ペルソナ設計に生成AIを活かす方法｜精度の高い顧客像を作る

「施策がぶれて、誰に向けて発信しているか分からなくなる」「チームで顧客像の認識が揃わない」——企画を持ち寄る場で、必ず出てくる二つです。認識がそろわないのは、話し合いが足りないからではありません。顧客像が一人の人物として書き出されていないため、各自の頭の中の像で議論しているからです。この記事では、ペルソナに入れる項目と作る手順、実データで裏づけを取る方法、そして施策に落とすまでを整理します。

ペルソナとは・なぜ必要か

ペルソナとは、自社の代表的な顧客像を、一人の具体的な人物として描いたものです。年齢や職業といった属性だけでなく、抱えている課題、情報の集め方、購買を決める要因まで、まるで実在する人のように具体化します。「30代・男性」といった漠然とした括りではなく、「こういう状況で、こんなことに悩んでいる人」というレベルまで描くのが特徴です。

ペルソナが必要なのは、施策の「誰に向けるか」をはっきりさせるためです。ターゲットが曖昧だと、発信する内容もぼやけ、誰の心にも刺さらないものになりがちです。具体的な人物像があれば、「この人なら、どんな言葉に反応するか」を考えて施策を組めます。また、チームでペルソナを共有すれば、全員が同じ顧客像を見て動けるため、施策の一貫性が保たれます。ペルソナは、マーケティングの土台となる存在です。

生成AIをペルソナ設計に使うメリット

ペルソナ設計でつまずきやすいのが、「何を、どこまで描くか」です。白紙から一人の人物像を作り上げるのは、意外に難しい作業です。生成AIは、テーマや商材を伝えると、ペルソナのたたき台を素早く作ってくれます。属性から課題、行動まで、ひと通りの項目を埋めた案を出してくれるので、検討の出発点になります。

また、AIは多様な視点を提供してくれます。自社の思い込みだけでは、特定のタイプの顧客しか想定できないことがあります。AIに「他にどんな顧客像が考えられるか」と尋ねると、見落としていた層に気づけることもあります。設計の効率化と、視点の広がり——この二つが、AIをペルソナ設計に使う大きなメリットです。ただし、AIの案はあくまで仮説で、実データでの裏づけが欠かせません。

ペルソナに盛り込む項目

ペルソナを具体的にするには、描くべき項目を押さえておくと便利です。次のような項目を埋めていくと、輪郭がはっきりしてきます。商材によって、重視する項目は調整します。

• 基本属性：年代・職種・役職・業種など
• 抱えている課題・悩み・実現したいこと
• 情報の集め方：どこで、どうやって調べるか
• 購買を決める要因・重視する点
• 購買の妨げになる不安・ためらい

特に大切なのが、属性よりも「課題」と「購買の決め手」です。年齢や職種といった属性は分かりやすいですが、施策に直接効くのは、その人が何に悩み、何を基準に選ぶかです。ここを具体的に描けると、「どんな情報を、どこで届ければ響くか」が見えてきます。AIにたたき台を作らせるときも、これらの項目を意識して埋めさせると、使えるペルソナになります。

設計の手順

ペルソナ設計は、思いつきで作らず、手順を踏むと精度が上がります。次の流れを目安にすると、根拠のあるペルソナになります。

1. 目的を決める：何の施策のためのペルソナか
2. 手元の情報を集める：顧客データ・営業の声・問い合わせ
3. AIにたたき台を作らせる：項目を埋めた人物像の案
4. 実データと照らし合わせる：現実とずれていないか確認
5. チームで確認し、必要なら修正する

この手順で重要なのは、最初に「何のためのペルソナか」を決めることと、最後に実データと照らし合わせることです。目的が曖昧だと、ぼんやりした人物像になります。また、AIが作ったたたき台は、あくまで一般的な想像です。それを自社の実際の顧客データや、営業・サポートの生の声と突き合わせて、現実に即した形に修正することで、初めて使えるペルソナになります。

