マーケティングと人工知能

人工知能マーケティング（AIマーケティング）は、機械学習、自然言語処理、コンピュータービジョンといった人工知能の概念とモデルを用いてマーケティング目標を達成するマーケティング手法です。AIマーケティングと従来のマーケティング手法の主な違いは、人間ではなくコンピューターアルゴリズムによって実行される 推論にあります。

それぞれのマーケティング形態は、マーケティング理論の中核となる異なる手法を用いています。従来のマーケティングは消費者のニーズに直接焦点を当てていますが、AIがもたらす変化により、マーケティング機関は消費者のニーズを管理するようになると考える人もいます。[ 1 ] AIは、コンテンツマーケティング、Eメールマーケティング、オンライン広告（機械学習との組み合わせ）、ソーシャルメディアマーケティング、アフィリエイトマーケティングなど、様々なデジタルマーケティング分野で活用されています。[ 2 ] [ 3 ]

歴史的発展

マーケティングにおけるAIの歴史は長く、1980年代まで遡ります。当時、AI研究はエキスパートシステムとロボット工学に焦点を当てていました。初期の研究や実施された調査にもかかわらず、AIの採用は限られたものでした。AIに関する研究はしばらく中断されましたが、20年後、技術の進歩、ビッグデータの台頭、計算能力の大幅な向上により、研究が再開されました。最終的に、AIはマーケティングの世界で非常に人気となり、多くの研究者や専門家の注目を集めました。[ 4 ] 1982年から2020年までに発表された1,580件の査読付き論文を対象とした大規模な文献調査では、マーケティングにおけるAIに関する学術的成果が2017年以降急増しており、 Expert Systems with Applicationsが最も多く発表されている分野であることが確認されています。 [ 5 ]

人工知能がマーケティングに応用される以前、「協調フィルタリング」と呼ばれるものがありました。これは1998年にAmazonによって既に利用されており、企業が消費者行動を予測する最初の方法の一つであり、様々な顧客に何百万ものレコメンデーションを提供することを可能にしました。パーソナライズされたレコメンデーションシステムは現在、 Spotifyの音楽やNetflixのテレビ番組のおすすめなど、広く利用されています。AIマーケティングにおける大きな節目は、2014年にプログラマティック広告購入が飛躍的に普及したことでした。マーケティングは、ターゲット市場の調査、広告掲載の申し込み、高額な予算と価格の管理など、多くの手作業で構成されています。コストを削減し、これらの面倒な作業を不要にするために、多くの企業がAIを活用したマーケティングプロセスの自動化を開始しました。2015年には、Googleが最新のアルゴリズム「RankBrain 」をリリースし、検索クエリを分析する新たな方法を切り開きました。これは、ユーザーの検索の背後にある理由と意図を正確に判断するために使用されます。[ 6 ]

人工知能（AI）は、ユーザー体験のパーソナライズや意思決定の自動化のために、マーケティング分野でますます活用されています。例えば、Netflixは視聴履歴に基づいてコンテンツを推奨するAIアルゴリズムを活用し、Sephoraはチャットボットを活用して顧客の商品選択と在庫状況の確認を支援しています。Google Adsのようなプログラマティック広告プラットフォームは、機械学習を活用して入札戦略を最適化し、より効果的にオーディエンスをターゲティングしています。これらのアプリケーションは、AIがデジタルチャネル全体の効率性、エンゲージメント、そしてコンバージョン率を向上させる方法を示しています。[ 7 ]

人工ニューラルネットワーク

人工ニューラルネットワークは、人間の脳と神経系をモデルにしたコンピュータプログラムの一種です。[ 8 ]ニューラルネットワークは、相互接続された一連の処理ニューロンで構成され、それらが協調して特定の結果を達成します。「人間のような試行錯誤学習法を用いて、ニューラルネットワークはデータセット内に存在するパターンを検出し、重要でないデータは無視しながら、最も影響力のあるデータを強調します。」[ 9 ]

マーケティングの観点から見ると、ニューラルネットワークは意思決定を支援するソフトウェアツールの一種です。ニューラルネットワークは、大規模なデータソースから情報を収集・抽出するのに効果的であり、データ内の因果関係を特定する能力を備えています。[ 9 ] [ 10 ]これらのニューラルネットワークは、学習プロセスを通じて、データベース間の関係性やつながりを特定します。知識が蓄積されると、ニューラルネットワークは一般化を提供し、過去の知識と学習を様々な状況に適用できるようになります。[ 10 ]

ニューラルネットワークは、市場セグメンテーションとパフォーマンス測定を効果的に支援し、コスト削減と精度向上を実現することで、マーケティング企業の役割を果たすのに役立ちます。ニューラルネットワークは、学習能力、柔軟性、適応性、知識発見能力に優れており、従来のモデルに比べて多くの利点があります。 [ 11 ]ニューラルネットワークは、パターン分類、予測、マーケティング分析を支援するために使用できます。

ツールと用途

ニューラルネットワークのアプローチは顧客の分類を容易にし、企業が情報に基づいたマーケティング上の意思決定を行うことを可能にします。その一例として、ダイレクトメール業務を手掛けるSpiegel Inc.が、ニューラルネットワークを用いて効率性を向上させました。NeuralWare Inc.が開発したソフトウェアを用いて、Spiegel Inc.は単発購入を行った顧客とリピート購入を行った顧客の人口統計を特定しました。ニューラルネットワークは主要なパターンを識別し、結果としてリピート購入の可能性が最も高い顧客を特定しました。この情報を理解することで、Spiegel Inc.はマーケティング活動を効率化し、コストを削減することができました。[ 12 ]

