合成オーディエンスは、オーディエンスインサイトの情報源として信頼できるのでしょうか？ スピード、仮説づくり、シナリオテストの用途であれば信頼できます。しかし、実在の人々の代わりにはなりません。合成オーディエンスから価値を引き出しているエージェンシーは、合成データから得たあらゆる発見を、提示すべき答えではなく、確認すべき問いとして扱っています。
導入は急速に進んでいます。Digidayによると、エージェンシーやブランドは合成オーディエンスを実験室から日常のプランニングへと持ち出しています。Aveeno BodyはVurveyの合成リサーチを使って戦略ブリーフの作成期間を約30日から3日に短縮し、Goodway Groupは米国、英国、ドイツの消費者からなるArimaの「合成母集団」をメディアプランニングに導入しました。フランスではStratégiesが、Harris InteractiveやTolunaなどの調査会社を30年にわたって率いてきたPatrick van Bloeme氏がLimpidを立ち上げたと報じています。Limpidは、人間の回答者を一切使わず、合成ペルソナを対象とした定性調査を数時間で実施するサービスです。注目すべきことに、Limpidは「ne revendique pas de représentativité statistique」、つまり統計的な代表性をうたっていません。
合成オーディエンスとは何か、そしてエージェンシーはなぜ今それを導入しているのでしょうか？
合成オーディエンスとは、AIが生成したペルソナ群、またはシミュレーションされた母集団のことで、実在の人々の集団がどう考え、どう反応するかを予測するために設計されたものです。ベンダーによって、構築に使う素材はさまざまです。Digidayによると、Arimaは国勢調査データ、米国労働統計局（US Bureau of Labor Statistics）の数値、Nielsenの調査データ、独自のアンケート調査を活用しており、Vurveyは公開データと、実在の消費者を対象とした定性的なビデオ調査を組み合わせています。
用途は多岐にわたります。シミュレーションによるインクリメンタリティテスト、戦略ブリーフ、製品開発、バーチャルなフォーカスグループなどです。大手グループも参入しています。Digidayによると、HavasはVurveyの850万ドルの資金調達ラウンドに出資し、Dentsuは1年以上前からEvidenzaと組んで、メディアプランニングに合成データを取り入れています。
理由は時間です。実査には数週間かかりますが、合成パネルなら昼前には答えが出ます。金曜日にピッチを控えたエージェンシーにとって、これはなかなか抗いがたい魅力です。
では、合成オーディエンスは信頼できるのでしょうか？
それは何を問うかによりますし、開発している当事者でさえ、その限界について率直に語っています。VurveyのChad Reynolds氏はDigidayに「LLMが返すのは、ベルカーブの頂点、つまり最も一般的な答えです」と語り、だからこそ同社は実在の消費者からのインプットを加えているのだと説明しています。TransUnionのJulie Clark氏は、弱いデータに基づいて構築されたペルソナに警鐘を鳴らし、「正しい土台から始めなければなりません」と述べています。Code & TheoryのStef Hoffman氏は、最もシンプルにこう表現しています。「判断に情報を与えはしますが、判断に取って代わるものではありません」。
このベルカーブの指摘こそ、エージェンシーが最も気にかけるべき点です。クライアントがお金を払うのは、最も一般的な答えに対してではありません。一見しただけでは分からない葛藤、やがてトレンドになる少数派の行動、カテゴリー全体が見落としてきたものに対してです。平均に引き寄せられるツールは、アイデアをふるい落とすのには役立ちます。しかし、アイデアを見つけるのに使うのは危険です。
誰が報じているのかにも注目してください。成功事例のほとんどは、ベンダーとそのクライアントから出てきたものです。だからといって退ける理由にはなりません。確認する理由にはなります。
なぜ繰り返されるのか：データ錯覚効果
合成リサーチが説得力を持つ理由は、正確さとはほとんど関係がありません。それを「データ錯覚効果」と呼びましょう。答えがデータらしく見えれば見えるほど、そのデータがどう作られたかに関係なく、私たちはそれを信頼してしまうのです。これは、心理学者が「妥当性の錯覚」と呼ぶもの、つまり予測力のほとんどない判断に自信を感じてしまう私たちの癖と、非常に近い関係にあります。