AIにペルソナ案を作らせるプロンプト

AIにペルソナのたたき台を頼むときは、商材・目的・分かっている顧客の特徴を伝えると、精度が上がります。次のようなプロンプトが土台になります。

次のサービスのペルソナ案を作ってください。
サービス：{概要}　目的：{この施策のため}
分かっている顧客の傾向：{業種・規模・よくある課題など}
以下の項目を埋めてください：基本属性／抱える課題／情報の集め方／
購買の決め手／購買の妨げになる不安。
複数のタイプが考えられる場合は、2〜3パターン挙げてください。

データと組み合わせて精度を上げる

ペルソナの精度を高める鍵は、実際のデータとの組み合わせです。AIの作るペルソナは、一般的な想像に基づく仮説にすぎません。これを、自社が持つ顧客データ——実際の購買層、アンケートの回答、問い合わせの内容など——と突き合わせることで、現実に根ざしたペルソナになります。

たとえば、AIが想定した顧客像と、実際のデータに表れる顧客像が食い違っていれば、そこに発見があります。AIに、集計した顧客データを渡して「このデータから読み取れる顧客像」を整理させ、最初のたたき台と比べるのも有効です。想像と現実を行き来しながら描くことで、ペルソナは「絵に描いた理想像」ではなく「実在する顧客の代表」に近づきます。データの裏づけが、ペルソナに説得力を与えます。

ペルソナを施策に活かす

ペルソナは、作ること自体が目的ではなく、施策に活かしてこそ意味があります。コンテンツを作るとき、広告を出すとき、メールを書くとき——常に「このペルソナなら、どう感じるか」を判断の基準にします。ペルソナがあれば、施策の一つひとつに一貫した軸が通ります。

生成AIを使った施策づくりでも、ペルソナは役立ちます。AIに文章や企画を頼むとき、ペルソナの情報を渡せば、その人物に向けた、的を絞った提案が得られます。「誰に向けるか」が明確なほど、AIの出力も的確になるのです。ペルソナとAIは、相性のよい組み合わせです。明確なペルソナが、AI活用の質も高めてくれます。

ペルソナとカスタマージャーニーを結びつける

ペルソナは、カスタマージャーニー（顧客の道筋）と結びつけると、いっそう力を発揮します。同じペルソナでも、認知の段階と検討の段階では、求める情報も心理も違います。ペルソナを軸に「この人は、各段階で何を考え、何を必要とするか」を描くと、段階ごとの施策が具体的になります。誰に、いつ、何を届けるかが明確になるのです。

この描き出しにも、生成AIが役立ちます。ペルソナの情報を渡して「この人物が、認知から購入までの各段階で抱く疑問や不安」を整理させると、段階別に用意すべきコンテンツが見えてきます。ペルソナという「誰に」と、ジャーニーという「いつ」を掛け合わせることで、施策の精度は大きく高まります。両者はセットで考えると効果的です。

チームでペルソナを共有する

ペルソナの価値は、チーム全員で共有してこそ最大化します。一人の頭の中にあるだけでは、施策はばらつきます。マーケティング・営業・制作など、関わる全員が同じペルソナを見て動くことで、発信に一貫性が生まれます。「私たちの顧客はこういう人だ」という共通認識が、チームの判断の拠り所になります。

共有のためには、ペルソナを分かりやすくまとめることが大切です。AIに「このペルソナを、チームで共有しやすい簡潔な形にまとめて」と頼むと、伝わりやすい資料に整えられます。ただし、一度共有して終わりではなく、見直しのたびに更新を全員に伝えます。ペルソナを生きた共通言語として保つことが、チームの足並みをそろえ、施策の力を引き出します。

やりがちな失敗と回避

ペルソナ設計でつまずきやすいパターンです。先回りして避けましょう。

• 想像だけで作る：データの裏づけがなく、現実とずれた理想像になる
• 作って満足し、活用しない：施策に反映されず、ただの資料で終わる
• ペルソナを多く作りすぎる：軸が分散し、かえって施策がぶれる
• 一度作って放置する：市場や顧客の変化に取り残される

定期的に見直す

ペルソナは、一度作ったら終わりではありません。市場の変化、顧客層の移り変わり、新しいサービスの追加などにより、最適なペルソナは変わっていきます。古いペルソナのまま施策を続けると、現実の顧客とずれていきます。定期的に見直し、最新の状態に保つことが大切です。

