マーケティング・広報のAI活用事例

13年ぶん積み上げた栄養の知識があるのに、カメラの前に立つのが苦手で動画に手が出せなかった。

記事とメールだけで届く範囲が止まっていた。

1. 調べものと台本づくりは自分でやった
2. 台本をアバターに読ませて縦動画にした
3. 撮影も撮り直しもしない形にした
4. 4つのSNSへ毎日1本出した
5. 見た人をメールの登録へつないだ

毎日1本の投稿が続き、以前の投稿より視聴が大きく増えた。

Instagramから来てメールの登録をする人も増えた。

投稿が静止画と文だけで、見るのは既についている人ばかりだった。

カメラに出たくないので動画は手付かずだった。

1. 住宅ローンやお金の基本を自分で台本に書く
2. 台本をHeyGenのアバターに読ませて短い動画にする
3. 撮影はしない形で動画を用意する
4. Facebook・Instagram・LinkedInへ週2〜3本出す
5. TikTokを新しく始め静止画は週4〜5本続ける

動画を週2〜3本出せるようになり、リーチもコメントも増えた。

発信先はTikTokを足して4つになった。

繁忙期は10を超える市場で大量のキャンペーンを同時に動かし、数字をExcelにまとめてグラフや資料を作るのに何時間も何日もかかっていた。

配信前の変数やフッターや言語の確認も1件あたり1時間かかり、作業が詰まっていた。

1. 社内で使っていたClaudeからBrazeのMCPサーバーにつなぐ
2. APIの識別子でキャンペーンとCanvasのデータを呼び出す
3. 市場をまたいだ成績を集めてレポートまで作る
4. 毎週のメール到達の要約をSlackへ流す
5. 配信前のリンクを貼って変数や言語の間違いを一覧で返す

成績レポートを作る時間は2日から20分になり、99%減った。

配信前のキャンペーン確認は1件1時間から5分になり、人の目が見落としがちな細部も拾えるようになった。

ブラジルで1億人を超える顧客を抱え大型の広告や協賛を続けているが、SNSの反応には料金や故障の不満が多く混ざる。

従来の反応数や engagement の数字では、伝えたい内容が本当に届いたのか分からなかった。

1. Social Listeningでキャンペーンの投稿を集めた
2. AIで独自の指標を作り広告への反応と問い合わせを切り分けた
3. Comment Adherence Rateで適合するコメントの割合を出した
4. 評価の良し悪しを自動で判定し悪い評判の芽を早めに見つけた
5. 大きな催しではリアルタイムの画面を見て出演者や投稿の形を入れ替えた

A Vida Convida のキャンペーンでは Comment Adherence Rate が91.9%になり、これまでの平均の約35%を大きく上回った。

同じ企画の動画シリーズは好意的な評価が97%に達し、第2シーズンを作る判断につながった。

相手は製薬やバイオの研究者で、ありふれた一斉メールは読まれずに終わっていた。

人が送り分けの型を一つずつ作る方法では数を増やせず、育成メールの運用が止まりがちだった。

1. Nurture Agentを育成用のワークフローに組み込んだ
2. 件名や本文やボタンの文言を受け取る人ごとに書き直す
3. 所属企業や見たページの記録を材料にした
4. 過去のやり取りや相手企業の最新情報も加えた
5. 製品担当は既存ワークフローの見直し側に回った

育成メールは通常の配信よりクリック率が14%高く、クリックスルー率は72%高くなった。

開封だけでなく中身を読んで動く人が増えた。

買い手がChatGPTやGeminiに「控除管理のソフトはどれがよいか」と聞いて候補を絞るようになり、そこで名前が挙がらないと商談にすら近づけなくなった。

Semrushでは検索順位は見えても、答えを返すAIの中で自社がどう扱われているかは分からなかった。

1. HubSpotのAEOを入れて質問ごとの表示有無を並べて見る
2. 出てこない質問のまとまりを担当者が見比べる
3. 価値の高いものから記事の題材を割り振る
4. 競合の回答で引かれている出どころも題材に足す
5. Breeze Assistantに言葉で伝えレポートを作らせる

