AIマーケティングとは？何から任せるかの順番と、人が決める所の線引き

経営や上司からAIの活用を求められた、または個人で生成AIを使い始めた事業会社のマーケティング担当の方は多いでしょう。AIマーケティングの解説を読めば分野は分かりますが、自社で何から任せるかまでは見えてきません。

しかしながら、どこまで任せるかには迷いが残ります。

• どの業務からAIに任せればよいか分からない
• 人が決める所とAIに任せる所の線が引けない
• 使い始めても成果につながったかを測れない

そこでこの記事では、「AIマーケティングの意味とできること」「任せる業務の順番と線引き」「データと体制と成果の測り方」についてお伝えしていきます。

AIマーケティングの意味と注目される理由

AIマーケティングは、AIを使って調査・分析・制作・配信・顧客対応を、速く細かく行うマーケティングのことです。人が時間をかけていた作業をAIに任せ、浮いた時間と増えた材料で、判断と検証の回数を増やします。

使われるAIは、大きく3つに分かれます。過去のデータから先を見込む予測AI、文章や画像を作る生成AI、いくつもの作業を順に進めるAIエージェントです。

	予測AI	生成AI	AIエージェント
得意なこと	購買・離反の見込みを数字で出す	文章・画像・要約・分類を作る	調べる・作る・確かめるを続けて行う
マーケティングでの例	配信先の絞り込み・需要の予測	広告文や記事の下書き・分析の相談	レポートの作成・状況の見回り
人が見ること	元のデータの正しさ	事実の誤りと独自性	任せる範囲と止める条件

AIマーケティングが注目されているのは、生成AIの広がりで、事業会社が自分でAIを試せるようになったからです。以前は専門家に頼んでいた分析や企画の下書きを、担当者がその場で作れるようになりました。

THE MOLTS のメンバーが書いたコラムでは、支援会社への相談が減っている背景を、事業会社の行動の変化として捉えています。100点を待つより、60〜70点でもまず試し、その過程で学びたいという動きです（支援会社への相談が減っている現状に、私が思うこと）。

AIマーケティングでできること

AIマーケティングでできることは、戦略・分析・広告・顧客対応・コンテンツの5つの業務に分けると整理しやすくなります。どの業務でも、AIは人の判断の材料を、速く厚くする役を担います。

戦略と市場調査

戦略づくりにAIを使うときは、一度に頼まず、段階に分けて頼むと、議論の叩き台として使える水準になります。「この会社の戦略を提案して」と一度で頼むと、どこにでもありそうな答えになりやすいためです。

戦略は、決まった手順をなぞる仕事ではなく、目的に向けた判断を重ねる仕事です。熟練者が踏む段階ごとに要る情報を渡し、出力を確かめながら進めると、精度が上がります。

THE MOLTS のメンバーが試した方法では、戦略づくりを7つの段階に分けてAIに渡します。企業情報の整理・ターゲティング・競合の調査・ポジショニング・ペルソナ・カスタマージャーニー・施策の配置の順です。

従来は実作業で3〜4日かかっていた戦略の叩き台が、修正込みで1時間程度になりました。初回の打ち合わせから、戦略の中身を議論できるようになっています（生成AIを活用して、マーケティング戦略を作れるのか）。

データの分析と予測

分析では、データを集めて読む役をAIに任せると、確認待ちが減り、数字が動いた理由に早くたどり着けます。予測AIは購買や離反の見込みを出し、生成AIは数字の変化の理由を一緒に考える相手になります。

分析で時間がかかるのは、計算よりも、数字が動いた背景を集める所です。キャンペーンや広告配信の状況を人に問い合わせるたびに、報告は遅れていきます。

関係者の多いメーカーのアクセス解析では、施策の確認に1〜2週間かかることがよくありました。そこでAIに関連サイトや広告配信を毎日見て回らせ、最新のキャンペーンを自分で掴む仕組みを作りました。

月次の報告は、質問から改善の提案に変わりました。再入荷待ちの商品への広告配信の誤りにも、すぐ気づけます（確認待ちをやめてデータを取りにいった話）。

広告の運用と改善

広告では、AIで顧客の言葉を読み解いて訴求に戻すと、広告費を増やさずに数字が動くことがあります。入札や配信の自動化だけでなく、顧客の理解にAIを使う使い方です。

運用の設定を出し尽くした広告でも、顧客が使う言葉はまだ活かしきれていないことがあります。電話や問い合わせの記録は量が多く、人が読み切るのは難しい材料です。

ある士業事務所の広告では、顧客管理システムに数百件の電話応対メモが溜まっていました。メモをすべてAIに読ませ、依頼につながった相談とそうでない相談の言葉の違いを探りました。

