Pulsarのオーディエンス分析とは？｜話題の担い手を見分ける

「SNSの声を集める道具は入れた。自社の名前がどれだけ話題になったかは分かるが、話しているのが顧客なのか、ただの通りすがりなのかが分からない」「施策の会議で、SNSではこう言われていますと報告しても、それは誰の声なのかと聞かれて答えられない」——SNSの声を施策に使おうとするマーケ部門で、繰り返し出てくる悩みです。SNSの声を集める道具の多くは、投稿の言葉を拾い、話題と感情に分けて数える仕組みです。そこで分かるのは「何が言われているか」で、「誰が言っているか」ではありません。施策を決めるときに足りないのは声の量ではなく、その声を出しているのがどんな集団かという情報です。この記事では、英国の Pulsar が打ち出すオーディエンス分析を手がかりに、ソーシャルリスニングやアンケートとの違いと、AIが作った集団の分け方を施策の根拠に使ってよい条件を整理します。

Pulsarのオーディエンス分析とは何か

Pulsar は、自社を「オーディエンス・インテリジェンス」の基盤と位置づけています。2025年に公式サイトに掲載された製品の概要では、主要なデジタルの場から集めた会話と行動の信号を、業種ごとに学習させたAIと組み合わせ、マーケと新しい事業の戦略に使う知見を出す、と説明されています。

ここで言うオーディエンス分析は、話題そのものではなく、話題の担い手を分析の単位にする考え方です。主力の分析の製品について、公式の資料は「会話を、そこに参加しているコミュニティごとに絞り込める」と書いています。たとえば、ある新製品の話題があったとき、その話題を盛り上げているのが、以前からの愛用者の集まりなのか、価格に敏感な比較好きの集まりなのか、業界の専門家の集まりなのかを分けて見る、ということです。

このほか、公式の概要には、自社のSNSアカウントの伸びや反応を見る製品、話題の盛り上がりと落ち着きを国や都市ごとに追う製品、業種別の調査を請け負う調査の部門が並んでいます。この記事では、そのうち会話の担い手を集団として見分ける部分に絞って扱います。自社アカウントの数字の追い方や、SNS運用の指標の決め方は、それぞれ別の記事に譲ります。

作っている会社と、国内でまだ知られていない理由

Pulsar は英国ロンドンを拠点にする会社で、公式の製品資料の連絡先もロンドンの番号になっています。親会社は英国の市場に上場する Pulsar のグループで、2024年5月に、それまでのアクセス・インテリジェンスという社名から、主力の製品名である Pulsar を冠した社名に改めたと同社が開示しています。2026年10月時点で、公式サイトや公式ブログに、製品の終了や他社への統合の告知は見当たりません。

日本でほとんど知られていない理由は、確かめられる範囲で3つあります。まず、公式サイトと資料は英語で、日本語の案内がありません。次に、料金は公開されておらず、営業への問い合わせが入り口です。そして、公式の資料に顧客として並ぶのは、大手のブランドや広告会社、スポーツのクラブ、医療の広報会社などで、海外の大企業と広告会社を主な相手にした製品だということです。

一方で、日本語が扱えないわけではありません。2023年に提供元が作った製品資料では、195か国の会話を集め、62の言語を見分け、そのうち24の言語で話題と感情を読み取れるとし、日本語もその中に含まれています。ただし、これは3年前の資料の記載です。日本語の投稿でどこまでの精度が出るか、国内の掲示板や媒体をどこまで集めているかは、試用の段階で、自社の話題を使って確かめる必要があります。

「何が言われているか」と「誰が言っているか」は別の問い

ソーシャルリスニングの基本は、決めた言葉を含む投稿を集め、量の推移、話題の内訳、好意的か否定的かを数えることです。これで、自社の名前がいつ、どんな話題と一緒に語られたかが分かります。ソーシャルリスニングそのものの始め方や、観測する言葉の決め方は、別の記事で扱っています。

ところが、施策を決める場面で本当に必要なのは、その声が誰のものかという情報であることが少なくありません。同じ「使いにくい」という声でも、毎日使っている愛用者の集団から出ているなら製品の改善の話になり、まだ買っていない比較好きの集団から出ているなら、売り場や広告の伝え方の話になります。声の量が同じでも、話し手の集団が違えば、打つべき手が変わるのです。

