マーケティングでAIが賢くなるほど、価値が上がるのは"人間くさい仕事"だった

はじめに

私は毎回のように同じことを話しています。それは「これからのAI時代に、本当に大事なことは何か」という話です。たとえばGoogleが採用面接で「学歴やパズル的な難問より、実際の業務での学習能力を見る」と方針転換したように、私も相手の職種がマーケターであれクリエイターであれ営業であれ、伝える結論はいつも同じにしています。

多くの人は「AIをどれだけ使いこなせるか」が勝負だと考えています。もちろんそれは大事です。でも、私はもう一歩先を見ています。AIを使いこなせること自体は、これから当たり前になる。 かつてそろばんの名人が電卓に、地図を読む力がカーナビやGoogleマップに、フィルム現像の職人技がスマホのカメラに置き換わったように、特別だったスキルはいつも「誰もができる当たり前」に変わってきました。AIも、遠くないうちに「使えて当然」の時代になります。

では、使いこなせることが当たり前になった世界で、何が人と組織の差を生むのか。私の答えは明確です。データをいかに集約し、濃いデータベースを作れるか。そして、その土台となる対商品・対人への理解をどこまで深められるか。 NetflixがDVD時代から蓄積した視聴データで映像業界を塗り替えたように、勝敗を分けるのはこの2つに尽きます。順番に、できるだけ具体的にお話しします。

1. 「AIを使いこなす」のは、もう当たり前になる

インターフェースはどんどん簡単になり、AI自身が人間の意図を汲み取ってくれるようになります。かつてWebサイトはHTMLを手打ちする専門技術でしたが、WordPressなどのツール登場で誰でも作れるようになったのと同じで、「プロンプトエンジニアリング」もモデルが賢くなるほど不要になっていく。つまり、「AIを操作する技術」の価値は、時間とともに相対的に下がっていくのです。ここに人生の時間の大半を賭けても、得られる優位性は長続きしません。

かつて「Excelが使える」ことが希少価値で、それだけで就職できた時代がありました。今、それだけで評価される人はいません。タイピストという専門職が消えたのと同じで、AIも同じ道をたどります。だからこそ私は、こう考えます。「AIを使えるかどうかで悩むのは、もう終わりにしよう。その先で何を積み上げるかを一緒に考えよう」と。

大事なのは、AIを「賢く使う入口」に立ちながら、そこで満足せず、AIの性能を最大化する“燃料”を自分の手で作り出す側に回ることです。F1マシンがどれだけ高性能でも燃料と路面データがなければ勝てないように、その燃料こそが次に話すデータです。そしてその燃料は、机上ではなく「現場」と「体感」からしか生まれません。

2. 本当に差がつくのは「データの集約」

ここが最も重要な結論の一つです。AIは、AIだけでは価値を生みません。 コンピュータの世界で古くから言われる「Garbage In, Garbage Out（ゴミを入れればゴミが出る）」の通り、どんなに優秀なAIでも投げ込むデータが薄ければ返ってくる答えも薄い。逆に、Amazonが膨大な購買データで「この商品を買った人はこれも」とレコメンドシステムを実現したように、データが濃ければ濃いほど同じAIでもまるで違う精度を出します。一流シェフでも素材が違えば料理が変わるのと同じです。

そして、そのデータはバラバラに散らばっていては意味がありません。1箇所に集約されて初めて、AIが縦横無尽に横断して活用できる状態になる。 建設機械のコマツが世界中の車両の稼働データを「KOMTRAX」に集約して初めて需要予測や盗難防止という価値を生んだように、スプレッドシート・チャット・メール・商談メモ・頭の中の記憶に散らばった情報は、集約されるまでAIにとって存在しないのと同じです。