売上予測とは、「実際の業績を監視し、不確実性を減らすためのベンチマークを提供することを目的として、将来の出来事を推定するプロセス」です。[ 13 ]人工知能技術は、製品の需要、流通、従業員の離職率、業績測定、在庫管理の分野で精度を高めることで予測プロセスを容易にするために登場しました。 [ 13 ]ニューラルネットワークを使用した予測の例として、BehabHeuristicsが開発したAirline Marketing Assistant/Tacticianがあります。これは、ニューラルネットワークを介して乗客の需要とそれに伴う座席割り当てを予測できるアプリケーションです。このシステムは、ナショナル・エア・カナダとUSAirで使用されています。[ 14 ]

ニューラルネットワークは、信頼性、時間節約、不完全またはノイズの多いデータからパターンを認識する能力により、従来の統計モデルの有用な代替手段を提供します。[ 10 ] [ 15 ]マーケティング分析システムの例としては、Churchull SystemsがVeratex Corporation向けに開発したターゲットマーケティングシステムがあります。この支援システムは市場データベースをスキャンして休眠顧客を特定し、経営陣がどの主要顧客をターゲットとするかを決定できるようにします。[ 14 ]マーケティング分析を行う際に、ニューラルネットワークは、消費者の人口統計や信用履歴から消費者の購買パターンに至るまで、さまざまな情報の収集と処理を支援します。[ 16 ]

予測分析は、過去のデータと人工知能アルゴリズムを用いて将来の傾向や結果を予測する分析の一形態である。[ 17 ]データ内に見つかったパターンに基づいてユーザーの行動を予測・理解するためのツールとして機能し、予測分析では人工知能機械学習アルゴリズムを用いてデータ内のパターンを認識・予測する。[ 18 ]機械学習アルゴリズムはデータを分析し、パターンを認識し、継続的な学習と適応を通じて予測を行う。予測分析は、ユーザーデータの分析から得られた情報に基づいて機会を特定し、リスクを回避し、顧客ニーズを予測する方法として、企業や業界全体で広く利用されている。過去の顧客データを分析することで、人工知能アルゴリズムは関連性の高いターゲットを絞ったマーケティングコンテンツを提供することができる。[ 18 ]最近の体系的レビューによると、GPT-3やGPT-4などの生成大規模言語モデルは、現在、予測分析パイプラインに日常的に組み込まれ、非構造化市場データをマイニングし、顧客の意図をより正確に予測している。[ 19 ]

パーソナライゼーションエンジンは、人工知能と機械学習を利用して、ユーザーに関連性の高いコンテンツや広告を提供します。収集されたユーザーデータは機械学習によって処理され、ユーザー間のパターンや傾向が特定されます。共通の特性や行動を持つユーザーはグループに分割され、パーソナライゼーションエンジンは各セグメントの好みに合わせてコンテンツや広告を調整します。[ 20 ]パーソナライゼーションエンジンは大量のデータを処理することで、ユーザーの興味や好みに合った広告やレコメンデーションをユーザーに提供することができます。[ 21 ]消費財および電子機器企業からの現場のエビデンスによると、AI主導のパーソナライゼーションはコンバージョン率とマーケティングROIを向上させることができますが、データガバナンスとスキルギャップが依然として導入における主要な課題となっています。[ 22 ]

行動ターゲティングとは、顧客の過去の行動に示された暗黙的または明示的な行動に基づいたコミュニケーションで見込み客や顧客にアプローチする行為を指します。[ 23 ]行動の理解は、ウェブ分析、モバイル分析、ソーシャルメディア分析、トリガーベースのマーケティングプラットフォームなどのマーケティングテクノロジープラットフォームによって促進されます。AIマーケティングは、行動ターゲティングを可能にする一連のツールとテクニックを提供します。機械学習は、行動ターゲティングの効率を向上させるために使用されます。さらに、大規模な行動ターゲティングにおける人間の偏見を防ぐために、人工知能技術が使用されます。人工知能を活用した最も高度な行動ターゲティングは、アルゴリズムマーケティングと呼ばれています。

自動化の効率

マーケティングにおいて、オートメーションとは、通常は手作業で行われていたマーケティングプロセスをソフトウェアで自動化することである。顧客セグメンテーション、キャンペーン管理、製品プロモーションなどのプロセスを、より効率的に実行できるように支援する。[ 24 ]マーケティングオートメーションは、顧客関係管理（CRM）の重要な構成要素である。企業は、顧客データベースを分析し、顧客に関するより深い洞察を提供するデータマイニングアルゴリズムを採用したシステムを使用している。この情報には、社会経済的特性、顧客との以前のやり取り、顧客の購入履歴に関する情報などが含まれる。[ 25 ]組織がデータを制御できるように、さまざまなシステムが設計されている。オートメーションツールを使用すると、システムはキャンペーンのパフォーマンスを監視し、キャンペーンを定期的に調整して応答率を向上させ、キャンペーンのパフォーマンスを追跡することができる。[ 26 ]

