ZefrでAI生成動画の隣の広告は防げる？｜配信面の判定を任せる手順

「動画広告の配信先に、AIで量産されたような投稿が増えている気がする」「除外を強めたら、今度は表示回数がみるみる落ちた」——SNSと動画の広告を回す担当者から、ここ1年で急に増えた二つの声です。広告と動画の検証を手がける Zefr が2026年3月に公表した調査では、消費者の81%が、ブランドの広告が隣に出るのはふさわしくないと感じるAI生成の投稿の種類が少なくとも一つあると答え、約3人に1人は人が作った投稿をAI生成だと見誤っていました。問題はAIで作られたかどうかそのものではありません。どの投稿の隣なら自社の広告を出してよいかを先に決め、その判定をどこまで外部のAI分類に任せるかが本題です。この記事では、Zefr のような投稿単位の判定を使って、配信面の適合を任せる手順を整理します。

Zefr は、動画と投稿を1本ずつ判定する広告の適合性の基盤

Zefr は2008年に米国で創業した会社で、自らを「動画とSNSのフィードのためのブランド適合性の基盤」と説明しています。もとは YouTube を主な対象として始まり、2015年に Facebook と Instagram、のちに さらに TikTok などへ対応を広げてきました。公式の会社紹介では、自社は媒体を持たない第三者であり、偏りのないデータを出す立場だと強調しています。広告を売る側ではなく、広告が載った先を測る側だという位置づけです。

特徴は、判定の単位です。ウェブ広告の世界では、サイトやチャンネル、アカウントといった「面の単位」で良しあしを決めるのが一般的でした。Zefr は、動画や投稿の1本ごとに中身を分類する「投稿単位」の判定を掲げ、映像と音声と文字をまとめて読み取る分類の仕組みを持つと説明しています。公式サイトに掲げられている対応先は、YouTube、Meta（Facebook・Instagram・Threads）、TikTok、スナップチャット、Reddit のほか、Google Ads や大手の広告買い付けの仕組みとの連携です。

ブランドセーフティとブランドスータビリティの違いや、除外の一覧の一般論は別の記事で扱いました。ここでは繰り返さず、投稿単位の判定を外部のAI分類に任せるとき、広告主の側で何を決め、何を確かめるかに絞ります。

2026年の動き：3月の認定と調査、5月の Threads

2026年の Zefr の発表を日付で並べると、方向がはっきりします。まず、米国の広告測定の監査機関である MRC が、Zefr の YouTube における投稿単位のブランドセーフティと適合性の分類・報告を認定しました。MRC の認定書は2026年1月20日付で、Zefr はこれを3月に公表し、この分野で第三者として初めての認定だと説明しています。ただし認定書に書かれた対象は、英語の YouTube のインストリーム動画です。この範囲の外まで認定が及ぶわけではない点は、後で日本での使い方を考えるときに効いてきます。

同じ3月には、大手広告会社オムニコム傘下の調査部門と組んで、AI生成の投稿の隣に広告が出たときの影響を測った調査を公表しました。冒頭の数字のほか、AIの投稿だと分かる表示があるとブランドへの印象が良くなると答えた人が41%いたこと、悪い影響がもっとも強く出たのは、迷惑投稿のような、あるいは誤解を招くAI生成の投稿の隣だったこと、逆に風刺や創作として分かりやすく表示されたAIの投稿の隣では広告の想起が上がったことが報告されています。

そして2026年5月18日、Business Wire で、Meta との協業を深めて Threads のフィードに事前の除外の一覧を広げると発表しました。Zefr はこれを、Facebook と Instagram での検証、Threads での測定に続く「三段目」と位置づけています。なお同じ日に、同業の大手検証会社も Threads 向けの事前の制御を発表しています。事前の制御は一社だけのものではなく、比べて選べる段に入ったと読むのが妥当です。

その後も、6月には YouTube の音声広告への適合性の測定の拡張、10月には Reddit との提携が報じられるなど、対応する面を広げる動きが続いています。Zefr は Threads について月間の利用者が4億人を超えると紹介し、Meta の面に広告費が集まるほど、新しい面ほど、広告主の側に判定の手段が少ないという問題意識を示しています。新しい配信面に予算を移すときに、適合の判定が追いついているかを確かめる、という使い方が想定されています。

