DM20.aiの予測か担当者の勘か|郵送DMの見直し方

DM20.aiの予測か担当者の勘か|郵送DMの見直し方

「8万件の郵送実績から反応を予測するAIがあるなら、展示会後のお礼DMも送る前に点数をつけてもらえばいい」「デザイン案を社内で延々と議論するより、AIのスコアが高いほうを選べば早い」——郵送DMを続けているBtoB企業のマーケ部門で、海外のDM専用AIが話題に上るとこうした声が出てきます。気持ちは分かりますが、ここには前提の取り違えがあります。その予測は、米国で過去に送られた似た条件のDMと比べた相対的な見立てであって、日本のBtoB郵送DMの反応率を当てる数字ではありません。この記事では、郵送DM専用のAIとして2026年3月に一般公開された DM20.ai を題材に、予測・担当者の経験・自社の小さなテストをどう組み合わせるか、予測を誰が検証し、効果をどう測り直し、宛先の個人情報をどこまで渡すかを整理します。


カメ先生カメ先生

AIが郵送DMの反応を予測すると聞くと、送る前に結果が分かる道具だと思われがちなんだ。でも本当は、過去の似たDMと比べて「この原稿と条件は上位寄りか下位寄りか」を示す道具なんだよ。


カメ子カメ子

予測の数字そのものより、何と比べた結果なのかが大事ということですか。


カメ先生カメ先生

そう。比べる相手が米国の、しかも地域のお店や個人向けのDMが中心だとすると、日本の企業向けの案内状にそのまま当てはめると外れることがある。だから予測を採る前に、比べる相手と自社の条件がどれだけ近いかを確かめる必要があるんだ。


カメ子カメ子

予測を信じるかどうかの前に、自社のDMがその比較の輪に入っているかを見るんですね。


この記事のポイント
  • DM20.ai は米国の郵送DM会社 DirectMail2.0 の実績データから作った、原稿と配信条件の診断AI。スコア・改善点・同業の傾向・再テストの比較を返す
  • 入力の項目は米国の郵便区分や郵便番号が前提で、元データも地域の事業者や個人向けが厚い。日本のBtoB郵送DMには、原稿の作りの点検として部分的に使うのが現実的
  • 宛先の名簿は渡す必要がない作りだが、原稿画像は外部のAIモデルでも処理される。予測は採否の根拠にせず、自社の送付群と非送付群の比較で測り直す

ウェビナーの集客を、思いつきの告知から「設計」へ

「開催しても人が集まらない」「集まっても商談につながらない」——BtoBウェビナーの集客を設計から見直すための無料ガイドです。

目次

誤解:「8万件の実績で学んだAIなら、自社のDMの反応も当てられる」

DM20.ai の売り文句は、汎用の生成AIではなく、実際に送られた郵送DMの結果から作ったという点にあります。公式の説明では、親会社にあたる DirectMail2.0 が2016年から手がけた8万件を超えるキャンペーンについて、現物の郵送物、投函と配達の記録、そして誰が反応したかの記録を持っているとしています。実際の結果に基づくという点は、一般論を語るだけの生成AIより確かな材料です。

しかし、確かな材料であることと、自社のDMに当てはまることは別の問題です。元になったキャンペーンの多くは米国で、しかも後で見るように業種の区分は地域の事業者や個人向けのサービスが厚く並んでいます。比べる相手が自社と違えば、どれだけデータが多くても予測は自社の結果を言い当てません。データの量は精度の必要条件であって、十分条件ではありません。

紙のDMがなぜ見直されているか、発送を代行に出すか自社で送るかといった一般論は、ここでは繰り返しません。扱うのは、海外の郵送DM専用AIの予測を、日本のBtoB企業が企画・原稿・宛先選びにどこまで使ってよいか、使うなら誰が何を確かめるかという、このツール固有の線引きです。

