AI マーケティングの活用法 37 選｜実証済みの手法を専門家が解説

ChatGPT、Claude、Letaido といった生成 AI ツールは、この 1 年で飛躍的に改良されました。これまで自動化できないと思われていたマーケティング業務の一部が実現可能になり、しかも、ソフトウェアエンジニアやロケット科学者のような専門知識は必要ありません。

本記事では、SEO から国際マーケティングまで、分野別に整理した AI マーケティングの実用的な活用法 37 選をご紹介します。すべて実際にマーケターが実践し、その過程を公開している手法ばかりですので、同様の成果を得るための参考にしてください。

これらのワークフローはすべて、Ahrefs が開発した AI マーケティングエージェント「Letaido」で構築できます。Ahrefs をご利用の場合、1 ヶ月間無料でお試しいただけます。

実践的なマーケターによる AI マーケティングの活用法をご覧ください。

SEO の多くは面倒で細かい作業です。クロール結果の書き出し、Search Console からのダウンロード、VLOOKUP を多用したスプレッドシートの作成、複雑なデータ分析などがその例です。この「反復的でありながら複雑」という組み合わせこそ、AI が力を発揮する分野です。

率直に言いますが、「月額 9 ドルで SEO を自動化できる」と約束している AI ツールは怪しい商材です。どの AI ツールも、知識と判断力の代替にはなりません。使い手の判断力が不可欠です。

Go Fish Digital のダン・ヒンクリー（Dan Hinckley）さんは、Google の品質評価者と同様の方法でページを評価し、Google が公開している品質評価者向けガイドラインに照らし合わせる AI エージェントを構築しました。

キーワードとサイト上のページを指定すると、まず Google の 168 ページに及ぶ品質評価者ハンドブックを読み込み、チェックリストに変換します。次に実際の Chrome ウィンドウを開き、キーワードで検索して結果を確認します。そして検索者の意図を把握してからページをクリックします。ページをスクロールし、About ページやフッターをチェックして、ガイドラインへの適合状況をレポート化します。実行過程の動画も記録されます。

このハンドブックは、Google が「良いページ」の定義について語る最も信頼できる資料です。しかし、168 ページをすべて読んで自分の作業を評価するのは現実的ではありません。このツールを使えば数分で判定が得られ、上位にランキングしているページも評価できるため、どちらのページが実際に優れているかを推測ではなく具体的に把握できます。

Ahrefs の VP マーケティングであるサムは、手作業でのキーワード整理に疲れ、Letaido でキーワード調査ツールを構築しました。「コーヒー」のような分野を指定すると、計画が作成されます。

ニッチをシードキーワードに展開し、キーワードエクスプローラーから実際の検索ボリュームを取得します。その後、絞り込まれた候補すべての SERP を読み込み、検索意図、難易度、現在ランクインしているサイトを判定します。各キーワードの上位 10 ページのタイプを集計します。これにより、記事を作成する前に SERP が動画中心なのか、Reddit のスレッドばかりなのかを把握できます。

すべて Go、Maybe、Skip で評価され、トピックごとにクラスター化されます。そして、競合とのギャップリストやハブアンドスポークマップとともに出力されます。あるテストでは、8,437 個のキーワードを 17 のクラスターに分類し、1,809 個を Go と判定しました。

ウェブサイトの技術的健全性を分析するのは比較的簡単です（特にサイト監査のようなツールを使用すれば）。しかし、発見した問題を実際に修正するのは、規模の大きなウェブサイトになるほど困難です。この課題を解決するため、Ahrefs チームは生成 AI を使用して通常のサイト監査を直接 GitHub に接続し、毎週日曜日に実行されるジョブを作成しました。

最新のサイト監査データを取得し、問題点を重要度順にランク付けします。そして、インデックスの問題、壊れたページ、内部リンク切れといった重要度の高い問題に絞ってプルリクエスト（PR）を作成します。PR にはチェックリストと監査データが添付され、すでに開いている PR に含まれる項目はスキップされます。