見えた言葉を広告文に入れると、その言葉を含む相談は3ヶ月で2.2倍に、受注数は1.4倍になりました。広告費は据え置きです。受注1件あたりの広告費は24%減りました（応対メモをAIで読んだ広告の話）。

顧客対応とCRM

顧客対応では、問い合わせの仕分けや、顧客ごとのメール・おすすめの出し分けをAIに任せられます。ただし、判断がぶれると機会を逃す所は、AIへの指示を固めておきます。

顧客対応のAIは、チャットボットでの一次回答や、購買の履歴に合わせた配信など、一人ひとりへの対応を細かくする役で使われます。数が多く、同じ基準で判断したい作業ほど、AIに向いています。

THE MOLTS では、届いた問い合わせメールをAIで、迷惑メール・営業・テスト送信・有効な問い合わせの4つに分けています。分け方がぶれると商談の機会を逃すため、「この4つのどれかに振り分ける」と指示を固めています。

自由に考えてほしい相談と違い、決まった分類は毎回同じ結果が要る作業です。こうした作業では、AIへの指示を命令書のように書いて使っています（プロンプトはどんなときに必要か？）。

コンテンツの制作

コンテンツでは、AIを調査・構成・下書きに使い、人が独自の経験と事実の確かめを足します。価値を足さずに大量のページを作ると、検索の決まりに触れるおそれがあるためです。

Googleは、生成AIはトピックの調査や構造化データの追加に特に便利だとしています。一方で、ユーザーへの価値を足さずに大量のページを生成すると、スパムポリシーに違反する可能性があるとしています。

出典：Google 検索セントラル「ウェブサイトで生成 AI によるコンテンツを使用するための Google 検索のガイダンス」

私たちは、AIで速くなった分を、本数を増やすことより、自社にしか書けない事例や考えを足すことに使っています。コンテンツ制作へのAIの使い方はそれだけで大きな話のため、この記事ではここまでにとどめます。

AIマーケティングのメリット

AIマーケティングのメリットは、作業の速さ・分析の広さ・打ち手の数の3つです。どれも、検証を回す回数を増やすことにつながります。

作業の速さ

形にするまでが速くなるため、提案や相談を初回から具体的に進められます。言葉で説明して待つより、見て決められる物を先に出せるからです。

これまで、画面の改修やフォームの見直しは、デザイナーを巻き込んで数週間かかるのが普通でした。その間、決める人は文章の提案だけを頼りに判断することになります。

営業目的の問い合わせが多いフォームの改善では、本番のデザインに沿ったモックをAIで約2時間で作って提案しました。従来なら数週間かかる量の作業で、お客さまはその場で提案を採用しました。

一方で、この案件は開発の待ちで、公開までに約2ヶ月かかりました。作業の速さを成果に変えるには、後の「仕事の流れの組み直し」で扱う体制の見直しも要ります（AIで2時間でフォームを作ったものの、公開は2ヶ月後に。その反省と今後の改善策）。

分析の広さ

AIを使うと、人が普段踏み込まない専門外の領域まで、横断して課題を洗い出せます。成果を止めている詰まりは、担当者の専門から見えにくい所にあることがあるためです。

人は時間が限られるので、得意な範囲から仮説を立てて調べます。AIなら、集客・データ・サイトの設定など、いくつもの観点から同時に現状を見られます。

戦略設計を専門とするメンバーの案件では、役割を持たせた数十のAIエージェントで、領域を横断して現状を診断しました。最優先にしたのは、主力の導線が小さな設定の不備で機能していなかった点です。

導線の設定の不備を直すと、広告費をほぼかけずに、商品の指名検索からの流入が1ヶ月で10倍になりました（商品指名検索の流入が1ヶ月で10倍に。伸ばしたのではなく、ボトルネックを外しただけだった）。

打ち手の数

外注を待たずに自分で作れる範囲が広がり、同じ期間に試せる打ち手の数が増えます。広告の数字が落ちたときほど、この差が大きく効きます。

バナーやLPを外部に頼むと、発注から修正の往復まで数週間かかることがあります。その間も広告の数字は落ち続け、試せる案の数も限られます。

検索広告が振るわず、ディスプレイ広告に力を入れた案件では、新しいバナーを月に1本試せるかどうかのペースでした。外部への依頼は、発注から修正まで2〜3週間かかっていました。