DM20.aiとは:郵送DMの実績データから作った、原稿と条件の診断AI

DM20.ai は、郵送DMの原稿と配信条件を入力すると、過去の実績と照らして点数と改善案を返す米国のサービスです。公式サイトのよくある質問では仕組みを「過去のキャンペーン結果と、アップロードされた郵送物を比べ、反応を下げている要素を取り除くための示唆を返す」と説明しています。送る前の原稿と条件を診断する道具であり、印刷や発送そのものを担うサービスではありません。

分析には段階があります。公式サイトの料金表示では、自社の予測アルゴリズムだけを使う基本の分析、それに Gemini を加えて説明を詳しくする分析、さらに ChatGPT と Anthropic のモデルも加えて結果を比べ合わせる上位の分析の3段階が並んでいます。3月の発表文でも、自社のアルゴリズムに ChatGPT・Gemini・Claude を組み合わせ、複数のモデルで診断を確かめ合うと説明していました。

ここで押さえておきたいのは、反応の予測を出しているのは自社の実績データで作った専用のモデルで、汎用の生成AIは説明と照合の役回りだという点です。汎用の生成AIが反応率を推測しているわけではありません。逆に言えば、予測の確かさは汎用AIの賢さではなく、専用モデルの元データが自社の条件にどれだけ近いかで決まります。

作り手と沿革:郵送DMの実行会社と、収集データベースの事業

DM20.ai を出しているのは、米国で郵送DMとネット広告を組み合わせたキャンペーンを請け負ってきた DirectMail2.0 です。2024年5月には、40年にわたって各社の郵送DMを集めて分類してきた業界のデータベース事業を買収したと発表しました。2026年3月の発表では、同じ最高経営責任者がこの3つの事業を率いていると紹介されています。

業界紙の報道によれば、DM20.ai は2025年秋に米国の印刷業界の展示会で初めて披露され、試験提供を経て2026年3月に一般公開されました。5月には米フロリダ州の経済紙が、郵送DM会社がAIを新たな収益の柱に据えようとしている動きとして取り上げています。公開から1年たっていない新しいサービスであり、機能や料金はこれからも変わる前提で見ておく必要があります。

診断の作り手が、郵送DMの実行も請け負う会社だという点も押さえておきます。よくある質問の末尾では、郵送とネット広告を組み合わせる親会社の追加サービスや、郵送DMの動向を扱う収集データベースの案内へと読者を誘導しています。診断そのものに偏りがあると決めつける根拠はありませんが、診断の提供元と実行の提供元が同じ系列であることは、改善案の中に自社サービスの利用につながる提案が含まれていないかを読むときの前提になります。日本の企業がこの追加サービスを使う場面は少ないはずなので、原稿の点検だけを切り出して使う、と最初から割り切っておくと迷いません。

なお、DM20.ai 自身が他社に買収されたという報道は、確認した範囲では見当たりませんでした。ほかの郵送DM会社との資本関係について触れる紹介も一部にありますが、公式の説明では確認できないため、この記事では扱いません。導入を検討する際は、契約の相手方がどの法人になるかを利用規約で確かめておくのが確実です。

何を入れて何が返ってくるか:入力の項目と診断の中身

公開されている分析画面の構成を見ると、入力は大きく三つに分かれます。郵送物そのもの(原稿の表と裏の画像、はがき・封書・大判といった形状)、配信の条件(投函日、郵便の区分、件数、送付回数、地域)、そして相手の条件(業種、宛先が既存顧客か見込み客か、企業向けか個人向けか)です。片面だけの原稿を上げると、学習データの多くは両面の郵送物なので精度が下がる、という注意も表示されます。

区分入力する主な項目返ってくる主な内容
郵送物原稿の表裏の画像、形状(はがき・封書・大判)文字量・配色・余白・行動の呼びかけなど要素ごとの評価
配信の条件投函日、米国の郵便区分、件数、送付回数時期や区分を変えた場合の見立て
相手の条件業種、既存顧客か見込み客か、企業向けか個人向けか同業の上位のDMに多い傾向、似た条件の競合の郵送物
地域郵便番号・州・市などの単位地域を絞った比較(条件に合う例がないと範囲を広げて表示)
見直し後改善した原稿で再テスト元のスコアとの差、項目ごとに解消・改善・悪化・未対応