月曜日に結果を確認する開発者は、何が問題でどの URL が影響を受けているかをわざわざ調べる必要がありません。変更をレビューし、妥当であれば本番環境にプッシュするだけです。

スティーブン・マクドナルド（Steven Macdonald）氏は、再現可能な実験を実行しました。3 つのサイトにある既存の 21 記事を対象に、ChatGPT を使って各記事を読み終えた読者が抱きそうな疑問を特定しました。そして、その回答を作成し、FAQ セクションとして追加したのです。

更新された投稿全体でトラフィックは平均 32% 増加し、約 16,000 回の追加訪問と 3,500 の新規キーワードランキングを獲得しました。最高の成果を上げたものは 180% の増加でした。更新されたすべての記事で何らかの改善が見られた一方、何もしなかった対照群（コントロールグループ）は同じ期間に 4% 減少しました。スキーママークアップの変更はありませんでした。

対照群が存在することで、この結果の信頼性が高まっています。更新後の改善を報告する人は多いですが、何もしなかった場合の結果まで確認する人は少ないためです。

これは私自身の事例です。このブログの任意の記事に対して、内部リンクを提案するツールを構築しました。私はそれらの技術に触れたことがなかったため、まずは ChatGPT の Deep Research に背後にある数学を教えてもらうことから始めました。

ブログ上のすべての記事を読み込み、記事の内容を表現する長い数値列（ベクトル埋め込み）に変換します。URL を指定すると、そのページを他の全ページと比較し、最も関連性の高い 20 件を返します。同じキーワードを含むページではなく、同じ主題について書かれたページを探すため、通常とは異なる切り口のリストが得られます。

内部リンクが SEO にとって重要な理由は 3 つあります。まず、Google がページを発見する手助けをします。何もリンクされていないページは、Google に発見されない可能性があるからです。次に、サイト内で権威性を受け渡す役割があります。複数の強力なページからリンクを貼ることで、どのページを上位表示させたいかをコントロールできます。そして、リンクに使用するテキスト（アンカーテキスト）が、リンク先ページの内容を Google に伝えます。ジョン・ミューラー（John Mueller）さんが述べたように、内部リンクは「重要だと考えるページに Google と訪問者を導くために、ウェブサイトで行える最も重要なことの一つ」です。

これらの作業自体は難しくありません。問題は、適切に実行するには数百の記事を同時に把握しておく必要があるため、公開当日に行うのは非現実的だという点です。この課題をツールが解決してくれます。

ブログ投稿の内部リンク提案を自動取得

スクリプトを書く必要はありません。Ahrefs のサイト監査には「内部リンクの機会」レポートがあり、サイトをクロールして、各ページが既にランキングしているキーワードに基づいて、どのページが相互リンクすべきかを教えてくれます。単にターゲットを示すだけでなく、リンクを挿入すべき具体的なテキスト箇所まで表示してくれます。これにより、提案内容は単なる調査ではなく、具体的な編集作業へと変わります。同じクロールで、目視では確認しづらい内部リンクの問題も特定できます。他のページからリンクされていない孤立ページ、リンク切れページへの内部リンク、nofollow に設定された内部リンクなどです。

ジョン・イウオゾー（John Iwuozor）氏は、適切な内部リンクを見つけて実際にページに書き込む Python スクリプトを作成しました。

記事を指定すると、他のページを読み込んで最も近い主題を扱っているページを特定します。次に記事を段落ごとに確認し、適切なアンカーテキストになりそうなフレーズを探します。そして最適なものを選択し、HTML に直接リンクを挿入します。

リンクすべき適切なページを見つける作業は、全体の半分にすぎません。残りの半分は、記事を開いて読み返し、不自然にならない位置にリンクを配置し、ページを編集することです。この後半の作業こそが、内部リンクのタスクが溜まりがちな原因であり、このツールが代行してくれる部分です。

ルーディガー・ダルチョー（Rudiger Dalchow）氏は、Search Console のエクスポートデータを読み込み、次に作成すべきコンテンツのプランを作成するツールを構築しました。

