本当の数字を伴うAIマーケティング事例は、どこにあるのでしょうか。カンファレンスで語られるほど多くはありません。「AIの成功事例」の大半は、アウトプットを数えています。生成したアセットの数、理論上節約できた時間、導入したツールの数といった具合です。学ぶ価値のある少数の事例は、具体的な非効率を特定し、それを測定し、手法を説明したうえで、成果がすでに出ているのかどうかを正直に伝えています。
最新の例が今週登場しました。Campaign Middle Eastによると、パフォーマンス系エージェンシーのTRKKNは、Googleのオープンソースのマーケティング・ミックス・モデルであるMeridianを使い、ビューティー小売のFacesに、サウジアラビアでの売上が実際にどこから生まれているのかを示しました。3年分のデータ、11チャネル、そして、Facesがすでに使っている予算を動かすだけで売上8.5%増、ROI10.8ポイント改善という予測です。
FacesとTRKKNの事例は、実際には何を証明しているのでしょうか?
具体的で、役に立つことです。TRKKNはFacesの既存のGoogle Cloud環境にMeridianを導入し、2023年から2025年までのオンライン・オフラインのマーケティングと売上のデータをモデル化して、チャネルごとに反応曲線と飽和曲線を作成しました。最も強いチャネルはPerformance Maxでした。さらにこのモデルは、追加の投資がどこで収穫逓減に突き当たるかも示しました。
Chalhoub Groupの一員であるFacesでデジタルマーケティングディレクターを務めるHarry Lonerganは、その価値を一言で表しました。「Meridianのおかげで、ラストクリックの成果だけを見る段階から前に進むことができました。」
注意点が2つあります。1つ目は、記事が明確にしているとおり、8.5%と10.8ポイントはモデル上のシナリオから得た数字であり、施策実施後の結果ではないことです。2つ目は、これは生成AIではなく統計モデリングなので、コンテンツ制作ツールについては何も語らないことです。どちらの点も、この事例の価値を損ないません。むしろ何を見ているのかが正確にわかるからこそ、信頼できるのです。
AIマーケティング事例の多くが薄っぺらいのはなぜでしょうか?
経済学には、価格が正しいシグナルを発しなくなる市場を指す「市場の失敗」という言葉があります。典型的な原因の1つが情報の非対称性、つまり取引の一方が相手よりはるかに多くを知っている状態です。広告業界は何十年もこれと付き合ってきました。プラットフォームは自社の成績を自分で採点します。エージェンシーは、クライアントの目に触れない作業の時間を請求します。クライアントは、たまたま購入に最も近い位置にあったものを実際以上によく見せてしまうラストクリックの数字でチャネルを評価します。
AI事例にも同じ問題が受け継がれています。ベンダーが公表するのは成功の部分で、手法はめったに明かさず、基準値はほとんど示しません。「制作時間を40%削減」という一文は、一見すると証拠のようです。しかし、何の40%なのか、どう測ったのか、浮いた時間は何に使われたのかと問えば、答えられない場合がほとんどです。
役に立つ事例は、その逆を行きます。ラストクリック計測や数日がかりの手作業のレポート作成など、市場が長年許容してきた非効率に切り込み、数字を示します。この意味で、効率化はまさにイノベーションの母です。コストが見えるようになるまで、プロセスを作り直すことはできません。
確認できる数字を持つAI事例はどれでしょうか?