同業の傾向の欄では、似た条件の競合の郵送物も表示されます。これは買収した収集データベースの資産を生かした機能と見られますが、並ぶのは米国で送られた郵送物です。条件に合う例が見つからないときは、検索の範囲を広げた結果を出すと画面に表示されます。日本の自社の競合がどんなDMを送っているかを知る道具ではない点は、社内で期待値をそろえておく必要があります。

返ってくるのは総合のスコアと、効いている要素、改善が必要な要素、同業の上位の傾向です。改善案は「文字を減らして画像を目立たせる」「直通の電話番号を載せる」「行動の呼びかけを一つに絞る」「投函の時期を季節に合わせてずらす」といった、原稿と条件の具体的な手直しとして示されます。分析結果について質問できるチャットもありますが、画面にはAIの回答は不正確な場合があるので重要な判断は確かめてほしい、という注記が添えられています。作り手自身が、判断を人に残す前提で設計していると読めます。

予測の元データと、そこから外れる案件

予測の確かさを見積もるには、元データの中身を知る必要があります。よくある質問では、8万件を超えるキャンペーンについて、ウェブ訪問・計測用の電話番号・QRコードの読み取り・広告のクリックなどで反応を突き合わせた記録があり、150を超える業種ごとに基準値を作ったと説明しています。受取人の数は、よくある質問では約15億、3月の発表文では約20億と、資料によって表現が分かれています。

注意したいのは、元データの多くが郵送とネット広告を組み合わせたキャンペーンだという点です。公式の説明では、郵送だけのDMの予測はこの上乗せ分を一定とみなして差し引いて換算するとしており、米国郵政の目安として郵送単体の反応はおおむね0.025〜1%の範囲だと書いています。郵送単体の予測は、実測ではなく換算を経た値だということになります。

さらに業種の選択肢を見ると、屋根工事・害虫駆除・歯科・不動産・政党別の政治活動など、米国の地域事業者や個人向けのサービスが厚く並びます。コンサルティングや製造、事業者向けサービス、ソフトウェアといった区分もありますが、日本の製造業が既存取引先に送る新製品案内や、展示会後の担当者宛てのお礼状に近い比較対象がどれだけあるかは、公開情報からは分かりません。ここが、日本のBtoB企業が予測を読むときのいちばんの不確かさです。

比べる:DM20.aiの予測・担当者の勘・自社の小さなテスト

郵送DMの原稿や条件を決める方法は、大きく三つあります。DM20.ai のような外部の予測に照らす方法、経験のある担当者の勘に頼る方法、そして自社で小さく送って結果を見る方法です。どれか一つが正解というより、それぞれ答えられる問いが違うと考えると使い分けが見えてきます。

方法答えられる問い弱いところ向いている場面
DM20.aiの予測この原稿は似た条件の過去のDMと比べて上位寄りか比較対象が米国中心。日本の郵便区分や企業宛ての事情を知らない原稿の作りの見落としを点検したいとき
担当者の勘自社の顧客がこの案内を受け取ってどう感じるか根拠が言葉にならず、担当者が替わると引き継げない既存顧客向けで、関係性が反応を左右するとき
自社の小さなテスト自社の宛先で、実際にどちらが反応したか時間と費用がかかる。件数が少ないと差が読めない毎年繰り返す施策で、確かな基準を作りたいとき

三つを並べると、DM20.ai の予測は「原稿の作りの点検」としては使いやすく、「自社の宛先での反応の予測」としては弱いことが分かります。一方、担当者の勘は顧客との関係を織り込める反面、根拠を残せません。現実的なのは、予測で原稿の見落としを洗い、担当者の勘で自社の顧客に合うかを判断し、最後に自社の小さなテストで確かめるという順番です。予測を勘の代わりにするのではなく、勘の言語化を助ける材料として置くと、議論が具体的になります。

