顧客理解に生成AIは使える？GeminiとNotebookLMで情報収集の効率化を試してみた

「顧客がどんな人物で、何を求めているのか」を理解する顧客理解。マーケティングや広告運用の成果を大きく左右すると分かっていても、日々の広告運用と並行して取り組むのって、なかなか難しいですよね。

日々の業務の中で「もっと短時間、かつ高い精度で顧客理解を進めたいなあ・・・」という悩みを抱える方も多いでしょう。そこで今回、「生成 AI ツールを使って顧客理解を効率化できるか」を実験しました。

この記事では、顧客理解に関するエピソードなどにも触れながら、生成 AI を「顧客理解のパートナー」にできるのか実験した結果を紹介します。

顧客理解は「大変だけど重要」と感じた体験

「顧客理解、大変だけどやってよかったな」
これは、転職エージェントの顧客理解をして広告の成果を改善できたある運用メンバーの声です。

顧客理解をおこなう前は、転職エージェントと聞くと「年収を上げたい」や「新しいキャリアに挑戦したい」、「現職の環境や人間関係に不満」といった理由で利用されるイメージが浮かんでいたと言います。

しかし、「もっとほかにも理由があるのでは」と実際の利用者の声を丁寧に読み解いていくと、「これまでのキャリアを正当に評価されたい」「自分の市場価値を確認して安心したい」といった理由も見えてきたのです。

転職そのものではなく、「自分が評価され、安心すること」を目的にサービスを利用する方もいると分かったからこそ、利用者の声や「評価してもらえる企業に出会える」という体験を前面に出した広告を配信し、コンバージョン率の改善につなげられました。

顧客理解の「知る」と「分ける」のプロセス

顧客理解によって「なぜその商品を選ぶのか」を明確にすることが成果につながるのは、先ほどまとめた通り。ですが、そもそも「顧客理解」をどう進めるかについて理解できているでしょうか？

ここでは、キーワードマーケティングで実際におこなっている顧客理解を「知る」と「分ける」の2つの作業に分けて紹介します。

【知る】1次情報、1.5次情報を収集する

まずは実際のユーザーや現場の声である1次情報や1.5次情報を収集します。ここでいう1次情報、1.5次情報には以下のようなものが含まれます。

情報の種類	具体例
1次情報	自分で商品やサービスを体験した際の感想 社内や身近な人でターゲットユーザーとなりえる人へのヒアリング結果 自社／広告主のお客様へのインタビュー結果 お客様を対象としたアンケートの結果 お問い合わせフォームの入力内容
1.5次情報	X や Instagram など SNS での商品、サービスの評判 Amazon、楽天などのレビュー 「Yahoo! 知恵袋」や「教えて！goo」での調査結果

1次情報、1.5次情報を集める際のポイントは「実際のユーザーの声」をそのまま、数多くもらうことです。キーワードマーケティングの新人研修でも、こうした情報を多くもらい顧客理解に活かすことで、机上の空論に陥らないようにしています。

▼キーワードマーケティングでの新人研修の様子はこちら

収集した情報を分析する際は、顧客が商品やサービスを購入する際に重視する要素（KBF）も併せてチェックしておきましょう。この段階で KBF を押さえておくと、後述の「分ける」ステップでおこなうセグメンテーションの参考になります。

KBF を確認する際はターゲットユーザーの調査をおこなって得た「購入の決め手」に目を向けるのがポイントです。具体的な調査・分析の進め方については、こちらの記事もご覧ください。

また、ここで収集した情報は「集めて終わり」になってはいけません。集めた情報はスプレッドシートなどにまとめたうえで、どういった傾向があるか分析することが大切です。

【分ける】セグメンテーションをおこなう

1次情報、1.5次情報の収集と分析が終わったら、次は「顧客がどういう人で構成されているか」を分割する「セグメンテーション」をおこないます。

セグメンテーションをおこなう際に押さえておきたい基準（変数）は以下の4つです。特定の基準だけにこだわらず複合的に考えることで、より顧客のもつ特徴を掴みやすくなります。