見直しの際も、AIと実データの組み合わせが役立ちます。最近の顧客データを渡して「以前のペルソナと比べて、変化している点」を整理させると、見直すべき箇所が見えてきます。ペルソナを「生きた資料」として育てていくことで、施策の軸が常に現実に即したものになります。手間に見えても、この見直しが、ぶれない施策を支え続けます。

AIに決めさせない項目を、着手前に線引きする

生成AIで人物像のたたき台を作るとき、最初に決めておきたいのは、どの項目をAIに埋めさせ、どの項目を人が決めるのかという線です。AIの出力は検討の起点として扱うもので、結論として扱うものではありません。ところが線を引かないまま走り出すと、出てきた人物像がそのまま清書され、気づいたときには広告の原稿や営業の説明資料にまで回っています。後から直すとなると、配った資料の回収から始めることになり、手戻りは設計そのものより大きくなります。線引きは着手前の三十分ほどで済む作業です。項目ごとに、AIが埋めた、人が決めた、まだ裏を取っていない、の三つの印を付けておくだけでも、後から見た人が触ってよい場所を間違えなくなります。

分け方の目安は、根拠がどこにあるかです。年代や職種の候補出し、課題の言い換え、情報の集め方として考えられる経路の列挙は、一般的な知識で足りるのでAIに埋めさせてよい項目です。一方で、主要な顧客像をどのタイプに絞るか、想定する予算の帯、決裁に関わる人の順番は、自社の受注データと取引の慣習がなければ決まりません。ここをAIに埋めさせると、業界の平均的な顧客像が入り込み、自社の事情が消えます。見分け方は簡単で、出てきた文章に自社の商材の名前も、年度の予算や稟議といった日本の商習慣も出てこないなら、平均像を疑ってよい合図です。平均像は読んでも違和感がないので、そのまま通ってしまうのが厄介なところです。

AIに埋めさせる項目には、根拠を併記させます。指示に「各項目について、そう書いた根拠を、渡した資料のどこか、聞き取りの誰の発言か、一般的な知識か、の三つから選んで書いてください」と加えるだけで、出力の形が変わります。一般的な知識と書かれた項目だけを人が調べれば済むので、確認の量は項目の数ではなく根拠の薄さで決まります。存在しない課題や行動が混じる不具合も、この形なら一般的な知識の欄に集まります。逆に、根拠を書かせずに受け取った人物像は、どこが仮説でどこが事実なのかを後から切り分けられません。一般的な知識の印が半分を超えたなら、渡した材料が足りないという別の合図です。その場合は、受注の一覧や問い合わせの原文をもう一束渡してから、同じ指示をやり直します。

線引きは頭の中に置かず、次の表のような形で一枚にまとめ、レビューを依頼するときに人物像と一緒に添えます。営業や支援の担当者は、どこが自社の判断でどこが機械の下書きかが分かると、指摘する場所を絞れます。依頼の仕方も、全体を読んでほしいと伝えるのではなく、人が決めた行だけを十五分で見てほしいと頼み方を限定すると、返事が返ってきます。項目を新しく足したくなったときは、先にこの一枚を更新してから足す順番にします。運用していると年間の予算の執行時期も入れたいといった要望が出ますが、誰が決める項目なのかを決めずに足すと、表の外側で項目だけが増えていきます。更新した日付を残しておくと、どの施策がどの版を見て作られたかも追えます。

項目の種類	任せ方	人が確認すること
年代・職種・業種の候補	AIに列挙させる	自社の受注実績に無い区分が混じっていないか
抱えている課題	AIに案を出させ根拠を併記	一般的な知識と書かれた課題を落とすか裏を取るか
情報の集め方	AIに経路を挙げさせる	実際の流入や問い合わせの経路と合っているか
絞り込む顧客像	人が決める	対象から外れる層とその取引額を併記したか
決裁に関わる人の順番	人が決める	営業の聞き取りと食い違っていないか