日本のBtoB郵送DMで使える部分、使えない部分

使える可能性が高いのは、原稿の作りに関する指摘です。文字が多すぎて要点が埋もれている、行動の呼びかけが複数あって迷わせる、問い合わせ先が目立たない、表と裏の役割が分かれていない、といった指摘は、国や業種を問わず当てはまりやすい性質のものです。社内のデザイン案を二つに絞った段階で、見落としの点検に使うのは筋のよい使い方です。

一方、そのまま使えないのは配信の条件に関する部分です。郵便の区分は米国郵政の選択肢で、日本の定形・定形外や広告郵便の割引といった区分とは対応しません。地域も米国の郵便番号や州が前提です。郵便区分の格上げや投函時期の変更といった提案は、日本の郵便料金や配達日数、自社の商談の繁忙期に置き換えて人が判断し直す必要があります。

注意が要るのは、その中間にある指摘です。たとえば「文字を減らし画像を目立たせる」は個人向けの集客DMでは効きやすくても、仕様や導入条件を伝える必要がある企業向けの案内では、情報を削りすぎると問い合わせの質が落ちるおそれがあります。企業向けのDMは、反応の数より、反応した相手が商談に進むかで評価されることが多いため、反応率を上げる提案がそのまま成果につながるとは限りません。

宛先の個人情報をAIにどこまで渡すか

郵送DMのAIと聞くと、宛先の名簿を渡すのかと身構える方も多いはずです。公開されている入力項目を見る限り、DM20.ai の分析に必要なのは宛先の種類や件数、地域の単位であって、個々の氏名や住所の一覧ではありません。よくある質問でも、個人を特定できる情報はモデルにも結果にも使わず、郵便番号と業種の単位でまとめていると説明しています。

ただし、渡さずに済む作りであることと、社員が渡さないことは別です。差し込み印刷の見本として実在の取引先担当者の氏名や会社名が入った原稿画像を上げれば、その時点で個人情報が外部のサービスに渡ります。原稿はダミーの宛名に差し替えてから上げる、宛名面は空欄か架空の名前にする、といった運用を先に決めておくべきです。

  • 宛名面は空欄か架空の社名・氏名に差し替えてから上げる
  • 差し込み印刷の見本データを、本番の名簿から作らない
  • 地域の入力は米国の単位が前提なので、日本の宛先の所在地を無理に入れない

日本の個人情報保護法では、外国にある事業者に個人データを提供する場合、本人の同意の取得や相手方の体制の確認といった手当てが求められます。宛名の入った原稿を海外のサービスに上げる運用は、この論点に触れうるものです。宛先の個人情報は渡さない、を原則にしておけば、この論点そのものを避けられます。名簿の整備や重複の削除をAIに手伝わせたい場合は、別の道具で社内に閉じて行うほうが安全です。

原稿画像が外部のAIに渡る前提で決めること

個人情報とは別に、原稿そのものの扱いも決めておく必要があります。上位の分析では、自社のアルゴリズムに加えて Gemini・ChatGPT・Anthropic のモデルを使うと料金表示に書かれており、原稿画像やその内容が複数の外部モデルで処理される前提で考えるのが自然です。未発表の新製品の案内や、特定顧客向けの価格を載せた原稿を上げてよいかは、この前提で判断します。

公式のよくある質問では、アップロードしたデータは社外に共有しない、テストへの評価はモデルの改善に使う、と説明しています。プライバシーポリシーでは、集計や匿名化を施した情報は共有しうるとも書いています。外部モデル側でどう扱われるか、保存期間や削除の方法は、公開されている範囲では詳しく書かれていません。

  • 発表前の新製品や価格改定の案内を、そのまま原稿画像として上げる
  • 実在の取引先担当者の氏名・会社名が差し込まれた見本で分析する
  • 営業が個人のアカウントで登録し、どの原稿を上げたか部門で把握していない
  • 退会や契約終了のときに、上げた原稿の削除を求める手順を決めていない

対策としては、上げてよい原稿の範囲を「発表済みの情報だけで作った原稿」に絞り、登録は部門の共有アカウントで行い、上げた原稿の一覧を社内で残すことです。削除の扱いが公開情報で確認できない以上、契約前に問い合わせて回答を記録しておくのが確実です。