• 地理的変数（地域や場所、人口規模や密度、気候など）
• 人口動態変数（年齢や性別、家族構成、職業、学歴、宗教など）
• 心理的変数（ライフスタイルやパーソナリティ、価値観など）
• 行動変数（購買履歴や購買パターン、使用頻度、利用経験など）

セグメンテーションの進め方や基礎知識について知りたい方は、こちらの記事もご覧ください。

「知る」と「分ける」を経ることで広告の作成もスムーズに

ここまでに紹介した内容をもとにすると、広告配信にあたって重要な以下の要素を根拠を持って決められます。

• 広告を配信するターゲットユーザー
• ターゲットのニーズをもとにした広告クリエイティブ

こうした一次情報やセグメンテーションを経て広告を作成するプロセスについては、以下の記事でも紹介しているので、ぜひご覧ください。

ただ、ここまで解説をしてきましたが、これらの「知る」と「分ける」のプロセスを毎回一人でおこなうのは大変ですよね。

そこで今回は、この顧客理解の作業負担を軽くするために、生成 AI ツールの NotebookLM が使えないか実験してみました。

実験1：NotebookLM で顧客理解の「知る」プロセスは効率化できる？

今回は BtoB 向けソフトウェアを取り扱う企業を例に、NotebookLM を使って、先ほど紹介した「知る」プロセスのうち、以下の2つの作業がどれくらい短縮できるのかを検証してみました。

1. 1次情報を「知る」：サイト内のお客様の声を収集する
2. 顧客層、KBF を「知る」：ページ内容から顧客層、KBF を割り出す

今回使う NotebookLM は、ユーザーがアップロードしたページだけを情報源（ソース）にして回答を生成する生成 AI ツールです。

ChatGPT や Gemini などと違い、与えた情報源以外のサイトを参照しないため、特定のサイトのみを利用する顧客理解と相性がいいと思い、利用しました。

1次情報を「知る」：サイト内のお客様の声を収集する

まずは NotebookLM に、サイト URL をソースとして登録します。

画面左側にソースが表示されたら、プロンプト（生成 AI への質問）を記入して送信します。今回はページ内に「お客様の声」または「利用者の声」があることを想定して、「ソース内にお客様の声があればピックアップして。ない場合は『ありません』と答えて」と指示しました。

プロンプトに対する回答の一部がこちらです。元々渡していたページ内に情報があったためか、すぐに上げてくれました。

企業（仮名）	お客様の声
企業 A	外出先からもスマホ活用で商談スピードが上がった
企業 B	全国の店舗に情報が伝わるまでのタイムロスを解消
企業 C	稟議決裁期間を5分の1に短縮
企業 D	年間の残業時間を30％削減
企業 E	低コストで業務改革

ここまでにかかった時間は約3分。商材のランディングページで「お客様の声」を探して、一から読んで要点をまとめるよりもはるかに少ない工数で情報を整理できました。

顧客層、KBF を「知る」：ページ内容から顧客層、KBF を割り出す

続いてはこの NotebookLM に「ページ内の情報から、この商材の顧客層と KBF をまとめて」と指示をだし、顧客層と KBF を出してもらいました。

このプロンプトに対する回答を表形式にしたものが下記の表です。「顧客層と KBF をまとめて」という大まかな指示にも関わらず、指示に沿ってまとめてくれました。

顧客層	多くの中小企業 はじめてグループウェアを導入する企業 さまざまな業種
KBF	使いやすさ、操作性 モバイル・クラウド対応による高い利便性 手頃な価格と柔軟な契約形態 豊富な導入実績と信頼性 充実した導入・活用サポート 業務効率化・生産性向上への貢献

ここまでにかかった工数は約1分。顧客理解を構成する「知る」と「分ける」の2工程のうち1つが約5分程度で終わった形になります。効率化という観点でいえば大きな成果です。

ただ、いくら「アップロードしたページだけをソースにして回答を生成する」からと言って、NotebookLM も生成 AI ツールの一つ。ハルシネーション（分からない内容について生成 AI がもっともらしい嘘を返すこと）を起こしていないとも言えません。