書く題材を勘で決めるのをやめ、検索のされ方で裏が取れたものから順に手を付けられるようになった。

レポートも軸や集計の設定を組む作業が無くなり、指示文を1つ渡すだけで済むようになった。

2,000本を超える動画を出すうちに毎回自分を撮る手間が重くなっていた。

台本を自然に読むのも難しく機材の接続や撮影データの受け渡しにも時間がかかっていた。

1. HeyGenで自分の見た目と声をもとにアバターを作った
2. 動画を出すときはまず台本を書いた
3. 台本をアバターに読ませて動画を生成する
4. できた動画は編集者へ渡して仕上げてもらう
5. 外国語の動画はアバターに別の言語で話させる

撮影の工程がなくなり1本あたり20〜30分ほど短くなった。

外国語の動画も作りやすくなりYouTubeの登録者は120万人を超えた。

以前は短い動画を出すのに長いYouTube動画を撮って切り出すか、1本ずつ撮影して編集するしかなかった。

毎日出すには手間が追いつかない。

1. 借り手が検索しそうな質問と答えを先に用意する
2. 答えの原稿をHeyGenに渡して自分のアバターに話させる
3. 自分で録音した声を合わせて本人らしさを残す
4. 同僚のアバターやAIの話し手も混ぜて変化をつける
5. ブランドの色や文字を確かめてから公開する

カメラの前に立たなくてもまとめて動画を作れるようになり、公開待ちの投稿が何年分もたまった。

1日1本を3年続ける計画も回せる見通しになった。

ANZのマーケティングチームは、サイトのページごとにチャットボットの会話の流れを手で作っていた。

汎用のボットは誰が来ても同じ返事を返すだけで、サイトを直すたびに別の画面でボットも手直しする必要があった。

1. QualifiedのAI営業役Piperを入れる
2. 管理画面にプレイブックとテーマを登録する
3. サイトから直接情報を取ってくる形にした
4. 訪問者ごとに話す内容を変えて予約まで案内させる
5. 予約が入るとSalesforceとSlackへ自動で流す

メールのフォローは開封率87%で業界平均の15〜20%を上回り、パイプラインは150%増えた。

人を増やさずに訪問者全員へ24時間いつでも対応できるようになった。

サイトへの訪問が減り来る人はすでに検討の後半にいた。

資料のフォームをやめたせいで誰が何の目的で来たのか分からなくなり多言語と時差への対応も人手では追いつかなかった。

1. AI営業エージェントを全ページで最初に話しかける役にした。
2. 深掘りの質問を投げて答えに合わせ出す内容を変える。
3. 開発者と基盤を選ぶCIOを見分けて事例や競合比較を出し分ける。
4. Salesforceと6senseをつないで相手の会社を判別した。
5. 離脱した相手へ自動でメールを送り書かれた言語で返す。

条件に合う会話の70%が商談の予約につながりメールでの働きかけは1,000万ドル超のパイプラインに効いた。

マーケティング発の商談がそのまま案件へ進むようになりパイプラインは150%増えた。

案件ごとに外部の業務委託を集めて回していたため、出来ばえはその月に空いている人しだいだった。

データもSE RankingやFraseやGoogle Adsに散らばり、ホテルの顧客で広告の成績が落ちたときは数字を手で突き合わせていた。

1. ClickUpの1つのワークスペースに案件とCRMと手順書をまとめた
2. その上で20体のエージェントを動かす
3. SEO・営業・キャンペーン・運用ごとの組に分けた
4. Zapierで作ったMCPサーバー経由で各ツールの中で作業する
5. 出てきたものは人が確認してから顧客に出した