製品流通においては、企業が製品需要の変動に対応できるよう、正確なデータへのアクセスが求められます。自動化プロセスは、リアルタイム監視とインテリジェント制御を向上させる包括的なシステムを提供します。Amazonは2012年に倉庫ロボットメーカーであるKiva Systemsを7億7500万ドルで買収しました。自動化システムの導入以前は、人間の従業員が巨大な倉庫内を歩き回り、書籍の追跡と取り出しを行っていました。Kivaロボットは、注文処理、商品の補充、そして重量物の持ち上げも行うことができるため、同社の効率性を向上させています。[ 27 ]

マーケティング意思決定への応用

マーケティングは、マーケターの判断と直感の両方が大きく関わる複雑な意思決定分野です。 [ 28 ]個々の意思決定者が直面する複雑さの大幅な増加により、意思決定プロセスはほぼ不可能な作業になっています。マーケティング意思決定エンジンは、ノイズを精製するのに役立ちます。より効率的な管理手順の生成は、必要不可欠なものとして認識されています。[ 29 ]意思決定支援システムを通じて意思決定に人工知能を適用することで、意思決定者が意思決定の問題における不確実性に対処するのを支援することができます。人工知能技術は、傾向の分析、予測の提供、情報過多の軽減、共同意思決定に必要なコミュニケーションの実現、最新情報の提供を通じて、意思決定支援をますます拡張しています。[ 30 ]

組織は顧客のニーズを満たそうと努め、特に顧客の欲求に着目します。消費者志向のアプローチには、これらのニーズに合致する商品やサービスの生産が必要です。消費者行動を理解することは、マーケティング担当者が適切な意思決定を行うのに役立ちます。したがって、意思決定はマーケティングの問題、意思決定者、そして意思決定環境に依存します。[ 29 ]

エキスパートシステムとは、専門家の知識と推論手順を模倣することで、専門家の知識を統合し、問題解決を試みるソフトウェアプログラムです。各エキスパートシステムは、データを処理し、推論を通じて評価、判断、意見に変換することで、専門的な問題に対するアドバイスを提供します。[ 31 ]

マーケティング分野に応用されるエキスパートシステムの例としては、MARKEX（Market Expert）がある。このインテリジェントな意思決定支援システムは、マーケティング担当者のコンサルタントとして機能し、特に新製品開発プロセスにおいて、さまざまな段階で意思決定者をサポートする。このソフトウェアは、予測、データ分析、および多基準意思決定のさまざまな方法を用いた体系的な分析を提供し、最も適切な浸透戦略を選択する。[ 29 ] BRANDFRAMEは、マーケティング担当者の意思決定プロセスを支援するために開発されたシステムのもう1つの例である。このシステムは、ブランドマネージャーがブランドの属性、小売チャネル、競合ブランド、ターゲット、および予算を特定するのを支援する。新しいマーケティング入力がシステムに取り込まれ、BRANDFRAMEがデータを分析する。価格の引き下げや販売促進キャンペーンの開始などの マーケティングミックスの手段に関する推奨事項がシステムによって作成される。

ソーシャルネットワークの分析

ソーシャルネットワークとは、ネットワーク内でグループを構成するアクターの社会的配置です。ネットワーク内の一般的な出来事や一般的な関係を例証する一連のつながりとノードが存在する場合があります。Lui（2011）[ 32 ]は、ソーシャルネットワークを「社会的エンティティ（組織内の人々、アクターと呼ばれます）とそれらの相互作用と関係の研究」と説明しています。相互作用と関係はネットワークまたはグラフで表すことができ、各頂点（またはノード）はアクターを表し、各リンクは関係を表します。」現在、オンラインで複製されるソーシャルネットワークが一般的に出現し、仮想ソーシャルネットワーキングが成長しています。たとえば、Twitter、Facebook、LinkedInなどのソーシャルネットワーキングサイトです。マーケティングの観点から、これらのネットワークの分析とシミュレーションは、消費者の行動と意見を理解するのに役立ちます。エージェントベースのソーシャルシミュレーション手法とデータ/意見マイニングを使用してネットワークの社会的知識を収集すると、マーケティング担当者が市場とその中のセグメントを理解するのに役立ちます。

ソーシャルコンピューティング

ソーシャルコンピューティングは、マーケティング担当者がネットワーク内の社会的行動を分析するために使用できる技術分野であり、人工ソーシャルエージェントの作成も可能にします。[ 33 ]ソーシャルコンピューティングは、ソーシャルベースのソフトウェアを作成するためのプラットフォームを提供します。ソーシャルコンピューティングの初期の例としては、条件付きランダムフィールド（CRF）技術を使用して、電子メールアカウントから連絡先情報（たとえば、電子メールから住所や会社名）などのソーシャル情報を抽出できるシステムがあります。[ 34 ]

データマイニング

データマイニングは、Web上で既存の情報、特にソーシャルネットワーク上に投稿された意見や感情を検索することです。「この研究分野は、意見マイニングまたは感情分析と呼ばれています。エンティティ、個人、問題、イベント、トピック、およびそれらの属性に対する人々の意見、評価、態度、感情を分析します。」[ 32 ]しかし、この情報の検索と分析はかなりの作業になる可能性があり、手動でこの情報を分析すると、研究者のバイアスが生じる可能性もあります。そのため、自動化された意見マイニングおよび要約システムの形で、客観的な意見分析システムがこの解決策として提案されています。この種のインテリジェンスを使用して消費者の意見を推論するマーケティング担当者は、偽の意見やレビューがWebに投稿され、製品やサービスに対する賛成または反対の潜在的な消費者に影響を与える、いわゆる意見スパムに注意する必要があります。[ 32 ]

