マワルくん
・AIでペルソナを作りたいマーケティング担当者
・ChatGPTで顧客像を整理したい
・AIが作った顧客像を信じてよいか迷っている
生成AIに「30代のマーケティング担当者のペルソナを作って」と入力すれば、氏名も年収も趣味も、数秒でそろった人物像が返ってきます。ただし一度立ち止まってください。なぜ38歳なのか、なぜ年収800万円なのか。根拠を説明できないなら、それは顧客ではなくAIが作った「それらしい人物」です。
AIペルソナとは、生成AIを使って顧客に関する情報を分析し、代表的な顧客像として整理したペルソナのことです。AIは顧客を作るためではなく、集めた顧客情報を整理するために使います。本記事では、従来との違い、使うべきデータ、7ステップの手順、プロンプト例、ツールの選び方、活用方法、注意点までを解説します。
この記事を監修した人
マーケティングディレクター
玉城 彪眞タマキ ヒュウマ
この記事のゴール（読了目安 約10分）
AIに顧客像を想像させるのではなく、実際の顧客データからペルソナを組み立てる手順を身につけ、広告・SEO・LP・営業の判断に使える顧客像を作れるようになる。
AIペルソナとは
そもそもペルソナとは何か
ペルソナとは、商品やサービスの典型的な顧客を、具体的な人物像として表現したものです。役職、企業規模、置かれている状況、課題、目標、購買時の不安などを1人の人物としてまとめ、チームで共有できる形にします。
ペルソナに求められるのは、名前や年齢や趣味を細かく決めることではなく「この人はなぜそう行動するのか」を説明できることです。ユーザー調査の専門機関でも、ペルソナは実際の調査データから構築するものとされています。
従来の作り方との違い
従来は、インタビューやアンケートを人がすべて読み込み、付箋などで分類して人物像へ落とし込んでいました。時間はかかりますが、読み込む過程そのものが顧客理解になっていた面もあります。
AIを使う場合も、調査そのものがなくなるわけではありません。変わるのは「調査結果を整理する工程」です。大量の議事録や口コミをAIが分類・要約し、人がその意味を判断する。この分担に変わったと理解してください。
AIにゼロから作らせる問題
「高級革靴を買う30代男性のペルソナを作って」と指示すれば、35歳、年収700万円、東京在住、金融勤務、休日はゴルフ、といった人物が返ってきます。もっともらしい出力ですが、実際の顧客データは一件も使われていません。
これはペルソナではなく、仮説ペルソナと呼ぶほうが適切です。新規事業の初期など、顧客がいない段階では役に立ちます。ただし「AIがそう言ったから顧客はこうだ」と事実扱いしないでください。混同すると、その後の施策すべてが根拠のない前提の上に積み上がります。
ペルソナ作成で使うデータ
良いAIペルソナを作るうえで、プロンプトより結果を左右するのがデータです。手元の材料を先に確認してください。
もっとも価値が高いのは顧客インタビューです。なぜ購入したか、何に困っていたか、何と比較したか、何が不安だったか、決め手は何か。この5つが取れているだけで質は大きく変わります。加えてCRMの受注・失注データ、購買履歴、GA4のWeb行動、Search Consoleの検索語、営業やサポートの記録、口コミも材料になります。口コミに残るのは、企業へ直接は言わない本音です。
AIペルソナの作り方7ステップ
手順は、目的を決める、対象顧客を決める、データを集める、AIで分類する、セグメントを整理する、ペルソナへ変換する、実顧客で検証する、という7つです。
最初の2つが抜けると精度が落ちます。広告改善が目的なら課題と訴求と不安が要りますが、商品開発なら現在の代替手段と不満が重要です。目的によって必要な項目は変わるため、年齢や家族構成を毎回埋める必要はありません。対象も「自社顧客」では広すぎます。解約率を改善したいなら、見るべきは解約した顧客です。
データをAIへ渡す順番
顧客インタビューが10件あるとして、それをそのまま渡して「ペルソナを作って」と頼むのは避けてください。いきなり人物像にすると、AIが不足部分を想像で埋めます。
順番は、生データ、共通パターン、セグメント、ペルソナです。最初は共通する課題、異なる課題、購買のきっかけ、比較対象、購入障壁、決め手だけを整理させます。次に意味のある顧客グループを作り、その代表をペルソナへ変換する流れです。段階を踏むほど、AIが想像で補う余地が減ります。
ペルソナに入れる項目