8人の体制で新しい顧客に1か月分のSEOとGEOの作業を1週間以内に出せるようになった。

広告アカウントの調査から戦略とキーワードと広告文づくりまで、1週間かかっていた作業が数時間に縮んだ。

分析で見つけた相手を広告の配信先へ回す作業が手作業のままだった。

表を書き出して並べ直し部署をまたいで調整する間に配信が遅れた。

1. Fivetranで170超のシステムからBigQueryへデータを集める
2. 計測モデルと独自の項目を当てて用語をそろえる
3. そろえたデータをAgent Calが読む文脈の層へ流す
4. マーケターが普段の言葉で聞いてリストを作る
5. リストをActivationsでLinkedInやGoogle Adsへ送る

ターゲットを配信に回す速さが2倍になり、4時間かかっていたキャンペーン用のリストが25分未満で作れるようになった。

自前で作らずに済んだ分で年間40万ドル相当のエンジニアの手が空き、ロードマップは最大12か月分前倒しできた。

広く送るメールは地域やサービス別に分けるだけで、相手ごとの中身になっていなかった。

誰がいつ反応しやすいかも分からず送る時間はばらばらだった。

1. Oracle Marketingを入れキャンペーンの計画を1か所にまとめた
2. AIに行動と反応の傾向を読ませ送信時刻を決める
3. 送りすぎている相手はfatigue分析で見つけ対象から外す
4. アカウント情報から反応の見込みと関心を点数にした
5. 地域で切る分け方から関心で切る分け方へ変えた

メールの開封率とクリック率が上がった。

宛先を手で用意する作業が減り、その分を別の仕事に回せるようになった。

海外への販売を広げる中で、Shopifyの店舗を複数の言語で出す流れが整っていなかった。

商品やレビューの入れ替えが多く、従来の手作業の翻訳では更新に追いつかなかった。

1. Shopifyの管理画面からLILTのコネクタを開いた
2. テーマや商品やメニューなど訳す範囲を選んで送る
3. 品質を重く見る文章はVerified Translationに回した
4. 翻訳者の直しが自社専用エンジンにその場で反映される
5. 急ぎの分はInstant Translationで訳しSlackに通知が届く

約1年使い続け、ドイツ語のShopify店舗とレビューやプロモーションを手戻りの少ない流れで訳せるようになった。

多言語の商品パッケージも短い納期で仕上がり、各国の店頭に商品を並べられるようになった。

12か国に拠点があるのに国ごとのページを現地チームが手で訳していた。

ページ間で言い回しがそろわず、内容が最新かどうかも追えなくなっていた。

1. Craft CMSからLILTへ原稿をそのまま送る。
2. LILTの翻訳者が訳し進み具合を連携画面で見る。
3. 訳文をCraft CMSへ戻し見た目のまま確かめて公開した。
4. 各国の社員が自分の言語で訳文を見直した。
5. 見直しは閲覧の多い上位100ページから先に進めた。

サイト全体にあたる150万語以上をフランス語・ドイツ語・日本語へ訳せた。

CSVの書き出しと整形が要らなくなり、技術に詳しくない現地の担当者もすぐ使えるようになった。

対応言語が100まで増えてテンプレートの翻訳が追いつかなくなった。

国ごとにデザイナーを抱えるやり方では伸びる速さに合わなかった。

1. 翻訳の相手先としてLILTを選んだ
2. AIが出した訳を翻訳者が画面上で直す
3. デザインの中での前後関係まで見て訳を決める
4. 自社はブランドの言い回しの基準を渡し品質を確認する
5. 量が少ない時期は品質と工程を固めることを優先した

品質を落とさないまま翻訳の量とスピードを上げられて、担当チームは次の取り組みに時間を回せるようになった。

買い手である不動産管理者がGoogleではなくAIに質問して業者を絞るようになり、Qwikkitはその答えの中に出てこなかった。

少人数のマーケ担当は広告やメールに追われて長い記事を書く時間がなかった。

1. HubSpotのAEOの提案で自社が出ていない質問を調べる
2. 抜けが見つかった題でContent Agentに記事作成を指示する
3. AIが調べて書いて検索向けに整えた下書きを受け取る
4. 自社の書き方の決まりと照らして細かい部分だけ直す
5. 公開した記事はLinkedInの広告にも回す

