その答えを、疑う速度は？
約79.7万UIDの発見から6つの訴求案、2つのクリエイティブ比較へ。速い分析を「試せる仮説」に変える。
導入｜データはある。それなのに、次の打ち手が決まらない
「新規顧客のCPAが上がっている。なぜだろう」「サイト訪問者が増えたのに購入率が上がらない」「売れている顧客に似た人を、ほかにも探せないか」。現場には問いがたくさんあります。
一方で、問いに答えるたびにデータ抽出を依頼し、分析軸を決め、資料を作り直していたのでは、施策の検討までなかなか進みません。こうした状況を変えるための選択肢が、データと対話しながら分析を進めるAIエージェントです。
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）は、自然な言葉でデータに問いかけながら、IM-DMPなどのデータに基づいて顧客の特徴を分析し、施策の仮説を整理するAIエージェント群です。本記事では「通販企業が新しい潜在ターゲットを見つける」という仮想の業務課題を例に、どこまでデータで確かめられるかを考えます。
実配信と効果検証は未実施。
なぜ分析結果が施策につながらないのか？
よくあるのは「年代別のサイト訪問数を出す」「関心カテゴリを集計する」といった分析だけで作業が終わるケースです。数字は間違っていなくても、その数字から誰に何を届けるべきかが決まっていなければ、意思決定にはつながりません。
そこで、問いを少し具体化します。「これまで広告で主に狙ってきた顧客と異なる、新しい候補を発見できないか」「候補ごとの規模と特徴を比較し、広告訴求の優先順位を決められないか」。この形なら、分析が終わった後の使い道をあらかじめ決められます。
実演①｜「健康・医療関心」の外に新しい候補を探す
全国展開する健康食品・サプリメント通販企業を想定し、実際のIM-DMP関心データから潜在ターゲット候補を探索しました。特定企業の購入者を抽出したものではありません。まず「健康・医療」関心の定義を確認し、その外にある美容・子育てと料理・介護福祉の関心の組み合わせを調べました。
実演で用いた問いの要旨（再構成）：
「健康・医療関心セグメントの外に、コスメ、子育て×家事・料理、介護・福祉に関連する新たな顧客候補は何UIDある？ 複数条件の交差とグループ間の重複を、実データで確認して。」
DDAの集計結果
| 候補層 | 健康・医療関心セグメント非該当UID |
|---|---|
| A：コスメ関心×30〜49歳女性 | 42,859 |
| B：子育て×家事・料理関心×30〜49歳 | 424,621 |
| C：介護・福祉関心×45〜59歳 | 346,117 |
3グループ間の重複を除くと796,925 UID。対象期間は2026年9月8日〜10月5日。UIDはブラウザ等の識別子で、実人数でも配信可能人数でもありません。「健康・医療関心非該当」は健康に関心がないという意味ではありません。
集計結果に基づく実演。新規顧客の購入人数ではありません。
回答を見る際に大切なのは、数値の大きさだけでなく、比較対象に対してどれくらい特徴的かです。あるカテゴリの構成比が高くても、一般的にもそのカテゴリが多いなら、その集団固有の特徴とはいえません。構成比と相対的な偏りの両方を確認します。
潜在顧客を発見するIM-DMPの活用例
例えば「当初狙っていた層とは異なる生活関心が目立つ」という集計結果が得られたとします。その場合、従来の属性条件をそのまま増やすより、外部関心の違いを切り口に、別の訴求を試す仮説が立ちます。ただし、関心の強さだけで購入意向が確定するわけではありません。
実演②｜候補の「規模」と「生活関心」を確かめる
DDAに追加質問し、それぞれのグループが健康・医療関心セグメントに重なるのか、重ならないのかをUID単位で確認しました。さらに、健康・医療関心セグメントに該当しない集団における別の興味関心を比較しました。例えばグループB（424,621 UID）では、ファッション24.5%、アニメ・漫画20.1%、貯蓄20.0%といったカテゴリが見られました。
ここから「家庭の用事の合間でも自分の時間を大切にしたいのでは」という仮説を考えられますが、これは顧客本人への調査で確認した心理ではありません。関心の重なりという観測事実と、広告表現に落とし込むためのAIの解釈を分けることが重要です。
今回の実演では、他社サイトのアクセスログを追加していません。集計に用いたのは上記の外部関心データです。購入者との比較やCRMを使った深い顧客分析は、別途適切な権限とデータ連携が必要です。
観測した関心カテゴリを本人の意思・購買意向と断定しません。
実演③｜データを広告クリエイティブ・LPの施策に変える