そこで広告運用の担当者が、AIでバナーとLPを6日程度で作り直しました。新しい訴求が当たり、CPAは3分の1に下がりました（運用者がバナーとLPを自作した話）。

AIマーケティングのデメリットと対処

AIマーケティングのデメリットは、出力の誤り・データへの依存・情報の取り扱いの3つです。どれも、人の確かめと、使い始める前の決まりで小さくできます。

出力の誤り

生成AIは、不正確な答えや、理由をたどりにくい答えを出すことがあります。公開や判断に使う前に、人が事実を確かめる工程を置いておきます。

Googleは、生成モデルは事実を取りに行くのではなく、学習データから可能性の高い単語の並びを予測すると説明しています。そのため出力には不正確な情報が含まれうるとし、公開前の手動のファクトチェックを重要としています。

公開前の確かめは、タイトルや画像の代替テキストなどにも当てはまるとされています（Google の生成 AI コンテンツのガイダンス）。

私たちは、AIの出力を完成品ではなく叩き台として扱っています。事実と数字は、人が元の情報に当たって確かめてから使います。

データへの依存

AIの分析は、元のデータの質を超えません。計測のずれや放置したデータがあると、どれだけ高度な分析をしても、判断を誤らせる材料になります。

「計測が少しずれているが、時間があるときに見直そう」「まずデータを溜めておけば、将来AIが分析してくれる」。こうした後回しは、データの整備を急がない時期ほど起きやすいものです。

THE MOLTS のデータアナリストは、計測のずれやデータの放置を、データ基盤づくりで起きやすい失敗として挙げています。ずれたまま溜めたデータは、後からAIに渡しても正しい判断の材料になりません（「データ基盤の構築」をコストと見るか、投資と見るか。）。

対処として、AIを入れる前に整えておくデータは、後の「AIマーケティングに要るデータの準備」の見出しで、4つの準備と事例を挙げて扱います。

情報の取り扱い

AIに入れてよい情報と、させてはいけない処理を、使い始める前に決めておきます。決まりのないまま使うと、担当者ごとに判断がばらつくためです。

個人情報保護委員会は、生成AIサービスの普及を踏まえて、利用に関する注意喚起を出しています（個人情報保護委員会の注意喚起）。顧客の個人情報や未公開の情報の扱いは、社内の決まりとして先に定めておきます。

THE MOLTS では、AIにデータベースの操作文を作らせるとき、データを消す命令を出さないよう、あらかじめ禁止と書いています。やり直せない処理ほど、指示を守りの柵として使います（プロンプトはどんなときに必要か？）。

AIマーケティングを始める順番

AIマーケティングは、ツール選びより先に、成果の詰まりを見つけるところから始めると、成果につながりやすくなります。私たちは、次の順で進めています。

1. 成果の詰まりを特定する
2. 業務のルールを揃える
3. 全員に共通の業務から入れる

分かりやすい作業の自動化から始めると、作業は速くなっても、成果を止めている所が手つかずのまま残ることがあります。順番を決めておくと、AIを入れる場所を誤りにくくなります。

ステップ1：成果の詰まりの特定

最初に、成果に対するボトルネックを見極め、そこにAIをどう効かせるかを決めます。何でも自動化するのではなく、効く所に手を集めるためです。

AIで広告を作る、入稿を速くするといった分かりやすい施策から手をつけると、本当に向き合いたい問題が深掘りされないまま進みます。目に見える作業ほど、先に手が伸びやすいものです。

広告運用を社内に移した事例では、検索広告とディスプレイ広告で代理店が分かれていました。レポートに数値は並ぶものの、目標に対する進み具合は書かれていませんでした。

そこで入稿や制作の自動化より先に、目標への進み具合と警戒ラインが一目で分かる横断レポートを、AIで自動で作る形に直しました。運用代行の費用を広告に回し、CVは1.6倍、CPAは30%減りました（広告の内製化でAIを使った事例）。

ステップ2：業務のルールの統一

やり方が人ごとに違う業務は、AIを入れる前にルールを揃えて、定型の業務にします。ルールが揃うと、AIはずっと速く動けるようになります。

業務は、初めから定型か非定型かが決まっているわけではありません。決まったルールで回るなら定型で、人ごとにやり方が違うなら非定型、という違いです。

THE MOLTS のバックオフィスでは、相手次第だと思っていた業務にも、揃えられる所がありました。相手の書式までは揃えられなくても、自社側の判断の基準と手順は揃えられます。

