AIペルソナとは？マーケティングでの作り方と限界

「AIペルソナ」という言葉を検索すると、期待の声と一緒に「意味ない」という懐疑的な声も目立ちます。マーケティング担当者としては、効率化できるなら使いたい一方で、結局は絵に描いた餅になるのではという不安もお持ちの方は多いのではないでしょうか。

先に、本記事が扱わない範囲を明確にしておきます。「AIペルソナ」という言葉は、ゲーム作品のキャラクターを指す文脈でも検索されますが、本記事では扱いません。また、ChatGPTなどの生成AIに「あなたは優秀な〇〇です」といった役割を与えるプロンプト技法（AIへのロールプレイ設定）についての話でもありません。実はこの2つ目の文脈、「AIペルソナ 意味ない」で検索すると実際に上位に出てくるため、本記事のテーマと混同されがちです。本記事で扱うのは、マーケティングにおいて生成AIを使って仮想の顧客像（ペルソナ）をつくる手法についてです。

当社は日々のマーケティング支援業務にAIを組み込んでおり、ペルソナ設計の場面でもAIを活用しています。本記事では、AIペルソナの定義と作り方、「意味ない」と言われる理由、意味のあるものにするための実務手順に加えて、従来型（人手で作る）ペルソナとの使い分けについても、当社の実践に基づいてご紹介します。

AIペルソナとは

AIペルソナとは、生成AIを使って、顧客の属性データ・行動データ・購買履歴などをもとに、仮想の顧客像（ペルソナ）を作成する手法のことです。

従来のペルソナ作成は、マーケター自身がインタビューやアンケートの結果を人手で整理し、1人〜数人の代表的な顧客像にまとめる作業でした。AIペルソナでは、この整理・要約の部分を生成AIに任せることで、作成にかかる工数を圧縮できます。

AIペルソナが評価されている理由は、主に次の3点だと当社は考えています。

• 作成にかかる工数の圧縮：インタビュー結果やアンケート結果の整理・要約をAIに任せられるため、叩き台までの時間を短縮できます。
• 複数パターンを短時間で出せること：セグメントごとに複数のペルソナ像を並行して作らせやすく、比較検討がしやすくなります。
• 新しいデータが増えたときの更新のしやすさ：一からまとめ直す作業に比べ、既存の叩き台に新しいデータを反映させる形で更新しやすくなります。

ただし、これらはあくまで「作成の効率化」に関するメリットであり、後述するとおり、実データとの検証を省略してよい理由にはなりません。

この手法は、大手広告代理店でも実際に活用が進んでいます。電通は、dentsu Japanでチーフ・AI・オフィサーを務め、社内で「主席AIマスター」の肩書も持つ並河進氏が説明する取り組みとして、2024年に掲げたAI戦略「AI For Growth」のもと、半年ごとに実施する15万人規模の生活者調査データ（年齢・性別といった基本属性に加え、メディア接触状況・興味関心・意識価値観・購買行動データを含む）を基盤に、1億人規模のAIペルソナを生み出す独自モデル「People Model」を開発しました。開発初期段階では実際の人間の調査結果との相関係数が0.47だったものを、独自の追加学習とファインチューニングによって0.8まで向上させたと報じられています（相関係数は1に近いほど、AIの回答が実際の人間の調査結果に近いことを示す指標です）。電通は2016年に日本初とされるAIコピーライター「AICO」を開発するなど、以前からAI活用の実績を積み重ねてきた経緯があります（参照：ビジネス+IT「電通が開発『1億人規模のAIペルソナ』の威力」、2026年8月確認）。

また日本経済新聞の報道では、電通が購買記録やアクセスログなどのデータから750種類の人格群を再現したこと、博報堂が仮想顧客に深層心理（潜在ニーズ）を言語化させる点を特徴としていることが、それぞれの取り組みとして紹介されています。記事本文の詳細部分は有料会員限定のため見出し・要旨の範囲での確認にとどまりますが、大手2社がそれぞれ異なるアプローチでAIペルソナ（仮想顧客）の実務活用を進めている点は確認できます（参照：日本経済新聞「AI仮想顧客に市場調査 電通、750種類の人格 博報堂は深層心理を言葉に」、2026年8月確認）。

ただし、こうした大手代理店の取り組みは、15万人規模の調査データや専任チームによる独自モデル開発という、当社のような会社では持ち得ないデータ量・体制を前提にしています。使えるデータ量もシステムの作り込みも大きく異なる話だと、まず押さえておいてください。それでも当社が注目しているのは、その規模の違いを差し引いても「実データを基盤にAIでペルソナを生成し、人が検証する」という構造そのものは、数十人〜数百人規模の顧客データしかない会社でも応用できる考え方だという点です。次章では、その実務レベルでの作り方をご紹介します。

