Zappiの合成回答者で足りる？｜出稿前テストの線引き

「出稿前に広告を調査にかけたいが、結果が届くころには配信が始まっている」「AIが消費者の代わりに広告を評価してくれるなら、事前調査の予算は要らなくなるのでは」——動画や縦型の広告素材を毎月何十本も出すマーケ部門で、担当者からも上長からも聞く声です。広告の事前調査は、設問を作り、回答者を集め、集計するまでに数週間かかるのが普通でした。ところが2026年6月、英国の消費者調査の会社 Zappi が、人の調査の手法で鍛えた「合成回答者」で広告への反応を予測し、30〜60分で結果を返す Amplify AI を出しました。速さの壁は、少なくとも一部の素材では崩れつつあります。ただし、合成回答者は人の調査の安い代わりではありません。本当は、これまで調査にかけられずに出していた大量の素材に、出す前の目安を付ける道具です。だから残る問いは、どの素材を予測で済ませ、どの素材に人の調査を残すかになります。この記事では、人の調査・合成回答者の予測・出稿してから学ぶ、の3つの道を比べ、予測を判断材料にする範囲と、その線を誰が決めるかを整理します。

Zappi は、広告と新商品への消費者の反応を測る調査の会社

Zappi は、広告の案や新商品の案に対する消費者の反応を、オンラインの調査で測る会社です。2026年10月時点の公式サイトによれば、事業の始まりは2012年、調査を行う市場は50以上、顧客は1,000社以上とされています。主な顧客の業種として挙がっているのは、消費財、外食、金融、通信です。広告の制作会社に任せきりにせず、広告主の側が自分たちで消費者の声を聞いて案を選ぶ、という使い方を前提にしています。

特徴は、調査の設問と分析の形を、あらかじめ決めた型として持っていることです。顧客が素材を上げると、毎回同じ物差しで結果が返ってきます。同じ型で測った過去の結果がたまっていくため、新しい広告の点数を、過去の広告の分布と並べて読めます。公式のニュースでも、比較の基準になる過去の結果の束を作り直したという発表が2026年7月に出ています。

つまり Zappi は、AIの会社として始まったのではなく、人の調査の会社がAIの予測を足した形です。今回の合成回答者も、同社が人の回答者で積み上げてきた調査の手法を土台に鍛えたと説明されています。合成回答者の予測の質は、土台にある人の調査の量と型に支えられているという点は、後で「BtoBの広告に当てはまるか」を考えるときに効いてきます。

広告の事前調査を担う会社は国内にもありますが、Zappi の打ち出し方は「調査を発注する」ではなく「自社で回す仕組みを持つ」に近いものです。そのため、使う側に求められるのは調査の設計の知識よりも、どの素材をどの頻度で測るかという運用の決めごとになります。この記事の後半で扱う線引きは、そのまま運用の決めごとでもあります。

国内でまだ知られていない理由

日本語で Zappi を紹介した記事は、2026年10月時点でほとんど見当たりません。理由はいくつか考えられます。1つは顧客の層です。公式サイトの事例に並ぶのは、世界規模で広告を出す消費財や外食の大手で、日本の中堅企業の広告の担当者が日常的に名前を聞く製品ではありません。

2つめは提供の地域です。2026年6月の発表では、Amplify AI の提供先は米国と英国とされています。日本の市場、日本語の広告、日本の消費者を前提にした予測が使えるかは、公式の発表からは確認できませんでした。人の調査は50以上の市場で行うとされていますが、合成回答者の予測が同じ範囲に広がっているとは書かれていません。

3つめは、そもそも「合成回答者」という考え方が、国内ではまだ実験の段階にあることです。AIに回答者の役をさせる試みそのものは国内でも話題になっていますが、広告の出稿前テストの製品として、配信面ごとに素材を流し込む形で提供されている例は多くありません。このため、この記事は「日本ですぐ導入する製品の紹介」ではなく、これから日本でも同じ形の道具が出てきたときに、部門で決めておくことの整理として読んでください。

AIに回答させた調査が実態とずれる一般の原因（学習した文章の偏り、多数派への寄り、設問への過敏さなど）は、別の記事で詳しく整理しています。この記事ではその原因の解説には入らず、広告の出稿前テストという1つの場面で、予測を使う範囲をどう切るかに絞ります。

2026年6月の Amplify AI で何が出たのか

2026年6月30日、Zappi は公式のニュースで Amplify AI と Amplify Hub を発表しました。Amplify は同社の広告テストの製品群の名前で、Amplify AI はその中の予測の道具、Amplify Hub は結果をまとめて見るための場所です。英国の調査業界誌も2026年7月13日にこの発表を報じ、ソーシャル動画の広告への反応を、機械学習と合成回答者で予測する道具だと紹介しています。