契約書は譲れない条項を、社内のIT相談は伝えてほしい情報を、セキュリティの確認票は標準の回答集を先に決めておく形です。揃えたあとでAIを入れます（「バックオフィス業務の自動化」が加速するなか、私は「社内ルールの見直し」というもう一つの選択肢に気づいた）。

ステップ3：共通の業務からの導入

全員が抱える少し面倒な業務からAIを入れると、小さな成功が次の業務への広がりを生みます。一部の人だけが使う業務から始めるより、社内に根付きやすくなります。

AIの使い方は、人によって差が出やすいものです。全員が同じ業務で試せば、使い方を教え合えて、使いこなしの差も早めに見えるようになります。

THE MOLTS では、全員が書く週報から始めました。毎日5分で簡単な日報を残し、金曜にAIとやり取りして週報を仕上げる形です。かける時間は減ったのに、中身の量は増えました。

週報での小さな成功から「ほかの業務でも試そう」という空気が生まれ、会議資料など共通の業務に広げました。生産性は、AIを使う前の約1.5倍になっています（相談する前に「まずAIで形にする」ことが、私たちの組織を変えた話）。

人が決める所とAIに任せる所の線引き

人とAIの線は「AIにできるか」で固定せず、定型の業務は任せ、非定型の判断はAIを使いながら人が持ちます。任せる範囲は、技術の進み方に合わせて見直していきます。

THE MOLTS の社内では、定型業務はどんどん自動化し、マーケティングのような非定型業務はAIを使いながら自力を鍛える、と言われてきました。私たちは、業務を次のように分けて考えています。

	定型の業務	非定型の業務
例	レポートの作成・問い合わせの仕分け・入稿	戦略・訴求の軸・施策の選択
AIの役割	作業そのものを担う	材料と叩き台を出す
人の役割	基準を決め、結果を確かめる	判断し、結果に責任を持つ

人が持つ判断

市場の読み・訴求の軸・どの施策を実行するかは人が持ち、AIはその思考を広げる道具として使います。AIが広げるのは使う人の考えなので、元の考えが浅ければ、浅いまま広がります。

事業側にしかない背景や、組織の中で何を実行できるかは、AIの外にある情報です。出力の違和感に気づいて直せる人が使うと、成果につながりやすくなります。

金融系のマッチングサービスの広告では、CPAが20万円を超え、競合も同じ言葉と同じ相手に訴求していました。担当者は失注のデータから、一度気になったのにやめた理由を掘り、共通の感覚を訴求の軸にしました。

AIで他業界の似た例を確かめ、LPや広告を素早く試すと、CPAは1週間で一気に下がりました。その後も訴求を磨き、20万円から2万円になりました。軸を見つけたのは人の思考で、AIが力を出したのはその後でした（「金融商材のCPAを1週間で20万→2万」AI社内事例を聞いて私はため息をついた）。

任せる範囲の見直し

任せる範囲は「できるか」ではなく「任せるにはどうするか」から考え、譲れない一線だけを別に決めておきます。今の自分の感覚で引いた線は、技術の進み方とずれていくことがあるためです。

「ここから先は人」と強く線を引くと、部分的に任せる選択肢を見落とします。先に決めておくのは、範囲の線ではなく、守る一線のほうです。

THE MOLTS の組織づくりでは、毎月のサーベイの注意信号に社内のデータを掛け合わせ、要る支えをAIで判定する仕組みを作りました。気づいてから本人に連絡するまでが、2営業日から朝の5分になっています。

一方で、数値だけで人の心を判断しないことは守っています。最後に声をかけて話を聞くのは、人が担っています（AIと役割分担して業務が2営業日→5分に。それでも「もったいない」と言われた理由）。

AIマーケティングに要るデータの準備

AIに良い分析をさせるには、正しい計測と、施策の背景を文字で残すことを先に整えておきます。ログは後から取り直せず、元のデータが乱れていれば、AIでも人でも良い分析は出ないためです。

THE MOLTS のデータアナリストは、AIに分析を任せる前の準備として、主に次の点を挙げています（AIが分析する時代のGA4の準備）。

• 広告・Search Console・基幹のデータなど、関係するログを同じデータ基盤に集める
• 施策と、なぜやったかを文章で残す（例：3月にLP改修。CVRの低迷のため、フォームを3段階から1段階に）
• ページの公開日やプロモーションを時系列でまとめた施策カレンダーを付け続ける
• 計測の定義やディメンションを設計書として文章で残し、AIに読ませる

