Audienseペルソナがずれる原因と対策｜BtoBで鵜呑みにしない線

「SNSの分析ツールで作ったペルソナは、どれも情報感度の高い若手のマーケ担当のようで、うちの決裁者とは似ても似つかない」「AIの人物像に聞いた感想を企画会議に出したら、根拠を聞かれて答えられなかった」——ソーシャルデータからペルソナを作り始めたBtoBのマーケ部門で、繰り返し出てくる声です。Audiense は、X や TikTok などの公開アカウントから人の集まりを作り、関心や好みの近さで複数の層に自動で分ける海外の分析ツールで、2026年には分けた層を人物像としてAIと会話させる機能まで備えています。ただ、ペルソナが実像とずれる原因の多くは、ツールの精度ではなく、ソーシャルデータに映る人と映らない人の差にあります。この記事では、Audiense が何をする道具かを押さえたうえで、法人向けのペルソナがずれる原因と対策、社内に入れる前に決めておくことを整理します。

Audiense は、SNS上の人の集まりを層に分けて関心を読む道具

Audiense の中心にあるのは、公開されているSNSのアカウントを材料に「人の集まり」を作り、それを関心の近さでいくつかの層（クラスター）に自動で分ける仕組みです。公式のヘルプでは、集まりの作り方として、プロフィールの属性で絞る方法、特定の話題について発言した人を集める方法、手元にあるアカウントの一覧を読み込む方法が案内されています。X のほか、TikTok 向けの分析も用意されています。

分けた層ごとに、属性、関心、よく見る媒体、性格の傾向、ネットでの過ごし方、買い物の考え方、社会経済的な特徴、影響を受けている人やブランド、反応している投稿などを報告として見られます。層同士を比べたり、近い層をまとめ直したりもでき、結果を広告の配信先の設定に使う書き出しの機能も備えています。調査会社のGWIのアンケートデータや、Pulsar などの聞き取り型の分析ツールと組み合わせる連携も、ヘルプに並んでいます。

ここで押さえておきたいのは、Audiense が見ているのは「SNSでどうふるまっているか」だということです。誰をフォローし、何に反応し、どんな言葉を使うか。そこから関心や性格を推し量るので、SNSで活発に動いている人ほど、はっきり描かれるという性質があります。この性質が、後で述べるBtoBでのずれの出発点になります。

2025〜2026年の動き：バクストンとの統合、人物像との会話、MCP接続

会社の動きから見ておきます。Audiense は2025年3月、米国で店舗立地や顧客分析を手がけるバクストンに買収されたと、同社や英国の法律事務所の発表で伝えられました。2026年の現在、公式サイトでは、Audiense がバクストン、ネット通販の計測を手がけるエレバー、そして元の Audiense の三つの事業をまとめたオーディエンス分析の基盤だと説明しています。バクストンの旧サイトの記事は、いまは Audiense のサイトへ転送されるようになっています。

製品の並びも変わりました。公式サイトでは、SNSの層分けと調査を担う製品を「ディスカバー」とし、従来の Insights や Connect などの機能の新しい置き場だと案内しています。そのほか、マーケ担当者向けのAIの補助役である Action、店舗と位置情報の分析、ネット通販の計測、顧客の仕組みにデータを届けるデータ提供の事業が並びます。データ提供はAPIやMCPで受け取れると書かれており、ヘルプにも Insights をAIの補助役として使うMCP接続や、Claude とつなぐ手順の記事が載っています。終了や新規受付の停止の告知はなく、2026年に入っても製品の再編と更新が続いています。

記事の主題に関わるのが Action です。ヘルプによれば、作った報告の層ごとに人物像と会話する機能があり、好みや反応を尋ねたり、文面案を確かめたり、画像を見せて感想を聞いたりできます。複数の層に同じ問いを投げて座談会のように答えを並べ、共通点と違いと次の一手を自動でまとめる機能もあります。答えには、どの行動の傾向が答えを形づくったかという理由が添えられ、材料のデータは使用許諾を得たものと自社のもので、週次、場合によっては日次で更新されると説明されています。

• 買収や事業統合の経緯は、提供元と関係者の発表に基づく情報です。日本国内の販売代理や日本語での支援の有無は公式サイトでは確認できなかったため、問い合わせの段階で確かめてください
• 製品名や機能の置き場は2026年に入って変わっています。見積や資料に書かれた製品名が、いまのどの機能を指すのかを先にそろえておくと、比較の取り違えを防げます