もう1つの違いは、声の大きさの偏りです。SNSの会話は、ごく一部のよく話す人や、拡散力のあるアカウントに引っ張られます。何が言われているかだけを数えると、少数の声の大きな集団の関心が、市場全体の関心のように見えてしまいます。誰が言っているかを分けて見ることは、この思い違いを防ぐための手立てでもあります。

話題の担い手の集団はどうやって見つけるのか

公式の資料によれば、Pulsar は会話をネットワークとして見ます。誰が誰の投稿に反応し、誰をフォローし、どの話題で互いにつながっているかをつなぎの図にし、つながりの濃い塊を集団として取り出す、という考え方です。公式は、この図から、情報がどう広がるか、どの発信者が集団と集団をつないでいるかが分かると説明しています。

2023年の製品資料には、この考え方に沿った機能がいくつか並んでいます。会話の担い手を集団に分け、集団ごとに言葉づかい・話題・態度の違いを見る機能。言葉・ハッシュタグ・話題・共有された画像・話し手を、独自の仕組みで塊に分ける機能。そして、性別や地域、関心の集団で会話を絞り込む機能です。集団は、人が先に決めた区分ではなく、データの中のつながりから下から上へ見つけるものとして描かれています。

ここで押さえておきたいのは、集団の分け方も、性別や地域の絞り込みも、投稿やプロフィールからの推定だということです。公開のプロフィールに書かれていない属性は、言葉づかいや反応の仕方から推し量るしかありません。推定である以上、分け方には誤りが混じりますし、どのデータを集めるかの選び方でも塊の形は変わります。この点は、後の節で施策の根拠に使う条件を決めるときの前提になります。

AIの機能　Insight Agentsと4つの役割

Pulsar は2025年10月、Insight Agents と名付けたAIの機能を発表しました。公式ブログでは、ソーシャルリスニング、報道の監視、オーディエンス分析、言説の検知でよく行う作業に向けて学習させた、AIの協働者を「雇う」ように使えると説明しています。仕組みは、目的に合う種類のエージェントを選び、分析の対象にするデータを指定すると、エージェントが成果を返すというものです。

公式ブログに挙がっている役割は4つです。異常を見つけて知らせる警報の役、予測を担う役、データや中身が決まりに沿っているかを保つ順守の役、そして調査の役です。調査の役は、依頼に答え、原因を推定し、レポートやダッシュボードを作り、次の打ち手を勧めるとされています。返ってくる成果の例として、警報、分析、セグメント分け、レポート、順守の確認が並んでいます。

公式ブログは、成果に対して利用者が意見を返し、エージェントを調整して次の作業に生かす、という使い方も示しています。言い換えれば、AIの答えは、人が見て直すことを前提にした下書きです。とくに「原因を推定する」「次の打ち手を勧める」という部分は、AIが集めたデータの範囲での推定であり、施策の決定そのものではありません。どこまで人が確かめるかは、次の比較と、その後の条件の節で決めます。

3つの方法を比べる

話題の担い手を知る方法は、Pulsar のようなオーディエンス分析だけではありません。ここでは、ソーシャルリスニング、オーディエンス分析、アンケートやインタビューの3つを、分かること・分からないこと・偏り・AIの要約の確かめ方・費用の増え方で並べます。

比べる点	ソーシャルリスニング	オーディエンス分析	アンケート・インタビュー
分かること	何が・いつ・どれだけ言われたか、好意か否定か	誰が言っているか、どの集団がどの話題を担っているか	聞いた相手が本当にそう思うか、理由は何か
分からないこと	話し手がどんな集団か	話していない人の考え、集団の分け方が正しいか	聞かなかったこと、話題の自然な広がり
主な偏り	よく話す人と拡散力のある投稿に引っ張られる	公開で話す人だけが対象。属性は推定	設問の作り方と、答えてくれる人の偏り
AIの要約の確かめ方	元の投稿を抜き出して読む	集団ごとに代表の投稿を読み、名前と中身が合うかを見る	回答の原文と、集計の条件を見比べる
費用の増え方	集める言葉と投稿の量、利用者の数	集める量と分析の範囲、利用者の数。個別の調査の依頼は別	対象者の数と設問の数、聞き手の手間