公式の説明によれば、Amplify AI の対象は、大量に作られるソーシャル動画と YouTube の素材です。配信面としては TikTok、Instagram、Facebook、YouTube が挙がっています。1回のアップロードで最大100本の素材を、特定の配信面と市場ごとに流し込み、30〜60分で簡易の報告が返ってくるとされています。数週間かかっていた事前調査と比べると、桁が2つ違う速さです。

Amplify Hub は、テストした広告を媒体の種類や制作の段階ごとに一覧で見る場所と、キャンペーンや配信面ごとに素材をまとめて比べる場所を持ちます。2026年10月時点の公式の説明では、Amplify の顧客全員に提供中とされています。あわせて同社は2026年8月26日、新商品の案を早い段階で絞るための合成の道具（シンセティック・アイデア・プレスクリーナー）も出しましたが、こちらは米国と英国の消費財・外食の顧客に向けたベータの提供で、広告の予測とは別の製品です。

発表の背景として、Zappi は世界の大手の顧客20社以上との対話から、キャンペーンの素材のうち出稿前に消費者の声で確かめられているのは5〜10%ほどにとどまる、と述べています。これは提供元の聞き取りに基づく数字です。残りの9割以上は、誰にも聞かずに出ている。この空白を埋めるのが Amplify AI の狙いだ、という位置づけです。

合成回答者の予測は何を返し、何を返さないのか

Amplify AI が返すのは、素材の強さの総合的な目安を示す点数（提供元の呼び名はクリエイティブ・パワー）と、どこが強くどこが弱いかを示す補助の点数（同じく3Rs）です。公式の説明では、これらは「方向を示す目安」とされています。確定した評価ではなく、どちらに寄っているかを早く知るためのものです。

精度について、提供元の発表では「検証で、予測の84%が人の回答者による結果から1ポイント以内に収まった」とされています。ただし、点数の尺度、検証に使った広告の本数や種類、どの市場での検証かは、発表文には書かれていません。84%という数字は提供元の主張で、第三者の検証を経たものではないことを押さえておきます。

返さないものも、公式の説明から読み取れます。発表文は、より深い診断、回答者の層ごとの分析、確度の高い検証が要る場面には人の回答者の調査を使うよう勧めています。つまり、「誰に効いて誰に効かないか」「なぜ効かないのか」を細かく掘る問いには、予測は答えません。返ってくるのは、全体としての強さの見込みと、大まかな強弱の場所までです。

調査業界誌の取材に対し、Zappi の最高経営責任者アーロン・ケクリー氏は「AIは消費者調査の代わりにはならない」と述べたうえで、信頼できる消費者の声を、ブランドの判断の中で即時に、継続して使える形にするのが狙いだと説明しています。提供元自身が線を引いている以上、使う側が予測を人の調査の代わりとして扱わないことは、導入の前提条件になります。

比べる3つの道：人の調査・合成回答者の予測・出稿してから学ぶ

出稿前のテストの選択肢は、実際には3つあります。1つめは、人の回答者に素材を見せて評価を集める従来の調査です。2つめは、Amplify AI のような合成回答者の予測です。3つめは、事前のテストをせずに少額で出稿し、配信の数字から学ぶ道です。多くの会社は、意識しないまま3つめを選んでいます。

3つめの「出稿してから学ぶ」は、テストを省いているように見えて、実は最も本物に近い反応が取れる道でもあります。実際の配信面で、実際の見込み客が、実際に指を止めたかどうかが分かるからです。弱点は、学ぶための費用が広告費そのものだということと、失敗した素材もブランドの名前で世に出てしまうことです。

1つめの人の調査は、層ごとの違いや理由まで掘れる代わりに、時間と費用がかかります。2つめの予測は、速く大量に回せる代わりに、方向の目安しか返しません。3つの道は優劣ではなく、素材の性質によって向き不向きが分かれると考えるのが出発点です。次の節で、6つの軸で並べます。

なお、出稿してから学ぶ道で素材ごとの勝ち負けをどう読むか、ABテストをどう組むかは、出稿後の話として別の記事で扱っています。ここでは出稿の前に、どの道を通すかを決める段階に絞ります。

3つの道を6つの軸で比べる

比べる軸は、速さ、費用の増え方、分かること、分からないこと、BtoBの広告への当てはまり、誤ったときの損の6つです。Amplify AI の欄は2026年10月時点の公式の説明に基づき、それ以外は一般的な性質として書いています。