課題：作ったペルソナが、商談に来る相手と一致しない

BtoBのマーケ部門が Audiense のようなツールでペルソナを作ると、よく起きるのが「出来上がった人物像が、実際に商談の場にいる相手と一致しない」という事態です。報告の上では、ある層はテクノロジーの話題に敏感で、別の層は働き方や自己研さんに関心が高い、といった具合に、鮮やかで説得力のある人物像が並びます。ところが、その人物像を営業に見せると「うちに来るのは50代の部長で、SNSはほとんど見ていない」と返ってきます。

ずれたペルソナのまま施策を組むと、損失は見えにくい形で積み上がります。広告の配信先はSNSで活発な層に寄り、反応は取れるのに商談につながらない。記事や動画の企画は、決裁者ではなく情報収集をしている若手の関心に合わせたものが増える。数字の上では反応が伸びているので、ずれに気づくのが、商談の数や質を見る段階まで遅れるのが厄介なところです。

さらに、AIの人物像と会話できるようになると、ずれが確かめられないまま社内に広がりやすくなります。人物像が語る言葉は具体的で、会議の資料にそのまま貼れるほど整っています。誰かが「AIの決裁者ペルソナに聞いたら、この切り口が響くと言っていた」と言えば、それが根拠のように扱われる。ずれの原因を分けて見ていくと、対策の打ちどころが見えてきます。

原因1：BtoBの決裁者は、SNSで関心を表に出さない

一つ目の原因は、データの性質そのものにあります。Audiense が描くのは、SNSでフォローし、反応し、発言している人の姿です。BtoBで導入を決める立場の人、たとえば情報システムの責任者や事業部長、経営層の多くは、仕事の関心をSNSで表に出しません。見てはいても、フォローや反応という形で痕跡を残さない人は、データの上ではいないのと同じになります。

その結果、集まりの中ではSNSで活発な層、たとえば発信を仕事にしている人、若手の担当者、同業の支援会社の人などの比重が大きくなります。自社のアカウントのフォロワーを集めた場合はなおさらで、フォロワーには顧客だけでなく、競合、取引先、求職者、同業の発信者が混ざっています。「自社のフォロワーの姿」は、「自社の買い手の姿」とは別物だと考えておくほうが安全です。

公式サイトは対象のSNSとして LinkedIn も挙げていますが、どの分析にどの程度使えるのかは、機能ごとに異なる可能性があります。BtoBで最も期待される仕事上の属性が、どの機能でどこまで取れるのかは、試用の段階で自社の対象に近い集まりを作って確かめるべき点です。ここを確かめずに導入すると、消費者向けには強いが、法人の決裁者は薄いという結果に後から気づくことになります。

原因2：集めた母集団の定義が、そのまま結論を決めている

二つ目の原因は、どの人を集めるかという最初の定義です。層分けは、集めた人の中で関心が近い者同士をまとめる作業なので、集めていない人の姿は、どの層にも現れません。自社のフォロワーで集めれば自社のファンの内訳が、特定の話題の発言者で集めれば話題に熱心な人の内訳が出てきます。どちらも正しい結果ですが、問いが違えば答えも違います。

よくある失敗は、手軽に作れる集まり、つまり自社や競合のフォロワーだけで分析を済ませ、それを市場全体の姿として扱うことです。競合のフォロワーを集めると、競合の発信に反応する人の姿が分かりますが、それは競合の顧客とも、市場の買い手とも一致しません。人数が数万人規模になると結果は安定して見えますが、人数の多さは偏りを打ち消さないという点は変わりません。

もう一つ見落としやすいのが、層の数と名前です。自動で分けられた層には、特徴を表す名前や説明が付きます。分け方が変われば層の数も中身も変わり、名前も変わります。ある時点の報告で付いた層の名前を、そのまま社内のペルソナの名前として固定すると、半年後に作り直したときに比べられなくなります。集め方の条件と作った日付を、報告と一緒に記録しておくのが最低限の手当てです。

原因3：AIの人物像との会話は、データの要約であって調査ではない

三つ目の原因は、AIとの会話の受け取り方です。Action の人物像は、分けた層の行動の傾向を材料に、問いに対して人の言葉で答えます。答えには理由が添えられ、どの傾向が答えを形づくったかが示されると説明されています。これは便利な仕組みですが、性質としては集めたデータの傾向を、会話の形に言い換えたものです。実在の誰かに聞いた答えではありません。