Search Console からエクスポートした「クエリ」と「ページ」のデータを渡すと、ページをトピックごとにグループ化します。そして、検索者が何を求めているかを把握し、同じ検索キーワードで競合しているページを洗い出します。最終的に、ライターに直接渡せる構成案（ブリーフ）まで作成してくれます。

多くのレポートツールは過去のデータを示すだけで、その後の思考は使い手に委ねられます。しかし、このツールは「次に何をすべきか」を明確に教えてくれます。トラフィック順に並べただけのリストでは見えない、構造的な問題を自動で発見できるのです。たとえば、自社の 2 つのページが同じ検索キーワードのトラフィックを奪い合っている状況や、多くの記事を公開しているトピックに、それらを束ねる中心的なコンテンツがないといった課題を見つけ出します。

優先順位付きの SEO 機会リストを取得

自分でツールを構築したくない場合は、サイトエクスプローラーの「ビジネスチャンス」レポートを利用すれば、この機能の一部を任意のサイトで再現できます。たとえば、現在 4～15 位にランクインしていて上位を狙えるキーワード、獲得できそうな強調スニペット、カニバリゼーションを起こしている可能性のあるページ、さらにはリンクや技術的な修正項目などを確認できます。これらはフィルタリングされたレポートとして開けるため、順番に作業を進められます。

ChatGPT で自社が扱う商品について質問された際、自社が表示されるようにしたいと考えるのは当然です。しかし、そのための具体的な方法を見つけるのは想像以上に困難です。複雑な要素が多いうえに、不確かな情報も溢れているからです。ファンアウトクエリや検索拡張生成といった専門用語から、スキーママークアップ、llms.txt ファイルまで、さまざまなアドバイスが飛び交っていますが、何が本当に効果的なのか、明確な正解はまだありません。

しかし、実際に効果がある手法の多くは非常にシンプルで、すでにある SEO の知識の延長にすぎません。以下に紹介する 5 つの手法は、いずれも具体的です。単なる理論ではなく、AI モデルが実際にページをどう処理しているかを観察し、その結果をもとに改善を進めます。これらの作業は、膨大なデータを読み取って比較する必要があるため、人間が手作業で行うのは不可能に近いです。だからこそ、AI を活用することで作業を大幅に効率化できるのです。

エイミー・ジュレンカ（Amy Jurenka）氏は、指定した URL の生 HTML とレンダリング後のスクリーンショットを取得し、GPT に「このページが言語モデルからどう認識されるか」を判定させるツールを構築しました。

このツールは、ページをスコア化し、3 つの項目について具体的なフィードバックを提供します。それは「コンテンツが抽出できるほど明確か」「引用する価値があるか」、そして「重要な情報が JavaScript の裏に隠れていないか」です。特に最後の項目は見落とされがちですが、非常に重要です。ブラウザ上では正常に表示されるページでも、スクリプトを実行できないクローラーには、中身が空のように見えてしまうことがあるからです。

クリス・ロング（Chris Long）氏は、AI アシスタントが背後で行っている質問に対し、自社サイトがしっかり答えられているかをチェックするスクリプトを作成しました。

AI アシスタントに質問を投げかけたとき、入力したそのままの文章で検索されることはほとんどありません。質問は複数の細かい要素に分解され、それぞれ個別に検索されます。このスクリプトは、そうした細分化された質問を抽出し、既存のページが各質問にどの程度答えられるかをスコア化して、スプレッドシートに出力してくれます。

最終的に得られるのは、サイトが回答できていない質問のリストです。これは単なるキーワードリストよりもはるかに役立ちます。AI アシスタントは、各テーマを構成する要素を網羅している情報源から回答を組み立てます。そのため、あるトピックに関連する 6 つの質問のうち 4 つしかカバーしていないページは、6 つすべてをカバーしているページに比べて、引用される確率が下がってしまうのです。

ウィル・レイノルズ（Wil Reynolds）氏は、Bing の無料ウェブマスターツールを活用して、どのページが AI の回答に引用されているか、そしてユーザーがどのような質問をしてそのページにたどり着いたかを確認しています。