記事づくりの90%をAIが担うようになった。

以前は何日もかかっていた下書きが短い時間で用意できるようになった。

キャンペーンの指示書は毎回ゼロから書き直していた。

打ち合わせのメモは各自の手元に散らばりSNS投稿の確認も手作業で1本に2〜3時間かかっていた。

1. 指示書の下書きをClickUp Brainに書かせる
2. 確認の工程にSuper Agentsを8体置く
3. 主なSNSごとに1体ずつ確認役を割り当てる
4. 日程の衝突はCampaign Plannerに先に知らせる
5. 月曜のまとめはReporting Agentが出し人が直す

人が開く時点で下ごしらえが終わっている状態になり週1回のステータス会議は無くなった。

イギリス・インド・アメリカの3市場の発売では締切の衝突2件を3週間前に見つけた。

Airtable・Asana・Slack・Google Workspace・Canvaを行き来して1日が過ぎていた。

担当者は数字を手で集め直し報告を別の場所に書き写していた。

1. 計画から承認と報告までをClickUpにまとめる
2. メールの下書きと意見の要約をBrainに任せる
3. アイデアの一覧をBrainへ渡し切り口を出させる
4. 出たものを担当者とタグの付いたタスクに変える
5. 決まった形のレポートはSuper Agentsが作る

1人あたり週におよそ6時間が空いた。

30本のアイデアを約3分でタスクにできるようになった。

以前は複数の外部ベンダーに翻訳を任せ手作業と別々のシステムが混ざっていた。

動きが遅いうえ費用もかさみ事業の速さに追いつけなかった。

1. 翻訳の工程をLILTの基盤へ一本化した
2. 用途や分野ごとに60を超える専用AIモデルを用意する
3. 39言語の翻訳を各モデルへ振り分けた
4. AIが出した訳文を人が確認して品質を保証する
5. 確認した結果を再学習へ回した

提携から数か月で39言語に300万語を超える翻訳を行った。

納期は前のベンダーより最大60%短くなりコストは50%削減、精度は調整していないLLMより15%高くなった。

Futurehomeはノルウェー以外へ販売を広げるため、アプリの文言やヘルプ記事まで9言語にそろえる必要があった。

早く出しながら技術的な内容の品質も落とせなかった。

1. Zendeskの新しいヘルプ記事をコネクタでLILTへ取り込む
2. LILTのAIが訳文の候補を出す
3. 担当の翻訳者が訳文を直して確認する
4. その直しを自社専用のLLMの学習に回す
5. アプリ内の文言はGitのコネクタでやり取りする

アプリ内の文言やヘルプ記事やブログなど50万語を超える内容を訳し、5つの海外市場の顧客に届けられるようになった。

製品画面は46言語に対応していたのに、見込み客が読むWebサイトや資料は英語だけだった。

海外を広げるうえで体験がちぐはぐになっていた。

1. Webサイトとネット広告を訳す対象に選ぶ
2. 重点の5言語へ訳す範囲を決める
3. エンジンが下訳を作り翻訳者が仕上げる
4. 社内のネイティブ担当者が訳文を直す
5. 直した内容を翻訳メモリへためていく

訳したページから新規の閲覧が大きく増え、LinkedInとGoogleの翻訳広告は3万回を超えるクリックを集めた。

日本語のキーワードは英語版より最大38%高いクリック率になった。

朝いちばんの時間はSlackやタスク一覧をたどって夜のうちに何が終わったかを組み直す作業に消えていた。

問い合わせの振り分けだけで午前が埋まり段取りの仕事が週のかなりの部分を占めていた。

1. エージェントTriage Ninjaが夜間に問い合わせを分類する
2. 優先度を付けて担当へ回す
3. Standup Syncがタスクの動きとコメントから朝のまとめを書く
4. ClickUp Docs上で本物の数字を見ながら企画書を作る
5. AI Notetakerが打ち合わせをその場でタスクに変える