顧客データをAIに渡す前に決めておくこと

人物像の精度を上げる近道は、手元の顧客データをAIに渡して傾向を整理させることです。ただし顧客データには、氏名や連絡先といった個人情報が混じります。個人情報保護委員会は、生成AIのサービスに指示文として個人情報を入力する場合、特定した利用目的の達成に必要な範囲内かどうかを十分に確認するよう求めています。注意されているのは入力そのものの禁止ではなく、範囲の確認です。つまり使ってよいかを毎回悩むのではなく、どの範囲なら目的の内側かを先に決めておけばよいということです。既存顧客の傾向を整理するためという言い方で利用目的に結び付けておけば、担当者が現場で判断に迷う場面はほとんど消えます。問い合わせを受ける情報システムの側の負担も軽くなります。

決裁者から法令面を問われたときの説明も、この線に沿って組み立てます。二〇二六年に公布された改正では、統計的な情報の作成を目的とする場合に限って本人の同意なく第三者に提供できる特例が新設されたと整理されていますが、業務のなかで顧客情報を入力する場面の規律までは及ばないと読まれています。社内の手当ては、従来の考え方をそのまま続ければよいということです。改正があったから緩んだ、あるいは全面的に禁止になったという両極の説明は、どちらも実務と合いません。法務に相談を持ち込むときは、使うサービスの名前とプラン、学習に使われるかどうかの設定、渡すデータの粒度、保持される期間の四点を一枚にして持っていくと、往復が一回で終わります。

手当ては二つに絞れます。ひとつは、使っているサービスのプランと設定を確認し、入力した内容が学習に使われるのか、どれだけの期間保持されるのかを把握することです。学習に使われないことと、保存されないことは別だという点を見落としがちです。もうひとつは、入れてよい情報とだめな情報を、自社の書類の名前で例示して社内の決めごとに書き出すことです。公開済みの製品資料は入力してよい、社内限定の資料は氏名を伏せてから、顧客の名簿と秘密保持の対象は入力しない、という三段の分け方が実務では扱いやすいはずです。新しいサービスを増やすときは、学習利用の初期設定、停止する操作の名前、保持の期間、人が内容を見る仕組みの有無、保存される場所、職場用と個人用の区分の六点を同じ様式で確かめます。

人物像の設計に限った具体策としては、渡すのは集計した後の数字だけにするのが早いです。業種、従業員の規模、役職、問い合わせから受注までの日数といった列を、それぞれ件数に丸めてから渡せば、個人を特定できる情報を外に出さずに傾向だけを渡せます。氏名、会社名、連絡先は列ごと落とします。注意したいのは丸め方の粗さで、該当が数件しかない区分は、件数に直しても誰のことか分かってしまいます。件数の少ない区分はその他にまとめてから渡すと決めておきます。この形を一度決めれば、以後は誰が作業しても同じ粒度になります。最初から全社に広げず、個人情報を含まない集計を一つ試してから範囲を広げるほうが定着します。最初の一つは、業種と従業員規模を組み合わせた件数の表あたりが手頃です。

人物像が社内で止まる理由と、通すための材料

人物像づくりは、作った後に止まります。止まる原因は文章の出来ではなく、営業から出る、その人はうちの顧客にいない、という一言です。機能しない人物像には型があり、売り手に都合のよい理想像、部署ごとの要望を足し合わせて曖昧になったもの、既存の受注データに基づいていないもの、の三つに整理されています。理想像は、予算が十分で決裁権があり、すぐ決めてくれる人、のような姿になりがちで、市場にほとんど存在しません。足し合わせのほうは、大企業も中小企業も、あの業界もこの業界も、という状態に落ち着きます。見分け方は、書いた条件を読み上げながら自社の顧客名簿に当てはめてみることです。九割が当てはまるなら、それは絞れていないという意味です。

止まらせないためには、営業への聞き方を変えます。どんな顧客が理想ですかと尋ねると願望が返ってくるので、直近で受注した顧客に共通していた点と、失注した案件の特徴を聞きます。起きたことを尋ねている限り、答えは実績の話になります。人数は三人から五人、一人あたり三十分もあれば、繰り返し出てくる言い回しが見えてきます。集まった聞き取りのメモは束のまま生成AIに渡し、共通する点と、少数だけに出てくる例外を分けて整理させます。ここで整理はAIに、採否は人にという分担を崩さないことが大事で、例外として弾かれた側に次の事業の芽が隠れていることもあります。例外として挙がった企業の名前は、消さずに別の欄に残しておきます。半年後に同じ特徴の相手が増えていれば、そのときは主要な顧客像のほうを見直す番です。

