AIに丸投げしたペルソナは、あなたに都合のいい架空の顧客になる。
ペルソナ——商品やサービスの典型的な顧客像を1人の人物として描く手法は、マーケティングの定番です。そして「人物像を描写する」のは生成AIの得意技。属性・悩み・情報収集の行動まで、驚くほどそれらしい人物が数秒で出てきます。
ところが、この「それらしさ」こそが罠です。材料を渡さずに作らせたペルソナは、実在の顧客ではなく、あなたの商品を好きでいてくれる架空の理想客になります。このレシピの核心は、AIに想像させる前に実データを渡すこと。そして、データにある部分とAIが補った部分を、はっきり区別させることです。
「佐藤美咲さん、26歳。都内在住のIT企業勤務。美容感度が高くInstagramで情報収集し、月1万円をスキンケアに投資。成分にこだわり、共感できるブランドストーリーを重視——」…名前も生活も細部まで揃った、完璧な人物像が出てきます。完璧すぎるのが問題です。この人は実在せず、根拠もどこにもありません。
AIはあなたの顧客を1人も知りません。渡されたのが「20代女性向けスキンケア」だけなら、世の中のマーケティング記事にある平均的な20代女性像をなぞるしかない。出てくるのは自社の顧客ではなく、どの会社の資料にも載っていそうな量産型ペルソナです。
もっと怖いのは、名前と暮らしぶりがつくと信じたくなることです。根拠ゼロの人物像でも、具体的に書かれていると「顧客はこうに違いない」と思えてしまう。検証していない想像が、施策を決める判断材料に化ける——ペルソナ作成でいちばん起きやすい事故です。
【 】の中を自分の状況に書き換えて使ってください。全部埋まらなくても大丈夫——埋めた分だけ、出力があなた仕様になります。
アンケートの自由回答・レビュー・問い合わせ——顧客の生の言葉が、量産型ペルソナと自社のペルソナの分かれ目です。AIは渡されたデータの中の声を拾って人物に束ねるのが得意。材料がゼロのときの出力とは別物になります。
AIの補完は禁止しなくていい——混ざるのが危険なのです。「データから言えること」と「仮説」を区別させれば、どこを信じてよくて、どこを検証すべきかが一目で分かる資料になります。
理想客だけ見ていると、施策は身内向けになります。「検討したけどやめた人」の理由——価格、信頼、面倒くささ——には、刺さるコピーや改善のヒントが理想客以上に詰まっています。
属性表で終わるペルソナは、作って満足して終わりがちです。「この人に刺さる/しらける言葉」まで落とすと、明日のコピーや投稿にそのまま使える道具になります。
作ったペルソナをAIに演じさせ、「新商品の説明文を見せるので、この人として正直な感想を言って」と壁打ちする使い方。施策を世に出す前の簡易モニターになります（本物の顧客の代わりにはならない、を忘れずに）。
「このペルソナが商品を知ってから購入するまでを、行動・感情・接点の表にして」と続けると、ペルソナが施策の設計図に育ちます。どの段階の打ち手が手薄かも見えてきます。
新規事業などで自社データがない場合は、競合商品のレビューや公開されている調査を材料にします。AIのDeep Research機能に市場の声を集めさせてから作ると、想像だけのペルソナを避けられます。
アンケートの自由回答や問い合わせ文には、氏名・社名・連絡先が紛れ込みがちです。貼る前に個人を特定できる情報を消す、会社契約のAI（入力が学習に使われない設定）を使うなど、顧客情報の扱いは社内ルールに沿ってください。
AIと作ったペルソナを、調査済みの事実のように社内資料へ載せないこと。「データ＋仮説のたたき台」と明記し、できれば実際の顧客インタビュー2〜3人で答え合わせをしてから施策の根拠にしてください。
使えますが、出てくるものは全部「仮説」です。その場合も競合のレビューや公開調査など外部の生の声を材料にし、「検証方法の提案」を必ず出させてください。想像だけのペルソナで突き進むのがいちばん危険です。
まず2〜3案＋「買わない人」1人が扱いやすい分量です。10人分作っても使いこなせません。実際の施策で軸になるのは多くの場合1〜2人で、残りは「この人は対象外」と判断するための比較台として働きます。
古びます。市場も顧客も変わるので、半年〜1年ごと、または商品の大きな変更時に、新しいデータで作り直すのがおすすめです。過去のペルソナと並べて「何が変わったか」をAIに比較させると、市場の変化も見えてきます。
レシピは覚えるより、今日の仕事でひとつ試すほうが早い。