1人あたりの段取りの時間がまとまって手元に戻り朝の問い合わせ待ちの列も出社前に整った状態になった。

基盤の移し替えのときはStandup Syncが埋もれていたSEOの問題を朝会の前に表へ出し公開の遅れを防いだ。

担当する顧客もチャネルも増え部署ごとに情報が散らばっていた。

承認のやりとりだけが流れから外れてメールへ移り修正や版の違いが返信の中に埋もれていた。

1. 顧客の案件を1つのタスクとして起票する
2. 制作や配信の担当が同じタスクに作業を重ねる
3. レビューの段階でneeds client approvalへ動かす
4. ClickBotが顧客のメールへ直接送る
5. 約10〜15体のSuper Agentが毎月の定型タスクを作り直す

承認がタスクの中で完結しメールに散らばらなくなった。

毎月手で作り直していた定型タスクも気づかないうちに揃うようになった。

前の翻訳会社のやり方ではファイルの上げ下ろしに時間がかかっていた。

戻ってきた訳文が自社で決めた言い回しと合わないこともあった。

1. 使い慣れたCMSから数クリックで原稿を送った
2. 専用のContextual AIエンジンが訳文の案を作る
3. LILTの翻訳者が訳文の案を直す
4. 直した内容をその場でエンジンの学習に回す
5. 訳文をConnector経由でCraft CMSへ戻した

米英語・英英語・ドイツ語の3つの市場向けにサイトとブログを出せるようになった。

担当者は前の会社の訳と比べて自分たちの声のまま読めると話している。

部門ごとに翻訳のやり方がばらばらで翻訳基盤も4つに分かれていた。

過去に訳した用語や文が業者をまたいで使えず同じ内容に何度も払っていた。

1. NVIDIA Nemotron Speechで最初の訳文を作る
2. その訳文をLILTの多言語AIが直した
3. 重要な文書だけ専門の翻訳者が確認する
4. 37言語の外はLILTが残りの言語を引き受けた
5. 翻訳者が直した箇所を戻しモデルを調整する

1年で翻訳モデルの品質が30%上がり、費用は32%下がった。

使う翻訳基盤は4つから2つに減りローカライズできる量は2倍になった。

カメラの前に立つのが苦手で、30秒の動画1本でも台本を間違えずに読むまでに2時間かかっていた。

週3本の解説動画を出したいのに、実際は3週間に1本しか出せなかった。

1. 本人が解説の台本を書き自分の声でナレーションを録る。
2. その音声をHeyGenに入れて似せたアバター動画を作る。
3. Video AgentとAI Studioで言い回しと見た目を整える。
4. 宣伝ではなく質問に答える作りにそろえる。
5. 撮影と編集の工程はやめて公開までこの流れで回す。

投稿は3週間に1本から週3本になった。

ある解説動画は約13,700回再生され、視聴者の30%が約22秒見続けた。

製造業向けのAI見積もりへ方向を変えたのに検索でもAIの回答でも自社の名前がほとんど出てこなかった。

手元のツールでは主要なAI検索を並べて比べることもできなかった。

1. ダッシュボードで3つのAI検索の回答をまとめて見る。
2. 自社がどの質問で出るかを確かめた。
3. 競合が先に出て差の大きい質問を洗い出す。
4. 買い手の言い回しを拾って記事や製品ページを計画した。
5. 示された順に書いて公開することへ集中する。

製造向けCPQを調べる質問でAIの回答に自社の名前がほとんど出ない状態から、名前が挙がるところまで伸びた。

学校の担当者がAIアシスタントに聞いて業者を比べるようになり、その答えに自社が出ないと検討の入口で外される状態だった。

使っていたSemrushはデータが多すぎて次に何をすればよいか見えなかった。

1. HubSpotのAEOの試験版を毎日の仕事の流れに組み込んだ
2. 毎朝ダッシュボードでAI検索での露出と評判を確かめる
3. Recommendationsから優先度の高いやることを拾う
4. 記事やまとめ記事や比較ページを示された順に作る
5. CRMの顧客情報をもとに記事で扱う問いを決める

