AI が画期的なテクノロジーとして注目を集めていたのは、つい数年前のことです。しかし、今では広告の成果を左右する、欠かせない前提条件となりました。
AI を活用する消費者は急速に増え、マーケターもその流れに合わせています。
全世界を対象に実施されたマッキンゼーのAIに関する調査によると、78%の企業が1つ以上の部門で AI を活用しており、71%が日常業務で生成 AI を利用していると回答しています。特にマーケティング部門と営業部門での採用が最も進んでいることが明らかになりました。
消費者の意識も変化しており、最新調査では71%が生成 AI をショッピング・ジャーニーに取り入れたいと回答しています。AI は広告業界において「あるといいもの」から「当たり前に使うもの」へと位置づけが変わりつつあります。
このガイドでは、基本的な情報を詳しく解説しながら、生成 AI と予測 AI の違いを整理し、ファネル全体で広告に AI を活用する具体的な手段を示すロードマップを提供します。
広告領域における AI の役割とは？
広告における AI とは、広告ライフサイクル全体にわたり、マシン・インテリジェンスを活かして人間の意思決定を支援します。これには、オーディエンスの選定から入札、クリエイティブ、測定、最適化まで、あらゆる工程が含まれます。
広告における AI の役割は、反復的なプロセスを自動化し、人の目では捉えにくい洞察を捉えることです。
よく耳にする用語をあらためて整理（または細かく比較）してみましょう。
- 人工知能（AI）：学習、パターン認識、意思決定、コンテンツ生成といった、人間の知能を必要とするタスクを実行できるシステムを総称する用語です。
- 機械学習：パターンを学習し、そこから予測を行う AI の分野です。大量の例（データ）を与えることで、特徴やシグナルを見つけます。
- ディープラーニング：複数の層からなるニューラル・ネットワークを用いて複雑な表現を学習する機械学習の分野です。特に画像、音声、言語などの処理において高い性能を発揮します。
では、AI は貴社にどのように役立つのでしょうか。
AI はまず、既存データをもとにした“判断のレイヤー”と“生成のレイヤー”として捉えることができます。こうしたデータがモデルに取り込まれることで、プログラマティック広告、リテールメディア、SNS、検索、動画、CTV など幅広いチャネルや分析に反映されます。
パフォーマンス広告における日常業務の流れを深掘りするには、「AIで進化するパフォーマンス・マーケティング： 成果を生む活用法とは？」をご覧ください。
広告における生成 AI と 予測 AI の比較
生成 AIに関しては、今や多くの人に知られる存在です。ChatGPT など、今最も人気の高い AI ツールを動かしている技術です。また、こうした生成ツールに加えて、Criteo の多くのソリューションを支えている予測 AI のような、特定のタスクに特化して設計された機械学習モデルもあります。
どちらのテクノロジーも重要であり、組み合わせれば相乗効果を発揮します。
以下の表は、両者の特徴を比較するものです。
| 生成 AI | 予測 AI | |
|---|---|---|
| 目標 | コンテンツのバリエーションとアイデアの創出 | 結果の推測とアクションの選択 |
| 入力データのタイプ | プロンプト、ブランドガイドライン、商品フィード、静止画／動画 | イベントとコンバージョンのログ、ユーザーの行動、カタログおよび価格のデータ、コンテキスト |
| アウトプット | 静止画、動画、ダイアログフロー、構造化された要約 | スコア、入札、オーディエンス、レコメンド、ペース配分や割り当て |
| 広告での用途 | クリエイティブのアイディア創出、アセットのスケーリング、チャットボット広告、地域に合わせたバリエーション | ターゲティング、入札、DCO、予算とチャネルの最適化 |
AI を広告に活用する仕組み
ChatGPT や Claude、Gemini などの AI ツールに詳しい方でも、広告領域にそのまま置き換えて考えるのは難しいかもしれません。ここでは、広告におけるAIの仕組みを分かりやすく解説します。
大まかに言えば、多くの AI システムは以下のプロセスに沿って動作します。
データシグナル → 特徴量エンジニアリング → モデルの学習 → 市場における意思決定 → 測定 → フィードバックループ
ここまでは前提となる概要を説明しましたが、続いてその裏側でどのような処理が行われているのかそのプロセスをもう少し詳しく説明していきます。
- データ収集：上記の「データシグナル」には、ウェブサイトやアプリ上でのユーザー行動、商品カタログの属性、在庫や価格情報、コンテンツおよびコンテキスト、さらに匿名化された広告とのインタラクションなどが含まれます。ここでは、明白な同意とプライバシー・コントロールが不可欠であり、高品質でプライバシーに配慮したシグナルを確保することが求められます。
- モデルのトレーニング： AI は過去のデータから、「誰が買いそうか」「どんな広告に反応しやすいか」といった広告に重要なパターンを学習します。画像や文章といった複雑な情報はディープラーニングが得意で、数字中心の構造化データは勾配ブースティング木（条件を分けて判断する手法）やロジスティック回帰が効果を発揮します。
- 自動化と最適化：このようなモデルは自動入札、オーディエンスやダイナミック・クリエイティブの選定、予算配分を推進します。このシステムはほぼリアルタイムでテストや学習、再割り当てを行うため、どのインプレッションも、その後のより良いチャンスにつながります。