予測を誰が検証するか:スコアを採否の根拠にしない

AIの予測を入れたとき最も起きやすい失敗は、スコアの高いほうを機械的に選ぶ運用になることです。スコアは似た条件の過去のDMと比べた位置であり、自社の宛先でどちらが商談につながるかを示すものではないので、採否の根拠にはしないと先に決めておくべきです。

役割の分け方の一例を示します。マーケの担当者は予測と改善案を受け取り、どの指摘を採るかの案を作ります。営業の責任者は、既存顧客との関係や商談の時期から見て、その案が顧客に失礼にならないか、問い合わせを受けきれるかを確かめます。最終的な原稿と送付条件は、予測ではなく、自社の目的と宛先を知っている人が決めることを、決裁の書類にも明記しておきます。

AIに根拠を書かせることも大切です。質問用のチャットで「この改善案は、どの業種・どの条件の過去のDMを元にしているか」を尋ね、答えられない、あるいは自社と遠い業種が根拠になっている指摘は採らない、という基準を置くと、予測の使い方が属人化しにくくなります。根拠が返ってこない指摘は、仮説として扱うにとどめます。

効果の測り直し方:予測と実績の差を自社で記録する

予測を使い続けるかどうかは、自社の実績と比べてはじめて判断できます。DM20.ai には改善した原稿で再テストし、元のスコアとの差を項目ごとに示す機能がありますが、これは予測の中での改善であって、実際の反応が上がったことの証明ではありません。実際の反応は自社で測る必要があります。

STEP1
送る前に予測を記録する

採用した原稿と、採らなかった原稿のスコア・主な指摘を、送付の日付と宛先の区分とともに一覧に残します。後で予測と実績を突き合わせるための起点です。

STEP2
送らない群を残す

同じ条件の宛先の一部をあえて送らずに残し、送った群と比べます。反応の差がDMの効果であり、季節や営業活動の影響と切り分けられます。

STEP3
反応の入口を分ける

原稿ごとに専用のQRコードや受付用のページ、問い合わせ番号を分け、どの原稿から来た反応かを数えられるようにします。

STEP4
商談まで追う

問い合わせの件数だけでなく、商談化と受注までをMAやCRMの記録で追います。企業向けのDMでは、ここで評価が逆転することがあります。

STEP5
予測と実績の差を振り返る

数回分たまったら、スコアが高かった原稿が実際に良かったかを並べて見ます。差が大きい条件では予測を参考程度にとどめる、と社内の基準を更新します。

記録には分析した日付も必ず残します。よくある質問では、新しいキャンペーンの結果でモデルを日次・週次・月次に更新し、過去の利用者に提案が効いたかを尋ねて学習に反映すると説明しています。同じ原稿でも、時期が違えばスコアが変わりうるということです。半年前のスコアと今月のスコアを同じ物差しとして並べないよう、比べるときは同じ時期に分析し直します。

この振り返りを続けると、どの種類の案内なら予測が当たりやすく、どの種類では外れやすいかが自社の記録として残ります。予測の当たり外れを自社で記録することが、海外のモデルを日本の業務で使うときの唯一の補正手段です。件数が少ない施策では差がぶれやすいので、1回の結果で結論を出さないことも申し合わせておきます。

改善提案を採る前に人が確かめること

改善案は具体的なぶん、そのまま原稿に反映したくなります。しかし反映する前に、少なくとも三つの観点で人が確かめる必要があります。一つ目は、その提案が日本の郵便や商慣習に置き換えられるかです。郵便区分の変更や投函時期の提案は、そのままでは意味を持たないことがあります。

二つ目は、表示の規制と自社の規程です。反応を上げるために「期間限定」「先着」といった訴求を強める提案があっても、実際の条件と合わない表現は景品表示法の問題になりえますし、業界によっては表示の自主基準もあります。表現の適否はAIに判断させず、法務や広報の確認の流れに乗せます。