比べる軸	人の調査	合成回答者の予測	出稿してから学ぶ
速さ	数日から数週間	提供元の説明では30〜60分	配信して数字がたまるまで数日以上
費用の増え方	素材の本数と回答者の数に比例して増える	契約の形しだい。本数あたりの増え方は提供元に確かめる	学ぶための広告費がそのままかかる
分かること	全体の評価、層ごとの差、理由の言葉	全体の強さの目安と、大まかな強弱の場所	実際の配信面での行動（止まった・押した）
分からないこと	実際の配信面での行動	層ごとの差、理由、新しい表現への反応の確かさ	なぜ効いたか、効かなかったか
BtoBへの当てはまり	回答者を選べれば当てはまる	学習の元が消費者で、当てはまりにくい	当てはまるが、件数が少なく読みにくい
誤ったときの損	時間と費用	外れた予測で良い案を捨てる、悪い案を通す	失敗した素材が世に出る

表で見ると、予測の道が最も得意なのは「速さ」と「本数」の行です。逆に、「分からないこと」と「誤ったときの損」の行は、予測の道がいちばん見えにくいことが分かります。外れたときに、外れたと気づく仕組みが予測の中にはないからです。

この表は、どれか1つの道を選ぶためのものではありません。同じ部門の中でも、素材によって通す道を変えるための下地です。次の2つの節で、予測で足りる素材と、人の調査を残す素材を分けます。

合成回答者で足りる素材：数が多く、1本あたりの賭けが小さい

予測で足りるのは、提供元が想定している使い方そのものです。ソーシャル動画の派生版のように、1つの企画から何十本も作り、配信しながら入れ替えていく素材がこれにあたります。1本あたりの広告費が小さく、外れても配信を止めれば損が限られる素材です。

こうした素材は、これまで人の調査にかける理由がありませんでした。数十本を毎回調査に出す時間も予算もないからです。そこに予測で目安を付ければ、明らかに弱い数本を出す前に外す、強そうな数本に配信の予算を寄せる、という使い方ができます。判断の質を上げるというより、何も見ずに出していた状態から一歩進むのが、この場面での価値です。

もう1つ向くのは、すでに人の調査で方向が確かめられている企画の中の、細かな違いの見比べです。冒頭の数秒の見せ方、字幕の入れ方、終わりのロゴの出し方といった違いで、どれが強そうかの順番を付ける場面です。大枠の訴求が人の調査で決まっていれば、予測が多少外れても大きな損にはなりません。

ただし、予測で足りる素材であっても、出稿後の数字は必ず予測と突き合わせます。予測で上位だった素材が配信でも上位だったか。この突き合わせを続けないと、予測が自社の素材と自社の見込み客に合っているのかどうかが、いつまでも分かりません。

人の調査を残す素材：投資の大きい素材と、初めての訴求

反対に、人の調査を残すべき素材ははっきりしています。1つめは、テレビやデジタルの大型キャンペーンの柱になる素材のように、制作費と配信費が大きく、外れたときの損が大きい素材です。提供元も、確度の高い検証が要る場面には人の回答者の調査を使うよう勧めています。

2つめは、初めての訴求や、これまでにない表現の素材です。合成回答者は、過去に人が答えた調査の積み重ねを土台にしています。過去に似たものがない表現ほど、土台の外に出るため、予測の確かさは下がると考えるのが自然です。新しい切り口を試すときほど、人に聞く意味があります。

3つめは、誰に効いて誰に効かないかを知りたい素材です。新しい層に向けた素材や、層によって受け止め方が割れそうな素材がこれにあたります。予測は全体の目安を返すもので、層ごとの差を掘る問いには向きません。

4つめは、炎上や誤解の危険がある素材です。社会的な話題に触れる表現、ユーモアの解釈が人によって割れる表現、特定の集団の描き方が問われる表現は、点数の高低ではなく、どう受け取られるかを人の言葉で聞く必要がある素材です。ここは予測の守備範囲の外にあります。

BtoBの広告に当てはめるときの限界

BtoBの企業の広告担当がこの種の道具を検討するときは、限界を先に押さえておく必要があります。1つめは、合成回答者の学習の元です。公式の説明では、同社が消費者を相手に積み上げてきた調査の手法が土台で、主な顧客は消費財や外食です。情報システムの担当者や工場の責任者が、業務の道具の広告をどう見るかを、消費者の回答から推し量れるとは限りません。

2つめは、決裁の構造です。BtoBの購買では、広告を見た担当者がそのまま買うのではなく、上長、情報システム、購買、経営の承認を経ます。広告の役割も、その場で買わせることより、名前を覚えてもらい、社内で話題にしてもらうことに寄ります。1人の回答者が素材を見てどう感じるかを予測する仕組みは、この何層もの決裁を再現しません。