社内のプレスリリースや営業の展示会など、外の分析者が知らない施策が、数字の背景にあることは珍しくありません。こうした背景は、文字にしておかないとAIにも渡せません。

計測の正しさでは、BtoBのSaaSを提供する株式会社ブイキューブの支援で、CVポイントが100以上あり、GAの数と社内の数が合っていませんでした。私たちは計測できていないCVポイントを洗い出してタグと設定を直し、ポイントごとの対応の決まりを社内で揃えました。

約半年で、計測できるCVポイントは約10から300以上になり、数字を施策に使える土台ができました（株式会社ブイキューブの事例）。

AIマーケティングの体制と予算

AIマーケティングの体制は、人数を増やすより、AIを前提に仕事の流れを組み直すことから考えます。道具と予算は、自社に要る範囲と今の段階で決めます。

仕事の流れの組み直し

個人がAIで速くなっても、レビュー・決裁・目標が今のままなら、チームの成果は変わりません。速さを成果に変えるのは、仕事の流れのほうです。

会議に決める人がいない、関わる人が多い、目標が以前の量のまま。この3つが残ると、作る速さが上がっても、確認や決裁の待ちで先へは進めません。

AIで記事が月10本から100本作れるようになっても、レビューできるのが10本なら、公開も10本のままです。THE MOLTS の社内でも、同じことがあらゆる所で起きていました。

そこで、半年かかることを2ヶ月で行う前提で目標を置き直しました。作る人と確かめる人の役割を分けました。関わる人数を絞るか、集まる時間を増やして、認識を合わせています（生成AIで生産性が10倍になったのに、成果が変わらない理由）。

道具と予算の決め方

AIの道具は、他社の導入例や機能の多さより、自社に要る範囲と今の段階で選びます。道具にかける分を絞り、成果に近い施策に予算を回すためです。

多機能な道具を入れても、使う目的がなければ、一部の機能だけを使ったまま費用が残ります。リードが少ない段階では、道具よりリードを増やす施策にお金を回すほうが、事業の数字につながりやすいと私たちは見ています。

道具を入れるときは、効果が出るまでの期間を先に揃えておきます。MAツールでは、経営層が「入れればすぐ効果が出る」と考えていると、効果が出る前に費用の削減でやめてしまうことがあります。

導入の前に、半年後と1年後に期待する効果を社内で揃えておくと、続けるかの判断がぶれにくくなります（MAツールの選び方と比較の記事）。道具の料金は変わることが多いため、提供元の公式の情報で確かめる前提で、ここでは金額を挙げていません。

AIマーケティングでよくある失敗

AIマーケティングでよくある失敗は、手段の目的化・媒体の自動化任せ・一度での見限りの3つです。どれも、AIの性能ではなく、使い方の順序の問題です。

手段の目的化

効率化そのものに夢中になると、作業は速くなっても、出てくるものの中身は良くなりません。何を達成したいかから逆算せず、今できることにAIを当てはめてしまうためです。

速さには前進している実感があるので、気づかないうちにゴールの代わりになります。表面をきれいに整えることに目が向き、文脈や原理原則を考えなくなります。

THE MOLTS のメンバーは、上司にこの状態を指摘されてから、作業の前に「最終的に何を達成したいか」を自分に問うようにしました。

続いている案件では、これまでの経緯と、なぜその作業が要るかをAIに伝えています。この習慣を続けてから、着目する視点が良くなったと評価されました（「AIで効率化」はただの手段であり、目的ではないと気づいた話）。

媒体の自動化任せ

広告に慣れないうちに媒体の自動化の機能に任せると、成果が出ないうえ、何を直せばよいかも分からなくなります。自動化は、特性を分かって使わないと、改善を回しにくいためです。

媒体の学習教材には、自動化の活用を勧めるものが多くあります。次の事例でも、未経験の担当者が自動化に寄った運用をしていました。

留学の相談を受けるALEBA株式会社の支援では、未経験の2名が広告を自動化任せで運用し、問い合わせは週に1件あるかどうかでした。私たちは、アカウントの構築・キーワード選定・広告文の設定を自分でできることをゴールに、宿題とフィードバックで伴走しました。

確度の高い層に絞った配信もあわせ、4ヶ月の支援の中で、問い合わせは1日1件ほどで安定しました（ALEBA株式会社の事例）。自動化を避ける話ではなく、未経験で任せきって成果が出ていないときの話です。