だから私は、「いかに濃いデータベースを作っていくか」こそが、これからの最重要テーマだと考えています。具体的には、次の3つのステップで積み上げます。

① 集約する

成果・数値・顧客の声・商談の記録・失敗の理由・刺さったコピーを、例外なく一箇所に集めます。トヨタが「なぜを5回繰り返す」ために不具合情報をその場で記録・集約するように、その場で、決めた場所に放り込む習慣が全てで、「あとでまとめよう」は永遠に来ません。散らばった名品より、集約された雑多の方がAI時代には価値があります。

② 濃くする

ただ量を貯めるのではなく、意味のある解像度の高い情報を蓄積します。ワークマンが「客が作業服を普段着に流用している」という現場の生声まで拾って新業態ワークマンプラスを生んだように、「反応が良かった」ではなく「どの層の・どんな悩みの人が・どの一文で・どう反応したか」まで書く。後から読み返して意思決定の材料になる粒度かどうかが基準です。

③ 構造化する

最後に、後からAIが横断・分析できる形（データベース）で整えます。スーパーのPOSデータが「顧客セグメント×商品×時間帯」で構造化されて初めて「ビールとおむつが一緒に売れる」といった発見を生んだように、案件・媒体・訴求・顧客セグメント・成果をタグと項目で整理し、検索・比較・集計できる状態にする。ここまでやって初めて「この層に最も利益が出た訴求は？」にAIが即答できます。

この3つを地道にやり続けた組織が、AI時代に圧倒的な差をつけます。計測していないものは改善できないし、集約していないデータはAIにとって存在しないのと同じ。 ピーター・ドラッカーの「計測できないものは管理できない」の通り、データベースづくりはAI時代の最強の資産形成です。広告費や人件費は使えば消えますが、Amazonのレコメンド精度が積み上げるほど強くなったように、濃いデータベースは使うほど価値が増える“複利で効く資産”なのです。

3. データを濃くするのは「対商品・対人への理解」

では、濃いデータはどこから生まれるのか。ここで話は一周して、実は最も人間的なところに戻ってきます。『対商品』と『対人』への深い理解です。 どれだけ立派なデータベースの“箱”を用意しても中身が薄ければ意味がないのは、高性能なカメラを買っても被写体を理解していなければ良い写真が撮れないのと同じです。

そして、この2つの理解を深める鍵は、意外にもテクノロジーではなく、昔から一流のマーケターが大事にしてきた「現場に立つ」姿勢にあります。ホンダの本田宗一郎が「現場・現物・現実の三現主義」を貫いたように。

4. 「カスタマー・イズ・ボス」—— P&Gに学ぶ、顧客の生活に入り込む

私が非常に共感している思想に、P&Gの「Consumer is Boss（消費者こそがボス）」があります。CEOだったA.G.ラフリーがV字回復の旗印に掲げた言葉で、マーケティングの教科書とも言われるP&Gが徹底して大事にしている考え方です。

驚くべきは、P&Gのマーケティングチームは、年に1回以上、顧客・消費者の家を直接訪問するということです。P&Gが提唱した「FMOT（First Moment of Truth＝店頭で商品を手に取る3〜7秒）」という概念自体、消費者の実際の行動を徹底的に観察したからこそ生まれました。自分たちの日用品が実生活でどう使われているかを、自分の目で見、直接インタビューする機会を意図的に作っているのです。

なぜわざわざ家まで行くのか。それは、人は「本当の使い方」をアンケートには書かない（書けない）からです。ソニーがかつて「黄色と黒、どちらのラジカセが欲しいか」と聞くと多くが黄色と答えたのに、帰り際に「好きな方を持ち帰っていい」と言うと全員が黒を取った——という有名な逸話の通り、人の言葉と行動はズレます。洗濯洗剤をキャップの目盛りどおりに使う人はほとんどおらず、「なんとなく多め」に入れ、洗面台の隣に置き、ふたを閉めずに戻す。そうした生活のリアルは、家に行って現物を見なければ絶対に分かりません。

