AIターゲティングとは？仕組み・広告活用・Google・Metaの最新AI配信を解説

マワルくん

こんな人におすすめ
・AIターゲティングが何を指すのか整理したい
・Google広告やMeta広告のAI配信に任せてよいか迷っている
・AIセグメンテーションとの違いが分からない

Web広告では長い間、地域は東京、年齢は30代、興味は経営といったように、誰に広告を出すかをマーケターが手で指定してきました。ところがGoogleやMetaのAI配信が進むにつれ、指定した枠のとおりに配信されない場面が増えています。設定したつもりが反映されていない、という戸惑いはここから生まれます。

AIターゲティングとは、機械学習で顧客の属性や行動、コンバージョンの可能性を分析し、施策を届けるべき相手を予測して選ぶ方法です。これはAIに条件を決めてもらう仕組みではなく、良い顧客とは何かを企業がAIへ教える作業です。本記事では従来型との違い、Google・Metaでの現状、渡すべきデータ、注意点までを整理します。

AIターゲティングとは

AIターゲティングの定義

AIターゲティングとは、機械学習を使って顧客の属性、行動、購買履歴、検索意図、コンバージョンの可能性などを分析し、施策を届けるべき相手を予測して選ぶ方法です。

従来のように人が条件を固定するのではなく、成果につながりそうな人をAIが探しにいく点が中心にあります。

なぜ今変わってきたのか

広告プラットフォームが扱えるシグナルの量が、人が手で設計できる範囲を超えたためです。検索語句、サイト内の行動、顧客リスト、クリエイティブへの反応まで同時に見て判断する処理は、機械のほうが向いています。

同時に、Cookie規制などで媒体任せの追跡が難しくなり、企業が自ら持つデータの重要性が上がりました。

従来のターゲティングとの違い

違いは「誰に出すか」を誰が決めるかにあります。従来は人が条件を指定し、その枠の中だけに配信していました。AIターゲティングでは、人は目的とデータを渡し、対象の探索はAIが担います。

枠を広げるかどうかを人が握れなくなる点は不安に見えます。しかし裏を返せば、人の思い込みで除外していた層に届く余地が生まれたということでもあります。

AIが見ているシグナル

AIが判断材料にするのは、大きく分けて次の7種類です。属性は入口にすぎず、実際の精度を左右するのは行動と成果のデータです。

• 属性: 地域、年齢、業種、企業規模
• 行動: 閲覧ページ、滞在、再訪、検索語句
• 購買: 購入履歴、頻度、金額
• 広告反応: クリック、離脱、完了
• 意図: 比較検討や導入検討を示す動き
• 顧客価値: 継続率、単価、解約
• 将来可能性: 購入確率、解約確率の予測

このうち購買と顧客価値は広告媒体の中に存在しません。自社のCRMや基幹システムから渡さない限り、AIは「安く取れる人」までしか判断できません。

予測も同じです。購入確率や解約確率は、実際に購入した人と解約した人の記録がなければ出せません。

セグメンテーションとの違い

近い言葉が3つあり、混同すると設計を間違えます。役割が重ならないよう整理しておきます。

分ける、選ぶ、変える。この順で考えると役割が整理できます。3つは競合せず、組み合わせて使うものです。

AIペルソナも混同されがちですが、こちらは顧客像を具体的な人物として描く作業で、配信対象を決めるものではありません。企画や訴求を考えるときの道具です。

マーケティングの基本であるSTP分析との関係も同じ構造です。セグメンテーションで分け、ターゲティングで選び、ポジショニングで立ち位置を決める。AIが担うのは分けると選ぶの精度であって、どこで戦うかを決める部分は人が握ったままです。

Google広告で起きている変化

Google広告では、コンバージョンデータ、顧客リスト、検索意図、サイト、クリエイティブをまとめてAIへ渡す設計が中心になりました。

Performance Maxのオーディエンスシグナルには注意が必要です。これは「この人だけに出す」という指定ではありません。Googleは学習を促すための候補情報として扱うと説明しており、成果につながると判断すればシグナル外にも配信します。

指定したつもりで運用していると、想定と実際の配信先がずれます。シグナルは制限ではなく出発点だと考えてください。

検索広告でも、AI Maxが同じ方向へ進んでいます。Googleは、既存のキーワード・クリエイティブ・URLからAIが学習し、見逃していた検索語句やコンバージョンを捕捉すると説明しています。