このため、会話の中身はデータに含まれていない事柄ほど当てになりません。たとえば「この価格で稟議を通せるか」「社内でどんな反対が出そうか」といった、SNSの行動に痕跡が残りにくい問いに対しても、人物像はそれらしい答えを返します。生成AIは問われれば答えを作るので、答えがあること自体は、データに裏づけがあることを意味しません。座談会の機能で複数の層の答えを並べても、同じ材料から作られた答えが並ぶだけです。

• AIの人物像の答えを、顧客の声として企画書や役員報告に引用する
• 稟議・予算・社内の反対など、SNSに痕跡が残らない事柄を人物像に尋ね、答えを根拠に施策を決める
• 座談会機能で複数の層が同じ意見だったことを、市場の合意として扱う
• 答えに添えられた理由を読まずに、結論の一文だけを共有する

AIの答えは、仮説を出す道具として使い、決める材料にはしない。この線を先に引いておけば、会話の機能は企画の初期に役立ちます。逆にこの線がないと、会議で最も具体的に聞こえる意見が通り、それがデータの外側の推測だったと後で分かる、ということが起きます。

原因4：国内の利用者の偏りと、言葉の扱い

四つ目の原因は、国内で使うときの偏りです。日本ではSNSごとに使われ方が大きく異なり、ある場で活発な層が、別の場ではほとんど発信しないということが珍しくありません。海外の利用を前提に作られた分析では、日本の利用者の偏りがどう扱われているかが見えにくい点に注意が要ります。どのSNSのどの機能を材料にしたかで、出てくる人物像は大きく変わります。

言葉の扱いも確かめどころです。発言の内容から関心や話題を読み取る分析では、日本語の言い回しや略語、皮肉や冗談の読み取りが結果に響きます。性格の傾向のように、文章から推し量る項目はとくに、日本語の発言でどの程度信頼できるのかを、公開情報だけで判断するのは難しいところです。

確かめ方は難しくありません。自社の既存顧客の担当者のうち、公開アカウントを持つ人がある程度いれば、その一覧で集まりを作り、営業が知っている顧客像と報告の結果を突き合わせます。営業の実感と大きく食い違う項目があれば、その項目は国内のBtoBでは参考程度にとどめる、という判断ができます。顧客の個人を分析することになるので、この確かめ方を取るかどうかは、後で述べる規約とプライバシーの確認と合わせて決めてください。

対策1：母集団を三つに分けて作り、差を見る

ずれを減らす最初の手当ては、集まりを一つで済ませないことです。自社のフォロワー、自社の対象業界で発言している人、既存顧客に近い人の三つを別々に作り、それぞれの層の違いを見ます。三つに共通して現れる関心は、市場の中で比較的確かな傾向と考えられます。一つにしか現れない関心は、その集め方に固有の偏りである可能性が高い、と読めます。

差を見るときは、層の名前ではなく中身で比べます。どの媒体をよく見るか、誰の発信に反応しているか、どんな言葉を使うか。こうした具体的な項目で比べると、自社のフォロワーに多い層が、買い手の側にはほとんどいないといった発見が出てきます。それ自体が、広告の配信先や発信の方針を見直す材料になります。

比べた結果は、一枚の表にまとめて残します。集め方の条件、作った日付、人数、主な層と特徴、三つの間で共通した点と違った点。この記録があれば、次に作り直したときに変化を比べられますし、担当者が替わっても判断の経緯を引き継げます。ツールの報告画面だけに頼ると、どの条件で作った結果なのかが、半年後には誰にも分からなくなるのがよくある結末です。

対策2：AIの要約には根拠を書かせ、一次情報で照合する

人物像との会話や自動のまとめを使うときは、答えと一緒に根拠を残すことを決まりにします。Action は答えに理由を添える設計ですが、社内に共有するときにその理由が落ちてしまえば意味がありません。答え、理由、材料にした層と集め方の条件の三つを一組にして記録し、結論だけを抜き出して回さないようにします。

そのうえで、一次情報で照合する手順を挟みます。照合に使えるのは、商談の記録、失注の理由、問い合わせの文面、既存顧客への聞き取り、営業の所感などです。AIの人物像が「この層は導入の手間を嫌う」と答えたなら、失注の理由にその傾向が出ているかを確かめる。出ていなければ、その答えは仮説のまま置いておきます。

照合で大事なのは、AIに照合をさせないことです。AIに「この答えは正しいか」と尋ねても、同じ材料から同じ方向の答えが返りやすく、確かめたことになりません。照合は、データの外にある情報を持っている人が行う。具体的には、営業やカスタマーサクセスの担当者に、AIの答えを見せて違和感を聞くだけでも十分に効果があります。