AIペルソナの作り方｜4つの工程

AIペルソナは、当社の実務では次の4つの工程で作成しています。

1. 元データを集める：既存顧客の属性情報、購買履歴、問い合わせ内容、アンケート結果など、手元にあるデータをできる限り集めます。データがまだ少ない場合は、営業担当者やカスタマーサポートが日々接している顧客の生の声を書き出すところから始めます。
2. 生成AIにデータを渡し、ペルソナの叩き台を作らせる：集めたデータをもとに、生成AIに年齢・職業・年収帯・抱えている悩み・情報収集の方法・購買の意思決定に影響する要因などを含んだペルソナ像を出力させます。出力してほしい項目をあらかじめ箇条書きで指定しておくと、抜け漏れの少ない叩き台になります。この段階では、実在の個人が特定できる情報（氏名・連絡先・住所など）はそのまま入力せず、年齢層や職種といった属性に抽象化してから渡すことが前提です。個人が特定できる形のデータをAIサービスに入力しないというルールは、社内であらかじめ言語化しておくことをお勧めします。
3. 叩き台を実際の顧客の声と照らし合わせる：AIが出した叩き台を、実際の顧客インタビューや問い合わせ内容と突き合わせ、実態とズレている部分を修正します。この工程を省略すると、次章で述べる「意味ない」ペルソナになりやすくなります。
4. 社内で使える形に落とし込む：完成したペルソナを、施策の意思決定に使える粒度（訴求の切り口・利用チャネル・意思決定の基準など）まで具体化し、関係者に共有します。

この4工程のうち、AIが最も力を発揮するのは2の叩き台作成です。逆に、1のデータ収集と3の検証は、人が手を動かさないと質が担保できない部分だと当社は考えています。

また、この4工程は一度実施して終わりにするものではなく、「収集→生成→検証→更新」というサイクルとして繰り返すことで、ペルソナの精度が徐々に高まっていくものだと捉えています。具体的な見直しのタイミングの決め方は、後述の「意味のあるAIペルソナにする実務手順」で改めてご紹介します。

AIペルソナが「意味ない」と言われる理由

AIペルソナが「意味ない」と言われる理由は、実データと接続しないまま作られたペルソナが、単なる想像上の人物像で終わってしまうからだと当社は考えています。

生成AIは、入力された情報がなければ、一般的な統計イメージやよくある人物像をもとにそれらしいペルソナを作り出します。これ自体は生成AIの仕組み上自然なことですが、元になる実データが薄いまま出力を鵜呑みにしてしまうと、以下のような状態に陥りやすくなります。

• 実在の顧客と特徴が一致しない：例えば「30代・意識の高い共働き夫婦」のような、どの業界のペルソナ資料にも出てきそうな人物像になり、自社の実際の顧客に当てはめても具体的な打ち手が思い浮かばない状態です。
• 施策の意思決定の場面で根拠が説明できなくなる：会議で「このペルソナはなぜこの悩みを抱えているのか」と聞かれたときに、元データを示せず「AIがそう言ったので」としか答えられない状態です。
• 一度作って終わりになり、更新されないまま放置される：資料としてスライドやドキュメントに残るだけで、実際の企画や施策の判断で参照されなくなっている状態です。

このような状態は、AIを使わずに作ったペルソナでも起こり得ることです。ただし、AIを使うと短時間でそれらしい人物像が出力されてしまうため、検証のプロセスを飛ばしたまま「完成」とみなしてしまうリスクが、AIを使わない場合よりも高まると当社は感じています。

なお、「AIペルソナ 意味ない」という検索では、前述の通り、生成AIへのプロンプトで「あなたは〇〇の専門家です」といった役割を設定する手法（ロールプレイ設定）についての検証記事も上位に表示されます。こちらの文脈では、「役割設定そのものは、AIの回答の正答率を統計的には改善しない」という検証結果が報告されています（参照：SIOS Tech Lab「AIにペルソナ設定は効果ないって本当か検証してみた」、2026年8月確認）。マーケティングの顧客ペルソナとは別の議論ですので、混同しないようご注意ください。

意味のあるAIペルソナにする実務手順

AIペルソナを施策に使える形にするには、前述の作り方に加えて、次の2点を意識することが重要だと当社は考えています。

実データの「量」より「多様な種類」を集める

AIペルソナの精度は、データの量だけでなく、データの種類の多様さに左右されると当社は感じています。具体的には、以下のようなデータを組み合わせることが有効です。

• 購買データ（購入商品・頻度・単価）
• 問い合わせ内容（サポート・営業への相談内容）
• 解約理由（解約時アンケート・退会理由）
• 検索キーワード（自社サイト内検索・広告接触時のキーワード）

購買データだけでなく、こうした異なる角度からの情報を組み合わせることで、AIが出す叩き台の解像度が上がります。

定期的に見直すサイクルを組み込む

一度作ったペルソナをそのまま使い続けるのではなく、新しい顧客データが増えるたびに見直すサイクルを、業務のなかにあらかじめ組み込んでおくことが有効です。当社では、四半期に一度など見直しのタイミングをあらかじめ決めておくことで、ペルソナが「作ったら終わり」の資料になることを避けるようにしています。