現時点で挙げられる事例を、当社のクライアントも含めて、同じ基準で評価しました。公表された数字がない場合は、その旨を明記しています。
| 事例 | 取り組んだ非効率 | 数字 | 予測か、実現済みか | 不足している情報 |
|---|---|---|---|---|
| FacesとTRKKN(Meridian MMM) | ラストクリックで見ていた11チャネル | 売上8.5%の増分、ROI10.8ポイントの改善 | 3年分のデータに基づく予測 | 施策実施後の結果 |
| SAMYとDefy Agents | 手作業によるパフォーマンスレポート作成 | 3日分の作業を1日に短縮 | ワークフロー上で実現済み | 浮いた時間がもたらした事業上の価値 |
| EnchantとDefy Monitor | 手作業によるCRMインサイトの分析とキャンペーン配信 | 公表された数字なし | 全クライアントに導入 | 定量化された成果 |
| SharkNinjaとDefy Monitor | 中南米(LATAM)市場の理解 | 公表された数字なし | 戦略を立て、素早くテストして学ぶために活用 | そのテストの結果 |
| スプリント型エージェンシー(Beers With Friends、X&O) | 数か月に及ぶプロジェクトとリテイナー契約 | 5日間のスプリント。クライアントは年に数回依頼 | 運用中のオペレーティングモデル | この話にAIは登場しない |
「3日が1日に」は、エージェンシーの現場ではどんな状態でしょうか?
グローバルなインフルエンサー・エージェンシーのSAMYは、パフォーマンスレポートの効率化のためにDefy Agentsを導入し、3日かかっていた作業を1日に短縮しました。華やかな数字ではありません。しかし、重要なのはこういう数字です。レポート作成は、どのアカウントチームにもおなじみの雑務だからです。各プラットフォームから数字を集め、突き合わせ、資料に整え、確認し、送付し、説明する。その繰り返しです。
Defyプラットフォームのエージェント型ワークフローは、こうした反復的なデリバリー業務を担当者の机から取り除きます。興味深いのは、残りの2日間が何に変わるかです。同じような作業に消えてしまえば、クライアントには何も見えません。分析やアイデア、対話に使われれば、レポートはコストではなく、契約を更新する理由になります。
Campaign USによるエージェンシー・スプリントモデルの分析は、スピードが商業的にどこへつながるかを示しています。Beers With Friendsは5日間のスプリントで仕事を進めています。X&O共同創業者のBrett Bankerは、クライアントが年間契約(エージェンシー・オブ・レコード契約)を結ぶ代わりに年に数回戻ってくるため、同社は「クライアント維持率ゼロ」だと語っています。この記事にAIへの言及はまったくありません。それが重要な点です。クライアントはすでに、スピードと集中に対価を払っています。納品が速くなれば、そのモデルをより多くのエージェンシーが提供できるようになるだけなのです。
AIマーケティング事例を真似する前に評価する方法
- 非効率を特定する。それまで何が無駄だったのか、あるいは見えていなかったのか。「AIを導入した」は非効率ではありません。
- 基準値を探す。3日かかるレポート、ラストクリックのアトリビューション、数か月単位のプロジェクト。基準値がなければ、事例とは言えません。
- 手法を確認する。どのデータを、どの期間、何チャネルにわたって使ったのか。Facesの事例は、この3点すべてに答えています。
- 予測と実現済みを分ける。モデル上の増加分は予測です。ピッチで引用する結果ではなく、検証すべき仮説として扱いましょう。
- 浮いた時間の行き先を尋ねる。効率化が意味を持つのは、より良い仕事、より速い意思決定、あるいはクライアントのコスト削減として表れた場合だけです。
- 自社でパイロットを実施する。1つのクライアント、1つのワークフロー、1か月間。開始前に基準値を書き留めておきます。
エビデンスがまだ薄いのはどこでしょうか?
たいていは、主張が最も大きな分野です。測定とレポート作成は、前後の数字がはっきり出るため、事例として成立しやすい領域です。生成コンテンツはそうはいきません。アセットを大量に作ったことは数えやすい一方、そのアセットが売上を伸ばしたことの証明は困難です。量で止まっている事例には注意が必要です。
当社の表にも空白があります。EnchantとSharkNinjaは実際に導入されていますが、公表された数字はありません。またSAMYの数字は売上ではなく時間を測ったものです。空白を取り繕うより、空白を見せるほうがよいと考えています。今後うまくいくエージェンシーは、成果とあわせて手法も公開するでしょう。懐疑的なクライアントの財務責任者が2度読んでくれるのは、そういう事例だけだからです。