検索エンジンは、ユーザーの興味を学習し、適切な情報を提示しようとする一般的な知能の一種です。Pag ​​eRankとHITSは、ハイパーリンクを介して情報を検索するアルゴリズムの例です。GoogleはPageRankを使用して検索エンジンを制御しています。ハイパーリンクに基づく知能は、ウェブコミュニティを探し出すために使用できます。ウェブコミュニティとは、「共通の関心を持つ人々のグループを表す、密にリンクされたページの集まり」と説明されます。[ 32 ]

中心性と威信は、アクターグループにおける共通事象の度合いを表す測定用語の一種であり、ソーシャルネットワークにおけるアクターの影響力と影響力のレベルを表すのに役立ちます。ネットワーク内で多くのつながりを持つ人は、「中心的」または「威信」のあるアクターと表現されます。ソーシャルネットワーク内のこれらのノードを特定することで、マーケティング担当者はソーシャルネットワークにおけるトレンドセッターを特定するのに役立ちます。[ 32 ]

ソーシャルメディアAIベースのツール

Ellott (2017) は、ソーシャルメディア市場を変革するAIベースのツールについて考察しました。ソーシャルメディアマーケティングにおいてAIの影響を受けている領域は6つあります。コンテンツ作成、消費者インテリジェンス、カスタマーサービス、インフルエンサーマーケティング、コンテンツ最適化、競合情報です。[ 35 ] Twizooというツールは、AIを利用してソーシャルネットワーキングサイトからレストランのレビューを収集し、ユーザーが食事場所を見つけるのを支援します。Twizooはユーザーからのフィードバックから大きな成功を収め、「旅行・ホスピタリティウェブサイトがソーシャルメディアのレビューを自社のオーディエンスに即座に届けることができるウィジェット」をリリースすることで事業を拡大しました（Twizzo, 2017）。[ 36 ]

インフルエンサーマーケティングはソーシャルメディア上で大きな影響力を持っています。多くのブランドがソーシャルメディアで人気のあるユーザーと提携したりスポンサードしたりして、そのユーザーのフォロワーに自社商品を宣伝しようとしています。これは、Sugar Bear Hairやサブスクリプションボックス会社FabFitFunにとって効果的な戦略となっています。InsightPoolという企業は、AIを使ってソーシャルメディア上の6億人以上のインフルエンサーを検索し、ブランドの個性やターゲットオーディエンスに合うインフルエンサーを見つけています（Ellot, 2017）。これは、新しいインフルエンサーや特定のオーディエンスを探す際に効果的なツールとなり得ます。また、有名ではない人（カーダシアン家やバチェロレッテの出演者など）でも、多くのオーディエンスに影響を与え、売上をもたらすことができる人を見つけるのも費用対効果が高いかもしれません。[ 35 ]

この分野の書誌学的マッピングは、信頼に基づく買い手と供給者の関係からソーシャルメディアの感情マイニングに至るまで、5つの新たな調査クラスターを浮き彫りにし、依然として断片化された引用ネットワークを明らかにし、AIマーケティングの研究が急速に進化する初期段階にあることを示唆している。[ 5 ] [ 19 ]

倫理

人工知能マーケティングの倫理は、研究と議論が活発に行われている分野です。AI倫理は、多くの業界、研究分野、そして社会への影響を網羅しています。[ 37 ] AIマーケティングにおける倫理的懸念事項としては、プライバシーとアルゴリズムのバイアスなどが挙げられます。

顧客からのプライバシーに関する懸念は、AIマーケティングやビッグデータ企業などのテクノロジー企業が消費者データをどのように利用するかに関係している。提起されている質問には、消費者データがどれくらいの期間保持されるか、データがどのように、誰に再販されるか（マーケティング、AI、データ、民間企業など）、ある個人から収集されたデータに、データの共有を望まない他の人のデータも含まれているかどうかなどがある。[ 37 ]さらに、データ収集の目的は、消費者体験を向上させることである。[ 38 ]消費者データを活用し、そのデータをAIやマーケティング手法と組み合わせることで、企業は顧客が何を望んでいるかをより深く理解し、顧客向けにカスタマイズされた製品やサービスを提供できるようになる。[ 39 ]

アルゴリズムのバイアスとは、一部の人に不当な優位性を与え、他の人に不利益をもたらす可能性のあるコンピュータプログラムのエラーです。[ 40 ] AIマーケティングの懸念は、人工知能アルゴリズムが、そのAIアルゴリズムを設計したプログラマーの既存のバイアスの影響を受ける可能性があることです。[ 38 ]または、AIが独自の計算のためにバイアスを検出できないことです。[ 37 ]一方、ビジネスにおけるAIバイアスは、ビジネスやマーケティングの決定が人間のバイアスと意思決定に基づいているため、誇張された議論であるという考え方があります。 一部には、株主の事業目標を推進するため、および特定の消費者を引き付けるために販売する商品の決定から来ています。

2024年3月、SECはDelphia (USA) Inc.とGlobal Predictions Inc.に対し、マーケティング資料においてAI機能に関する虚偽の主張を行ったとして告発を行い、AIマーケティングの倫理的課題を浮き彫りにしました。[ 41 ]「AIウォッシング」などの誤解を招くAIマーケティング慣行は、消費者の信頼を損ない、ブランドの評判を損ないます。研究によると、企業の開示情報やAIエンゲージメント指標の分析など、データ主導のアプローチを活用することで、AIを活用したマーケティング戦略の透明性と信頼性が向上することが示されています。[ 42 ]