対策3：使い道を、広告の配信先と企画の材料に絞る

ソーシャルデータのペルソナが最も力を発揮するのは、SNSでの行動そのものが問われる場面です。どの媒体に広告を出すか、どんな関心の人に届けるか、どの発信者と組むか、どんな話題の投稿が反応を集めるか。SNSの上で起きることを決めるなら、SNSのデータが一番の材料になります。Audiense の書き出し機能も、まさに広告の配信先の設定に使うためのものです。

反対に、決裁者の判断の基準、稟議の進め方、導入で重視する条件といった事柄は、ソーシャルデータの外にあります。ここは商談の記録や聞き取りから作るペルソナに任せ、ソーシャルデータは「その決裁者に情報を届ける周辺の人々」を描く材料として使う。決裁者のペルソナと、情報収集をする層のペルソナを分けて持つと、役割の混同が起きにくくなります。

この分け方は、社内での説明にも効きます。「SNSのデータでは、情報を集めている若手の担当者層の関心がこう出ている。決裁者の判断の基準は、商談記録からこう読める」と並べて示せば、二つのペルソナがぶつかることはありません。一つのペルソナにすべてを背負わせようとすると、どちらの材料からも中途半端な人物像になります。

対策4：広告とコンテンツ企画への渡し方

分析の結果を施策に渡すときは、受け取る側が何に使うのかに合わせて形を変えます。広告の担当者には配信先の候補と除外する層、コンテンツの企画担当者には関心の高い話題と言葉づかい、営業には決裁者の周辺にいる層の関心、といった具合です。報告の画面をそのまま共有するより、使い道ごとに必要な項目だけを抜き出すほうが、誤った読み方を防げます。

渡す先	渡すもの	渡さないもの・注意点
広告の担当	反応の大きい層の関心、よく見る媒体、配信先の候補と除外する層	層の人数をそのまま市場の大きさとして扱わない。商談への貢献は別に測る
コンテンツの企画	層ごとの関心の高い話題、使われている言葉、反応した投稿の傾向	AIの人物像の答えを、読者の声として本文に引用しない
営業	決裁者の周辺で情報を集めている層の関心と、よく見る情報源	決裁者本人の判断の基準として渡さない。商談記録と照らす前提で渡す
経営・役員	集め方の条件、三つの母集団の比較、照合で確かめた点	結論の一文だけを渡さない。仮説と確かめた事実を分けて示す

渡すときにもう一つ添えておきたいのが、有効期限です。SNSの関心は季節や話題で変わり、Audiense の材料も週次や日次で更新されます。半年前の報告から作った層の特徴が、いまも当てはまるとは限りません。渡す資料には作った日付を入れ、見直す時期をあらかじめ決めておくと、古いペルソナが一人歩きするのを防げます。

社内に入れてよいか：データの取得元、規約、外に出るもの

導入を判断するときに、情シスや法務と一緒に確かめたいのがデータの扱いです。Audiense の材料は、SNSの公開情報と、使用許諾を得たデータ、自社のデータと説明されています。どのSNSのデータを、どの条件で取得しているのか、自社がその結果をどの範囲で使ってよいのかは、契約と利用規約で確かめるべき点です。SNS各社の規約や提供条件は変わることがあるため、契約時点の説明を書面で残しておきます。

次に、自社から何を渡すかです。既存顧客のアカウントの一覧を読み込んで分析する使い方は、顧客の個人に関する情報を外部のサービスに渡し、分析させることを意味します。国内の個人情報保護法の上で、どの情報が個人情報に当たり、委託や第三者提供、外国にある事業者への提供のどれに当たるのか。顧客の一覧を読み込む前に、法務の判断を一度通すのが順番です。顧客との契約やプライバシーポリシーで、こうした分析を想定しているかも確かめます。

AIとの会話やMCP接続を使う場合は、データの流れがもう一段増えます。人物像に見せた画像や文面案、Claude などの外部のAIから分析結果を問い合わせた内容が、どこに保存され、何に使われるのか。未発表の広告案や製品名を人物像に見せる使い方は便利ですが、社外秘の企画を入力してよいかは、社内のAI利用の規程と照らして決めておきます。共有のための閲覧専用の仕組みも、リンクを知っている人が見られる範囲を確かめておくと安心です。

費用とやめ方：何に対して払い、何が残るか

公式サイトでは公開の料金表は確認できず、製品の説明と相談の窓口が案内されています。費用は、使う製品と機能、作る報告の数、扱うデータの範囲などで変わると考えられ、見積で確かめることになります。比べるときは月額の総額だけでなく、一年で何本の報告を作り、そのうち何本が施策の判断に使われるかを見積もっておくと、費用に見合うかを判断しやすくなります。