これを私たちの仕事に置き換えれば、こうなります。不特定多数のアンケートを100件集めるより、たった1人の生活に深く入り込む方が、はるかに『濃いインサイト』が得られる。 スターバックスのハワード・シュルツがイタリアのエスプレッソバーに実際に立ち会って「第三の場所」という着想を得たように、商品が使われる「その瞬間」と「その場所」に立ち会うこと。そこにマーケティングのすべてのヒントが詰まっています。

5. 「現場に立つ」——サム・ウォルトンに学ぶ、観察の徹底

生きた現場に行くことの重要性は、ウォルマートの創業者サム・ウォルトンの逸話にも象徴的に表れています。自伝『Made in America』にも描かれる通り、彼は自分の店だけでなく、競合の店舗に何度も何度も視察に行っていた——ときにライバル店の駐車場で車のナンバーを数え、どこから客が来ているかまで調べたと言われています。

しかも、ただ「なんとなく見る」のではありません。商品をどのくらいの高さに積んでいるか、何個並んでいるかを全部数えたり、接客や店舗レイアウトを丸ごと研究したといいます。似た逸話は日本にもあり、ニトリの似鳥昭雄氏はアメリカの小売店を視察して価格や陳列を徹底的に観察し、そこで受けた衝撃が「お、ねだん以上。」の原型になりました。棚の何段目か、動線のどこか、POPの文言、レジ周りに何があるか——ディテールをすべて見るのです。

このエピソードが教えてくれるのは、「神は細部(ディテール)に宿る」ということです。近代建築の巨匠ミース・ファン・デル・ローエが残したこの言葉の通り、売上の差を生むのは大きな戦略の前に「どの高さに何個積んであるか」という細かい観察であり、この「数える」行為こそ前章で話した「定量データの集約」の原点です。

私たちの仕事に置き換えれば、オンラインでも同じことができます。

• 競合のLPを、ファーストビューからフッターまで一字一句読み込む（ウォルトンが棚を隅々まで見たように）
• どんな訴求を、どの順番で、どんな画像で見せているかを分解して記録する
• 広告クリエイティブがどれぐらいの期間回っているか（＝勝ちパターンか）を追う
• レビュー・口コミを全部読み、顧客の言葉をそのまま拾う

こうした地道な観察の積み重ねが値千金のデータになり、データベースを一気に濃くします。「現場に立ち、細部を数え、記録する」——これはP&Gもウォルトンも似鳥氏も共通して大事にした、一流の基本動作なのです。

6. 商材理解の徹底——クライアント以上に商品に詳しくなる

私がチームに繰り返し伝えているのが、『商材理解』をめちゃくちゃ大事にすることです。目指すレベルははっきりしています。『商品について、クライアント以上に詳しくなること。』

これを体現したのが「広告の父」デヴィッド・オグルビーです。ロールス・ロイスの広告を任された彼は、製品資料を3週間読み込み、その中から「時速100kmで走るこの新型ロールス・ロイスの車内で、最大の騒音は電子時計の音である」という一文を見つけ出しました。この一行は広告史に残る名コピーになりましたが、それは商品を誰よりも深く調べ尽くしたからこそ生まれたのです。代理店や支援の立場でも、いやその立場だからこそ、作り手以上に深く知ろうとする覚悟が大事です。

具体的には、ここまで調べ尽くします。

• 成分に何が入っているのか：主要成分はもちろん、配合量、成分同士の組み合わせの意図まで（オグルビーが仕様書を読み込んだように）
• どんな有効作用があるのか：その成分が体の中・肌の上でどう働くのか、メカニズムを自分の言葉で説明できるまで（コスメなど商品による）
• なぜその成分なのか：ダイソンのジェームズ・ダイソンが5127台の試作を重ねて「なぜ吸引力が落ちるのか」を突き止めたように、競合との違いやエビデンス、開発背景まで
• だれに向き、だれには向かないのか：適さない人を明確にすることで、向く人へのメッセージが鋭くなる