3つめは、対象の素材の形です。2026年10月時点の公式の説明では、対象はソーシャル動画と YouTube の素材です。BtoBで多い、ホワイトペーパーへの誘導の静止画広告や、ビジネス向けのSNSでの文章中心の広告、比較サイトへの出稿は、対象として挙がっていません。

こうした理由から、BtoBの企業では、予測を出稿の判断に使うより、消費者に近い層に向けた採用広告や、ブランドの認知を狙う動画の一部で試す程度から考えるのが現実的です。BtoBで出稿後に認知の効き目を測る方法は、ブランドリフト調査の記事で扱っています。

予測の点数を素材の良し悪しの証明にしない

予測の道具を入れたマーケ部門で最も起きやすいのは、点数が社内の説得の道具に変わることです。制作会社の案を通したいときに「AIの点数が高かった」と言い、通したくないときに「点数が低い」と言う。点数が、判断の材料から、判断を正当化する札に変わってしまう状態です。

• 予測の点数が高かったことを、上長や経営への報告で「効果が保証された」根拠として出す
• 点数の低い素材を、理由を確かめずに制作会社への差し戻しの理由にする
• 予測の点数を、制作会社や社内の制作担当の評価の数字に直接つなげる
• 予測で上位だった素材が配信で振るわなくても、予測との突き合わせをせずに次の素材も同じ使い方を続ける
• 米英向けの予測の結果を、日本の配信にもそのまま当てはまるものとして扱う

どれも、予測を「方向の目安」ではなく「答え」として扱った結果です。提供元が方向の目安と書いている以上、点数を社外や経営への説明に使うときは、予測であることと、提供元の主張する精度であることを必ず添えるのが最低限の作法です。

もう1つ大事なのは、点数の差が小さいときの扱いです。1ポイント以内の差を「勝ち」と読むのは、提供元の言う予測の幅の中での上下を読むことになりかねません。差が小さいときは、どちらでもよいと判断して、別の理由（制作の都合、配信面との相性）で決めるほうが筋が通ります。

予測を判断材料にする範囲を部門で決める

ここまでの整理を、部門の決めごとに落とします。決める順番は次のとおりです。最初に素材を分け、次に道を割り当て、最後に突き合わせの仕組みを作ります。

区分ごとの割り当ては、たとえば次のような表になります。これは考え方の例で、どの区分をどの道に入れるかは、各社の投資の大きさと素材の本数で変わります。

素材の区分	通す道	最終の判断
キャンペーンの柱になる素材	人の調査	ブランドの責任者
柱から作る派生の動画	合成回答者の予測で絞り、配信で確かめる	広告運用の担当
冒頭や字幕の細かな違い	予測で順番を付ける	広告運用の担当
初めての訴求・新しい表現	人の調査か、少額の出稿	ブランドの責任者
社会的な話題に触れる表現	人の調査と、社内の確認	ブランドの責任者と広報

誰が決めるか：出稿の判断、ブランドの方針、外れたときの責任

AIの使いどころの線は、はっきり分けておきます。反応の予測、案の絞り込み、点数の傾向の要約はAIに任せてよい作業です。一方で、出稿するかどうかの判断、ブランドとして何を言い何を言わないかの方針、予測が外れたときの責任は、人が持ちます。

特に曖昧になりやすいのが、外れたときの責任です。予測で高い点数が出た素材が配信で振るわなかったとき、誰の判断ミスなのか。予測を使うと決めたのも、その素材を出すと決めたのも人である以上、責任は出稿を決めた人にあります。AIの点数を理由に責任の所在をぼかすと、次から誰も判断の理由を書かなくなります。

このため、出稿の判断の記録には、予測の点数だけでなく「なぜこの素材を出すと決めたか」を一言残しておきます。予測に従ったのか、予測に反して別の理由で出したのか。記録が残っていれば、突き合わせのときに、予測が外れたのか、予測を読み違えたのかを分けられます。

制作会社との関係も整理しておきます。予測を自社で回すと、制作会社が出した案を、制作会社の知らないところで点数にかけることになります。点数を差し戻しに使うのであれば、その使い方と、点数が予測であることを、契約や発注の段階で伝えておくほうが後の揉めごとを防げます。

何が外に出るか：未公開の素材を預けるときに確かめること

出稿前のテストでは、まだ世に出ていない広告を外部の仕組みに預けます。新商品の情報、発売日、価格、出演者の契約に関わる素材が含まれることもあります。2026年6月の発表文には、アップロードした素材がどこに保存され、どのくらいの期間残り、予測の仕組みの学習に使われるかどうかの記載はありませんでした。