三つ目は、ブランドと顧客との関係です。既存の取引先に送る案内状で、個人向けの集客DMのような強い呼びかけに変えると、受け取った担当者に違和感を与えることがあります。反応率を上げる提案と、取引先との関係を保つ判断は、別の人が別の物差しで見るほうが、偏りに気づきやすくなります。

費用の増え方と、やめ方

公式サイトの料金表示(2026年11月時点)では、単発の分析が1回あたり19ドル・39ドル・99ドルの3段階で、使うモデルの数によって分かれています。継続利用は月額のクレジット制で、月149ドルで12クレジット、249ドルで22、499ドルで50と、量を約束するほど1回あたりが安くなる作りです。無料のお試しでは上位の分析を1回試せます。

よくある質問では、1回のテストは「一つの原稿に一つのモデルを当てること」と説明しています。原稿を何案も比べ、改善後に再テストを重ねると、回数は案の数と見直しの回数の掛け算で増えていきます。毎月の発送が少ないBtoB企業では、月額の契約より、年に数回の大きな施策の前に単発で使うほうが無駄が出にくいかもしれません。

やめ方も先に決めておきます。月額の契約を止める手順、残ったクレジットの扱い、上げた原稿や分析結果の削除の依頼方法を、契約前に確かめて社内に残しておきます。やめるときに何が手元に残り、何が先方に残るかを説明できない状態で継続契約を結ぶのは避けたいところです。分析結果は自社の一覧に転記しておけば、契約を止めても振り返りに使えます。

よくある質問

日本語の原稿でも分析できますか

公開情報では、日本語の原稿への対応については明記されていません。文字量や配色、余白の評価は言語を問わず働く可能性がありますが、文面の意味に踏み込んだ指摘の確かさは分かりません。無料のお試しで、発表済みの情報だけで作った原稿を一つ上げ、指摘が的を射ているかを確かめるのが先です。

予測スコアが低い原稿は送るのをやめるべきですか

やめる理由にはなりません。スコアは過去の似たDMとの比較であり、既存顧客との関係や商談の時期といった自社の事情は入っていません。低いスコアは、指摘された要素を見直すきっかけとして使い、送るかどうかは目的と宛先を知る人が決めます。

宛先の名簿をAIで絞り込んでもらうことはできますか

DM20.ai の分析は、宛先の種類や地域の単位を入力する作りで、個々の宛先を選ぶ機能としては説明されていません。米国の郵便番号が前提でもあるため、日本の宛先選びには使えないと考えてください。宛先の絞り込みは、自社の顧客データと営業の判断で行うのが基本です。

汎用の生成AIに原稿を見せるのと何が違いますか

汎用の生成AIはデザインの一般論から意見を述べますが、実際に送られたDMの反応の記録は持っていません。DM20.ai は郵送DMの実績データを元にした専用のモデルで比べる点が違います。ただし、比べる相手が自社と遠ければ、その強みは小さくなります。

まとめ

DM20.ai は、米国の郵送DM会社が8万件を超えるキャンペーンの実績から作った、原稿と配信条件の診断AIです。予測を出しているのは専用のモデルで、汎用の生成AIは説明と照合に使われています。日本のBtoB郵送DMにとっての価値は、反応率を当てることではなく、原稿の作りの見落としを洗い出すことにあります。

使うなら、宛先の個人情報は渡さず、原稿は発表済みの情報とダミーの宛名で作り、スコアを採否の根拠にしないと先に決めておきます。郵便区分や時期の提案は日本の条件に置き換えて人が判断し、表現の適否は法務や広報が確かめます。そして送らない群を残し、予測と実績の差を自社で記録し続けることが、海外の予測を自社の判断に生かす唯一の道です。予測と勘のどちらかを選ぶのではなく、予測で勘を言葉にし、自社のテストで確かめる。この順番を守れば、新しいAIを試すことは郵送DMの見直しのよいきっかけになります。

※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。

ウェビナーの集客を、思いつきの告知から「設計」へ

「開催しても人が集まらない」「集まっても商談につながらない」——BtoBウェビナーの集客を設計から見直すための無料ガイドです。

運営会社:株式会社デボノ

目次