推奨する項目は、役職や業種などの基本情報、状況、課題、目標、現在の代替手段、情報収集の方法、比較軸、不安、意思決定の経路、決め手です。
「趣味はゴルフ」より「稟議で実績を説明する必要がある」のほうが施策を左右します。項目を足すときは、その情報で広告やLPや営業資料が変わるかで判断してください。変わらない項目は入れても使われません。
AIペルソナ作成のプロンプト
最初のプロンプトでは、渡した情報だけを根拠にすること、まだペルソナは作らないこと、そして元データに存在しない属性や年収を推測で追加しないことを明記します。整理させるのは、共通する課題、購入のきっかけ、比較対象、不安、意思決定要因、購入理由、顧客間で異なる点の7点です。
次に、整理したパターンから顧客セグメントを3つ以内で作らせ、根拠となる元データを示させます。最後にセグメントを代表するペルソナへ変換し、元データにない情報には「仮説」と明記させるのが要点です。この一文があるだけで、後から検証すべき箇所が分かります。
データがない場合の作り方
顧客データがまだない場合は、仮説ペルソナとして割り切って作ります。その際は、実顧客調査ではなく仮説であることを明示させ、年収や趣味を勝手に決めさせず、商品が解決する課題を中心に組み立てさせてください。
同時に「各仮説について検証すべき質問」も作らせておくと、そのまま初回のインタビュー設計に使えます。仮説ペルソナの用途は答えを出すことではなく、顧客調査のたたき台を早く用意することです。
AIペルソナ作成ツール
ツールは性能ではなく「どのデータから作りたいか」で選びます。以下の表にまとめます。
HubSpotのMake My Persona AIは、2026年3月に生成AI対応版が公開され、無料で利用できます。ターゲット顧客を自然な言葉で説明すると、属性や目標や課題が自動で埋まる仕組みです。手早く形になる反面、入力した説明をAIが補完する構造なので、出力は必ず実データと突き合わせてください。
セグメンテーション・N1との違い
混同されやすい3つの関係を整理します。
競合する手法ではなく順番に使うものです。セグメントで「どの顧客群を狙うか」を決め、N1で「なぜそう動くのか」を掘り、ペルソナでチームに共有できる形にまとめます。N1分析の進め方は別記事で解説しています。
広告・SEO・営業への活用
ペルソナは完成させた時点では何も生みません。広告なら、価格に不安がある層にはコスト訴求、失敗を恐れる層には事例と保証、稟議を通す層にはROIと導入資料と、訴求を分けます。
SEOでは、検索前の状況、検索語、疑問、比較軸から記事テーマとFAQを設計します。ただし「この人はこのキーワードで検索する」を事実として扱わず、Search Consoleと検索結果で確認してください。BtoBの営業では、担当者、決裁者、情報システムで関心事が違うため、役割ごとに分けます。
注意点とリスク
AIペルソナには構造的な弱点が4つあります。
- 存在しない情報を補完すること
- 学習データ由来のステレオタイプを再現すること
- 顧客像を平均化すること
- 筋の通りすぎた顧客像を作ること
個人情報の扱いにも注意が必要です。顧客管理データや商談議事録には、氏名、会社名、連絡先、相談内容が含まれます。外部のAIサービスへ渡す前に、不要な識別情報は削除するかマスキングしてください。「田中太郎・○○株式会社」を「顧客A・製造業」に置き換えても、精度はほとんど落ちません。
作る数にも注意が必要です。10人分作っても打つ手が同じなら意味がありません。目安は「施策が変わる単位」です。
【プロの視点】作るのは人物ではない
ペルソナ作成の現場では、名前、年齢、家族構成、趣味といった人物設定に時間を取られがちです。写真まで用意して、きれいな資料が完成します。そして数か月後、誰も見なくなります。
使われないのは、資料が意思決定に使えないからです。必要なのは、何に困り、何を調べ、何と比較し、何が怖くて、誰に相談し、何が決め手になるのかという一連の流れです。人物のキャラクター設定ではなく、意思決定のモデルだと考えてください。
この視点で見ると、AIの使いどころも変わります。社内に散らばるSearch Consoleの検索語、失注理由、営業議事録、問い合わせの自由記述、口コミ。これらは別々の場所にあり、誰も横断して読んでいません。AIが得意なのは、この分断された情報をつなぎ、意思決定の流れとして一つの形にすることです。