Bing は引用元となった検索クエリのデータを提供するため、彼は AI アシスタントを特定のページに導いた質問を収集できます。その後、その質問リストと照らし合わせながらページを読み返し、ユーザーの質問に十分に答えられていない箇所があれば書き直します。

AI 検索の多くはユーザーの入力内容を推測するしかありませんが、この方法なら、ページが引用されるきっかけとなった実際の質問が分かります。これにより、当てずっぽうの修正ではなく、事実に基づいた確実な改善が可能になります。彼は具体的な数値を公表していないため、ここでは結果ではなく手法そのものを参考にしてください。

Weflow で AEO を担当するアディナ・ティマール（Adina Timar）氏は、ブログ記事の従来の固定概念にとらわれず、AI の引用データに基づいてリスト記事と比較記事のテンプレートを再構築しました。

彼女は ChatGPT、Perplexity、Gemini、Google AI Mode にわたって 460 のプロンプトを追跡し、そのデータを Claude に読み込ませて分析しました。「どのページが、どのプラットフォームで、どのプロンプトに対して引用されるか」「各 AI が比較の質問に答える際、どのような構造をとるか」「ページのどの部分が回答に使用され、どの部分が無視されるか」といった点です。そのデータをもとに、セクションごとにテンプレートを構築し、ページのすべての要素が「AI に引用されるため」に存在するように設計しました。

誰もが AI 向けの書き方を推測していますが、そのアドバイスの多くは個人の持論にすぎません。しかし、この手法は単なる理論ではなく、実際に引用されたデータに基づいています。ただし、彼女が導き出した結論は覚えておく価値があります。異なるプロンプトは異なるページタイプを好むため、すべての場面で通用する万能なテンプレートは存在せず、特定の市場に特化したテンプレートが出来上がるということです。そして最終的に勝つのは、どのツールが何に優れているかを明言し、競合他社が自社より優れている点を素直に認めるような「客観的な判断」が含まれたページです。自社を持ち上げるだけのページは、G2 のようなレビューサイトに負けてしまいます。

エージェンシーの Siege Media を運営するロス・ハッジェンズ（Ross Hudgens）氏は、AI 検索での露出を増やすために、どの記事を優先して書くべきかを選ぶチームのプロセスを共有しました。

まず、実際に売上につながるプロンプトを洗い出します。自社の商材を網羅する「最高の X は何か」といった質問を作成し、それらをトラッカーに入力します。次に、AI の回答全体で最も頻繁に引用されているページを確認します。各ページの登場頻度でランク付けしたこのリストが、スコアカードになります。ここで探すべきは自社と似た企業です。競合他社が引用されているということは、そのトピックが Wikipedia のような辞書サイトの独占領域ではなく、自社にもランクインのチャンスがあるという証拠だからです。

最後のステップは、単なる希望リストを「優先順位付きのリスト」に変える重要なプロセスです。抽出したトピックを通常の Google 検索の需要と照らし合わせ、AI で頻繁に引用され、かつ Google でもよく検索されるものを最上位に配置します。この結果、売上につながる質問を、もっとも効果的な順番で作成できるようになります。AI モデルの好みを当てずっぽうで推測するよりも、はるかに確実な戦略といえます。

AI にブログ記事を丸投げすると、中身のないコンテンツになりがちです。個性も、独自の考察も、調査の痕跡もなく、内部リンクや画像といった基本的な要素さえ欠けています。

しかし、コンテンツ作成を複数に分かれたプロセスとして捉えれば、AI が驚くほど役立つことがわかります。これは、熟練のライターや優秀な編集チームがすでに実践している手法です。リサーチ、構成案（ブリーフ）作成、アウトライン作成、構成編集、ファクトチェック、内部リンク設定、そしてフォーマットの整理。Ahrefs ブログでもこの手法について詳しく解説しており、今お読みいただいているこの記事自体も、Letaido を活用して執筆されたものです。