このレベルの理解があると、コピーの一行が変わります。単に「成分配合」と書くのと、「なぜその成分が、あなたのこの悩みに効くのか」をメカニズムごと語れるのとでは、説得力がまったく違う。商材理解の深さは、そのままアウトプットの説得力に直結します。

7. 体感値を得る——自分の身体で商品を理解する

そして商材理解の中でも、私が特に重視しているのが、カタログスペックには載っていないテクスチャーや体感値です。

これは頭では絶対に分かりません。だから、実際に自分で使ってみることを徹底しています。前述のハワード・シュルツがイタリアで自らエスプレッソを飲み体験したように、また無印良品が社員の家庭を訪ねて「体にフィットするソファ」を生んだように、コスメであれば実際に家で使ってみる。それも一回で終わりではなく、生活に組み込んで体感をとりにいくのです。例えばコスメだと、

• いつ使うのか：朝一で使うのか、夜風呂上がりに使うのか。タイミングで体感は全く変わる
• 使った瞬間の感覚：肌にのせた瞬間、ひんやりするのか、ピリつくのか、スッと馴染むのか
• 使った後の体感値：しばらくしてどうなるのか。もちもちするのか、サラサラなのか、膜を張ったような感覚が残るのか
• テクスチャー：どんな体感があるのか、伸びはどうか、重さは、香りは

こうして自分の身体で得た体感を、「どんな言葉で表現すると伝わるか」まで落とし込む。ここが決定的に重要です。ガリガリ君の「ガリガリ」やロッテ雪見だいふくの「もちもち」など、たった一語のオノマトペが商品の代名詞になるように、「しっとり」なのか「つるんと」なのかで顧客の頭に浮かぶイメージは全く変わります。

だから私は、チームに「すべて体感値を得てから書け」と伝えます。ジャパネットたかたの創業者・髙田明氏が売る商品を自ら使い込んで実感の言葉で語ったからこそ人を動かせたように、使ったことのない人のコピーはどこか借り物めいて一瞬で見抜かれます。逆に、自分の肌でつかんだ言葉には嘘のないリアリティが宿り、この体感値こそデータベースを濃くする最上級の燃料なのです。

8. N-1インタビュー——たった1人に深く向き合う

対商品の理解が深まったら、次は対人です。この解像度を上げる最強の手段がN-1インタビューで、これはマーケターの西口一希氏がロート製薬やスマートニュースの急成長を「たった一人の顧客(N=1)の分析」から実現したことで広く知られる手法です。P&Gの家庭訪問も、本質はこのN-1です。

平均は、誰の心も動かしません。「40代女性は美容に関心が高い」という平均は誰の胸も打ちませんが、西口氏が示したように「たった一人の、日常のどんな瞬間に、どんな感情で困っていたか」というリアルな言葉は、コピーにもクリエイティブにも一気に血を通わせます。

N-1インタビューで聞くべきこと

私が大切にしている問いはシンプルです。

1. 購入直前に何が起きたか：「その日、なぜ“今”買おうと思ったのか」。この瞬間に最も濃い一次情報が詰まっています（P&GのFMOTと同じ発想です）。
2. どんな言葉で悩みを表現するか：顧客自身の語彙をそのまま集める。大塚製薬のポカリスエットが「点滴が飲めたらいいのに」という現場の声から生まれたように、買い手の言葉こそがコピーになります。
3. 何と比較して、なぜこれを選んだか：競合との違いが顧客の頭の中でどう整理されているかが分かります。
4. 買わなかった理由・不安：断られた声こそ宝の山です。任天堂がゲーム機を「買わない家庭の主婦」の声を聞いてWiiのシンプルなデザインを生んだのは、その典型です。
5. 使っている現場の実態：いつ・どこで・どう使っているか。可能なら実際に使うところを見せてもらう（P&Gの家庭訪問の発想）。

N-1で得たリアルな一次情報こそが、データベースを濃くし、AIのアウトプットを一段も二段も引き上げる燃料になります。つまり、AI時代に最も価値を持つのは、皮肉にも「人と向き合う力」なのです。