表から分かるとおり、3つは置き換え合うものではなく、確かめられる問いが違う道具です。オーディエンス分析は、ソーシャルリスニングが答えられない「誰が」に答えますが、その答えは公開で話す人の中での推定です。アンケートやインタビューは、推定ではなく本人に聞いて確かめられますが、聞かなかったことは分かりません。費用の欄は Pulsar の料金表ではなく、方法ごとに一般に費用が増える要因を並べたものです。

実務では、3つを順番につなぐと無駄が少なくなります。まずソーシャルリスニングで、どの話題に量があるかを見る。次に、量のある話題に絞ってオーディエンス分析をかけ、担い手の集団の候補を出す。最後に、狙うかどうか迷う集団について、アンケートやインタビューで確かめる。道具を選ぶ前に、自社がいまどの段で止まっているかを確かめると、3つのうちどれに費用をかけるべきかが見えてきます。

ソーシャルリスニングで足りる場面

すべての会社がオーディエンス分析まで必要とするわけではありません。自社の名前や製品の話題の量が少ない場合、集団に分けても1つの集団に数件の投稿しか残らず、分ける意味がありません。また、炎上の兆しを早く見つけたい、問い合わせが増えている不具合の話題を拾いたい、といった目的なら、何が言われているかを素早く数えるだけで目的を果たせます。

BtoBの会社では、そもそもSNSで公開に話題にされる量が限られます。この場合は、話し手の集団を分けるより、業界の掲示板や記事への言及を拾い、営業や製品の担当に回すほうが役に立つことが多いでしょう。集団に分けるのは、分けた後に打ち手が変わるときだけと考えておくと、道具に払う費用の判断がしやすくなります。

判断の目安は、施策の会議で「その声は誰のものか」と聞かれる場面がどれだけあるかです。聞かれても答えに困らない、あるいは聞かれること自体がないなら、ソーシャルリスニングで足ります。反対に、その問いで施策の決定が止まることが続くなら、次の節のオーディエンス分析を検討する段階に来ています。

オーディエンス分析が要る場面

オーディエンス分析が力を発揮するのは、話題の量が十分にあり、しかも話し手が一枚岩ではない場面です。たとえば消費者向けの製品で、同じ製品について、長年の愛用者、乗り換えを考えている人、価格だけを比べる人が、それぞれ違う言葉で話している場合です。公式の資料が例に挙げるスポーツのクラブでも、ファンの中のさまざまな集団を地図のように描き分けた、と紹介されています。

もう1つは、新しい市場や新しい世代の顧客を探す場面です。自社が想定していなかった集団が、自社の製品の話題を担っていることがあります。人が先に区分を決めるアンケートでは、想定していない集団は見つかりません。データのつながりから集団を見つけるやり方は、自分たちが知らなかった顧客の集団の候補を出すのに向いています。

ただし、ここで出てくるのは、あくまで候補です。集団に付いた名前は、AIや分析の担当者が、塊の中の言葉から付けたラベルにすぎません。ペルソナの作り方に取り込む場合も、集団の名前をそのまま人物像にせず、別の記事で扱っているペルソナ設計の手順で裏づけを取ってください。集団の候補はAIが出し、その集団を狙うかどうかは人が決めるという順番を崩さないことが大切です。

アンケート・インタビューで確かめる場面

オーディエンス分析で見つけた集団を施策の根拠にする前に、アンケートやインタビューで確かめるべき場面があります。1つは、予算や製品の仕様といった、後から戻しにくい決定に使うときです。公開で話す人の推定だけで大きな決定をすると、話さない多数の顧客の考えを取りこぼします。

2つ目は、集団の大きさを知りたいときです。オーディエンス分析で分かるのは、会話の中での集団の存在と、その集団の話し方です。その集団が顧客全体の何割にあたるかは、会話のデータからは分かりません。集団の割合を数字で語るなら、対象を決めて聞く調査が必要です。なお、AIに回答者の役をさせて答えさせる調査は、実在の人に聞く調査の代わりにはなりません。その限界は別の記事で整理しています。

3つ目は、集団の名前と中身が合っているかを確かめたいときです。分析で「価格に敏感な集団」と名付けた塊の人に実際に聞いてみると、価格よりも手続きの面倒さを嫌っていた、ということは起こり得ます。オーディエンス分析で仮説を立て、聞く調査で確かめるという組み合わせにすると、どちらか片方だけでは出せない確かさで施策を決められます。

