-
Xでシェア
-
Facebookでシェア
-
LINEでシェア
-
LinkedInでシェア
-
記事をクリップ
-
記事を印刷
生成AIで劇変する市場調査業界
カスタム型の市場調査は以前から、実施に時間とコストがかかることで知られ、数カ月もの期間と多額の投資を要することも少なくない。結果的にマーケターは、外部のタイムリーなインサイトの恩恵を受けずに多くの戦略的決定を下してきた。しかし、筆者らが最近の『ハーバード・ビジネス・レビュー』（HBR）の論考「マーケットリサーチは生成AIでどう変わるか」で論じたように、生成AIは消費者と市場に関するインサイトの収集、創出、分析──つまり戦略的マーケティングの生命線に、変革をもたらしている。
こう主張するのは筆者らだけではない。たとえば上記論考の発表以降、アンドリーセン・ホロウィッツとファウンデーション・キャピタルの両社は、生成AIが世界の1400億ドル規模の市場調査業界を劇変させると予測する投資テーゼを公表している。
この変革の中心に据えられるのは、人間の代理として機能するよう設計された2つのAI生成ツールであると筆者らは考えている。複合的な個人や集団を代表する「合成ペルソナ」と、実在の個人を代表する「デジタルツイン」だ。これらの新しいツールは公開データや独自データを用いて、質問やアンケートへの人間の回答をシミュレートする。これによりマーケターは、従来のインタビューやアンケートに伴う時間、コスト、参加者の負担なしで調査と実験を行うことが可能になる。
したがって両ツールは、マーケティングにおける生成AIの活用法として筆者らが「神託」と呼ぶアプローチを補強する。つまり、調査担当者は興味のある質問をそのまま標準的LLMに尋ねるだけで（例：「この製品が獲得できる市場の規模はどれくらいか」）、意思決定の参考にできる回答が得られることを期待すればよい。
本稿ではそれぞれのツールの特性について説明し、企業における現在の活用事例をいくつか示す。その後、この複雑かつ刺激的な分野をリーダーがいかに舵取りすべきかについて、段階を追って指針を提示していく。
合成ペルソナ
このアプローチでは、調査担当者、マーケター、製品マネジャー、さらには販売者が、顧客のタイプやセグメントに関する人口統計学的、心理学的および行動学的情報をAIモデルに提供し、そのタイプやセグメントを代表するペルソナを作成する。その後は、LLMをそのタイプの人物であるかのように見なして質問し、答えてもらうことができる。この手法の支持者がしばしば指摘するのは、戦略的な製品やマーケティングに関する意思決定の多くが（場合によっては大半が）、個人よりもセグメントの複合的なインサイトに基づいているという点だ。
調査担当者はこの合成ペルソナから、複数の方法で回答を引き出すことができる。一つは筆者らがトップダウンのアプローチと呼ぶもので、セグメントに関する点推定値や範囲を生成するよう複合ペルソナに求める。「このセグメントにおける、この製品への平均支払意思額はいくらか」などだ。これは一種のAIスーパーエージェントであり、常に一つの「最良の」回答をくれる存在として頼ることができる。
別の方法として、いわゆるボトムアップのアプローチでは、セグメンテーションの基準に一致する、シミュレートされた消費者のペルソナの母集団全体を作成することで、多岐にわたる回答を引き出す。この合成ペルソナの集団は「シリコンサンプル」と呼ばれることもある。これらは、セグメントに関する「最良の」回答を提供するよう最適化されたスーパーエージェントではない。むしろ、あらゆる市場セグメントの人々がそうであるように、回答が個人によって異なるよう意図して設計されている。調査担当者は従来の市場調査と同じように、この集団に質問して回答を集計することができる。
筆者らの観察およびクライアントとの協働を踏まえると、多くの調査担当者はトップダウンよりも、ボトムアップのアプローチのほうが安心できる場合が多い。なぜなら、回答にばらつきがあり、全体的にプロセスが従来の市場調査の進め方により近いと感じられるからだ（最近の学術研究でも、人々は自分のシミュレーションのプロセスと合致する方法で予測を行うアルゴリズムを好む傾向があることが示されている）。とはいえ、どちらのアプローチがどの場合により効果的なのかは、まだ結論が出ていない。
消費者間の差異をモデル化することに関心がある調査担当者は、市場における不均一性を十分に捕捉するために、実在する個々人の固有の行動を再現してみてはどうだろうか。次に論じるデジタルツインは、まさにそのためにある。