前提：事後の「測定」と、入札前の「制御」は別の道具

手順に入る前に、Zefr が持つ二つの働きを分けておきます。一つは事後の測定です。広告がどの投稿の隣に出たかを、配信のあとで分類して報告します。もう一つは事前の制御で、入札の前に、合わない投稿の隣には出さないよう絞ります。公式サイトでは、事前に高い危険と高い繊細さの投稿を除き、管理画面で結果を見て、次の配信でより細かく外す・外さないを調整する、という3段の流れで説明しています。

この二つは、守れるものも、失うものも違います。測定は配信を止めないので、リーチは減りませんが、出てしまったあとに分かるだけです。制御は出る前に止めるので守りは強くなりますが、外しすぎれば、本来届けたかった面まで失うことになります。多くの担当者がつまずくのは、測定の数字を見ずにいきなり強い制御をかけ、表示回数が落ちてから慌てて緩める流れです。

観点	事後の測定	事前の制御
いつ働くか	配信のあと	入札の前
分かること・できること	どの投稿の隣に出たかの内訳	合わない投稿の隣に出さない
リーチへの影響	減らない	外し方しだいで減る
向いている段階	現状の把握・基準の見直し	基準が固まってからの運用
人が見るもの	分類の内訳と抜き取りの結果	除外の強さと表示回数の推移
主な落とし穴	見るだけで終わる	外しすぎ・誤判定に気づけない

手順1：自社の適合基準を段階で書く

最初にやるのは、Zefr の設定画面を開くことではなく、自社の基準を紙に書くことです。業界では、事故や暴力、成人向け、薬物、ヘイト、誤情報といった分類ごとに、危険の高さを段階で分ける考え方が使われてきました。分類ごとに、どの段まで許すかを自社で決めるのが基準の中身です。全部を一番厳しくすれば安全に見えますが、それでは報道や解説の投稿の隣にも出られなくなります。

BtoBの企業なら、分類ごとに次の三つに振り分けると決めやすくなります。どんな場合も出さない、ふだんは出さないが商材や時期によっては許す、とくに気にしない、の三つです。たとえばセキュリティ製品の広告なら、サイバー攻撃の事件を扱う報道の投稿は、むしろ出たい面かもしれません。同じ分類でも、商材によって外すべきかどうかは逆になるので、他社の基準をそのまま写さないことが大切です。

基準は、広報、法務、事業部、広告の担当者で一度すり合わせ、決めた日付と決めた人を書いて残します。判定はAIが行いますが、何を外すかという基準そのものをAIに決めさせないのが出発点です。分類の名前と自社の言葉が対応しているかも、このとき確かめておきます。

手順2：AI生成の動画・投稿をどう扱うかを別枠で決める

AI生成の投稿は、従来の分類とは別の軸です。暴力や成人向けといった中身の分類とは関係なく、作り方の分類だからです。Zefr は、AIで作られた、あるいはAIで加工された投稿と、その下位の分類を見分け、外すことも、あえて含めることもできると説明しています。調査を受けて、ブランドごとにAI生成の投稿への許容の線を決められるとも述べています。

調査の結果は、「AI生成なら全部外す」が正解ではないことを示しています。創作や風刺として分かりやすく表示されたものの隣では広告の想起が上がった一方、迷惑投稿のようなもの、誤解を招くもの、AIか人か分からないものの隣では、好感度や信頼、購入意向が下がっていました。そこで基準は、AI生成かどうかではなく、誤解を招くか、本物の人物や出来事を偽っているか、量産された低品質の投稿かで切るのが現実的です。

• 「AI生成」という分類だけで一律に外す（創作として楽しまれている投稿まで失う）
• AI生成の投稿の扱いを決めずに、従来の分類の設定だけで済ませる
• 実在の人物になりすました動画と、明らかな創作を同じ段で扱う
• AIの投稿を見分ける精度を確かめずに、見分けられる前提で基準を書く

もう一つ大切なのは、見分けそのものが難しいことです。調査では約3人に1人が人の作った投稿をAI生成と見誤っていました。機械の分類も完全ではありません。AI生成の判定は「たぶんそうだ」という推定であり、断定ではない前提で、後の手順で誤りを確かめます。

手順3：まず事後の測定で、いまどこに出ているかを見る

基準ができたら、いきなり事前の制御をかけず、まず事後の測定で現状を見ます。期間は2週間から1か月ほど、ふだんどおりに配信し、自社の広告がどの分類の投稿の隣に出ていたかの内訳を確かめます。思っていたより問題の面が少なければ、強い制御は要らないかもしれませんし、逆に、特定の分類に偏って出ていたと分かることもあります。