収集、推論、行動

AIマーケティングの原則は、認知科学における知覚-推論-行動のサイクルに基づいています。マーケティングの文脈では、このサイクルは収集、推論、行動のサイクルとして適応されます。[ 43 ]

  1. 収集とは、顧客または見込み客のデータを収集することを目的としたあらゆる活動を指します。例えば、ソーシャルメディアプラットフォームでは、投稿の閲覧時間をプラットフォームが測定します。オンラインでもオフラインでも、収集されたデータは顧客または見込み客のデータベースに保存されます。
  2. 推論とは、データが情報に変換され、最終的には知性や洞察へと変換される段階です。特に人工知能と機械学習が重要な役割を果たすのはこの段階です。
  3. 推論段階で収集された情報に基づいて、人は行動を起こすことができます。マーケティングの文脈では、行動とは、インセンティブ駆動型のメッセージを用いて見込み客や顧客の購買決定に影響を与えようとする試みを指します。教師なしモデルでは、機械は収集段階で受け取った情報に基づいて意思決定を行い、行動します。

AIマーケティングとユーザーパーソナライゼーション

AIは多くの分野に統合されており、イノベーションを変革し、効率と適応性を向上させています。AIはデータとパターンを分析する能力により、超パーソナライズされた広告を作成できます。[ 44 ] AIマーケティングは、現代ですべての企業が成功するための重要なツールとなります。たとえば、小売企業は私たちと私たちのショッピング習慣について学ぶためにできる限りのことを行っています。ターゲットは予測分析に優れた企業の一つです。ターゲットのAIモデルは、女性のショッピング習慣から、彼女が妊娠しているかどうかを予測することができました。たとえば、女性が突然無香料のローションと亜鉛ビタミンを買い始めると、それは女性が妊娠していることを示す信号です。両親が娘が妊娠していることを知らなくても、ターゲットのアルゴリズムは出産予定日を予測できます。ターゲットだけでも、妊婦をターゲットにすることで数十億ドルの利益を上げていると見積もっています。[ 45 ] AIを使用すると、企業は顧客の購買習慣を理解し、消費者の興味に基づいてパーソナライズされた広告を作成できます。AIは顧客の選択をリアルタイムで予測して理解できるため、企業は顧客のニーズに合わせてコンテンツをカスタマイズできます。これにより、企業は適切な消費者に適切なタイミングでリーチすることができます。正確なターゲティングにより、企業はより多くの利益を上げ、顧客維持率を高め、個々のニーズにリアルタイムで対応することができます。[ 46 ]

デジタルアシスタントへのAIの統合

Alexa、Siri、Google Assistantなどのデジタルアシスタントは、顧客と企業のインタラクションの方法を変革しました。ユーザーが質問を投げかけると、デジタルアシスタントが応答することでユーザーをサポートし、パーソナライズされた体験を提供することで、顧客満足度を向上させます。[ 47 ]また、音声統合プラットフォームは自然言語処理と機械学習モデルを活用して会話を促進し、適切なサービスを積極的に提案できるため、顧客エンゲージメントも向上します。[ 48 ]

チャットボットもAIを活用しており、企業による顧客サポートの提供に広く利用されています。AI駆動型チャットボットは自然言語処理を用いて顧客とのコミュニケーションを強化します。これにより、チャットボットは顧客のニーズを予測し、適切な行動をとることができるため、顧客満足度が向上します。チャットボットは、企業が顧客とのマーケティングコミュニケーションを強化し、顧客のニーズに合わせてサポート体験をカスタマイズすることを可能にします。[ 49 ]

デジタルマーケティングにおけるAI

人工知能（AI）は、企業が大量の消費者データを収集し、データドリブンなマーケティング戦略を可能にすることで、デジタルマーケティングの状況を一変させました。Amazonのような企業は、プラットフォーム上でのユーザーの購入履歴、検索履歴、閲覧履歴を活用し、カスタマイズされたユーザーエクスペリエンスを提供しています。例えば、関連性の高い商品をユーザーに広告することで、購買行動を誘導することが可能です。AIアルゴリズムは、利用可能なすべてのユーザーデータを分析し、最終的にパーソナライズされたレコメンデーションを作成するために使用されます。[ 2 ]

企業は、LLMで生成された回答でエンティティがどのように参照されているかを追跡し、大規模な言語モデルが公共の知識にどのように影響を与えるかを示すために、監視ツール（ SemrushのAI Visibility ToolkitやEnterprise AIOなど）を使用することが増えています。[ 50 ] [ 51 ]

ソーシャルメディア上のバーチャルインフルエンサー

バーチャルインフルエンサーは、人工知能を搭載したコンピューター生成のデジタルキャラクターで、人間のソーシャルメディアインフルエンサーのように機能します。彼らはコンテンツを投稿し、フォロワーと交流し、オンラインでブランドを宣伝することができます。[ 52 ]人間のインフルエンサーとは異なり、バーチャルインフルエンサーはブランドに完全なクリエイティブコントロールを与え、評判問題のリスクを軽減します。[ 53 ] 2024年には、AI駆動型バーチャルインフルエンサーへの世界的な支出は46億ドルを超え、2025年には80億ドルを超えると予想されており、ファッション、美容、テクノロジーなどの分野で急速な成長を示しています。[ 54 ]

