AIはメディアリサーチを速くするというより、継続的にすることで変えます。ペルソナを一度きりのドキュメントから、システムが更新する作業モデルに変え、持続するデータの優位を、公開リサーチ——いまや誰にとっても安い——から、あなたの proprietary なファーストパーティデータと蓄積された記憶へ移します。
私はプランニングとバイイングに18年携わり、その大半の期間、リサーチはプロジェクトでした。発注し、資料を受け取り、四半期使って、フォルダの中で古びる。うまくやる人は速読家で優れた統合者でした。AIはそのスキルの価値を変え、優位がどこにあるかを変えます。リサーチ、ペルソナ、データの3つを順に取り上げます。変化はそれぞれで違うからです。
リサーチはプロジェクトでなくなる
古いリズムは周期的でした。Q1にカテゴリ調査、誰かが尋ねたときに競合のスキャン、年次プランの前にオーディエンスの更新。それぞれがイベントで、イベントのあいだ、チームは記憶と勘で走っていました。
AI-nativeなチームは、リサーチを常設の能力として回します。公開シグナル——カテゴリの変化、競合のクリエイティブ、検索需要、SNSでの会話——は、依頼に応じてではなく、スケジュールに沿って継続的に集められ、要約されます。出力は資料ではありません。チームが読む流れであり、レポートを依頼する代わりにダッシュボードを読むのに似ています。
実務上の効果は、チームがカテゴリについて白紙から始めることが決してないことです。カテゴリはずっと要約されてきたからです。そこに至るのは、クラスターの残りと同じ地味な仕事です。シグナル源を配線し、要約に基準を持たせ、誰かが解釈を所有する。モデルは読むことを担い、決めることは担いません。
アナリストの仕事がどうなるか
統合が継続的で機械的になると、アナリストの価値は、答えを見つけることから、より良い問いを選ぶことへ移ります。
これは小さな変化ではなく、どこを見ればよいかを知っている人であることが identity だった人にとっては居心地の悪いものです。旧モデルでは、ボトルネックは retrieval——数字、調査、ベンチマークを見つけること——でした。新モデルでは retrieval はほぼ無料なので、希少なスキルは枠組みです。ビジネスが実際に答える必要のある問いはどれか、どの答えが意思決定を変えるかを知ること。
私はチームがこの移行をうまくやるのも下手にやるのも見てきました。うまくやるチームは、アナリストにプランニングの会話の席を与えます。良い問いが生きる場所だからです。下手にやるチームは retrieval を自動化し、アナリストを同じ仕事の速い版に置き去りにし、それから、最も好奇心旺盛な人がなぜ退屈しているのかと不思議に思います。retrieval が仕事だったなら、その仕事はなくなりました。判断が仕事だったなら、その仕事はただ面白くなったのです。
ペルソナは作業モデルになる
ペルソナのドキュメントは、マーケティングで最も静かに役に立たない成果物の1つです。一度書かれ、ストックフォトで飾られ、決して更新されない。更新は高くつき、誰も所有していないからです。
AI-nativeなチームは、ペルソナをむしろ作業モデルとして扱います。オーディエンスの定義がデータとともに生き、システムが行動の変化に応じて磨きます。どのセグメントがコンバージョンするか、どのメッセージが刺さるか、どの前提が崩れたか。ペルソナは成果物ではなく、プランニングとクリエイティブの背後に座する、問い合わせ可能なモデルです。
戦略上の帰結は、ペルソナがアートの企画ではなく意思決定の道具になることです。「このキャンペーンはペルソナに合っているか？」——たいてい同意で終わる会話——と尋ねる代わりに、複数のオーディエンス定義のうちどれが先四半期の結果を最もよく説明するかをモデルに尋ね、実際に走ったものに根ざした答えを得られます。それはブリーフへの別の質のインプットです。
データの優位は proprietary な層へ移る
ここが戦略にとって本当に大事な部分で、公開リサーチがあまりに印象的なので見落としやすい。
AIが誰にとっても公開ウェブを統合できるなら、公開リサーチはもはや優位ではありません。コモディティです。カテゴリのベンチマーク、競合のクリエイティブ、業界調査。良いワークフローを持つ誰もがそれらを要約できます。優位はそこに住めません。もはや希少でないからです。
持続する優位は、競合が契約できないものへ移ります。あなたのファーストパーティデータ、過去のキャンペーン結果、顧客関係、そしてワークフローが何が効いたかを蓄積する記憶。昨年のテストと今年の結果を覚えているモデルは、履歴のない賢いモデルより価値があります。これはAIの記憶がモデル選びより大事な理由で述べたのと同じ論点を、リサーチに適用したものです。複利は文脈にあり、モデルにはない。
従来のリサーチとAI-nativeリサーチ
| 観点 | 従来のリサーチ | AI-nativeリサーチ |
|---|---|---|
| 頻度 | 周期的なプロジェクト | 常設の能力 |