このとき、内訳の数字だけで判断しないことです。分類の名前は同じでも、実際にどんな投稿だったかは見てみないと分かりません。管理画面で投稿の一覧を見られる場合は、分類ごとに数件ずつ開いて、自社の基準で見ても外すべきだったかを確かめます。ここで分類と自社の感覚がずれている分類を見つけておくと、事前の制御を設計するときの手戻りが減ります。

測定の期間は、配信先ごとに分けて見ます。YouTube と Threads と TikTok では、投稿の性質も分類の精度も違うからです。認定の範囲が英語の YouTube のインストリーム動画に限られていることを考えると、日本語の投稿や、縦型の短尺動画の判定は、自社の抜き取りでより厚く確かめるのが筋です。

手順4：事前の制御は、除外の深さを一段ずつ上げる

事前の制御をかけるときは、最初は「どんな場合も出さない」と決めた分類だけを外します。Zefr の説明でも、最初の段は高い危険と高い繊細さの投稿を外すところから始まります。そこから、表示回数と単価の変化を見ながら、一度に一つの分類だけ除外を強めるのが安全です。複数を同時に動かすと、何が表示回数を減らしたのか分からなくなります。

逆向きの調整もあります。公式サイトでは、繊細さの低い下位の分類まで外さないことで、届く範囲を広げられるとしています。最初に強くかけすぎていたなら、測定の結果を根拠に外していた分類を一つずつ戻す判断も手順の一部です。強める判断と同じく、戻す判断も人が根拠を書いて行います。

手順5：判定の誤りを、抜き取りで確かめる

AIの分類には誤りがあります。誤りには二つの向きがあり、外すべき投稿を通してしまう見逃しと、問題のない投稿を外してしまう誤検知です。見逃しは事故として表に出ますが、誤検知は表に出ず、静かにリーチを削り続けるので、意識して探さないと見つかりません。

確かめ方は抜き取りです。月に一度、通した投稿と外した投稿のそれぞれから、分類ごとに数件から十数件を選んで、担当者が自社の基準で見直します。外した投稿の側を見られるかどうかは、事前の制御の作りによって変わるので、外した面の内訳や例を見せてもらえるかを契約前に確かめることが大切です。見られなければ、誤検知を数える手段がありません。

ずれを見つけたら、それが分類の誤りなのか、自社の基準の書き方の問題なのかを分けます。前者は Zefr の担当窓口に例を添えて伝え、後者は基準を書き直します。AIに「なぜその分類にしたか」の根拠を求められるかも確かめておくとよいでしょう。根拠が見えない判定は、見直しのしようがないからです。

• MRC の認定は、分類の方法と報告の仕組みが監査を通ったという意味で、すべての判定が正しいという保証ではない
• 認定書に書かれた範囲は英語の YouTube のインストリーム動画で、Threads や日本語の投稿は範囲の外
• 公式サイトに掲げられた無駄の削減や広告費用対効果の数字は、測り方が示されていないため、自社の数字で確かめる

手順6：過剰除外でリーチを失っていないかを数字で見る

事前の制御を入れた後、もっとも見落とされやすいのが過剰除外です。外す分類を増やすほど、入札できる面は減り、残った面の取り合いになって単価が上がります。BtoBのように対象がもともと狭い配信では、除外を強めたことで、狙った業種や職種の人に届く量そのものが減ることがあります。

見る数字は三つです。制御の前後での表示回数、単価、成果の件数です。成果が変わらず表示回数だけが減ったなら、外したのは届かなくてよい面だったと読めます。表示回数も成果も減ったなら、外しすぎを疑います。守れた事故の数だけでなく、失った面の量も同じ表に並べるのが、制御の良しあしを判断する基本です。

比べ方にも工夫が要ります。制御の前後を比べるだけでは、季節や入札の競争の変化と区別がつきません。予算に余裕があれば、同じ広告を、制御を強めた配信と従来の配信に分けて同じ期間に流し、表示回数と単価と成果を並べると、制御そのものの影響を取り出しやすくなります。分けられないときは、比べる期間を長めにとり、同じ時期の前年の数字も参考にします。