バーチャルインフルエンサーはソーシャルメディアプラットフォーム上で、視聴者と関わり、人間のインフルエンサーと同様の関係性を構築するために活動しています。[ 53 ]彼らは物理的な存在や時間に制限されないため、継続的なオンラインでのエンゲージメントが可能です。[ 54 ]調査によると、多くの人々、特にZ世代は、これらのAIパーソナリティに対してまるで本物であるかのように反応し、同様のレベルの信頼、信憑性、感情的なつながりを示しています。[ 55 ]彼らの成功は、彼らがどれだけ本物の人間のように見えるか、そして彼らの物語が現実的で共感できるように語られるかに大きく左右されます。[ 52 ] [ 56 ]

研究では、リアルすぎるバーチャルインフルエンサーが視聴者に不快感を与える可能性があるという「不気味の谷効果」についても警告されています。 [ 53 ] [ 52 ]これを避けるため、クリエイターはリアルさと漫画的な特徴のバランスをとることがよくあります。信頼性、有用性、エンターテイメント性、人間味といった要素が、フォロワーがバーチャルインフルエンサーとどれだけエンゲージするか、そしてプロモーション商品を購入する可能性に影響を与えます。[ 53 ] [ 54 ]

倫理的な懸念もあります。視聴者の中には、これらのバーチャルインフルエンサーが実在しないことを認識していない人もおり、彼らの誠実さや透明性について懸念が生じる可能性があります。[ 56 ]受容度は地域によって異なります。東アジアの視聴者はAI生成のペルソナに抵抗がない傾向がありますが、西洋の視聴者は明確な開示を好む傾向があります。[ 56 ]バーチャルインフルエンサー信頼・エンゲージメントモデル（VITEM）などのモデルは、透明性、開示、文化的背景が、視聴者がバーチャルインフルエンサーを信頼し、交流する方法に影響を与えることを示唆しています。[ 56 ]

