AIペルソナで商品案を絞り込む｜実購買データの検証と中小ECが試す手順
リユース・越境 コラムリユース・越境 現場ガイド 作成 2026-10-14
新商品を企画するとき、すべての案を調査や試作に進めるのは負担が大きいものです。生成AIで仮想の顧客像を作る「AIペルソナ」は、初期段階の比較を助ける方法として注目されています。インテージとNTTデータビジネスシステムズは、実際の購買データを使った商品コンセプト評価の共同検証を始めました。ただし、AIの回答を実際の顧客の声と同じには扱えません。この記事では検証の概要と限界を整理し、中小ECがレビューや購買情報を使って企画案を絞り込む手順を紹介します。
インテージ×NTTデータビジネスシステムズの検証の概要
約7万人の消費者パネル（SCI）の実購買データを使う
両社は2026年10月5日、AIペルソナによる商品コンセプト評価手法の共同検証を発表しました。インテージのSCIは、消費者の実購買を把握する全国消費者パネル調査です。全国の15〜79歳、約7万人のデータを活用する取り組みです。
ペルソナは、企画の対象となる顧客像を整理したものです。AIペルソナは、その顧客像に基づいて生成AIに反応を出させます。今回の特徴は、属性を想像で並べるだけでなく、実購買データを土台にする点にあります。
共同検証の開始は、評価の精度が確定したことを意味しません。どのような商品や条件で有効かは、検証が必要です。自社で同じ規模のデータや手法をそのまま使えると考えないようにします。
狙いは商品コンセプトの「スクリーニング」
商品コンセプトは、誰にどんな価値を届ける商品かを整理した考え方です。スクリーニングは、複数の案から次に検証する候補を絞る作業です。AIの評価を使うなら、まずこの段階に位置づけると目的が明確になります。
企画の初期には、似た案が多く並ぶことがあります。対象顧客、使う場面、既存品との差をそろえて比べるだけでも、検討は進みます。AIには、比較の観点や不足する説明を出させる役割が考えられます。
一方、売上や市場規模を決める根拠として、そのまま採用するのは避けます。共同検証のニュースを、売れる商品を自動で選べる証明と読み替えないことが大切です。企画の判断に使う範囲を先に決めましょう。
AIペルソナでできること・できないこと
アイデアの弱点を見つけるために使う
AIペルソナは、商品の説明を読んだときの疑問を洗い出す用途に使えます。誰の悩みに対応するのか、何が新しいのか、使う場面が分かるかを検討します。質問をそろえると、案同士を比較しやすくなります。
たとえば、保管のしやすさを訴求する商品案なら、収納場所や使用頻度の情報が足りているかを聞きます。AIの回答を見て、説明不足を修正します。この段階では、指摘が実在の顧客にも当てはまるかは未確認です。
反対意見を出させる使い方も考えられます。既存品で十分だと感じる理由や、購入をためらう点を尋ねます。賛成の意見だけを集めるより、次の顧客調査で確かめる論点が見つかります。
実物の使用体験や購入行動は確認できない
AIが商品を使った感想を語っても、本当に使用したわけではありません。質感、使いやすさ、味、耐久性などを確かめるには別の検証が必要です。生成された感想を、体験に基づくレビューとして扱わないようにします。
「買いたい」という回答も、実際の支払いを伴う意思決定とは異なります。予算、競合品、購入時期などが行動に影響します。AIの回答から、購入率や販売数量を作らないことが重要です。
| AIに任せる作業の例 | 人や実際の顧客で確かめること |
|---|---|
| 商品説明の不足を指摘する | 顧客が理解できるか |
| 不安や疑問の候補を出す | どの疑問が実際に多いか |
| 案を同じ観点で比較する | 試作・調査へ進める判断 |
| 反対意見の仮説を出す | 実際の使用感と購入理由 |
表は、社内での役割分担の例です。AIを使わず、担当者の検討や顧客インタビューで進める選択肢もあります。効率化したい作業に合わせて方法を選びましょう。
実データに基づくAIペルソナと、生成AIに想像させたペルソナの違い
顧客像の根拠を区別する
実データを使う場合は、何を買ったかなど、確認された事実が土台になります。一方、AIに「典型的な顧客を作って」と頼むと、一般的なイメージが入り込みやすくなります。同じペルソナという名前でも、根拠は異なります。
実データにも限界はあります。自店の購入者だけを集めると、購入しなかった人の理由が見えません。レビューを書いた人の意見が、購入者全員の意見を代表するとも限りません。
データの対象期間や収集方法を記録します。セール時の購入と通常時の購入を一緒にすると、価格への反応を読み違える可能性があります。どの条件の情報かを整理してからAIに渡します。
AIが補った設定を事実にしない
レビューに書かれていない職業や家族構成を、AIが補う場合があります。自然な文章でも、その設定は確認済みの情報ではありません。事実、解釈、仮説を分けて出力させることが大切です。
顧客像に空欄があっても、すべて埋める必要はありません。分からないことは分からないまま扱います。必要な情報なら、次の調査で聞く項目にします。
企画会議では、ペルソナの名前や人物像より、根拠となる購買傾向や困りごとを見ます。人物設定に説得力があるだけで採用しないようにします。結論が元データのどこから出たかを説明できる状態にします。
