって終わりにしないこと。実際の広告・LPの反応を確認して、顧客理解と施策を更新することです。
AIは正解をくれるというより、次に試したいことを見つける相棒なのね。
うん！ 発見して、考えて、試して、また学ぶ。それがデータ×AIを使ったマーケティングなんだ！
マーケティングの課題や仮説を、AIエージェントと一緒に考えてみよう。
インティメート・マージャーはブースC-21に出展します。データディスカバリーエージェントを活用した顧客理解や施策設計について、ぜひご相談ください。
本記事は、IM-DMPの推定属性・興味関心データと、データパートナー保有のドメイン接触データを用いた分析例です。UUは今回の分析対象データ内のユニークID数で、実際の広告配信可能人数や日本全体の生活者数を示すものではありません。年齢・子どもの有無などには推定属性が含まれます。
メーカー関連ドメインへの接触は、広告表示・クリック・広告経由の来訪を直接確認したものではありません。掲載した広告・LP・CRMの施策はAIによる未実施の仮説であり、広告成果の改善を保証するものではありません。CRMなどで個人単位のデータを利用する場合、利用目的・同意、契約上の許諾および識別子連携の可否を別途確認する必要があります。
iM（アイム）くん｜IMマーケティングニュースのデータ活用ナビゲーター
好奇心旺盛で、いつも前向き。「まずやってみよう！」がモットーなんだ！
IM-DMPをはじめとするデータやAIの活用方法を、マーケティングの身近な課題や具体例を交えながらわかりやすく解説するよ。
冷静で分析が得意なパートナー・Mia（ミア）と一緒に、データから新しい仮説やインサイトを発見し、マーケティングの次のアクションにつなげていくんだ！