公式サイトには信頼性の情報をまとめた窓口への案内がありますが、この記事では認証の種類や保存の地域を確かめられていません。導入を検討するときは、預けた素材が、ほかの顧客向けの予測の土台に使われるかどうかを、契約の前に書面で確かめてください。合成回答者の仕組みが過去の調査の積み重ねで鍛えられている以上、自社の素材と回答がその積み重ねに加わるのかは、気にすべき点です。

• 発売前の商品の情報を含む素材は、予測の道に通すかどうかを、素材の区分とは別に判断する
• 素材に出演者や外部の権利者が関わる場合、外部の仕組みへの預け入れが契約の範囲に入っているかを確かめる
• 海外の仕組みに預けることになるため、社内の情報の持ち出しの規程に当てはまるかを情報システムの担当に確かめる

これらは、マーケ部門だけで決めきれない項目です。予測の道を使い始める前に、法務と情報システムの担当に一度目を通してもらう段取りを入れておくと、後から止まることを防げます。

費用の増え方と、試すときの組み立て

2026年10月時点の公式の発表には、Amplify AI の料金は書かれていません。人の調査は素材の本数と回答者の数に比例して費用が増えるのが一般的ですが、予測の道がどう増えるのか、つまり本数で増えるのか、契約の枠で決まるのかは、提供元に確かめる必要があります。

確かめるときに押さえたいのは、本数を増やしたときの増え方です。予測の価値は大量の素材に目安を付けることにあるので、本数が増えるほど費用が比例して増える形だと、人の調査との差が縮まります。反対に、契約の枠の中で本数を気にせず回せる形なら、派生の素材をすべて通す使い方が現実味を帯びます。

試すときは、いきなり予測の道を本番の判断に使わず、まず過去の素材で確かめる組み立てが安全です。すでに配信して結果が分かっている素材を予測にかけ、予測の順位と実際の成績の順位がどれだけ合うかを見ます。合う区分と合わない区分が分かってから、新しい素材に使います。

ただし、日本での提供が確認できない現時点では、この試しの組み立ても米国や英国で広告を出している会社に限られます。国内向けの広告だけを出している会社は、同じ形の道具が国内で出たときに備えて、素材の区分と道の割り当ての表を先に作っておくことが、いまできる準備です。

よくある質問

日本の広告や日本の消費者でも使えますか

2026年6月の公式の発表では、Amplify AI の提供は米国と英国とされています。日本の市場や日本語の広告を対象にした予測が使えるかは、2026年10月時点の公式の情報からは確認できませんでした。検討する場合は提供元に直接確かめてください。

BtoBの企業でも意味はありますか

合成回答者の土台は消費者の調査で、BtoBの何層もの決裁は再現しません。BtoBの企業では、採用広告や認知を狙う動画など、消費者に近い層に向けた素材の一部で試す程度から考えるのが現実的です。

合成回答者と合成データは同じものですか

どちらもAIで作った人工のものですが、使い方が違います。合成回答者は、調査の回答者の役をさせて反応を予測するものです。合成データの一般的な考え方や個人情報との関係は、別の記事で整理しています。

予測の点数が高ければ、人の調査を省いてよいですか

投資の小さい派生の素材なら、予測と出稿後の数字の突き合わせを前提に省く判断はあり得ます。キャンペーンの柱や新しい訴求の素材は、点数が高くても人の調査を残すほうが安全です。提供元も、確度の高い検証には人の調査を勧めています。

まとめ

Zappi の Amplify AI は、人の調査の手法で鍛えた合成回答者で、ソーシャル動画と YouTube の広告素材への反応を30〜60分で予測する道具です。2026年10月時点の提供は米国と英国で、提供元自身が「より深い人の調査の代わりではない」と書いています。だから問いは、予測で足りるかどうかの二択ではなく、素材ごとにどの道を通すかです。本数が多く賭けの小さい素材は予測で絞り、投資の大きい素材と初めての訴求は人に聞き、出稿後の数字と予測を突き合わせて任せる範囲を見直す。点数は方向の目安として扱い、出稿の判断と外れたときの責任、未公開の素材を預ける判断は人が持ってください。

• 製品の機能と提供状況は、Zappi の公式ニュースと公式サイトを2026年10月22日に確かめた範囲と、英国の調査業界誌の報道に基づきます
• 精度の数字は提供元の発表です。料金、素材の保存と学習への利用、日本での提供は公式の情報で確かめられなかったため、導入の前に提供元に直接確かめてください

※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。