参照

参考文献

  1. ^ Grandinetti, Roberto (2020-06-10). 「人工知能はマーケティング理論の中核をどのように変えるか」 .イノベーティブ・マーケティング. 16 (2): 91– 103. doi : 10.21511/im.16(2).2020.08 . ISSN  1816-6326 .
  2. ^ a b Yeğİn、Tuğba (2020-01-01)。 「パザルラマ・ストラテジレリンデ・ヤペイ・ゼカニン」。Ekev Akademi Dergisi (81): 489–506 . doi : 10.17753/ekev1340。ISSN 2148-0710。S2CID 216545054。  
  3. ^ 「AIはすでにオンライン広告にどのように活用されているか」 www.storeya.com 2022年10月7日閲覧。
  4. ^ヴラチッチ、ボジダル;コルボ、レオナルド。コスタ・エ・シルバ、スザーナ。ダビッチ、マリーナ（2021年5月）。 「マーケティングにおける人工知能の進化する役割: レビューと研究の課題」。ビジネス研究ジャーナル。128 : 187–203 . doi : 10.1016/j.jbusres.2021.01.055。hdl : 10400.14/33196。ISSN 0148-2963。 
  5. ^ a b Verma, Sanjeev; Sharma, Rohit; Deb, Subhamay; Maitra, Debojit (2021年4月). 「マーケティングにおける人工知能：体系的レビューと今後の研究方向」 . International Journal of Information Management Data Insights . 1 (1) 100002. doi : 10.1016/j.jjimei.2020.100002 .
  6. ^ Goldberg, Lori (2018年4月20日). 「広告における人工知能の簡潔な歴史」 . Econsultancy . 2024年4月28日閲覧。
  7. ^ 「マーケティングにおける人工知能：定義、事例、メリット」 HapticMedia . 2025年8月28日閲覧。
  8. ^ Whitby, B. (2003). 『人工知能入門』オックスフォード、イギリス: Oneworld Publications.
  9. ^ a b Tedesco, BG (1992)、「ニューラル分析：単一ソースおよび地理人口統計データへの人工知能ニューラルネットワークの適用」シカゴ、イリノイ州：Grey Associates。
  10. ^ a b c Tedesco, BG (1992). ニューラルマーケティング：消費者の期待を測定する人工知能ニューラルネットワーク. シカゴ、イリノイ州：Grey Associates.
  11. ^ Bloom, Jonathan Z. (2005年1月). 「市場セグメンテーション」. Annals of Tourism Research . 32 (1): 93– 111. doi : 10.1016/j.annals.2004.05.001 . S2CID 4512961 . 
  12. ^ Schwartz, EI (1992年3月2日). 「スマートプログラムが機能する」. Business Week誌より引用: [1]
  13. ^ a b Hall, Owen P. (2002). 「人工知能技術がビジネス予測を向上させる」 Graziado Business Review 5 ( 2).
  14. ^ a b「ニューラルネット技術：ゴールデンタイムの準備は整ったか？」 IEEEエキスパート：インテリジェントシステムとその応用。7 （6）：2-4 。1992年12月1日。
  15. ^ Woelfel, J. (1992). 広告・マーケティング調査のための人工ニューラルネットワーク：現状評価. バッファロー大学.
  16. ^ “Про сайт pro-kursy.com: Отзывы о курсах в онлайн университетах и зколах” . Онлайн Университет: Отзывы на онлайн курсы (ロシア語) 。2023-05-17に取得。
  17. ^ 「予測分析とは？ | IBM」 www.ibm.com 2024年4月8日2024年4月28日閲覧。
  18. ^ a b Yadav, Anusuya; Pandita, Deepika (2024-01-28). 「AIと予測分析を活用したデジタルマーケティングキャンペーンの変革のための意思決定モデル」. 2024 ASU International Conference in Emerging Technologies for Sustainability and Intelligent Systems (ICETSIS) . IEEE. pp.  791– 795. doi : 10.1109/ICETSIS61505.2024.10459608 . ISBN 979-8-3503-7222-9。
  19. ^ a b Wiśniewska, Joanna; Matysik, Sebastian (2024-12-29). 「マーケティング活動におけるOpenAI技術の応用 - 体系的な文献レビュー」 . Journal of Modern Science . 60 (6): 392– 410. doi : 10.13166/jms/197016 . ISSN 1734-2031 . 
  20. ^ 「パーソナライゼーションエンジンとは？ - Dynamic Yieldによる定義」Dynamic Yield . 2024年4月28日閲覧。
  21. ^ Barbosa, Belém; Saura, José Ramón; Zekan, Senka Borovac; Ribeiro-Soriano, Domingo (2023-03-12). 「コンテンツマーケティングの定義とオンラインユーザー行動への影響：データ駆動型の処方的分析手法」Annals of Operations Research . doi : 10.1007/s10479-023-05261-1 . ISSN 1572-9338 . （撤回済み、doi：10.1007/s10479-023-05261-1、   Retraction Watchを参照）
  22. ^ Shaik, Mahabub (2023-03-25). 「人工知能のマーケティングへの影響」 .東アジア学際研究ジャーナル. 2 (3): 993– 1004. doi : 10.55927/eajmr.v2i3.3112 . ISSN 2828-1519 . 
  23. ^ 「オンライン行動広告に関する意見2/2010」（PDF）第29条データ保護作業部会。
  24. ^ TechTarget (2004年2月). マーケティングオートメーション. 2012年4月20日閲覧。Search CRM: http://searchcrm.techtarget.com/definition/marketing-automation 2016年1月19日アーカイブ、 Wayback Machineより
  25. ^ Sharma, Sarika; Goyal, DP; Mittal, RK (2010). 「CRMにおけるデータ品質とデータマイニングツールのパフォーマンスの必須関係」. International Journal of Business Competition and Growth . 1 (1): 45. doi : 10.1504/IJBCG.2010.032828 .
  26. ^ Gaffney, A. (2008年10月16日). 「DemandGen、自動化ツールを活用してビジネス成長を促進した上位10社を表彰」 Demand GenReport . 2012年4月20日閲覧。
  27. ^ Murray, Peter (2012年3月21日). 「Amazonがロボット化へ、倉庫ロボットメーカーのKiva Systemsを買収」 . Singularity Hub . 2023年5月17日閲覧。
  28. ^ Wierenga, Berend (2010). 「マーケティングと人工知能：大きなチャンス、消極的なパートナー」.ソフトコンピューティングを用いたインテリジェントシステムのマーケティング. ファジネスとソフトコンピューティングの研究. 第258巻. pp.  1– 8. doi : 10.1007/978-3-642-15606-9_1 . ISBN 978-3-642-15605-2。
  29. ^ a b c Matsatsinis, NF, & Siskos, Y. (2002). マーケティング意思決定のためのインテリジェント支援システム. 米国マサチューセッツ州ノーウェル: Kulwer Academic Publishers.
  30. ^ Phillips-Wren, G., Jain, LC, Ichalkaranje, N. (2008). 『インテリジェントな意思決定：AIによるアプローチ』 Spring Publishing Company.