AIの集団の分け方を施策の根拠にしてよい条件

AIが作った集団の分け方や要約を、施策の根拠として会議に出してよいかどうかは、毎回の思いつきで決めず、部門で条件を決めておきます。ここでは、確かめる順番を5つの段に並べます。

この5段のうち、AIに任せられるのは、集計と、集団の候補出しと、代表の投稿の抜き出しまでです。名前と中身が合っているか、数字をどう言い表すか、聞く調査を足すかは人が決めます。会議の資料には、集めた範囲と、人が代表の投稿を読んだことを1行で添えると、聞く側も根拠の強さを判断できます。

条件を満たさないまま出すと、AIの付けた集団の名前が、いつの間にか社内の共通の言葉になり、誰も確かめていない顧客像が施策の前提になっていきます。反対に、この条件を満たした集団の分け方は、施策の対象を絞る根拠として十分に使えます。条件は厳しくするためではなく、使える根拠と使えない根拠を分けるためのものです。

偏りと代表性　話している人は顧客の一部

オーディエンス分析の結果を読むときに、いちばん忘れやすいのは、分析の対象が公開の場で話している人だけだという点です。SNSで自社の製品について投稿する人は、顧客の中でも、とくに熱心な人か、とくに不満の強い人に偏りがちです。黙って使い続けている多数の顧客は、データの中に現れません。

媒体の偏りもあります。どの媒体の会話を集めるかで、見つかる集団は変わります。公式の資料は、国ごとの媒体や医療の専門の掲示板など、有料の情報源も含めて幅広く集めると説明していますが、日本の利用者がどの媒体で話しているかと、Pulsar がどこまで集めているかが合うとは限りません。試用の段階で、自社の顧客が話している場が集める範囲に入っているかを確かめてください。

さらに、AIの分け方そのものにも偏りが入ります。業種ごとに学習させたAIのモデルは、学習に使ったデータに近い話し方をうまく分け、そうでない話し方を取りこぼすことがあります。結果を報告するときは、「公開で話す人の中では」という前置きを外さないことを決めておきます。前置きを外した瞬間に、推定は事実のように扱われ始めます。

AIの要約を確かめる

Insight Agents のようなAIの機能は、集団ごとの話題や態度を要約し、原因の推定や次の打ち手まで文章にしてくれます。読みやすい要約ほど、そのまま会議の資料に貼りたくなりますが、要約は元の投稿の一部を選んで言い直したものです。どの投稿を選んだかで、同じデータから違う要約ができます。

確かめ方の基本は、要約の主張ごとに、元の投稿を数件ずつ引き出して読むことです。「この集団は価格に不満を持っている」という要約なら、その集団の中で価格に触れた投稿を読み、皮肉や冗談を不満として数えていないか、宣伝の投稿や自動で投稿するアカウントが混じっていないかを見ます。日本語の言い回しや略語は、海外で作られた分析の仕組みが苦手とする部分なので、とくに丁寧に読みます。

原因の推定と次の打ち手の勧めは、さらに慎重に扱います。会話のデータから分かるのは、話題が増えた時期と、同じ時期に起きたことの並びまでです。同じ時期に増えたことは、原因であることの証明にはなりません。AIの勧めは検討の候補の1つとして扱い、施策の決定は、ほかのデータや聞く調査と合わせて人が行います。

個人を名指しで追わない

話題の担い手を見分ける道具は、使い方を誤ると、特定の個人を追いかける道具になります。2023年の製品資料では、アカウントの一覧を取り込んで、特定の集団の会話を聞く機能も紹介されています。影響力のある発信者を見つける機能と合わせると、誰が何を言ったかを個人単位で追うこともできてしまいます。

マーケの施策に必要なのは集団の傾向であって、個人の言動ではありません。公開の投稿であっても、特定の個人の発言を集めて社内で回覧したり、批判的な投稿をした人に接触したりすれば、本人が想定していない使われ方として受け取られ、自社の信用を損ないかねません。Pulsar のグループの公式のトラストセンターは、英国の一般データ保護規則を主な指針とし、顧客向けのデータ処理の取り決めと委託先の一覧を示していますが、自社の側でどう使うかは自社が決めることです。