これは私自身の手法です。プロセス全体をまとめた記事を公開していますが、このブログの公開基準を満たす記事を約 2 時間で完成させることができます（以前は数日かかっていました）。

この方法がうまくいくのは、編集プロセスを言語化できる小さなステップに分解し、実際にマニュアル化したからです。トピック選び、構成案作成、アウトライン作成、構成編集、下書き、自社製品の組み込み、文章の推敲、内部リンク、メタデータ、そして WordPress での最終フォーマット調整です。これらのドキュメントは、過去の執筆サンプルやライティング講座の抜粋と一緒に ChatGPT のプロジェクトに保存しています。そのため、新しい会話を始めるたびに標準設定が読み込まれた状態になります。短い構成案を入力し、編集者の視点で各段階を確認しながら、次のステップに進む前に AI にフィードバックを与えます。

ここでのポイントは「段階の多さ」です。1 つのプロンプトで完成品を求めようとすると、質の低い記事になってしまいます。AI に 10 個の判断を一度に委ねることになるからです。1 つの指示に対して 1 つのタスクをこなし、人間がその結果をチェックする。この 10 個の細かいプロンプトの連続が、公開レベルの記事を生み出します。有能なマーケターがプロセスを主導する必要があるため、私は自分が十分な知識を持ち、間違いに気づけるトピックでのみこの手法を使っています。

エージェンシー Fractl の共同創設者であるケルシー・リバート（Kelsey Libert）氏は、1 か月間 Cursor を学習し、自社の AI エージェント製品 30 種類に対応する 30 個のランディングページを執筆・制作しました。

Cursor は AI が組み込まれたコードエディターで、日常言語で要望を伝えると自動でコードを書いてくれます。リバートさんは 1 つのウィンドウ内で複数の AI モデルとやり取りしながら、マーケターとしての視点で各ページに必要な要素（製品の機能、重要性、仕組み、ターゲット別の活用方法など）を決めていきました。彼女に開発の経験はありませんでしたが、共同創設者との夜の勉強会を通じてスキルを習得しました。

ランディングページの制作は、マーケティングにおいてよくあるボトルネックです。伝えたい内容は明確なのに、他の人に制作を依頼すると数週間待たされたうえ、上がってきたものは微妙に意図と違う、といったことが起こります。自分でページを作成して公開できれば、執筆以上に時間のかかる引き継ぎ作業をなくすことができます。1 か月後の彼女の自己評価によれば、自分で作ったページは、優秀なマーケティングチームに期待するレベルをすでに超えていたそうです。

コンテンツチームのマテウシュ（Mateusz）は、企業のオーガニックトラフィックが株価と連動するのかを調べたいと考えていました。そのためには、ナスダック全銘柄の 3 年分の月間トラフィックと月間終値のデータが必要でした。そこで彼は AI に指示を出し、Ahrefs と Polygon API の両方からデータを取得して結合し、相関関係を分析してチャートを描画するコードを書かせました。彼が言うように、その記事のデータ処理のほぼすべてが AI によって行われています。

同時に彼は、AI だけでは不十分だった点についても率直に語っています。データサイエンティストである同僚の関西貝佳さんが分析を引き継ぎ、数値の重み付け方法を調整したことで、研究の質は劇的に向上しました。とはいえ、AI が何もない状態から分析可能なデータセットを用意し、最初の計算まで行ってくれたのは事実です。この初期段階のハードルこそが、多くの研究プロジェクトを頓挫させる原因です。独自調査はコンテンツチームにとって最高のリンク獲得資産ですが、「データを集められる人がいない」という理由で実現しないことが少なくないのです。

ミリアム・ジェシエ（Myriam Jessier）氏は、ChatGPT の回答から無駄を削るために数か月間使い続けているシステムプロンプトを公開しました。彼女はこれを「絶対モード」と呼んでいます。