代わりに重みを増すのが、サイトの中身とクリエイティブです。AIはそこから何を売っているかを読み取るため、ページの記述が曖昧だと、探索の精度もそのぶん落ちます。

MetaのAIターゲティング

MetaでもAdvantage+ Audienceなどにより、広告主の顧客情報をAIへの入力として使いながら、想定外の有望なユーザーまで配信対象を広げる仕組みが進んでいます。

Metaは2025年11月、Advantage+ Audienceの利用で認知目的キャンペーンの結果単価が15%下がったと公表しています（ヘルプセンターの表記では14.8%）。

ただし広告プラットフォームのAI機能は名称も仕様も変更が速い領域です。運用時には必ず各社の最新の公式情報を確認してください。

渡すデータで成果が決まる

AIターゲティングの精度は、ターゲット設定の巧さではなく、渡したデータの質でほぼ決まります。AIは「理想の顧客」を知りません。知っているのは、企業が成果として渡した記録だけです。

つまり何を成果と定義するかが、そのまま配信先の定義になります。

近年はこの考え方が一歩進み、コンバージョンの数ではなく顧客の価値を基準にする形が広がっています。同じ1件でも、継続する顧客と即解約する顧客では事業への貢献がまったく違うためです。受注金額や生涯価値を成果として渡せば、AIはその価値が大きい相手を探すようになります。

数を追うか価値を追うかで、AIが向かう方向は変わります。ここは設定の話ではなく、事業の意思決定です。

問い合わせだけでは弱い

よくあるのが、広告媒体内のコンバージョンだけを学習させている状態です。資料ダウンロードをコンバージョンに置けば、AIは資料をダウンロードする人を探します。

しかし事業が欲しいのは、資料を落とす人ではなく契約する顧客です。この二つがずれていると、コンバージョン単価は下がるのに売上が伸びない状態が生まれます。

商談化、受注、売上、継続といった後工程のデータを渡して初めて、AIは事業成果に近い相手を探せるようになります。

ファーストパーティデータが要になる

後工程のデータは、広告媒体の中には存在しません。自社が持つ顧客データ、いわゆるファーストパーティデータを渡す必要があります。

購買履歴、契約単価、継続期間、解約理由。こうした情報をAIへ届けられるかどうかが、そのまま差になります。CRMと広告がつながっていない企業では、この時点で打ち手が止まります。

現実には、データが社内に分散していて名寄せできないことがほとんどです。着手する順番としては、新しいツールを入れるより先に、既にある顧客データを一つの見方でつなげられるかを確認するほうが早く進みます。

広告以外にも使える

AIターゲティングは広告配信だけの話ではありません。誰に何を届けるかを決める場面すべてに使えます。

BtoBでの使い方の一つは、行動データから優先的にアプローチすべき企業を絞ることです。waltsuでも提案サイトの閲覧状況を通知する仕組みを実装し、自社IPを除外したうえで、資料送付後に顧客がいつ開いたかを営業のフォロー判断に使っています。

ECでは、購入確率や解約確率の予測をもとに、クーポンを出す相手と出さない相手を分ける使い方があります。買う予定だった人に値引きを配るのは、利益を削っているだけです。

CRMでは、休眠顧客のうち戻ってくる可能性が高い層を絞る、解約の兆候が出た顧客に先回りする、といった応用ができます。広告費をかけずに実行できるぶん、費用対効果は広告より高くなることもあります。

どの領域でも構造は同じです。違うのは、AIが出した優先順位を配信に使うか、営業やCRMの動きに使うかだけです。

導入の7ステップ

次の順で進めます。順番を飛ばすと、精度の低さをAIのせいにしてしまいます。

1. 事業目標を決める。売上か、受注件数か、継続顧客の数か
2. 良い顧客を定義する。単価、継続、解約率などで具体的に書き出す
3. データをつなぐ。CRM、広告、サイトの計測を突き合わせる
4. AIへシグナルを渡す。顧客リストと後工程のコンバージョンを送る
5. AIに探索させる。範囲を絞りすぎず、学習に必要な量を確保する
6. 顧客の品質を確認する。獲得単価ではなく、取れた顧客の中身を見る
7. 結果を戻して再学習させる。受注や解約の実績を定期的に返す

比重が大きいのは1から3です。ここが曖昧なまま4以降に進んでも、AIは曖昧な定義を忠実に再現するだけです。

6と7を省く例をよく見かけます。配信開始で終わりにすると、AIは初期に渡した偏った成果を学び続けます。

よくある失敗

現場で繰り返し起きるのは次のパターンです。

• 全部AIに任せて、良い顧客の定義を渡していない
• コンバージョンの設定が事業成果とずれている
• CRMと広告がつながっておらず、後工程を渡せない
• オーディエンスシグナルを固定ターゲットだと思っている
• 対象を絞りすぎて、AIが探索する余地を消している
• 媒体上の獲得単価だけを見て、顧客の質を見ていない