社内への報告では、「事故ゼロ」だけを成果にしないことです。事故ゼロは強い除外で簡単に作れますが、その代わりに失った面は報告に出てきません。報告の様式に、除外で減った見込みの表示回数を一行入れておくと、守りすぎの判断を社内で検討できるようになります。

日本で使うときに確かめること：言語・配信面・窓口

Zefr の公表資料で確認できる認定や事例は、主に英語圏のものです。認定書の対象は英語の YouTube のインストリーム動画と明記されており、2026年に発表された販売の協力会社の広がりも、トルコや中東などの地域でした。日本語の投稿をどの精度で分類できるかは、公表資料からは確かめられません。日本で使うなら、日本語の投稿を含む抜き取りの結果を、導入前の試験で見せてもらうのが確実です。

配信面ごとの対応も確かめます。公式サイトでは YouTube、Meta、TikTok、スナップチャット、Reddit などを挙げていますが、測定だけの面と事前の制御まで使える面があり、2026年10月の Reddit との提携の報道では、事前の制御を使える面の範囲をめぐって業界紙から疑問も出ていました。「対応」と書かれていても、測定なのか事前の制御なのかを面ごとに確かめるのが大事です。

消費者の受け止め方にも地域差があります。先の調査では、カナダの消費者は米国の消費者よりも、AI生成の投稿の隣に広告が出ることに敏感だったと報告されています。調査の対象に日本は含まれていないので、日本の消費者や取引先がAI生成の投稿の隣をどう受け止めるかは、英語圏の数字から推し量れません。基準を決めるときは、海外の数字を参考にとどめ、自社の顧客の声や過去の問い合わせを材料にします。

日本語での問い合わせ窓口、請求の通貨、契約の主体が代理店経由か直接かも確かめます。日本の広告主の多くは代理店を通じて広告を買っているので、代理店が Zefr と取引があるか、その場合の手数料の扱いも合わせて聞いておくと、比較がしやすくなります。

BtoBの広告主が使う場面と、使わなくてよい場面

BtoBの広告主にとって、投稿単位の判定が効くのは、SNSや動画の広告に一定以上の予算をかけ、配信先を細かく選べない仕組みで配信している場合です。たとえば認知のための動画広告を YouTube に広く出している、採用や企業ブランドの広告を Meta の配信面に出している、といった場面です。企業の信用が商材の一部になっている業種、たとえば金融、医療、セキュリティ、人材などでは、隣の投稿が与える印象の重みが大きくなります。

反対に、出稿額が小さく、配信先を自分で選べる配信が中心なら、外部の検証の費用が見合わないこともあります。検索広告や、特定のメディアへの記事広告、展示会の告知のように面が決まっている広告は、そもそも投稿単位の判定の出番が少ないからです。費用をかける前に、自社の広告費のうち、面を選べない配信がどれだけあるかを数えると、要否の判断がつきます。

もう一つの場面は、社内から問い合わせが来たときの説明です。経営層や営業から「うちの広告が変な動画の隣に出ていた」と連絡が来たとき、測定の記録があれば、それがどれくらいの頻度で起きているのかを数字で答えられます。記録がないと、1件の画面写真がすべてになり、除外を過剰に強める判断につながりがちです。

代理店・媒体・社内の持ち分

配信面の適合には、少なくとも四者が関わります。基準を決める広告主、設定と運用を行う代理店、判定を行う Zefr、そして配信面を持つ媒体です。事故が起きたときにいちばん困るのは、誰の設定で、誰の判定で、その面に出たのかが分からないことです。

持ち分は次のように書き分けると整理しやすくなります。基準と例外の許可は広告主、事前の制御の設定と週次の確認は代理店、分類の精度と根拠の説明は Zefr、配信面の規約と表示の仕組みは媒体です。基準を変える権限は広告主だけが持ち、代理店は提案までにとどめると決めておくと、運用の都合で除外が緩んだり強まったりするのを防げます。

社内では、広告の担当者だけでなく、広報と法務に基準の承認者として入ってもらいます。事故が起きたときの最初の連絡先と、配信を止める判断を誰が下すかも、基準の文書に書いておきます。止めるかどうかをAIの分類の結果だけで決めず、止める判断は必ず人が行うのが原則です。