評価の基準も変わります。ペルソナの品質は、人物像がどれだけ細かいかではなく「マーケティング判断に必要な顧客の違いを説明できるか」です。ペルソナAとBを見たときに、打つべき手が違うと分かる。そこまで来て初めて、資料が意思決定の道具になります。
【waltsu視点】実顧客をAIで圧縮する
生成AIに「BtoBマーケティング担当者のペルソナを作って」と聞けば、かなり説得力のある回答が返ってきます。ただしそれは顧客理解ではなく、AIが持っている一般知識の平均値です。
そして他社が同じAIに同じことを聞いても、出てくるのは似た顧客像です。そこから作られた広告もSEO記事もLPも似ます。AIで制作コストが下がるほど、この同質化は速く進みます。
差がつくのは、AIが持っている顧客像ではなく自社しか持っていない顧客情報です。顧客インタビュー20件、商談記録100件、失注理由50件、Search Consoleの検索語、口コミ。これらは他社が持っていません。
だから、AIに顧客を作らせるのではなく、実顧客をAIで圧縮すると考えてください。100人分の生の記録を分類させ、共通パターンを抽出させ、1人の代表像へ縮約する。作業は似ていますが、出てくるものの根拠がまったく違います。
この形にすると更新もしやすくなります。新しいインタビューや失注理由が増えたら、追加して再分析するだけです。年に一度作り直す静的な資料ではなく、データが増えるたびに更新される資料になります。
おすすめの流れは、データからセグメントを作り、重点顧客へN1インタビューを行い、共通点をAIで整理してペルソナにし、広告やSEOへ反映して顧客の反応で更新することです。定量で「誰に特徴があるか」、定性で「なぜか」、ペルソナで「チームが使える形」に落とす。この3段構えが、もっとも失敗が少ない組み立てです。
AIペルソナの役割は顧客インタビューをなくすことではなく、顧客調査をより多く、より速く施策へ反映できるようにすることです。
よくある質問
AIでペルソナを作成できますか？
できます。顧客インタビュー、顧客管理データ、口コミを整理し、代表的な顧客像へまとめられます。ただし施策に使えるのは、AIにゼロから想像させた顧客像より、実際の顧客データを渡して作った顧客像です。
ChatGPTでも作れますか？
作れます。顧客データを渡し、共通パターンの整理、セグメント化、ペルソナ化の順で進めてください。「ペルソナを作って」と丸投げすると、AIが不足部分を想像で埋めてしまいます。
無料で作れるツールはありますか？
あります。HubSpotのMake My Persona AIは無料で利用でき、顧客像を自然な言葉で説明すると人物像を生成するツールです。汎用の生成AIの無料プランを使う方法もありますが、利用回数やデータの扱いは事前に確認してください。
顧客インタビューの代わりになりますか？
完全な代替とは考えないでください。AIは既知の情報からもっともらしい回答を作りますが、実際の顧客は迷い、矛盾し、想定外の行動をします。アイデア出しや質問設計には使えますが、実調査の代わりにはなりません。
ペルソナは何人作ればよいですか？
決まった正解はありません。基準は、ペルソナごとに打つ手が変わるかどうかです。価格の不安、導入負荷の不安、成果の不安のように訴求が分かれるなら、3人でも十分に機能します。
この記事のポイント
・AIにゼロから作らせた顧客像は「仮説ペルソナ」であり、事実として扱わない
・生データ、共通パターン、セグメント、ペルソナの順に段階を踏むと想像の混入が減る
・入れる項目は、その情報で広告やLPや営業資料が変わるかで判断する
・差がつくのはAIが持つ一般知識ではなく、自社しか持っていない顧客情報
AIペルソナとは、生成AIで顧客情報を分析し、代表的な顧客像として整理したペルソナです。作り方は、目的と対象を決め、実データを集め、共通パターンからセグメントを作り、ペルソナへ変換し、営業や実顧客で検証するという流れです。
ただし、AIが数秒で出した人物像は顧客ではありません。自社に蓄積された顧客インタビューや失注理由をAIで圧縮し、意思決定の違いを説明できる形にしたときに、初めてマーケティングの判断材料になります。
まずは手元の顧客インタビューを3件そろえ、AIに共通する課題と不安だけを整理させるところから始めてみてください。そのうえで、どのセグメントを狙うか、どの一次情報を集めるべきかの判断に迷う場面が出てきたら、waltsuが顧客データの整理からペルソナ設計、施策への反映までご支援します。