これは「カスタム指示（Custom Instructions）」に貼り付ける短いテキストです。AI モデルに対し、絵文字、つなぎ言葉、大げさな表現、会話の導入部を省くよう指示します。さらに、フォローアップの質問や「他にお手伝いできることはありますか？」といった定型句を禁止し、文体を真似るのをやめ、回答が終わったらすぐに終了し、余計な要約や提案を付け加えないよう求めています。

AI のテキスト編集作業の大部分は「削除」です。冒頭の前置き、「良い質問ですね」といった相槌、頼んでもいない内容のおさらい、最後の過剰な気遣いなどです。これらを生成されたテキストから毎回手作業で消すのではなく、システムへの指示段階で修正してしまうのが、AI 執筆において最も価値のある 10 秒間だといえます。また、無駄な装飾が削ぎ落とされることで、文章の根底に本当に価値のあるアイデアがあるかどうかを判断しやすくなります。

ウィル・レイノルズ氏は、自分がアイデアを説明する様子を録音し、それを文字起こしして LLM に読み込ませることで、プレゼンのストーリー構成を作成しています。その後、NotebookLM と Gamma を使って、その構成から複数のスライドデッキ（プレゼン資料）のバリエーションを自動生成します。

生成されるのは完成版のスライドではなく、彼自身もそのような使い方はしていません。あくまで彼が編集するための土台です。しかし、話すことは文章を書くよりもはるかに早くアイデアを形にする方法です。スライド作成で最も時間がかかる「構成の決定」と「見栄えの調整」が、ファイルを開いた時点ですでに終わっているのです。

Ahrefs のブログには約 1,000 本の記事がありますが、古い記事を最新の状態に保つことは、最も費用対効果の高い作業の一つです。3 年前に公開された記事が、そのトピックにおいて最高のコンテンツでありながら、データが古くなったり、競合が新しい要素を追加したりしたせいで、ひっそりとトラフィックを失っていることがあります。記事の更新は新規作成よりもコストがかからず、通常はより早く成果が出ます。

これは AI 検索においても重要です。7 つのプラットフォームで 1,700 万件の引用データを調査した結果、AI アシスタントは Google のオーガニック検索よりも明らかに新しいページを引用する傾向があり、特に ChatGPT が最新のコンテンツを好むことがわかりました。つまり、3 年間放置された記事は、通常の検索と AI 検索の両方で不利になっているのです。

問題は、1,000 本もの記事をすべて把握するのは不可能であり、1 本を適切にチェックするだけでも 1 時間はかかるということです。そこで、Ahrefs のアップデートパイプラインがこの確認作業を代行します。公開済みの URL を入力すると、古い統計データを見つけて新しいソースを提案し、自社製品の古い仕様を説明している箇所に目印をつけます。さらに、現在上位にランクインしている競合コンテンツと比較して、不足している情報を洗い出します。

その後、古いバージョンと新しいバージョンが並べて表示され、各変更を 1 つずつ承認または拒否できます。内容を確認せずに公開されることはありません。これにより、「毎月 20 本の古い記事を更新する」という目標は、単なるスローガンではなく、確実に実行できるタスクへと変わりました。

特定のトピックを指定すると、通常のウェブページではなく、PDF、Word 文書、PowerPoint 資料などを対象に検索を実行します。約 10 分後には、約 30 個の統計データが、公開年、リンク、出典元ファイルとともにリストアップされます。

誰もが引用する統計データは、ウェブページ上にあって見つけやすいため、すでに競合の記事に掲載されています。一方、誰にも引用されていないデータは、誰も開かないような PDF の付録に眠っています。ウェブページではなくファイル形式を狙って検索することで、上位 5 サイトにはない独自の数値を記事に盛り込むことができます。そして、独自のデータは、今でもリンクを獲得できる強力な武器の一つなのです。

専門家からの引用を集めることは、記事の価値を高める有効な手段です。しかし、実際にやったことがある人ならその苦労を知っているはずです。募集をかけると数日で数十件の返信が届きますが、その大半は使えない内容です。しかも、すべてを開いて確認しない限り、全体を把握することはできません。