取り決めに書いておきたいのは、報告の頻度と形、広告主が管理画面を自分で見られる権限、除外の設定を変えたときの事前の連絡、事故が起きたときの連絡の期限です。とくに管理画面の権限は、代理店だけが持っていると、代理店を替えたときに過去の測定の記録が引き継げなくなることがあります。測定の記録は広告主の資産として、広告主の名義で持つように契約の段で決めておくと、運用の担い手が替わっても、基準の見直しに必要な材料が手元に残ります。

何が外に出るか、AIに判断させない範囲

Zefr のような外部の検証を使うと、自社の配信の情報が第三者に渡ります。どのキャンペーンを、いつ、どの面に、どれだけ出したかという配信の記録です。個人の情報を直接渡すわけではなくても、新製品の告知の時期や、力を入れている地域や商材が読み取れる情報であることは意識しておきます。契約では、配信データの保存期間、ほかの目的への利用の有無、集計して業界の調査に使うかどうかを確かめます。

AIに任せてよいのは、決めた基準に沿った1本ずつの分類と、その結果の集計までです。任せてはいけないのは、基準そのもの、例外として許す面の決定、事故が起きたときの社外への説明、配信を止める判断です。分類はAI、線引きと説明は人という分担を、社内の運用の文書に明記しておきます。

もう一つ、AI生成の投稿の扱いは、社会の受け止め方が速く変わる領域です。半年前に許していた種類が、炎上を機に問題視されることもあります。基準は一度決めたら終わりではなく、半年に一度、調査や事故の事例を見て見直す周期を決めておきます。

費用と契約で確かめること、やめ方

Zefr の公開された料金表は確認できず、費用は見積もりで決まります。検証の費用は、一般に配信量に応じて増える形が多いため、配信量が増えれば、検証の費用も比例して増える前提で予算を組みます。代理店経由なら、代理店の手数料に上乗せされるのか、別建てなのかも確かめます。なお Zefr は、MRC の認定を受けた YouTube の視認性の指標を広告主に無料で提供すると説明しています。

契約前に確かめたいのは、試験期間の有無、配信面ごとの対応範囲、外した面の内訳を見られるか、分類の根拠をどこまで説明してもらえるか、データの扱い、解約の条件です。試験期間は、事後の測定だけで始められるかも聞いておくと、手順3の現状把握を少ない負担で済ませられます。

やめるときは、事前の制御を外す前に、外した後に表示回数と事故の頻度がどう変わるかを見込んでおきます。測定の記録は書き出して保存し、自社の基準の文書は手元に残します。基準は道具に属さず、自社に属するものなので、別の検証会社に乗り換えても、媒体の標準の除外機能に戻しても、そのまま使えます。

よくある質問

媒体の標準の除外機能だけでは足りませんか

YouTube や Meta にも、広告主が使える除外の設定はあります。足りるかどうかは、自社の基準がどれだけ細かいかと、媒体と独立した第三者の測定が必要かで決まります。社内や取引先に「独立した測定で確かめた」と説明する必要があるなら、外部の検証が意味を持ちます。まずは標準の機能で手順1の基準を当てはめてみて、足りない分類を確かめるのが順番です。

AI生成の投稿は全部外したほうが安全ですか

全部外すと、創作として楽しまれている投稿の隣まで失い、リーチが大きく減るおそれがあります。調査でも、分かりやすく表示された創作のAI投稿の隣では、広告の想起が上がっていました。外すべきは、誤解を招くもの、実在の人物や出来事を偽るもの、量産された低品質のものです。

事故が起きたら、まず何をすればよいですか

画面の記録を残し、測定の記録でその面に出た回数と期間を確かめます。そのうえで、基準に照らして外すべき面だったか、分類の誤りだったかを分け、該当する分類の設定を見直します。1件の事故で除外を一気に強めると過剰除外になりやすいので、頻度を数字で確かめてから判断します。

まとめ

Zefr は、動画や投稿を1本ずつAIで分類し、広告が出た面を事後に測る仕組みと、入札前に面を絞る仕組みを持ち、2026年には MRC の認定と Threads への事前の制御の拡張を発表しました。ただ、判定を任せる前に決めるべきことは広告主の側にあります。自社の適合基準とAI生成の投稿の扱いを人が段階で書き、事後の測定で現状を見てから、事前の制御を一段ずつ強める。誤判定は抜き取りで確かめ、過剰除外で失った面も同じ表に並べ、基準を変える権限と止める判断は広告主が持つ。この順で進めれば、AI生成の動画の隣を避けながら、届けたい相手への到達を守れます。

※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。