ジョブ理論×ChatGPTで、宣伝のための「最大公約数的なアプローチ」を探る

生成AIの台頭により、業務の効率化が実現するとともに、メディアの在り方や、企業と生活者の接点のつくりかたをも変えるような大きなインパクトが予測されます。マーケターは、これらの技術をどのように受け入れ、業務に生かしていけばよいのでしょうか。3回目となる今回は、商業施設の宣伝をテーマに、ジョブ理論とChatGPTを組み合わせる手法について、富士通の山根宏彰氏が解説します。
(本記事は月刊『宣伝会議』2023年11月号の転載記事です)

 

ChatGPTで、ジョブを捉えたキャッチコピーを出力

多様な情報を基に、質問応答やアイデアを出力する能力を持っているChatGPT。この技術を利用することにより、ジョブ理論(JBTD)のアプローチをより具体的に、かつ柔軟に実行できる。今回は、JBTDとChatGPTを、「広告・宣伝」で活用する手法を考えていく。

まず前半では、大都市郊外のターミナル駅近くに新しい商業施設を立ち上げるシチュエーションを考えてみる。ターゲットとなる顧客層の「ジョブ」を明確にし、それに基づいて効果的な広告戦略を練りたい。

商業施設の立ち上げやリニューアル時、顧客の“ジョブ”を解明し、それに基づいた広告戦略を練るのは至難の業だ。しかし、JBTDをしっかりと活用することで、その難題が解決へと進む可能性が高まる。

大都市郊外のターミナル駅の近くに商業施設を開く際、そのターゲットは駅近くのファミリー層や、やや遠方のシニア層であるとしよう。この2つの顧客層が抱える“ジョブ”は何か?ファミリー層は「子供との楽しい時間を過ごしたい」「家族全員で買い物を楽しみたい」など。一方、シニア層は「健康を維持したい」「日常の疲れを癒したい」などが考えられる。

今回、商業施設は、そのポテンシャルを最大限に引き出すために、ファミリー層とシニア層の2つの主要な層に焦点を当て、共通のジョブを探求するという戦略をとることにしてみよう。

ここでの最大公約数的なアプローチとは、両層に共通するニーズや欲求を探ることを意味する。例えば、先に挙げた世代間のコミュニケーションや健康といったトピックは、ファミリー層もシニア層も共通して関心を持つテーマである。この共通のテーマに基づいて、各店舗のコンセプトやサービスを展開することにより、より広い顧客層にアプローチすることが可能となる。

具体的にテーマと、キャッチコピーをChatGPTに考えさせてみると、以下の候補を得た。

1.ヘルスハーモニー:
-共通のジョブ:「健康を維持・増進したい」という共通のニーズ。
-キャッチコピー:「健康とハーモニーの中心、すべての世代のためのワンストップヘルスケア」

2.ジェネレーションズカフェ:
-共通のジョブ:世代間のコミュニケーションや交流を深めたいという共通の欲求。
-キャッチコピー:「世代を超えて繋がる、心温まる交流の場所」

3.リラクゼーションハブ:
-共通のジョブ:日常の喧騒から離れ、リラックスしたいという共通のニーズ。
-キャッチコピー:「家族と共に深呼吸、すべての世代が心安らぐ隠れ家」

これらの広告戦略の打ち出しは、各顧客層の特有の「ジョブ」を捉えるだけでなく、それらの「ジョブ」が共通部分である最大公約数を見つけ出すことで、効果的なアプローチを展開することを可能としている。このように、JBTDを活用し、複数の顧客層に共通するニーズや欲求を捉えることで、幅広いターゲットに訴求する広告戦略を打ち出すことが可能となる。

 

Advanced Data Analysisで広告効果を確認する

次に後半では、広告がどれだけ効果を持っているのかを確認するために、データサイエンスの側面からABテストをChatGPTのAdvanced Data Analysis(旧Code Interpreter)で行ってみたい。ABテストは、マーケティングの効果を検証するためのシンプルだが強力な手法だ。どちらの戦略が優れているかを明確に示すことができ、これにより、マーケティング戦略の方向性を迅速に決定することができる。

ここでは仮にKaggle※1に公開されているデータを使い、ABテストのようなアプローチ※2を行ってみる。

※1 Kaggleは、データサイエンスと機械学習のコミュニティプラットフォームである。ユーザーは、データ分析のコンペティションに参加して賞金を獲得したり、公開データセットにアクセスしたり、そのプロセスが記されたプログラムを共有・閲覧することが可能。初心者からプロまで、データサイエンスのスキルを磨き、知識を共有するための場として利用されている。
※2 一般的にABテストは従来手法vs改善手法の比較に用いられるため「ような」と表現した。

今回使用したデータは、企業広告を見たグループと、社会課題啓発などを目的とした公共広告(PublicService Announcement)を見たグループのコンバージョン率についてである。Kaggleに記載されたデータ本体をアップし、データ概要を貼り付けた上で、「何がコンバージョンに有効か、分析してください。」とChatGPTに問うと、下記の4点について分析してくれた。

1. 各テストグループ(広告を見たグループと公共広告を見たグループ)のコンバージョン率
2. 広告の数とコンバージョンの関係
3. 最も広告を見た日とコンバージョンの関係
4. 最も広告を見た時間帯とコンバージョンの関係

ここで1に関して、「広告と公共広告を見たときのコンバージョン率の違いの有意差を視覚的に確認したいです。図にしてください。バープロットを行い、95%信頼区間も示してください。」と入力すると下記の図を得た。

広告と公共広告を見たときのコンバージョン率の違い

この図について説明を求めると、以下のような回答があった。

95%信頼区間とは、統計的に推定される値(この場合はコンバージョン率)が含まれる可能性が95%と考えられる範囲のことを指す。具体的には、同じ実験を100回行ったときに、その範囲内に真の値が含まれるのは約95回と予想される。広告を見たグループのコンバージョン率は、公共広告を見たグループよりも明らかに高い。95%信頼区間を考慮しても、この差は統計的に有意であり、広告が購入行動にポジティブな影響を与えることを示している。したがって、ビジネスの成果を向上させるためには、この広告キャンペーンを実施することが強く推奨される。

ここまで、宣伝に関して、JBTDとChatGPTの組み合わせが有効に利用できるかのケーススタディ、およびChatGPTのAdvanced Data Analysisの適用の検討を行った。次回以降も様々なシーンに対して利用できるかを考えていこうと思う。

advertimes_endmark




この記事の感想を
教えて下さい。
この記事の感想を教えて下さい。

この記事を読んだ方におススメの記事

    タイアップ