AI検索での言及シェアで1位になった。

学校側が早い段階で調べる場面でも自社が答えに載るようになった。

乗客のほとんどが同じ内容の案内を受け取っていた。

顧客の情報がマーケティングとデジタル部門と窓口に散らばり、一人ひとりに合わせた案内を手作業で組むしかなかった。

1. 会員の属性と予約の傾向と履歴を一つの基盤へ集めた
2. 常に更新される一つのプロフィールにまとめた
3. AIが次に必要になりそうなことを予測する
4. 予測に沿ってメールとウェブとアプリの対応をつなぐ
5. 担当者は届ける相手の切り分けと流れの設計を受け持つ

狙いを絞った配信からの売上が40%増え、マーケティングの分析は60%速くなった。

個別の出し分けの量は大きく増え、顧客対応の中心となる業務の生産性も30%上がった。

新サービスの立ち上げでドライバーを一気に集める必要があった。

運転中でPCを開かない相手には従来のやり方が届かず、自前のLINE運用も手順が固まらないまま管理の手間が増えていた。

1. LINE公式アカウントの拡張ツールKUZENを入れた
2. 人材紹介システムのJOB階層とリアルタイムでつないだ
3. 希望の職種とエリアを選ぶと募集中の求人だけ表示する
4. 面談希望時間の聞き方をボタン選択に変えた
5. シナリオを作り直しABテストを続けて直している

有効エントリー数が導入前の2.6倍になった。

電話がつながる割合が上がって面談実施率は2倍になり、内定承諾のCPAは求人媒体の1/2・Web広告の1/4に収まった。

予測の分析は進んでいたが、それを使った実行は手作業のままだった。

配信先を一つずつ組み立てたり地域ごとの文面をコピペしたりする手間が大きく、テンプレートの書式を扱えない担当者はキャンペーンを作れなかった。

1. AWSの支援プログラムで技術者と組み3日間で試作を作った
2. Amazon Bedrock上でClaude Sonnet 4.5を動かした
3. 意図の判定・文脈・文面作成の3エージェントをつないだ
4. ブランドの決まりは過去のキャンペーンから学ばせた
5. チェックを生成の途中に入れ各段階を人が承認する

3年間で約429%のROIと4か月での投資回収を見込む試算がまとまった。

テンプレートのコードを書かずに会話だけでキャンペーンを作れる形ができた。

AI検索で自社サービスが紹介されているかを調べるため、複数の生成AIに担当者が手でプロンプトを打ち込み、回答をスプレッドシートにまとめていた。

工数が重いうえ、担当者ごとに回答が寄ってしまい客観的な数字が取りにくかった。

1. フロント向け2サービスの商材カテゴリーを軸にプロンプトを20個用意する
2. LLMリサーチでサービス名の出現割合とURL引用割合の2指標を測る
3. API経由で定期的に計測しレポートをワンクリックで出す
4. リスティング広告のデータを見て検索意図に近い言い回しへ直す
5. 人は数字を読んで次の打ち手を決める部分に回る

特定のプロンプトでのブランド露出率が導入前の水準と比べて130％になり、全リードに占めるAI起点リードの含有率は半年間で30％増えた。

集計の手間が減り、分析や打ち手を考える時間を増やせた。

カタログや施工事例の画像と資料が複数のストレージやExcel台帳に散らばり、目的の素材を見つけるには全データを落として一つずつ目で確かめるしかなかった。

誰がどのファイルを編集できるかもはっきりせず、価格改定時の更新や制作会社とのやり取りにも時間がかかっていた。

1. カタログと施工事例の2つを対象に管理基盤を組んだ
2. 既存データを移し替えてSSOをつないだ
3. フォルダ構造と閲覧・編集の権限を設計した
4. 検索やプレビュー、タグ付けを現場に合わせて整えた
5. 読み取り専用の利用者を設けて誤編集を防いだ