構造的に避けられない論点も3つあります。

1つ目はブラックボックスです。なぜその人に配信されたのかを完全には追えません。だからこそ、入口である成果の定義と、出口である顧客の質は人が握る必要があります。

2つ目はバイアスです。AIは過去の成果に似た人を探すため、これまで取れていた層に寄っていきます。放置すると、届いていなかった層へは今後も届きません。定期的に、獲得した顧客の分布が偏っていないかを確認してください。

3つ目はプライバシーです。顧客データを広告プラットフォームへ渡す以上、取得時の同意の範囲を超えていないかの確認が要ります。使えるデータと、使ってよいデータは別物です。

そして相関を因果と読み違えないこと。waltsuでは提案資料の閲覧回数が多い案件ほど受注確度が高いのではないかという仮説を立て、現在も検証を続けています。傾向が見えても、それは補助指標であって理由の説明ではありません。AIが見つけた関係も同じ扱いが要ります。

【プロの視点】教えるのは顧客の定義

AIターゲティングと聞くと、理想の顧客を探しておいてと任せられそうに見えます。しかしAIが持っているのは、企業が渡した成果の記録だけです。

だから本質は、ターゲットを決めてもらうことではなく、良い顧客とは何かをAIへ教えることです。腕の見せどころは配信設定の細かさではなく、何を成果と呼ぶかを決める前段にあります。

ここが決まっていない状態で機能だけ有効にしても、AIは既存の偏りをそのまま増幅します。

【waltsu視点】売れる人と選びたい人

AIは過去のデータから成果が出やすい人を見つけるのが得意です。しかし「売れる人」と「顧客にしたい人」は同じとは限りません。

獲得単価は安いが早期に解約し、単価も低くサポート工数がかかる顧客がいます。逆に獲得単価は高くても、継続し、紹介が生まれ、生涯価値が大きい顧客もいます。広告の管理画面だけを見ていると、優秀に見えるのは前者です。

だから人間が考えるべきなのは、誰に売れるかより、誰を顧客にしたいかです。AIに任せられるのは探索であって、事業の意思ではありません。

この違いは見る数字にそのまま表れます。媒体上の獲得単価だけを追うと、AIは安く取れる相手に寄っていきます。「取りたい顧客が取れているか」を判断できるのは、商談化率、受注単価、継続率、解約率まで含めて評価したときです。

何を見るかを決めることが、そのまま何を学習させるかを決めることになります。

よくある質問

AIターゲティングとは？

機械学習で顧客の属性、行動、購買履歴、検索意図、コンバージョンの可能性などを分析し、施策を届ける相手を予測して選ぶ方法です。

AIセグメンテーションとの違いは？

セグメンテーションは顧客を分ける作業、ターゲティングはその中から届ける相手を選ぶ作業です。分けると選ぶで役割が違います。

AIパーソナライズとの違いは？

ターゲティングは誰に届けるか、パーソナライズはその人へ何を届けるかを扱います。両者は対立せず、組み合わせて使うものです。

シグナルはターゲット指定ですか？

厳密には違います。Performance Maxのオーディエンスシグナルは学習を促す候補情報で、成果につながるとAIが判断すればシグナル外にも配信されます。

どんなデータが重要ですか？

広告媒体内のコンバージョンだけでなく、商談化、受注、売上、継続といった後工程のデータです。自社のファーストパーティデータが鍵になります。

まとめ

AIターゲティングは、人が顧客条件を細かく決める作業から、良い顧客の定義をAIへ渡し、対象の探索を任せる方法へと変わってきました。属性の指定はもう中心ではありません。

そのため成果を分けるのは、配信設定の細かさではなく、何を成果と呼ぶか、そしてその定義を裏づけるデータを渡せているかどうかです。商談化や受注、継続といった後工程が渡せていない状態では、AIは安く取れる相手までしか見つけられません。

まずは自社のコンバージョン設定が事業の成果と一致しているかを確認し、CRMに眠っている後工程のデータを棚卸しするところから始めてみてください。そのうえで、広告とCRMのつなぎ方や、顧客データを起点にしたマーケティング設計に迷う場面が出てきたら、waltsuがデータ整備から運用設計までご支援します。