そこで、1次情報・顧客層と KBF のそれぞれについて、自身の目でも確かめてみることにしました。

出力された内容を確認！

今回は1次情報、顧客層、KBF のそれぞれを確認できるよう、導入事例ページを確認し、情報をまとめて見ました。実際に確認できた内容は以下の通りです。

業種	従業員規模	利用者の声
不動産業	50人以下	中小向け機能と低コストのクラウドが決め手。 ツール導入によりスマホで情報を確認できるようになったことで、商談がスピード化。顧客管理の効率化も進んだ。
卸小売業	101人以上	使い慣れたツールで統一感ある情報伝達を目指した。 ツール内のメッセージ機能で情報共有速度が上がり、店舗間のタイムロスが解消された。
製造業	51人～100人	Excel を使った管理に失敗したことがきっかけで導入。使いやすいインターフェースが決め手。 稟議決裁期間を5分の1の日程に短縮、書類も10分の1にまで減らせた。
サービス業	50人以下	カスタムアプリの潜在能力と使い勝手で選定。 進捗管理アプリで進捗を可視化できたことで、業務の課題を発見。ひと月あたりの残業時間を30％削減できた。
士業	50人以下	情報伝達機能と使いやすさが決め手。 スケジュール共有機能により、日程調整の時間が大幅に削減された。
医療福祉業 ※一般社団法人	50人以下	使いやすさと低運用コストが決め手。 コミュニケーションの効率化に成功。会議時間の短縮や廃止を実現し、ペーパーレス化も実現できた。

お客様の声については、NotebookLM が出力したものときわめて似た内容が掲載されていたことが分かりました。

ただ、ソースとしたページの数の差からか、以下の表のように NotebookLM と実際に調べたものとでは内容の具体性に差が出ました。ページ内の情報量にもよりますが、NotebookLM の情報はあくまで「どういったお客様の声があるか」の方向性を探るのに使うのがよさそうです。

	NotebookLM の出力結果	実際に確認した際の結果
お客様の声	外出先からもスマホ活用で商談スピードが上がった	中小向け機能と低コストのクラウドが決め手。 ツール導入によりスマホで情報を確認できるようになったことで、商談がスピード化。顧客管理の効率化も進んだ。

また、顧客層と KBF については、以下の比較表のように NotebookLM が出力した内容と比較しても大きなズレがないことが確認できました。ただ太字の箇所のように、こちらも「実際に確認したことで得られた情報」もありました。

項目	NotebookLM	自身で確認した内容
顧客層	多くの中小企業 はじめてグループウェアを導入する企業 さまざまな業種	中小企業＋一般社団法人 はじめて導入する企業もある 業種は幅広い
KBF	使いやすさ、操作性 モバイル・クラウド対応による高い利便性 手頃な価格と柔軟な契約形態 豊富な導入実績と信頼性 充実した導入・活用サポート 業務効率化・生産性向上への貢献	使いやすさ、使い勝手の良さ 中小企業向けの情報共有機能の利便性 運用コストの低さ ツールのカスタムができる点

とはいえ、全体の傾向を探る用途では NotebookLM はかなり役に立ったと感じています。事前情報が何もないところから自身で調べるよりも、少ない工数で効率的に調査を進められた印象です。

実験2：チャット型 AI ツールだとどうなる？Gemini でも試してみた

ここまで NotebookLM を利用した場合を紹介しましたが、その他の生成 AI ツールだとどうでしょうか。今度はチャット型生成 AI ツールの Gemini を使って実験しました。

今回使ったバージョンなどは以下の通りです。無料版で Gemini を利用する方や、生成 AI 初心者の方がいることも考えて、以下の設定で作業をおこないました。

• バージョン：2.5 Flash
• Deep Research 機能：使わない（通常検索）

1次情報を「知る」：サイト内のお客様の声を収集する

まずは「お客様の声」の収集からおこないます。

今回は条件をそろえるため、ソースページの URL を足したうえで、NotebookLM と同様「ソース内にお客様の声があればピックアップして。ない場合は『ありません』と答えて」と指示しました。

結果として上がってきたのは以下の通り。出力結果は NotebookLM とおおむね変わらない印象を受けました。

企業（仮名）	お客様の声
企業 A	外出先からのスマホ活用により、商談スピードが上がった。
企業 B	全国の店舗に情報が伝わるまでのタイムロスを解消した。
企業 C	手間のかかる稟議決裁期間を5分の1に短縮した。
企業 D	年間の残業時間が30％削減された。
企業 E	低コストで業務改革ができた。