広告における AI の活用事例
AIを広告にどのように活用できるかを理解したところで、次は「なぜ活用すべきなのか」を見ていきましょう。一見するとシンプルな問いのように思えるかもしれません。しかし実際には、その背景には想像以上に複雑な要素が潜んでいます。
オーディエンス・ターゲティングとセグメンテーション（適切な顧客の特定）
予測モデルは、コンバージョンの可能性、購入意向を示すシグナル、商品との親和性などをもとに最適なオーディエンスを構築します。さらに、リテーラーやブランドはファーストパーティ・データを使用することで、オープン・インターネット全体でロイヤルティ・プログラムのメンバーや価値の高い顧客層へ効率的にアプローチできます。
実際の活用例：Sephora は Criteo オーディエンスマッチ とダイナミック・リターゲティングを併用することで、ロイヤルティ・プログラムのメンバーとのエンゲージメントを強化し、ショッピングジャーニー全体で ROI を725%向上させる成果を上げました。
ダイナミック・クリエイティブ・オプティマゼーション（DCO）（適切なクリエイティブを最適なタイミングで表示）
DCO は予測に基づく意思決定とモジュラークリエイティブ（動的に生成されたクリエイティブ）を組み合わせた仕組みです。システムは消費者の状況やコンテキストに合わせて見出し・静止画・商品・価格を自動的に選定します。Criteo の DCO テクノロジーは、数十億件におよぶ購入意図シグナルから抽出したインサイトを活用し、ブランド基準を守りながら、広告をリアルタイムで最適化・パーソナライズします。
実際の活用例：Criteo の商品レコメンドとダイナミック広告により、Shopify がどのようにパフォーマンスを改善したのかをご紹介します。
チャットボット広告とのインタラクティブな体験
生成 AI を利用することで、消費者は会話形式で質問したり、商品を比較したり、広告ユニット内でガイド付きのレコメンド閲覧をしたりできるようになります。さらに Criteo では、消費者が商品を探し、好みの商品と出会うプロセスそのものを変革する「エージェンティック・ソリューション」の開発にも注力しています。
Criteo のチーフプロダクトオフィサー（CPO）である Todd Parsons が語る“エージェンティックな未来”（英語）については、こちらから詳細をご覧いただけます。
AI を広告戦略で取り入れるには
AI の進化は目を見張るほど早く、この記事を読んでいる間にも新しいモデルやツールが次々と登場しているかもしれません。AI を最大限に活かすため、日々のキャンペーン計画に取り入れるべき”基本の要素”は変わりません。
貴社の戦略を軌道に乗せるには、まずは以下の4つのステップに取り組んでください。
- ステップ1：キャンペーンの目標を定める。売上や新規ブランド購入者、質の高い見込み客、アプリの LTV など、具体的な KPI と測定するチャネルを決めます。目標が明確であればあるほど、最適化したいポイントをモデルに正確に伝えることができます。
- ステップ2：適切な AI ツールとプラットフォームを選択する。ユニークなデータへのアクセスを活かし、強力な予測モデルを提供できるパートナーを選びましょう。迅速に開始し、スピーディーにスケーリングしたい場合は、Criteo の GO キャンペーンのような自動広告ソリューションをご活用がおすすめです。
- ステップ3：小規模でテストし、改善を繰り返す。まずは、効果をきちんと測定できる小さなパイロットから始めます。例えば、対象となるオーディエンスを明確に設定し、広告に接触したグループと接触していないグループを分けて、どれだけ追加効果があったかを確認します。また、クリエイティブ（ DCO の場合はモジュール）は少数に絞り、システムがノイズなく学習できるようにしましょう。
- ステップ4：マーケティング・オートメーション全体に組み込む シンプルなデータ連携の仕組みを構築しましょう。ユーザーの同意を得たファーストパーティ・オーディエンスや CDP ・アナリティクスのコンバージョン・イベントを Criteo に連携します。あわせて、商品フィードは毎日更新して常に最新の状態を保ち、ウェブとアプリの両方でデータシグナルが一貫するようにコンバージョン API を接続します。そのうえで、 ROAS ・ CPA ・フリークエンシーなどの指標にガードレールを設定し、目標ベースの設定を活用することで、入札・ターゲティング・配信最適化は AI に任せることができます。
ここまでのポイント
広告における AI は、一元化されたシステムの中でこそ、最大限の効果を発揮します。このシステムでは、予測モデルが最適なタイミングや届けるべきオーディエンスを判断し、生成モデルが最適なメッセージを作成します。さらに、配信結果を学習に活かすフィードバックループが働くことで、使えば使うほど成果が高まっていきます。
AI や機械学習、ディープラーニングをパフォーマンス・マーケティングで活用する方法について詳しく知りたい場合は、Criteo のブログ記事、「AIで進化するパフォーマンス・マーケティング： 成果を生む活用法とは？」をご一読ください。コマースメディアやリテールメディア・パートナーを検討中の方は、これらのアイデアを次のキャンペーンで活かす方法について、Criteoチームまでお問い合わせください。