  31. ^クランク、ジョン、ノース、M. (2007). 「情報システムに基づくマーケティングを支援する意思決定支援システムと人工知能技術」.国際経営評論. 3 (2): 61– 86. S2CID 107615183 . 
  32. ^ a b c d e Liu, B. (2011). Webデータマイニング：オピニオンマイニングと感情分析（第2版）. ニューヨーク：シュプリンガー. 2012年4月19日閲覧
  33. ^ Wang, Fei-Yue; Carley, Kathleen M.; Zeng, Daniel; Mao, Wenji (2007年3月). 「ソーシャルコンピューティング：ソーシャル情報科学からソーシャルインテリジェンスへ」. IEEE Intelligent Systems . 22 (2): 79– 83. doi : 10.1109/MIS.2007.41 . S2CID 939045 . 
  34. ^ Culotta, Aron; Bekkerman, Ron; McCallum, Andrew (2004年1月1日). 「電子メールとWebからのソーシャルネットワークと連絡先情報の抽出」コンピュータサイエンス学科教員出版シリーズ.
  35. ^ a bエレット、ジョン. 「AIベースの新ツールがソーシャルメディアマーケティングを変革」 . Forbes . 2023年5月17日閲覧。
  36. ^ Twizoo (2017年11月). 「良いものはすべて…さらに良くなる」Medium. 出典: https://medium.com/@TwizooSocial/all-good-things-can-get-better-301f425d19bc
  37. ^ a b c Davenport, Thomas; Guha, Abhijit; Grewal, Dhruv; Bressgott, Timna (2020年1月). 「人工知能はマーケティングの未来をどう変えるのか」 . Journal of the Academy of Marketing Science . 48 (1): 24– 42. doi : 10.1007/s11747-019-00696-0 . ISSN 0092-0703 . 
  38. ^ a b Bharti, Preeti; Park, Byungjoo (2023-05-31). 「オンラインマーケティングにおけるAIの倫理：消費者のプライバシーと意思決定への影響の検証」International Journal of Internet, Broadcasting and Communication . 15 (2): 227– 239. doi : 10.7236/IJIBC.2023.15.2.227 – ResearchGate経由.
  39. ^ Hermann, Erik (2022年8月). 「社会貢献のためのマーケティングにおける人工知能の活用：倫理的観点」 . Journal of Business Ethics . 179 (1): 43– 61. doi : 10.1007/s10551-021-04843-y . ISSN 0167-4544 . PMC 8150633. PMID 34054170 .   
  40. ^ Friis, Simon; Riley, James (2023年9月29日). 「アルゴリズムによるバイアスの排除は、公平なAIの始まりに過ぎない」 .ハーバード・ビジネス・レビュー. ISSN 0017-8012 . 2024年4月28日閲覧。 
  41. ^ 「SEC、人工知能の利用に関する虚偽かつ誤解を招く発言をしたとして投資顧問2社を告発」 www.sec.gov 2025年1月23日閲覧。
  42. ^アンテ・レナート、サグ・アマン (2025年3月1日). 「企業のAIエンゲージメントの定量化：10-K提出書類を用いた客観的でデータ主導のAI株価指数の構築」 .技術予測と社会変化. 212 123965. arXiv : 2501.01763 . doi : 10.1016/j.techfore.2024.123965 . ISSN 0040-1625 . 
  43. ^ Sharma, Animesh Kumar; Sharma, Rahul (2023). 「人工知能を活用したマーケティングにおける考慮事項：倫理的観点」 .応用マーケティング分析. 9 (2): 162– 172.
  44. ^アキルハノフ、アラン. 「Council Post: AI And Personalization In Marketing」 . Forbes . 2024年4月29日閲覧。
  45. ^デュヒッグ、チャールズ（2013年12月31日）「24. 企業があなたの秘密を知る方法」『ベスト・ビジネス・ライティング2013』コロンビア大学出版局、pp.  421– 444、doi : 10.7312/star16075-025、ISBN 978-0-231-16075-9{{citation}}: CS1 maint: ISBNによる作業パラメータ（リンク）
  46. ^ 「ターゲットマーケティングでビジネス成長を最大化する」business.nextdoor.com . 2024年4月29日閲覧。
  47. ^ Brill, Thomas M.; Munoz, Laura; Miller, Richard J. (2019-10-13). 「Siri、Alexa、その他のデジタルアシスタント：人工知能アプリケーションにおける顧客満足度の調査」 . Journal of Marketing Management . 35 ( 15–16 ): 1401–1436 . doi : 10.1080/0267257X.2019.1687571 . ISSN 0267-257X . 
  48. ^ Gupta, Yuvika; Khan, Farheen Mujeeb (2024-04-05). 「顧客エンゲージメントにおける人工知能の役割：体系的レビューと今後の研究方向」 . Journal of Modelling in Management . 19 (5): 1535– 1565. doi : 10.1108/JM2-01-2023-0016 . ISSN 1746-5664 . 
  49. ^ Durmus Senyapar, Hafize Nurgul (2024-03-08). 「マーケティングコミュニケーションにおける人工知能：AIの統合と影響に関する包括的探究」 . Technium Social Sciences Journal . 55 : 64–81 . doi : 10.47577/tssj.v55i1.10651 . ISSN 2668-7798 . 
  50. ^ 「ユーザーがGoogle検索から切り替える中、ブランドはAIチャットボットをターゲットに」フィナンシャル・タイムズ。
  51. ^ Dahlgren Lindström, A., Methnani, L., Krause, L. 他「役に立つ、無害、正直？人間からのフィードバックからの強化学習によるAIのアライメントと安全性の社会技術的限界」 Ethics Inf Technol 27, 28 (2025).
  52. ^ a b c Looi, Jiemin, Lee Ann Kahlor. (2024). 「インフルエンサーマーケティングにおける人工知能：Instagramにおける人間とバーチャルのインフルエンサーの混合手法比較」*Journal of Interactive Advertising*, 24(2), 107–126.
  53. ^ a b c d Sorosrungruang, Tippayanet; Ameen, Nisreen; Hackley, Chris. (2024). 「どれくらいリアルであれば十分なのか？ 生成型AIを活用したバーチャルインフルエンサーの多様な力と人間の反応のダイナミクスを明らかにする。」*心理学とマーケティング*.
  54. ^ a b c Jayasingh, Sudarsan; Sivakumar, Arun; Vanathaiyan, Arputha Arockiaraj. (2025). 「人工知能インフルエンサー：消費者エンゲージメントと購買意欲に対する信頼性の影響」*理論・応用電子商取引研究ジャーナル*、20(1)、17。
  55. ^ Shrestha, Royal. (2025). 「AI開示効果：Z世代のバーチャルインフルエンサーに対する認識」テキサスクリスチャン大学ボブ・シーファー・コミュニケーション学部修士論文。
  56. ^ a b c d Khalfallah, Donia; Keller, Veronika (2025-10-01). 「バーチャルインフルエンサーマーケティングにおける真正性、倫理、透明性：消費者の信頼とエンゲージメントに関する異文化分析：体系的な文献レビュー」 Acta Psychologica . doi : 10.1016/j.actpsy.2025.105573 . ISSN 0001-6918 . 

さらに読む

「 https://en.wikipedia.org/w/index.php?title=Marketing_and_artificial_intelligence&oldid=1334034378」より取得