| 出力 | 資料 | 流れとモデル |
| コストの駆動要因 | アナリストの工数 | データアクセスとガバナンス |
| アナリストの仕事 | 見つけて統合する | 問いを枠組みし解釈する |
| ペルソナ | 静的なドキュメント | プランニングの背後で生きるモデル |
| 優位 | より良い統合 | proprietary なデータと記憶 |
| 失敗モード | 古びて使われない | 汚いデータと不明確な所有 |
最後の行を警告として読んでください。AI-native版は、従来版とは違う場所で失敗します。古びることではなく、誰もクリーンにせず、ガバナンスもしていないデータに、速く自信過剰なシステムを食わせることで。
ガバナンスは書類仕事ではなく前提条件
記憶の層を作る前に、モデルが何を見てよいか、何が自社システムの外に出てよいか、何か問題が起きたときに誰が答えに責任を持つかを決めねばなりません。
だからガバナンスはコンプライアンスの付録ではなく、ストラテジー・レーンに着地します。ファーストパーティデータをリサーチやプランニングのワークフローに接続した瞬間、あなたは境界と同意に関する一連の決定をしたことになり、それを先送りすれば、後で弁護士の監督下で、数倍のコストで作り直すことになります。ガバナンスを前提と見なすチームは、2週間遅く動き、2年速く動きます。
運用側の詳細は実行ガイドが深く扱いますが、戦略上の点は単純です。proprietary な層こそ優位が生きる場所であり、proprietary な層こそ、あなたが雑に扱うことを許されないものなのです。
インハウスチームが実際にやるべきこと
データとロードマップを自分で持つなら、順序は珍しく明快です。
- シグナル源を配線する。 1つのカテゴリか1つのオーディエンスについて、すべてではなく。1つのことについての継続的なリサーチは、10つのことについての散発的なリサーチより価値があります。
- 要約の基準を定義する。 流れが信頼できるように。どのソースを数えるか、良い統合とはどう見えるか、誰が検証するか。
- ペルソナをモデルとして立ち上げる。 1つのワークフロー——プランニングかクリエイティブ——の背後に置き、実際の結果から更新させます。
- データの境界を決める。 ファーストパーティデータを接続する前に。そしてモデルが間違ったときに誰が答えを所有するかを書き留めます。
- アナリストの席を守る。 問いを枠組みすることが今や仕事だからです。
インハウスチーム向けのトラックがこれをオペレーティングモデルの残りに対して順序づけ、ストラテジーガイドがレーン全体の文脈に置きます。次を広げる前に、1つの段階を終えてください。
FAQ
AIはメディアリサーチャーを置き換えますか？
仕事の retrieval の半分——工数の大半——を置き換えます。問いを枠組みすることや答えを解釈することは置き換えません。判断の半分へ移るリサーチャーはより価値が高くなり、retrieval で対価を得ていた人はより速く動き、それから役割の新しい定義を必要とします。
ペルソナはもう役に立たないのですか？
役に立ちますが、ドキュメントではなく作業モデルとして。実際のキャンペーン結果から更新されるペルソナは意思決定の道具です。一度書かれ二度と見返されないペルソナは飾りであり、AIはそれを救いません。飾りを安く作れるようにするだけです。
公開リサーチはもう無価値ですか？
いいえ、有用なインプットであり、かつてないほど速い。ただ優位ではないのです。誰もが同じ統合にアクセスできるからです。優位はあなたの proprietary なデータと記憶へ移り、それは競合が同じツールを契約しても真似できない部分です。
データガバナンスはどこに位置しますか？
ファーストパーティデータを接続する前の、前提条件として。モデルが何を見てよいか、何が自社システムの外に出てよいか、誰が答えを所有するかを決めることは、今やリサーチ設計の一部であり、コンプライアンスの後回しではありません。飛ばせば、後で監督下で層を作り直すことになります。
短いまとめ
AIはリサーチを継続的にし、ペルソナを生きたモデルに変え、持続する優位をあなたの proprietary なデータと記憶へ移します。アナリストの仕事は retrieval から枠組みへ移り、ガバナンスは書類仕事であることをやめ、proprietary な層をそもそも存在させるものになります。モデルは読み、あなたは判断します。
私はこの分野を公開の場で学び続け、優位がどこに落ち着くかについて何度も間違えてきました。しかしこの部分は保たれてきました。統合が無料になるとき、希少なのは良い問いと、あなた自身の履歴です。
あなたのチームがこの移行をしたなら、リサーチャーの役割がどうなったかを聞きたいです。たいてい、本当の話はそこにあります。
それでは、 Chandler
この記事は日本語でお読みいただけますが、コース本体（動画、テンプレート、コンパニオンガイド）は英語と日本語で提供しており、本サイトは13言語でご利用いただけます。