9. すべてはつながっている——現場・体感・データベースのループ

ここまでの話は、実は一本の線でつながっています。まずP&Gのように顧客の生活の現場に入り、サム・ウォルトンのように現場の細部を数えて観察する。同時にオグルビーのように商品をクライアント以上に理解し、髙田明氏のように自分の身体で体感値を得る。そして西口一希氏のN-1でたった一人のリアルな言葉を拾う。こうして得た「現場」と「体感」の一次情報を、コマツのKOMTRAXのように1箇所に集約し、濃くし、構造化してデータベースにするのです。

現場・体感で集めた濃い一次情報をデータベースに盛り、AIに横断させる。 すると、Netflixが視聴データから人気ドラマ『ハウス・オブ・カード』の成功を予測したように、人間だけでは見えなかったパターンがAIから返ってくる。その仮説をもって、また現場に戻り、次のN-1と体感で検証する。この「現場→集約→AIで問う→また現場」のループこそが、トヨタの「カイゼン」が回り続けたのと同じ、AI時代の複利エンジンです。

10. 明日から何をするか——実践ステップ

最後に、この考えを「明日からの行動」に落とし込みます。難しいことは要りません。

1. データの置き場所を1つ決める：情報が散らばる原因は「どこに入れるか迷う」こと。コマツが車両データをKOMTRAXに一元化したように、まずデータベースを1つ作り、迷わず放り込める場所を用意する。
2. 担当する商品を自分で使う（体感値を取る）：シュルツがイタリアで体験したように、今日から自分の生活に商品を組み込み、使った瞬間・使った後の感覚を自分の言葉で残す。
3. 商材をクライアント以上に調べ尽くす：オグルビーが3週間仕様書を読んだように、成分・有効作用・適さない人を自分の言葉で説明できるまで落とし込む。
4. 週に1人、N-1インタビューをする：西口一希氏のように、顧客1人に30分話を聞き、その言葉を一字一句データベースに残す。完璧な設計は不要。
5. 競合の現場を観察して数える：ウォルトンや似鳥氏のように、競合LP・クリエイティブ・口コミを細部まで分解して記録する。
6. AIに問いを投げ、また現場に戻る：貯めたデータをAIに横断させ、示唆を引き出す。足りない視点が見えたら、次の現場と体感とインタビューで埋める。

まとめ：AI時代に私が大事にしていること

最後に、この記事の要点をまとめます。

1. AIを使いこなすのは、もう当たり前になる。 そろばんが電卓に変わったように、そこで差別化しても優位は続かない。
2. 本当に差がつくのはデータの集約。 「Garbage In, Garbage Out」の通り、データを1箇所に集め、濃くし、構造化した組織が勝つ。
3. 濃いデータの源泉は、現場と体感。 P&Gの「カスタマー・イズ・ボス」のように顧客の生活に入り、サム・ウォルトンのように現場を細かく観察する。
4. 商材理解はクライアント以上に。 オグルビーが電子時計の一文を見つけたように、成分・有効作用を調べ尽くし、自分の身体で体感値を得て言葉にする。
5. N-1インタビューで、たった一人に深く向き合う。 西口一希氏が示したように、平均ではなくリアルな一次情報こそがAIを生かす燃料になる。

AIの時代だからこそ、私たちは逆説的に「人と商品にどこまで深く向き合えるか」を問われています。机上でなく現場に立ち、頭でなく身体で体感し、平均でなく一人に向き合う。ツールに使われるのではなく、人間にしかできないことを徹底的にやり切る。そして、それを積み重ねてデータベースという資産に変えていく——それが、私達がこのAI時代に一番大事にしていることです。

FulouTでは一緒に働く仲間を募集しています！
上記のようなマーケティングを一緒にやりたい方は、以下のフォームからお気軽にお申し込みください。

▼採用申し込みフォームはコチラ