販促を担う部署の約20名が毎日の仕事で使う状態になり、素材探しのために全データを落とす手順はなくなった。

同社はこの部署の仕事の重さを2名分ほど減らすことを目標に置いている（数値での効果測定は今も続けている）。

制作や法務確認の依頼がSlackやメールやDMの画像でばらばらに届いていた。

必要な情報が途中で抜け落ち、同じ作業のやり直しや締め切り漏れが起きていた。

1. 制作や販促の依頼をAirtableの入力フォームに集めた
2. フォームが州ごとに必要な注意書きを自動で差し込む
3. 試合や選手と販促をひな形に結び付け1時間ごとに組み立てる
4. 選手の状態が変わるとAIのニュース通知がAirtableに届く
5. 常時動くエージェントが手作業の更新を肩代わりする

受付から承認と入稿までを1つの仕組みにまとめて数百時間を減らした。

同時に100件を超える依頼と1,000点を超える素材を1か所で回せるようになった。

CRMを移したばかりで、毎週月曜の見込み客と商談の資料を手作業で作っていた。

1,300件を超える連絡先を仕分けできず、商談中の相手にまで案内を送る恐れがあった。

1. Marketing Hubなどへデータを移した
2. 画面のBreeze Assistantへ自社の設定をふまえ質問した
3. 自動化の流れを作らせ動かない原因も聞いて直した
4. 1,307件の連絡先を条件で仕分けさせ狙う相手を残した
5. 月曜朝7時に図と話す要点を作る仕組みを組んだ

心不全向けの案内は1,307件から約470件まで絞り込まれ、商談中の相手を外して送れるようになった。

数時間かかっていた月曜の資料作りは数分の確認で済むようになった。

利用者から集まる声とプロダクトチームの間に隔たりがあった。

量が多く、何を直せばよいのかがすぐに伝わらなかった。

1. Claude for WorkでProjectを用意する
2. 集めた声をまとめたPDFを読み込ませる
3. Claudeが数秒で構造化したレポートを返す
4. 担当者が仕上げてプロダクトマネージャーへ渡す
5. 競合の評価を比べるダッシュボードもClaudeで作った

Claudeがレポートの95%まで仕上げるようになり、人は仕上げだけを見る形になった。

地域ごとの声も拾えるようになり、対応が早くなった。

GA4や定型レポートでページビューなどの個別の数値は見えても、訪問者がどこから来てどのページを通り次に何をしたかという流れがつかめなかった。

そのためサイトの直し方が感覚頼りになっていた。

1. サイト分析にデタクルを導入する
2. GA4からBigQueryへ出したデータを期間やページで絞って取り出す
3. 取り出したデータを生成AIが読める形に整えて渡す
4. 流入元や経由ページ、端末別の行動差の切り口で結果を出す
5. 結果を対話で掘り下げて改善案にまとめる

集計値だけでは気づけなかった行動が見えるようになり、サイト改善の新しい仮説が出せるようになった。

レポートを報告して終わりでなく、データを根拠にボタンの大きさなど具体的な直し方をその場で話し合えるようになった。

週に42本近い投稿を出したいのに本業と顧客対応の合間に撮影の時間が取れなかった。

編集を外注すると1本ごとに費用もかさんだ。

1. 静止画1枚と動きが分かる映像を用意する
2. その素材でHeyGenに自分のアバターを作らせる
3. Claudeに今までの投稿を読ませ台本まで書かせる
4. 台本をHeyGenへ入れて話し手の動画に変える
5. B-rollや字幕を足して仕上げる

1時間かからずに3日分の投稿を用意できるようになり、Instagramの投稿は朝1本から1日最大3本に増えた。

1本175ドルから200ドル超かかっていた編集の外注費も大きく下がった。

英語のなまりが気になって動画を1文ずつ撮り直していた。

1本仕上げるのに1時間以上かかり患者を診る時間が削られていた。

1. ChatGPTに台本の下書きを作らせる
2. 台本をHeyGenへ渡し自分の顔と声のアバター動画にする
3. 中身は運動やストレッチや検査の説明を中心にする
4. 1日でまとめて7日分を作る
5. InstagramやFacebookなどへ順に出す

1本1時間以上かかっていた制作は10〜15分で終わるようになり7日分を2時間ほどで用意できる。

投稿は月におよそ60万回見られ客の約30%がSNS経由で来ている。