電通デジタルのAIマーケティング戦略事例
〜データとAIの統合アプローチ：業界動向レポート〜
講演者
山本氏（CAO・最高AI責任者）
前川氏（データテクノロジーセンター）
講演概要
電通デジタルによる「データ×AI」マーケティング戦略の取り組み事例が紹介された講演です。 無限AI ASの運用実績、データクリーンルームを活用した企業間データ連携、エージェント技術を用いた業務統合などの具体例を通じて、 マーケティング業界におけるAI活用の現状と課題が示されました。
報告された主要事例
1. 無限AI AS：AIマーケティングソリューションの運用状況
127社
導入企業数（2024年時点）
1.5倍
平均効果向上（報告値）
8倍
CV向上事例（特定条件下）
技術的特徴
- • データ効率化: 従来の大量データ依存から少量データでの高精度予測への転換
- • 知識活用: LLMの事前学習知識を活用した広告効果予測
- • 説明可能性: 改善提案の自然言語での説明機能
- • 技術基盤: Amazon Bedrock、Amazon Nova等を活用
Amazon Nova活用事例
使用技術
- • Amazon Nova Canvas（画像生成）
- • Amazon Nova Reel（動画生成）
- • 静止画から動画への自動変換
報告された効果
- • コンバージョン率8倍向上（一事例）
- • 高性能動画枠への配信機会拡大
- • レスポンシブルAI機能による安全運用
2. データクリーンルーム活用の取り組み
戦略的背景
従来の課題
- • プライバシー規制強化
- • 直接データ共有のリスク
- • 3層データ統合の複雑性
戦略転換
- • 2層統合アプローチ
- • 安全なデータ連携基盤
- • リアルタイム管理対応
統合データ
- • ファーストパーティデータ（非日常）
- • プラットフォームデータ（日常）
- • 企業間安全連携
運用規模
年間キャンペーン実行1,000件超
主要技術基盤Amazon Marketing Cloud
統合管理システムTOBIAS（独自開発）
対応プラットフォームAWS Clean Rooms等
技術的課題と対応
- • プライバシー保護
企業間データ連携時の安全確保 - • リアルタイム管理
オプトアウト対応の自動化 - • データ同期
複数プラットフォーム間の統合 - • セキュリティ
ファイル移動不要の連携方式
AWS Clean Roomsの業界への影響
従来の制約
大手プラットフォーマーのみがクリーンルームを提供、中小企業は利用困難
現在の可能性
中小規模企業も独自クリーンルーム構築が可能、多様な企業間データ協業の実現
応用例
小売×メーカーディーラー×自動車エンタメ×劇場メディア×メディア
3. エージェント技術による業務統合実験
開発中の統合システム
システム概要
- • マルチエージェント協調処理
- • 分析〜実行の一貫ワークフロー
- • 2025年7月デモ予定
対象プロセス
- • 商品企画
- • マーケティング戦略
- • 実行・配信
技術基盤
- • Amazon Bedrock活用
- • エージェント間協調機能
- • 既存ツール統合
統合マーケティングエージェントのワークフロー例
1
コンセプト開発
商品企画の自動ブレインストーミング、ペルソナ分析、デプスインタビュー設計
2
ブランディング
商品名決定、メインビジュアル開発、ブランドコンセプト統合
3
マーケティング展開
カスタマージャーニー設計、クリエイティブ制作、統合レポート自動生成
技術動向と業界への示唆
データ活用の変化
プライバシーファースト時代への適応
- • 直接データ共有からクリーンルーム経由連携への移行
- • 中小企業でもAWS Clean Roomsによる独自環境構築が可能
- • 企業間データ協業の技術的ハードル低下
AI技術の活用範囲拡大
- • 生成AIから分析AIへの適用領域拡張
- • エージェント技術による部門横断的業務自動化
- • 対話データ等の新しいデータ活用パターン
組織のAI活用戦略への応用ポイント
データ統合戦略の検討点
プライバシー対応の重要性
- • 法規制遵守とビジネス価値創出のバランス
- • 安全なデータ連携基盤への投資判断
- • 社内外データ活用ポリシーの明確化
段階的統合アプローチ
- • 単一部門での効果実証から開始
- • 部門間データ連携への拡張
- • 全社横断システムへの発展
AI技術選択時の考慮点
技術パートナーとの関係性
- • 具体的ビジネス課題の共有による機能共同開発
- • 継続的フィードバックによる改善サイクル
- • 長期的パートナーシップの構築
組織変革への準備
- • 既存業務プロセスとの整合性確保
- • 人材スキル開発計画の策定
- • 段階的導入による組織適応
効果測定・評価の重要性
ROI明確化
継続投資判断のための定量的指標設定
客観的検証
A/Bテスト等による効果測定
相対評価
業界平均との比較分析
まとめ：マーケティング業界のAI活用動向
報告された技術進歩
電通デジタルの事例を通じて見える業界動向
ツール統合の進展
- • 複数プラットフォーム間連携技術向上
- • エージェント技術による自動化拡大
データ活用の高度化
- • プライバシー保護と利用価値の両立
- • 企業間データ協業の実用化
組織プロセスの変化
- • 部門横断的業務統合の試行
- • 人間とAIの役割分担の模索
業界全体への示唆
技術的側面
- • 大手広告代理店レベルでの実装が進行中
- • 中小企業でも類似アプローチが技術的に可能
- • プラットフォーム提供者との連携が重要
組織的側面
- • 部門別最適化から全体最適化への転換
- • 専門性の壁を越えた協業の必要性
- • 継続的な技術学習・適応の重要性
「AIで大事なことは、今までのプロセスが、どうしても、組織の壁、ツールの壁、人の壁、流派、色んな問題で分断してたんですけども、飛び越えられちゃう。 AIに忖度はないですから。飛び越えて瞬間でアウトプットを提供できる。」