![デジマラボ [Digima Labo] by NpvaSphere(旧チャンキョメ)](https://digima-labo.com/wp-content/uploads/2023/06/logo_dezimalabo_2212763.png){kind=logo}
人工知能(LLM)を駆使した広告運用マシンをα版につき大幅割引でご提供します＊α版につき、定員に達し次第締め切ります。
宣伝失礼しました。本編に移ります。
棚の前に立つ人の輪郭は、売場ごとに別人のように変わります。コンビニで缶コーヒーを手に取る人と、ドラッグストアで同じ銘柄をまとめ買いする人は、価値観もメディア接触も意思決定のスピードも違うはずです。電通が提供を開始した「People PALETTE」は、この“売場ごとに入れ替わる購買者像”を生成AIで可視化し、ブランドとチャネルの掛け算で営業と広告の意思決定を同時に最適化する新標準です。本稿では、技術の肝から活用シーン、競合比較、導入ロードマップ、KPI設計、そして近未来のリテール×AIの地平まで一気に解説します。
People PALETTEとは何か――“購買場所別の人”を色分けする新標準
約15万人×年2回
108のPersonality CHIPS
生活者許諾取得
People PALETTE
People PALETTEは、売場ごとに異なる購買者の“素顔”を、生成AIによる属性・価値観の付与で浮き彫りにするソリューションです。購買ログは行動の記録に過ぎません。そこに“どんな人が、なぜ、その売場でそのブランドを選ぶのか”という輪郭を加えることで、同じブランドでもチャネル別に違う顧客像を描き分け、店頭・商談・商品開発・メディア出稿まで一気通貫で手を打てる状態にします。
技術の中枢――108の「Personality CHIPS」と購買ログの生成AI統合
テレビLover
社会貢献志向
情報収集家
節約重視
トレンド敏感
時短志向
健康意識高め
コスパ重視
こだわり派
家族優先
SNS発信多め
独自の大規模意識調査から生成AIで抽出した108のプロファイリング要素「Personality CHIPS」を、ブランド・商品ごとにひもづけたデータベースが心臓部です。さらに、小売やECが保有する生活者許諾済みの購買ログと生成AIで統合し、特定の売場でその商品を買う人が同じ売場で他にどのブランドを選ぶのかまで含めて、立体的な購買者像を生成します。従来の「属性×購買」の静的な断面に、“価値観”“動機”というダイナミクスを付加することで、チャネル別の戦略精度が跳ね上がります。
何が新しいのか――同じブランドでも“売場が違えば別人格”という事実
ブランドの真の競合は、同じ棚に並ぶ他ブランドだけではありません。コンビニで買う“その人”と、ドラッグで買う“その人”は別人格です。People PALETTEは、この差異を定量化し、店頭施策や販促、メディア選定までをチャネル別に個別最適化させます。結果として、同一ブランドでも売場ごとに「刺さるメッセージ」「効くクリエイティブ」「選ばれる棚位置」が変わる現実に対して、人の理解から逆算した運用が可能になります。
活用シーン――店頭、商談、商品開発、メディアまでを一気通貫
棚割りとPOPをCHIPS適合で最適化
小売提案書に売場別“人”の根拠を添付
価値観ベースで味・容量・価格戦略を設計
視聴ログ×CHIPSで番組・枠を選定
導入直後は、既存の購買ログに人のプロファイルを付加するだけで、提案資料や棚割りの説得力が跳ね上がります。次に、テレビやデジタルの視聴ログと重ね合わせれば、売場別の購買者像に親和する番組やプレースメントが見えてきます。これにより、O2Oの橋渡しやコマースメディアとの連携まで、売上に近い打ち手に素早くつなげられます。
データとガバナンス――生活者の同意と統計的な人理解で安全に
People PALETTEは、生活者の同意を得た購買ログに、統計的な人物像情報を付与して活用します。個人を特定することを目的とせず、あくまでも売場単位・ブランド単位の“人の傾向”として扱うため、プライバシー配慮とマーケティング有用性のバランスを両立できます。社内のセキュリティポリシーやデータクリーンルーム活用と併せて運用設計すれば、法令順守と成果の両取りが可能です。
電通の「Marketing For Growth」「AI For Growth」との接続