部門の決まりとして、分析の結果は集団の単位で報告し、個人のアカウント名を資料に載せないこと、取り込むアカウントの一覧は目的と範囲を承認してから作ることを定めておきます。SNSのコメントやメッセージへの返信をどう扱うかは、別の記事に譲ります。

• AIが付けた集団の名前を、確かめずに社内の顧客像として使う
• 会話の中での件数を、顧客全体の割合のように報告する
• 推定の性別や地域を、確かな属性のように書く
• AIの原因の推定や勧めを、そのまま施策の決定にする
• 批判的な投稿をした個人のアカウントを資料に載せ、社内で回覧する
• 目的を決めずにアカウントの一覧を取り込み、個人の発言を追い続ける

費用の増え方と、やめるときに残るもの

Pulsar は料金を公開していないため、この記事では金額を扱いません。一般に、この種の分析の基盤は、集める会話の量、分析の対象にする話題や期間の範囲、利用者の数で費用が決まり、業種別の調査の依頼のような人の手を使う支援は別に費用がかかることが多いと考えられます。試用や見積もりの段階で、自社の話題の量でどこまでの範囲が対象になるかを確かめます。

社内の費用も見ておきます。前の節で挙げた、代表の投稿を読む作業や、聞く調査で確かめる作業は、道具を入れても人の手で行います。道具の費用だけでなく、確かめる人の時間まで含めて見積もると、導入した後に結果が使われないまま積み上がる事態を避けられます。

やめるときに残るものも確かめておきます。分析の結果やダッシュボードを、自社の置き場に書き出せるか、集団の分け方の定義を持ち出せるかで、乗り換えたときに失うものが変わります。集団の名前と定義、集めた範囲、確かめた結果を、部門の資料として自社の側に残しておけば、道具を替えても積み上げた理解は残ります。

よくある質問

ソーシャルリスニングの道具をすでに使っていても、Pulsarは要りますか

今の道具で「その声は誰のものか」に答えられず、施策の決定が止まる場面が続くなら、検討する価値があります。答えられているなら、まず今の道具の使い方を深めるほうが先です。今の道具にも、話し手の属性で絞り込む機能があることがあります。

日本語の投稿でも使えますか

提供元が2023年に作った資料では、日本語は話題と感情を読み取れる言語の1つに挙がっています。ただし資料が古く、日本語での精度や国内の媒体の範囲は公式で確かめられませんでした。試用の段階で、自社の話題を使って確かめてください。

BtoBの会社でも意味がありますか

公開の場で自社や業界が話題になる量が少ない会社では、集団に分けても数が足りないことが多いでしょう。業界の専門家や技術者の集まりが活発に話している分野なら、どの集団が新しい話題を持ち込んでいるかを知る手がかりになります。まず自社の話題の量を試用で確かめてから判断してください。

ハッシュタグの選び方にも使えますか

集団ごとの言葉づかいの違いは参考になりますが、この記事の主題からは外れます。ハッシュタグの決め方は別の記事で扱っています。

AIの分析の結果を、そのまま役員会に出してもよいですか

集めた範囲、代表の投稿を人が読んだこと、推定である点を添えたうえでなら、検討の材料として出せます。予算や製品の仕様のような戻しにくい決定の根拠にするなら、聞く調査で確かめてからにしてください。

まとめ

Pulsar は、SNS・ニュース・掲示板などの会話を集め、話している人のつながりから関心の集団を見つけるオーディエンス分析の基盤で、AIの機能として Insight Agents を出しています。ソーシャルリスニングが「何が言われているか」に答えるのに対し、オーディエンス分析は「誰が言っているか」に答えます。ただし、その答えは公開で話す人の中での推定です。会話の集計と集団の候補出しと要約はAIに任せ、どの集団を狙うか、数字を施策の根拠にしてよいかは、代表の投稿を読み、必要なら聞く調査で確かめたうえで人が決める。個人を名指しで追わない。この線を部門で決めてから使い始めてください。

• 製品の機能・データの扱いは、Pulsar の公式ブログ、公式の製品資料（2025年掲載の概要、2023年作成の製品資料）、公式のトラストセンターを2026年10月19日に確かめた範囲に基づきます。古い資料の記載は現在と異なる場合があるため、利用前に最新の原文と試用で確かめてください
• 公開の投稿であっても、個人に関わる情報の扱いは自社の個人情報の取り扱いの決まりに関わります。実際の運用は法務の担当者と確かめてください

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。