データ調査の記事を執筆するマテウシュ・マコシェヴィッチ（Mateusz Makosiewicz）は、膨大な返信の山を NotebookLM で処理しています。メールの通知を PDF として保存し、すべてアップロードして 1 分ほど待ちます。すると、日常言語を使ってすべてのドキュメントに対し同時に質問できるようになります。たとえば、「ビジネスオーナーからの型破りなアドバイスを抽出し、それぞれの出典元を教えて」といった具合です。必要な引用が集まったら、別のツールに移って執筆を進めます。NotebookLM はドキュメント内の検索には優れていますが、文章作成自体はそれほど得意ではないからです。

この方法が、ChatGPT にすべて貼り付けるよりも優れている理由は 2 つあります。1 つ目は、一般的なチャットツールよりもはるかに多くのテキストを一度に読み込める点です。これは返信が 100 件もあるような場合には非常に重要です。2 つ目は、アップロードした文書のみを情報源として回答し、必ずソースへの参照が付くため、抽出された引用が「本当に誰かが言った言葉」だと確証を持てる点です。

1 つ目のエージェントはウェビナーの録画データを読み込み、3 つのブログ記事のアウトライン、切り抜き動画のハイライト案、SNS 用の投稿案を作成して Notion に保存します。そのアウトラインを承認すると、2 つ目のエージェントがそれをソースと引用付きの約 1,200 文字の下書きに仕上げます。3 つ目のエージェントは営業の通話録音を聞き取り、顧客の課題や反対意見をタグ付けしてデータベースに保存します。4 つ目のエージェントは長時間の顧客インタビューで同じ処理を行い、発言を抽出して「購入者のタイプ」ごとにタグ付けします。

多くの企業が顧客との通話を録音していますが、それを聞き直す人はほとんどいません。つまり、顧客が本当に求めていることを示す最もリアルな記録が、誰も開かないフォルダに眠っているのです。この顧客の不満をまとめたデータベースがあることで、AI は単なる時短ツール以上の価値を生み出します。多くのコンテンツチームは「顧客のリアルな不満」の記録を持っていないため、四半期ごとに誰かが記憶を頼りにリストを作り直し、それをコンテンツ計画と呼んでいるのが現状です。

アウトリーチの成否は、タイミングと関連性にかかっています。記者に対して同じネタを売り込む 3 番目の人物になっても意味がありません。そのため、誰も目を通せないような数千のニュースフィードを監視し、相手の記事をしっかり読んだかのような、パーソナライズされたメッセージを送る必要があります。現在では、この両方を AI に任せることができます。

しかし、「その売り込みが歓迎されるかどうか」の判断までは AI に任せられません。AI が生成した大量のスパムメールのせいで、すでに多くの記者がメールを読まなくなっています。いくら素早くパーソナライズしても、送る内容自体に価値がなければ意味がありません。そのため、これから紹介する 4 つの手法は、すべて同じステップで止まるように設計されています。監視と最初の下書きまでは AI が行いますが、「実際に何を送信するか」の最終決定は人間に委ねられているのです。

マーク・ウィリアムズ・クック（Mark Williams-Cook）氏は、RSS フィードから取得した毎日数千件のニュース記事に対し、ローカル LLM （Ollama と Gemma）を実行して、見出しや説明文をクライアントの興味・関心と照らし合わせる Python スクリプトを作成しました。条件に合致した記事のリード（きっかけ）は、デジタル PR チームの Slack に自動で送信されます。

LLM をローカル環境で実行することで、1 日数千件の記事をスクリーニングしても API の利用料金を気にする必要がなくなり、この規模の処理が可能になっています。

アンディ・チャドウィック（Andy Chadwick）氏は、営業通話の録音データを ChatGPT のワークフローに入力しています。このワークフローは、彼自身の文体、商品の詳細、よくある反対意見などを事前に学習しており、特定の見込み客が抱える課題を反映したフォローアップメールの下書きを作成してくれます。あとは彼が内容を微調整して送信するだけです。