市場構造と重要顧客の解像度を上げる
価値構造とメッセージの骨格を設計
体験の設計・実装
統合ダッシュボードで改善
People PALETTEは、電通が掲げる「Marketing For Growth」の“Mechanism Resolving”に相当し、データをつなぎ、人理解から戦略・実装・効果検証までを循環させる要石です。さらにグループの「AI For Growth」により、ターゲット探索からメッセージコンセプト生成、コピー制作までを連結させれば、人とAIの協業で意思決定の速度と質を同時に高められます。
競合・類似ソリューションとの比較――“人理解×実購買”の深度で差をつける
| ソリューション | 特徴 | 主な用途 |
|---|---|---|
| People PALETTE（電通） | 独自調査×購買ログ×生成AI。108 CHIPSで売場別の人物像を可視化 | 棚割り、商談、商品開発、メディア統合 |
| クラスタ＆ペルソナ生成（博報堂DY） | 購買ログ×意識調査のクラスタリングと自動ペルソナ生成 | 市場構造把握、提案業務の高速化 |
| ペルソナトーク2.0（Sprocket） | セグメント単位の対話型AIペルソナでニーズ深掘り | 定性インサイトの迅速な獲得 |
| Urumo BI（フェズ） | ID-POS×生成AIでターゲット顧客の再現と広告実行まで一気通貫 | ターゲット検証、広告配信、購買リフト測定 |
人理解は各社が強化する分野ですが、People PALETTEは「売場別の違い」を核に設計されている点が独自です。チャネルを跨いだ“同一ブランド内の別人格”の把握は、店頭・メディア双方の意思決定に直結するため、実装効果が見えやすいのが特長です。
最初の90日導入ロードマップ――短期間で“営業と広告の共通言語”を作る
短期導入のコツは、優先度の高いSKUと売場に絞り、差分が出やすい指標から触ることです。営業は商談資料の標準化、マーケはクリエイティブの仮説数を増やすことに意識を割き、並走でPDCAを回します。最初の90日で、営業と広告が同じ“人の言葉”で会話できる共通言語を作ることが、中長期の投資対効果を最大化します。
KPI設計――“売場×人”で測るべき5つの指標
KPIは「誰に」「どの売場で」「何を届けたか」の三点をセットで見ます。指標間のトレードオフを理解し、CHIPS一致率が高いほど棚前転換率や購買リフトが伸びるかを検証。視聴ログと掛け合わせてメディアの親和度も追跡し、広告と棚の最適な分担を見極めます。
ケーススタディ（仮想）――新作無糖炭酸、コンビニとドラッグで二つの勝ち筋
同じ無糖炭酸でも、コンビニは“新しさで手に取らせる”、ドラッグは“実利でカゴに入れさせる”。People PALETTEの可視化は、この違いを迷いなく設計に落とすための羅針盤になります。後は棚と面、クリエイティブと配分を素早くチューニングするだけです。
リテール×AIの次の一手――購買とメディアの“因果の橋”を太くする
購買ログに“人”を重ね、視聴ログや配信面まで接続する動きは加速します。小売データを軸に、CTVやリテールメディア、店頭サイネージが一つの“人のストーリー”でつながるほど、認知から購買までの因果の橋は太くなり、投資対効果の読みが利くようになります。People PALETTEは、その橋脚を担う存在です。
実装チェックリスト――今日から動かすための3項目
- 優先カテゴリを一つ決め、チャネル別の差が出そうなSKUに絞る
- 小売・ECの購買ログと、視聴ログの接続可能性を棚卸しする
- 営業資料と広告設計のテンプレートを“人起点”に刷新する
はじめの一歩は単純です。優先領域を決め、使えるデータを棚卸しし、営業と広告が共通の人言語で動くテンプレートを整える。そこから“売場が違えば人が違う”という当たり前を、武器に変えるだけです。
当社では、AI超特化型・自立進化広告運用マシン「NovaSphere」を提供しています。もしこの記事を読んで
・理屈はわかったけど自社でやるとなると不安
・自社のアカウントや商品でオーダーメイドでやっておいてほしい
・記事に書いてない問題点が発生している
・記事を読んでもよくわからなかった
など思った方は、ぜひ下記のページをご覧ください。手っ取り早く解消しましょう
▼AI超特化型・自立進化広告運用マシンNovaSphere▼