自社のレビュー・購買データで簡易版を試す手順
最初に目的と使えるデータを決める
自社で試す場合、共同検証と同等の精度を目指すものではありません。企画案の説明不足や、調査する論点を見つける簡易な方法です。用途を限定すると、過度な期待を避けやすくなります。
- 絞り込みたい企画案と、比較する観点を決めます。
- 関連するレビュー、問い合わせ、購買傾向を集めます。
- 個人を特定する情報を除き、必要な内容を要約します。
- 確認済みの傾向に基づく顧客像を作ります。
- 同じ質問と条件で、各企画案を評価させます。
- 顧客に確かめる仮説を選び、実際の調査へ進めます。
外部の生成AIへ情報を渡す前に、自社の利用方針と契約条件を確認します。氏名や住所、注文番号などは、今回の企画比較に必要ない場合が多いはずです。入力する資料を必要な範囲に絞ります。
個人情報の取り扱いなど、法的な判断が必要な場合は、専門家や所管の行政機関に確認してください。匿名化したつもりでも、組み合わせから個人が分かる情報が残ることがあります。データの扱いは社内の責任者と確認します。
商品案の説明条件をそろえる
案ごとに説明の詳しさが違うと、評価に影響します。対象顧客、使う場面、提供する価値、想定価格の前提などを同じ形式にします。未定の項目は、未定だと明示します。
想定価格は、確認済みの事実とは別の企画条件です。AIに適正価格を断定させず、顧客がどう受け止めるかの仮説を出します。利益が出る価格かは、別途原価と費用から検討します。
入力する説明に、特定の案だけを高く評価する言葉を混ぜないようにします。「画期的」「圧倒的」といった宣伝語を外し、内容で比較します。説明を変えた場合は、その変更も記録します。
指示文には根拠と未確認事項の区別を入れる
指示文は、次のように組み立てられます。これは簡易な検討用の例であり、共同検証で使われた手法ではありません。
以下の要約は、自店のレビューと問い合わせに基づきます。記載のない人物属性は補わず、商品案への期待、不安、説明不足を整理してください。各判断の根拠を示し、事実と仮説を分けてください。
続けて、比較したい商品案を同じ形式で示します。どちらが良いかだけを聞かず、どの条件なら評価が変わるかも尋ねます。調査で確認する質問を作る材料として使いましょう。
回答を読んだ担当者は、元のレビューや要約と照合します。書かれていない根拠が追加されていないかを見ます。誤った内容を社内資料に移す前に、確認する工程を置きます。
結果の読み方と注意点（思い込みを強めないために）
点数より評価が分かれる理由を見る
AIに点数を付けさせても、その数値の基準が安定しているとは限りません。点数の差を市場の差と読み替えないようにします。理由と、どの前提で回答したかを確認します。
同じ案でも、顧客像や質問の書き方で回答が変わります。回答が変わった理由を調べると、企画の曖昧な部分が見える場合があります。都合のよい回答だけを選ばないことが大切です。
担当者が推したい案に好意的な質問を重ねると、期待する結論に寄りやすくなります。比較の観点を先に決め、各案に同じ質問をします。実際の顧客へ聞く前に、結論を確定しないようにします。
実際の顧客で確かめる項目を残す
AIの指摘を、調査用の質問に変えます。どの場面で必要になるか、既存品の何が不満か、購入をためらう理由は何かを確認します。試作品が必要な内容と、説明だけで聞ける内容を分けます。
アンケートやインタビューでは、商品を良く見せる説明に偏らないようにします。望まない回答も記録します。少数の意見を全体の傾向と決めつけず、次に確認する材料として扱います。
実際の顧客の反応がAIと違う場合、その違いが学びになります。自社データの不足や、想定した用途のずれを調べます。AIの結果を守るより、企画を改善することを優先しましょう。
企画の判断記録を残す
最終的にどの案を進めたか、何を根拠にしたかを記録します。AIの回答、顧客の反応、原価や製造条件を分けて残します。後から売れ行きを見たときに、判断を振り返りやすくなります。
AIが高く評価した案でも、製造が難しい場合や利益が確保できない場合があります。逆に、説明の修正で弱点を解決できる案もあります。評価の順位だけでなく、改善できる部分を見ることが重要です。
企画を止めた案の理由も残します。対象顧客が違う、必要な情報が足りない、といった理由なら、条件が変わったときに再検討できます。初期の絞り込みを、取り返しのつかない判定にしないようにします。
検証結果の共有ではAIの文章に印を付ける
社内資料には、AIが出した仮説と、顧客から確認した回答を区別して載せます。後から読む人が、実際のインタビュー結果と誤解しないことが大切です。企画を承認する人にも、根拠の範囲を伝えます。
企画を承認した後も、未確認の仮説は残します。発売前に何を確かめるかを、担当者と共有して検証につなげましょう。
まとめ：AIペルソナは「絞り込み」に使い、最後は本物の顧客に聞く
AIペルソナは、企画案の比較や確認すべき仮説を探すために使えます。実購買データに基づく検証と、自社での簡易な試行を区別し、実際の顧客の反応につなげましょう。
- 企画の比較項目と、使うデータの対象をそろえます。
- AIの回答を事実・解釈・仮説に分けて確認します。
- 試作や顧客調査で、購入理由と使い勝手を確かめます。