メールの作成時間は 45 分から 5 分に短縮されました。5,000 ～ 10,000 ポンド（高額なサービス）向けのフォローアップにおける成約率は 90% に達していると報告されています。

Ahrefs のサム・オは、あるエージェンシーにアウトリーチを依頼していました。しかし、100 通のメールを送信して返信は 3 通しかなく、しかもそのうちの 2 通は配信停止の依頼でした。そこで彼は、独自のアウトリーチキャンペーンを構築し、そのプロセスを動画で公開しました。

このシステムは、マネージャー役を据えた AI エージェントのチームとして機能します。まずマネージャーが彼に対し、優良な見込み客の条件、除外すべき条件、メールの文体についてインタビューを行います。次に 1 つ目のエージェントが見込み客を探して各サイトの Ahrefs データを取得し、2 つ目のエージェントがそのトラフィックの増加が一時的なものではなく本物であるかを確認します。そして 3 つ目のエージェントがメールの文面を作成し、承認待ちの状態として Gmail の下書きに保存します。これらはすべて Slack 上で完結します。

彼が空港に向かう途中でシステムを稼働させたところ、搭乗ゲートに着くまでに 74 通の下書きが完成していました。そこから 54 通を送信した結果、11 通の返信があり、7 件のミーティングを獲得しました（当初の目標は 5 件でした）。コールドアウトリーチの本質は「調査」です。メールが無視される最大の原因は、相手についてのリサーチ不足にあります。このシステムがその調査部分を代行してくれるからこそ、実際に人間が調べて書いたような自然なメールに仕上がるのです。

Ahrefs では、ブログ記事の URL や新機能のメモを入力すると、適切な形式のプレスリリースを出力するジェネレーターを構築しました。これは主にデータ調査の発表に使う予定です。担当者の手が空くのを待つ必要はなくなり、新しい調査結果が出るたびに、すでに完成に近いプレスリリースの下書きが用意されるようになります。

独自の調査データは、報道機関に取り上げられやすい強力なコンテンツです。Ahrefs の調査は、The Atlantic、CNN、BBC などの大手メディアに引用されてきました。これは、調査結果にニュース性があるうちに、誰かが迅速に売り込みを行っているからこそ実現するものです。プレスリリースの執筆自体はそれほど難しい作業ではありませんが、プロセス全体が停滞しがちなボトルネックでした。最初の下書きが自動で用意されることで、「時間があるときにやる」ではなく、継続的かつスピーディなプロモーションが可能になります。もちろん、AI が出力した文章は、送信前に人間が確認する必要があります。

「マーケティングチーム全員を解雇して、すべてを AI に任せた」と主張する人たちがいます。しかし現実には、AI はツールに過ぎず、それを扱う人の能力によってその価値が決まります。

この記事で紹介した手法は、すべてマーケティングを深く理解した専門家によって設計されています。彼らはワークフローと目標を熟知し、優れたセンスと判断力を持っています。生成 AI がなくても良い結果を出せる実力があるからこそ、AI を活用してさらに圧倒的な成果を実現できるのです。ツールは既存の能力を倍増させますが、何のスキルも持たない人が使っても何も得られません。

したがって、AI に対しては常に冷静な視点を持ちましょう。AI はあらゆる問題を自動で解決してくれる魔法の箱ではありません。しかし、皆さんのような専門家の手にかかれば、日々の作業を劇的に高速化し、アウトプットの質を高め、面倒だったタスクを以前よりずっと楽しいものに変えてくれるはずです。

独自のワークフローをお持ちで、この記事に掲載すべきものがありましたら、LinkedIn でメッセージをお送りください。ぜひ拝見させていただきます。

Ahrefs をもっと活用 👉
▶︎ Ahrefs 公式ブログ --- 本社発信の記事
▶︎ Ahrefs Canny --- 開発チームへ意見を送る
▶︎ X 公式アカウント--- 最新情報をリアルタイムで
▶︎ YouTube 公式チャンネル--- 動画コンテンツをチェック
▶︎ Ahrefs note --- 日本チーム発信の記事