BtoBの場合、毎月のように新しい集まりを作るほどの需要は少ないかもしれません。年に数回、広告の配信先の見直しや、新しい業界への参入の検討の際に使う程度なら、常時の契約より、外部の調査会社や代理店に分析を頼むほうが合う場合もあります。逆に、SNSでの発信や広告に大きく投資している会社なら、常時見られることの価値が費用を上回る可能性があります。

やめるときに何が残るかも、契約前に確かめます。作った報告や層の定義、書き出した配信先のデータを、解約後も手元に残せるのか。残せない場合に備え、先に述べた比較の表や照合の記録を自社の側で持っておけば、ツールをやめても判断の経緯は失われません。分析の結論と条件は、ツールの外に記録しておくのが、やめ方の準備になります。

人が確認する範囲：誰が何を承認するか

ソーシャルデータのペルソナを施策に使うまでには、いくつかの判断があります。どの集め方で分析するか、どの層を施策の対象にするか、AIの答えのどれを仮説として採るか、顧客の一覧を読み込むか。これらをAIやツールの自動の判断に任せず、人が決める項目として先に書き出しておくと、後から「誰が決めたのか」で揉めずに済みます。

目安としては、集め方と対象の層はマーケの責任者、顧客の一覧の読み込みと外部AIとの接続は情シスと法務、AIの答えの照合は営業やカスタマーサクセス、施策への反映はそれぞれの担当者、という分担が考えられます。小さな会社で一人が複数を兼ねる場合でも、照合だけは分析した本人以外が見るようにしておくと、思い込みが入り込みにくくなります。

AIに任せてよいのは、層の特徴の要約、比較の表の下書き、問いの候補を挙げることなどです。どの層を狙うか、どの答えを信じるか、顧客の情報を渡すかは人が決める。この線引きは地味ですが、AIの会話機能が便利になるほど効いてきます。

小さく試す手順

いきなり全社のペルソナを作り直すのではなく、一つの施策に絞って試すのが安全です。たとえば、次の四半期のSNS広告の配信先の見直しを対象にして、試用の期間で次の順に進めます。

この手順で一巡すれば、Audiense が自社のBtoBの対象をどこまで描けるのか、AIの会話機能が企画のどの段階で役に立つのかが、具体的に分かります。結果が思わしくなければ、常時の契約は見送り、必要な時だけ外部に分析を頼むという判断もできます。

よくある質問

Audiense のペルソナを、そのまま決裁者のペルソナとして使えますか

おすすめしません。SNSのデータに映るのは、SNSで活発に動いている人です。BtoBの決裁者は痕跡を残しにくいため、決裁者のペルソナは商談記録や聞き取りから作り、Audiense の結果は決裁者の周辺で情報を集める層を描く材料として使うのが安全です。

AIの人物像の答えは、どの程度信用してよいですか

仮説を出す道具として使い、決める根拠にはしないのが基本です。答えに添えられた理由を必ず確かめ、商談記録や営業の所感など、データの外の情報で照合できたものだけを採用します。照合をAIにさせないことも大切です。

既存顧客の担当者のアカウントを読み込んで分析してもよいですか

顧客の個人に関する情報を外部のサービスに渡すことになるため、読み込む前に法務の判断を通してください。個人情報に当たるか、委託や外国の事業者への提供に当たるか、顧客との契約や自社のプライバシーポリシーで想定しているかを確かめます。

国内のBtoB企業で使う価値はありますか

SNSでの発信や広告に力を入れている会社なら、配信先や発信の方針を決める材料として価値があります。一方、SNSの比重が小さい会社では、年に数回の分析を外部に頼むほうが費用に見合う場合もあります。三つの母集団で試し、自社の対象をどこまで描けるかを確かめてから判断してください。

まとめ

Audiense は、SNS上の人の集まりを関心の近さで層に分け、2026年には人物像としてAIと会話させるところまで機能を広げました。BtoBでペルソナが実像とずれるのは、ツールの精度より、決裁者がSNSに痕跡を残さないこと、集めた母集団の定義が結論を決めること、AIの会話がデータの要約にすぎないことが原因です。集まりを三つに分けて比べ、AIの答えには根拠を残させて一次情報で照合し、使い道を広告の配信先と企画の材料に絞る。顧客の一覧の読み込みや外部AIとの接続は、導入前に情シスと法務と決めておく。この順で使えば、ソーシャルデータは決裁者の周辺を描く確かな材料になります。

※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。