決裁者に見せる材料は、人物像そのものではありません。問い合わせの種別ごとの商談化率、企業の属性ごとの受注率、商材ごとのLTVのように、絞り込みによってどの数字が動くのかを並べます。いずれもCRMから属性別に切り出せる数字なので、新しい調査は要りません。あわせて、絞ることで対象から外れる層と、その層が占めていた取引額を必ず併記します。取り込む側だけを見せると、なぜ今の顧客を切るのかという問いに答えられず、判断が持ち越されます。外す層の金額まで出したうえで、それでもこちらに寄せる理由を一行で言えるなら、その場で決まります。数字は決裁の場に出す前に営業の責任者と突き合わせ、同じ集計になっていることを確かめておきます。

反対が出る場所も、あらかじめ読めます。営業からは、絞ると母数が減る、経営からは、長年の取引先が対象から外れる、という声が出ます。どちらも、この人物像が適用される範囲を明示すれば収まります。全社の方針ではなく、今回の施策の宛先を決めただけだと合意する、という言い方です。もうひとつ、BtoBでは情報を集める担当者と最終的に判断する人が別なので、両方を描き分けておきます。現場の担当者に効くのは日々の手間がどれだけ減るかで、決裁者に効くのは投じた費用がどう返ってくるかです。担当者向けの人物像だけを持って決裁の場に出ると、決裁者は自分の関心がどこにも書かれていない資料を読まされることになり、話がかみ合いません。

よくある質問

ペルソナは、いくつ作るべきですか？

多ければよいわけではありません。主要な顧客像に絞り、まずは1〜2パターンから始めるのが現実的です。多すぎると施策の軸が分散します。事業の幅が広い場合でも、施策ごとに「今回はどのペルソナに向けるか」を一つ選ぶと、ぶれずに進められます。

AIが作ったペルソナを、そのまま使ってよいですか？

そのままの使用は避けてください。AIの案はあくまで一般的な想像に基づく仮説です。自社の実際の顧客データや、営業・サポートの声と照らし合わせ、現実に即した形に修正してから使います。裏づけのないペルソナは、施策を誤らせます。

データが少なくても、ペルソナは作れますか？

作れます。少ないデータでも、営業や問い合わせの生の声を加えれば、十分に手がかりになります。完璧なデータを待つより、今ある情報でまず作り、運用しながら精度を高めていくのが現実的です。AIは、限られた情報からたたき台を作る助けになります。

BtoBでもペルソナは必要ですか？

必要です。BtoBでは組織が相手ですが、実際に検討し判断するのは個々の担当者や決裁者です。その人物像を具体的に描くことで、誰に何を伝えるべきかが明確になります。関わる人が複数いるBtoBでこそ、立場ごとのペルソナが役立ちます。

たとえば、現場の担当者と、予算を握る決裁者とでは、響くポイントが異なります。それぞれのペルソナを描き分ければ、相手に応じた訴求ができます。AIに立場の違う複数のペルソナ案を作らせ、実際の顧客と照らし合わせて整えると、BtoBの複雑な購買にも対応しやすくなります。

ペルソナと実際の顧客がずれていたら、どうすればよいですか？

ずれに気づけたこと自体が、貴重な発見です。実際の顧客データや現場の声に合わせて、ペルソナを修正します。想像で作ったペルソナが現実とずれるのは自然なことで、それを実データで補正していくことで精度が上がります。ずれを放置せず、見直しの機会と捉えましょう。

まとめ

ペルソナ設計に生成AIを活かす要点は、AIで人物像のたたき台を素早く作り、実データと現場の声で現実に即した形に磨くことです。施策の「誰に」を定める軸として、課題と購買の決め手を具体的に描く。作って終わりにせず、施策に活かし、定期的に見直す。AIは設計の効率化と視点の広がりをもたらしてくれます。まずは主要な顧客像を一つ、AIにたたき台を作らせ、実データと照らし合わせるところから始めてみてください。

※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。