AIペルソナと従来のペルソナ、どう使い分けるか

AIペルソナは、従来型（人手で作る）ペルソナを置き換えるものではなく、場面に応じて使い分けるものだと当社は考えています。

AIペルソナと従来のペルソナは、どちらが優れているかという二択の話ではなく、それぞれ向いている場面が異なります。AIペルソナは、既存データがある程度たまっている状態で、短時間で仮説の叩き台を複数パターン作りたい場面に向いています。一方、従来のペルソナ（顧客インタビューやアンケートをもとに人手でまとめる方法）は、まだデータが少なく一次情報の収集から始める場面や、経営層への説得材料として詳細な裏付けが求められる場面に向いていると当社は考えています。

当社では、まずAIペルソナで仮説の幅を広げ、重要な意思決定の場面では人手による顧客インタビューで裏付けを取るという、両者を組み合わせる進め方を意識しています。どちらか一方に絞り込むのではなく、施策の重要度とかけられる時間に応じて使い分けることが、実務では現実的だと考えています。

AIペルソナの限界｜人にしかできないこと

AIペルソナには、AIだけでは埋められない限界があると当社は考えています。

まず、AIは既存のデータから傾向を抽出することは得意ですが、まだデータとして蓄積されていない新しい顧客層やニーズを言い当てることはできません。新しい市場を開拓する場面では、AIペルソナはあくまで仮説の叩き台であり、実際に顧客と対話して検証する工程を省略できないと当社は考えています。

また、ペルソナをもとにした施策の最終的な意思決定は、人が担うべき領域です。AIが出したペルソナに説得力があるように見えても、その根拠になっているデータの偏り（特定の顧客層からしか声を集めていない、など）に気づき、判断を差し戻せるのは人だけです。

なお、本記事で扱ったのは「顧客像を言葉として組み立てる」ためのAIペルソナです。GA4や広告データなど数値データを分析して顧客の傾向を掴む取り組みは、統計的な分析の話になるため、また別の切り口が必要になります。ペルソナ作成と合わせて自社データの分析まで踏み込みたい方は、マーケティングデータ分析に生成AIを使う方法もあわせてご検討ください。

よくある質問

Q1. AIペルソナとは何ですか？ 生成AIを使って、顧客の属性データや行動データをもとに仮想の顧客像を作成する手法です。従来マーケターが手作業で行っていたペルソナ作成の一部を、AIに任せる形になります。

Q2. AIペルソナはBtoBマーケティングでも使えますか？ BtoBの場合、個人の属性データだけでなく、導入企業の業種・規模・意思決定に関わる役職者の数などの情報も組み合わせる必要があると当社は考えています。BtoCに比べて対象となる母数が少ないケースが多いため、前述の工程3（実際の顧客の声との突き合わせ）の比重がより重要になります。

Q3. ペルソナを無料の生成AIで作ることはできますか？ ChatGPTなど無料で使える生成AIでも、属性情報を渡してペルソナの叩き台を作らせることは可能です。ただし、無料ツールで作った叩き台であっても、前述の工程3（実際の顧客の声との突き合わせ）を省略しないことが重要だと当社は考えています。

Q4. 電通や博報堂もAIペルソナを使っているのですか？ 前述の通り、電通は15万人規模の生活者調査データをもとにした1億人規模のAIペルソナ「People Model」を開発し、報道ではあわせて750種類の人格群を再現したことも紹介されています。博報堂は、仮想顧客に深層心理（潜在ニーズ）を言語化させる点を特徴とする取り組みが報じられています。データの規模やシステムの作り込みは当社のような規模の会社とは異なりますが、実データを基盤にする考え方は共通しています。

Q5. AIペルソナと従来のペルソナ、どちらを使うべきですか？ どちらか一方に絞り込むものではなく、使い分け（併用）が基本だと当社は考えています。短時間で仮説の叩き台を作りたい場面ではAIペルソナ、経営層への説得材料や詳細なブランド戦略の検討など精度と説明責任がより強く求められる場面では、人手による従来のペルソナ作成を併用することをお勧めします。詳しくは前述の「AIペルソナと従来のペルソナ、どう使い分けるか」をご覧ください。

さいごに

AIペルソナは、実データと切り離されたまま使うと「意味ない」という指摘の通りになってしまいますが、実データを基盤にし、人が検証・更新するプロセスを組み込めば、ペルソナ作成にかかる工数を圧縮しながら施策の意思決定に使える材料になると当社は考えています。

大切なのは、AIに任せる部分（叩き台の作成）と、人が担う部分（実データとの突き合わせ・最終判断・重要な意思決定場面での従来型ペルソナとの併用）を切り分けて進めることです。「AIでペルソナを作ってみたが、施策に使える実感が持てない」という方がいらっしゃいましたら、ぜひ当社までお気軽にご相談ください。

最後までお読みいただき、ありがとうございました。

自社のAI導入・AI活用について相談したい場合は、企業からのご相談もご検討ください。