ただ、こちらの結果が出力されたのは2回目の検索のとき。1回目は以下のように「このページ内には、お客様の声はありませんでした」と出力されました。

ソースを与えれば1回で出力に成功した NotebookLM と違い、「コンディションによってはうまくいかない可能性がある」点は Gemini を使う際の注意点といえます。

顧客層、KBF を「知る」：ページ内容から顧客層、KBF を割り出す

続いて、顧客層と KBF について調査してもらいました。プロンプトは NotebookLM で使ったものと同じ「ページ内の情報から、この商材の顧客層と KBF をまとめて」です。

この内容を入力した際の返答は以下の通り。顧客層、KBF ともに「お客様/利用者の声」をもとに出力されました。

顧客層	中小企業 特定の業界に特化した企業 非営利団体
KBF	業務効率化と生産性向上 （情報共有の円滑化、意思決定の迅速化、業務プロセスの改善） 働き方改革と従業員の満足度向上（残業時間の削減） コストパフォーマンス（低コストでの業務改革）

NotebookLM と比較した結果が以下の通りです。NotebookLM が商材ページ、Gemini が「お客様の声」を参照していることもあり、Gemini では NotebookLM が拾えなかった情報も1回で補完して回答していることが分かります。

項目	Gemini	NotebookLM
顧客層	中小企業 特定の業界に特化した企業 非営利団体	多くの中小企業 はじめてグループウェアを導入する企業 さまざまな業種
KBF	業務効率化と生産性向上 （情報共有の円滑化、意思決定の迅速化、業務プロセスの改善） 働き方改革と従業員の満足度向上（残業時間の削減） コストパフォーマンス（低コストでの業務改革）	使いやすさ、操作性 モバイル・クラウド対応による高い利便性 手頃な価格と柔軟な契約形態 豊富な導入実績と信頼性 充実した導入・活用サポート 業務効率化・生産性向上への貢献

ただ、Gemini を利用した結果を見て気になったのは「プロンプトで指示していないページの情報を参照して、作業をおこなった点」です。

元々、私がプロンプトで指示したページには、事例そのものが丸ごと記載されていません。事例ページに遷移するボタンはあるものの、私がプロンプトで指定したページ「だけ」では、ここまで詳細な情報にはたどり着けないはずなのです。

自律的に調べてくれた点は評価できる半面、意図しないページや外部サイトなど、こちらが提示したサイト以外から情報を持ってきていないかの確認も必要だと考えました。

結果：「知る」プロセスは AI で効率化できるが、その内容は確認必須

今回の実験では顧客理解でおこなう調査について、生成 AI の力を借りました。その結果として分かったことが以下の通りです。

1. AI が調査した顧客層、KBF は「方向性をとらえる」用途で活用するとよい
2. ツールによっては指定したサイト以外から情報を取得してくることもあるので、自身での確認も必要

NotebookLM や Gemini に調査させた結果は、いずれも私たちが確認した「正解」にきわめて近いものでした。工数としても通常の顧客理解に費やしていたよりも大幅に削減できた印象です。

ただ、私たちが最終チェックを入れることで、より情報を肉付けできた部分もありました。そのことを考えると「完全に信じ込む」のではなく「こうした方向性で考え、調査する方が良さそう」というように「参考資料」としての利用がよさそうです。

以下の記事でも触れている通り、生成 AI を「ある程度優秀な、仕事が信じられないくらい速い部下」として使うことで、高い作業効率と正確性のバランスを取れるのではないでしょうか。

AI の力を借りながら、顧客理解を進めてみよう

冒頭でも触れた通り、顧客理解はマーケティングや広告運用の成果を大きく左右する重要なもの。後回しにせず定期的におこなうことで、成果につながります。

「顧客理解は大切」と思っていても、日々の運用業務に追われてつい時間だけが過ぎていく・・・。そんなときは生成 AI を活用してみるのも一つの手かもしれません。

広告運用において「終わりがない営み」である顧客理解。アップデートを重ねながら取り組み続けることが大切であるからこそ、工夫を重ねながら顧客理解を深めていくことが重要なのではないでしょうか。