一度での見限り

一度の質問で精度の高い答えを求め、背景を渡さずに見限ると、AIの力を引き出す前に使うのをやめてしまいます。AIの答えの質は、渡した背景と、やり取りの重ね方で変わります。

「先週のCVが前週より20%下がった。原因は？」とだけ聞くと、どの会社にも当てはまる答えが返ります。業種・主力商品と客単価・施策の有無・競合の動きを足すと、助言は具体的になります。

THE MOLTS のデータアナリストは、まず気軽に聞き、返ってきた答えから「どこを見ればいい？」「何が効く？」と深掘りする進め方を勧めています。

1回目の答えがいまいちでも、背景を足して重ねるほうが、具体的な答えにたどり着けます（生成AIとはじめる「ゆるサイト分析」）。

AIマーケティングの成果の測り方

AIマーケティングの成果は、作業時間の短縮ではなく、問い合わせ・商談・受注・売上の数字がAIでどれだけ動いたかで測ります。AIを使ったかどうかではなく、使う前と後の差分を見ます。

作業時間・作ったレポートの数・自動化した工程の数は、進み具合の目安にはなります。ただ、それだけを追うと、仕組みを作ること自体がゴールの代わりになります。

作業時間と成果の区別

作業が速くなっても、それは自分の時間の差分で、顧客の数字の差分ではありません。仕組みの出来に満足しかけたら、差分が数字のどこに出たかを問い直します。

ダッシュボードが増える、仕分けの精度が上がる、確かめる時間が減る。どれも前進の実感があるため、成果の代わりに見えてしまいます。

広告運用の毎週の分析をAIで半ば自動にしたメンバーがいます。レポートや施策の前後の比べを自動で出し、半日の作業を1時間の確認で済むようにしました。

ところが社内の勉強会で「お客さまの成果へのインパクトは？」と聞かれ、「まだこれから」としか答えられませんでした（分析業務は半日から1時間に。でも、「どれだけ成果でたの？」に答えられなかった）。

AIを止める判断

AIを使うかどうかは数字で決め、手動のほうが成果が出るならAIを止めます。成果のためにAIをどう使うかが先で、使い倒した先に成果があるわけではないためです。

AIを使い込む時期は、「使いこなすうちに成果が出るはず」と期待しがちです。使う理由を数字に置いておくと、止める判断もしやすくなります。

対象の狭いBtoB商材の広告では、顧客インタビューの分析からLPまでAIを使いました。品質を保ったまま、工数や外注費は下がりました。

一方、開始3ヶ月でCVは以前の約2倍に、CPAは半分以下になりました。直接の理由は、自動入札などをやめて手動の運用に切り替えたことです（成果の直接要因はAIではなかった話）。

AI検索で変わるマーケティングの前提

AI検索が広がっても、検索で見つけてもらうための基本は変わりません。差がつくのは、自社の知見がどれだけ語られ、課題と結びついているかだと私たちは見ています。

Googleは、AIによる概要やAIモードに表示されるために、追加の要件や特別な最適化は要らないとしています。インデックスされ、スニペットが表示できる状態であることが条件です。

重要な内容をテキストで示す、内部リンクで見つけやすくするといった従来の基本が、引き続き大切だとされています。AI機能に出たサイトの数字も、Search Console の検索タイプ「ウェブ」に含まれます。

また、AIによる概要は「クエリ ファンアウト」を使う場合があるとされています。関連する複数の話題に検索をかけ、答えを組み立てる手法です（Google「AI 機能とウェブサイト」）。

私たちが記事で取り上げた、一定の知名度があるBtoBサービスの会社では、毎月の問い合わせの10〜20%が、LLM経由で直接生まれていました。

私たちは、LLMに勧められるかどうかは、話題と会社がウェブ上で語られる総量と、結びつきの強さで決まると見ています。そのため、社内の知見や顧客からの質問を起点に、さまざまな切り口で発信を増やしています（LLMO対策を突き詰めて辿り着いた「脳内SEO」という考え方）。

AIマーケティングで私たちが大事にしている順序

AIマーケティングで私たちが大事にしているのは、ツールの前に成果の詰まりを見つけ、仕事の流れごと組み直すことです。AIは作業を速くしますが、速さだけでは問い合わせや受注の数字は動きません。

判断と背景は人が持ち、AIには材料と叩き台を任せます。そして、AIを使った価値は作業時間ではなく、成果の数字の差分で確かめます。

私たちは、この順序でAIに任せる範囲を少しずつ広げています。任せる範囲は技術とともに変わるので、数字を見ながら線を引き直していくつもりです。