ターゲット候補を抽出できたら、最後は施策案に変換します。例えば候補集団ごとに、「信頼性」「手軽さ」「生活への取り入れやすさ」といった訴求軸を考え、広告・LP・メールに落とし込みます。ただし、これらの軸はAIが作る仮説であり、顧客の実際の発言ではありません。
実演で用いた施策依頼の要旨（再構成）：
「先ほど抽出したA・B・Cの各グループについて、広告訴求を2案ずつ提案して。データで確認できた特徴とAIの仮説を分け、広告コピー・バナー構成・LP案、どのKPIで試すかを示して。」
実際の生成結果：3グループから計6案の広告訴求を提案
| 実測した候補グループ | AIによる広告コンセプトの例 | 状態 |
|---|---|---|
| A：美容関連 | 美容習慣／朝の時短ケア | 商品効能の確認が必要な仮説 |
| B：子育て・料理関連 | 食卓と調和する習慣／自分のペースを尊重する習慣 | 2案を広告見出し・本文・バナー構成まで具体化 |
| C：介護・福祉関連 | 将来を考えた習慣／家族との日常 | 健康・家族に関する誇張を避けて要修正 |
続いて、候補規模が大きかったグループBの2案をクリエイティブ制作支援のAIエージェントへ入力し、異なる2つの方向性を具体化しました。
| 比較する訴求 | コンセプトA：食卓・生活習慣型 | コンセプトB：自分時間・自由度型 |
|---|---|---|
| 狙う仮説 | 食卓との親和性が心に響くか | 自分の時間を尊重する切り口が響くか |
| バナーの方向性 | 温かみのある食卓と商品 | 読書などの個人の時間と商品 |
| コピー例（未審査） | 「いつもの食卓に、そっと寄り添う新習慣。」 | 「わたしペースの新しい選択。」 |
| 第1段階の検証 | 同一LP・同一条件で広告訴求の反応差を検証 | 同左 |
これらはAIが生成した広告案であり、配信結果ではありません。 商品の形状や摂取時期によって表現できない場合があり、法令・商品仕様・媒体ポリシーの審査が必要です。なお、実際のA/Bテストは未実施で、配信媒体にランダム分割機能があるかも要確認です。CTRで興味喚起を見た後、購入CVR・CPAや継続購入まで検証する計画です。
AI生成の広告案です。実配信、CTR・CVR・CPAの優劣は未検証です。
生成した複数案をそのまま投入するのではなく、優先順位をつけて検証します。たとえば最初は、訴求だけを変えた2案を比較し、CTRだけでなくCVRや獲得後の質を追います。購買までに時間がかかる場合には、中間指標を使いつつ、後で実績と照合します。
実演④｜施策を決めた後に残すべき記録
AIの質問と回答だけでなく、「今回変える施策」「変えない条件」「観測するKPI」「判定日」を一つの記録に残します。これによって翌週の振り返りが単なる数字の報告ではなく、仮説に対する答え合わせになります。
| 記録項目 | 例 |
|---|---|
| 仮説 | 関心カテゴリの異なる集団には別訴求が有効かもしれない |
| 変更する要素 | 広告見出し・LPの訴求軸 |
| 固定する要素 | 配信条件、予算、測定期間など比較に必要な条件 |
| 指標 | CTR、CVR、CPA、適切ならF2率 |
| 次の判断 | 継続、改善、停止、追加検証 |
DDAやダッシュボードの価値は、単発の回答を速く作れることに加え、こうした検証を継続しやすい環境づくりにつながる点です。技術的な接続・権限・データ品質を事前に確認することで、より現実的なPoCになります。
まとめ｜AIに任せるのは分析の手間、残すのは判断の責任
目指したいのは「誰でも簡単に正しい答えが出る」ことではありません。マーケターが自分の問いを持ち、データに聞き、得られた仮説を実務で検証できる状態です。
自社のデータにどんな外部情報を組み合わせられるか。どの課題から試すとよいか。福岡会場ではDDAの自然言語分析デモを、東京会場ではデータ×AIの活用事例などをご紹介します。
番外編｜iM（アイム）くんの休日
休日まで高速PDCA
せっかくの休日。iM（アイム）くんはAIに「最高の休み方」を質問した。返ってきたのは、起床から就寝までびっしりの改善計画。
すごい！ 休憩・散歩・読書・掃除まで、分刻みで最適化してくれた！
それで、今日は何をしたの？
計画を3回改善したところで、もう夕方……。
じゃあ最初の施策は「パソコンを閉じる」で決まりね。
AIは計画を速くできる。休日を楽しむのは自分。
外部データとAIの活用を、東京・福岡の会場でご紹介します。各会場の出展内容は公式案内をご確認ください。
シリーズ関連記事
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！