合成リサーチのアウトプットは、流暢で、数値化され、きれいにラベル付けされた形で届きます。シミュレーションされた「環境意識の高いZ世代の買い物客」のパネルが、その大半が詰め替え式パッケージなら高くても買うと答えたとしましょう。それは調査結果のように読めます。しかし実際には、そうした人々が言いそうなことをモデルが推定したものにすぎません。パーセンテージを添えてスライドに載せれば、火曜日には事実になっています。
その根底にあるインサイトは、すべてのプランナーがデスクの上に貼っておくべきものです。データはパターンを明らかにするが、人間らしさを定義することはできない。パターンは役に立ちます。しかし、パターンは人ではありません。
どのオーディエンスデータソースを、何に使えばよいのでしょうか？
単独で信頼できる情報源はありません。信頼性は、弱点が重ならない情報源を組み合わせることで生まれます。
| 情報源 | 得意なこと | 苦手なこと | 確認方法 |
|---|---|---|---|
| 合成オーディエンス | 迅速な仮説づくり、シナリオやコンセプトへの反応、ブリーフの下書き | 意外な発見、少数派の意見、統計的な主張 | 観察された行動にたどる。小規模なライブテストを実施する |
| アンケート調査とパネル | 表明された態度を大規模に把握すること | 人々が実際に取る行動、スピード | 行動データと比較する |
| 公開コンテンツとソーシャル上の会話 | 人々が自発的に、自分の言葉で語ること。競合の動き | めったに投稿しない人々 | それぞれの結論の背後にある投稿を読む |
| ファーストパーティデータとキャンペーンデータ | 自社の顧客が実際に取った行動 | まだ顧客になっていない人々 | インクリメンタリティテスト |
| 定性インタビュー | 動機、深さ、「なぜ」 | 規模とスピード | 上記の情報源と照らし合わせて多角的に検証する |
エージェンシーは、合成オーディエンスの信頼性をどう保っているのでしょうか？
- 何に基づいて構築されているのかを尋ねる。どの情報源を使い、どれほど新しく、どのくらいの頻度で更新されているのか。答えられないベンダーは、クライアントのお金をブラックボックスに預けろと言っているのと同じです。
- 合成オーディエンスは、結論ではなく仮説を生み出すために使う。パネルを使って10の領域を3つに絞り込むのは構いません。しかし、勝者を選ばせてはいけません。
- それぞれの仮説を、観察された行動に根ざしたものにする。パネルの予測どおりのことを、実在の人々が実際に語り、共有し、行っているかを確認しましょう。エビデンスが見つからなければ、その発見は未証明として扱います。
- 重要な意思決定は、市場で検証する。Digidayによると、Goodwayは、Arimaのツールを使ってシミュレーション環境でインクリメンタリティテストを実施し、その結果を小規模なメディア出稿で検証する予定です。これは正しい直感です。
- デッキ内のすべてのインサイトにラベルを付ける。それぞれに「合成」「観察」「実測」のいずれかを明記しましょう。どれがどれなのかを知る権利は、クライアントにも、自社の戦略チームにもあります。
- プロの懐疑論者を任命する。Digidayは、チームが「自分たちの発見に対して、プロとしての不信感を持ち続けなければならなかった」と伝えています。「これが間違っていたら、どうやって気づけるのか？」と問うことを、誰かの役割にしましょう。
実際に公開されたコンテンツは、どこに位置づけられるのでしょうか？
公開コンテンツこそが、よりどころになります。オーディエンスや競合が実際に投稿する内容は、自発的で、具体的で、日付が残るため、検証することができます。ただし、投稿する人の声が過剰に反映されるという固有の盲点があるため、表に挙げた他の情報源と組み合わせたときに最も効果を発揮します。
これがDefy Monitorの根底にある考え方です。AIが出したすべての結論は、その背後にある実際に公開された投稿にまでたどることができるため、戦略をアンケートからではなく、オーディエンスや競合が実際に発信している内容から逆算して導き出せます。ペルソナは実際の会話からクラスタリングされるので、合成データから得た発見を照らし合わせるための確かな基準になります。これがDefyプラットフォームの中でどう位置づけられているかもご覧いただけます。
合成オーディエンスは今後も定着し、エージェンシーの仕事を速くしていくでしょう。信頼を保ち続けるのは、あらゆる主張について、その背後にいる実在の人々を示せるエージェンシーです。
