合成オーディエンスと、予測不能であることの重要性

驚くべきことに、世界の変化は加速しています。マーケティング部門にも、ほかのあらゆる部門と同じことが求められています。より多くを生み出し、支出を抑え、しかも仕事の質を高めることです。

AIが時代の話題をほぼ独占する今、従来型の調査に比べてごくわずかな費用でアイデアをより迅速に試せる方法を提示しているのなら、マーケターが耳を傾けるのには十分な理由があります。

合成オーディエンスとは、顧客記録やインタビュー、人口統計プロファイルなどのデータを使って構築された、消費者グループのシミュレーションです。チームはこうしたオーディエンスに自分たちの成果物を提示し、予測される反応を検討して修正を加え、別の人間のパネルを募ることなく再び試すことができます。

顧客を理解し、予測を実際の行動と照らし合わせて検証している企業にとって、これは非常に有用なものになり得ます。マーケティングの多くは、すでに行っていることを改善する取り組みであり、それをうまくやるのは決して簡単ではありません。高くつく失敗を回避したり、弱いキャンペーンを改善したりするだけでも、十分に価値ある成果です。実際、ほとんどの部門は、こうした機会を追求するのが賢明でしょう。

しかし、その魅力は効率化そのものにとどまりません。合成オーディエンスは、今やかけがえのないものとなった実行に踏み切る正当な根拠ももたらすと期待されています。

「テストを行ったところ、顧客はこれを好みました」という言葉は、対象の顧客がシミュレーション上の存在であっても、「これは良いアイデアだと思います」とは異なる種類の説得力を持ちます。

投資家は、その説得力に大きく賭けています。企業が調査に使えるよう、実在の消費者をAIでシミュレーションするSimileは7月、シリーズAの調達から約5カ月後に、企業評価額20億ドルで2億ドルを調達しました。Adobeは、自社のブランドインテリジェンス製品内で、マーケターがAI生成の顧客プロファイルを相手にクリエイティブやメッセージをテストできるようにしています。

とはいえ、こうしたツールがクリエイティブ制作の承認プロセスに組み込まれるにつれ、そもそも何を提案する価値があると人々が考えるかにも影響するでしょう。オーディエンスの反応を予測する能力は大きく高まる一方で、彼らに予想外のものを届ける力は徐々に失われていくかもしれません。

より速く学ぶ

合成調査への期待は、この新技術に直面する企業の事業運営に起きている、より広範な変化の一部です。Steven Waterhouseは、学習機械はどこまでも続くで論じているように、AIは試行し、結果を検討し、調整するためのコストを引き下げます。このプロセスを軸に組織をつくる企業は、学んだことを次の意思決定に取り入れ、進めるなかで改善し、さらに加速していくことができます。

マーケティングには、昔からこれに似たプロセスがありました。何が人々の心に響きそうかを判断し、それを世に出して、その判断がどれほど妥当だったかを確かめます。調査は準備に役立ち、経験は解釈の助けとなりますが、オーディエンスにはたいてい、私たちを驚かせる余地が残されています。

米空軍大佐のJohn Boydは、このプロセスを「OODAループ」という、より形式的な概念で表しました。観察し、状況を判断し、決定し、行動する（そして繰り返す）というものです。企業はしばしば、迅速さを求める根拠としてこれを持ち出しますが、Boydの説明では、何が起きているのかをどう理解するかにかなりの注意が払われています。状況判断は経験、文化、新たな情報を基盤とします。彼の図式では、決定は仮説、行動はテストであり、その結果が理解へとフィードバックされます。

合成オーディエンスは、リソースを投入する前に状況の理解を深める助けになります。気づいていなかった前提を明らかにしたり、考慮していなかった解釈を示唆したりすることもあります。しかし、シミュレーション上の反応がもう一つ得られたからといって、それだけで人々の行動を新たに観察できるわけではありません。キャンペーンがどのように受け止められるかの予測を改善しても、人々が実際にそれに触れたとき、私たちにはなお確かめるべきことが残ります。

予測の改善を主な目的として修正を始めると、この違いは重大な意味を持つようになります。チームは何百回も反復を重ね、オーディエンスが同じ確信を持っているかを学ばないまま、キャンペーンへの自信を深めていくことがあります。プロセスは加速しても、不確実性の一部は、始めたときとまったく同じ場所に残っています。

Boydはまた、「適応力には多様性と迅速さが必要だ」と記し、その両方を、予測不能である能力や予期せぬ状況に対処する能力と結びつけました。クリエイティブ制作に当てはめると、この組み合わせが求めるのは、素早くバリエーションを生み出すことだけではありません。そうでなければ試さなかったような何かを発見できるほど、幅広い可能性を保つことが必要です。

残念ながら、より速く進むよう求める圧力によって、なじみのない可能性を検討しにくくなることがあります。締め切りが迫り、予算の承認が必要なとき、誰もがすでに理解しているアイデアには、確かな利点があります。

無難な選択をする代償

David Perellは最近、TBPNでこの力学を取り上げ、Hollywoodが「この世界のマネーボール化」に陥ったというDerek Thompsonの指摘を紹介しました。Perellによれば、業界が退屈になったのは、リスクを理性的に考えるようになったことも一因です。「問題は、新しい番組ではなく、『スパイダーマン74』や『ロード・オブ・ザ・リング7』ができてしまうことだ」

この不満には、商業的な理屈もある。確立されたシリーズには、観客層や実績があり、人々が何を期待しているかについてもある程度見当がつく。続編への出資は理にかなっている場合があり、観客もなじみのある世界に戻ることに大きな喜びを感じることがある。

しかし、第1作は、観客がいるという証拠がまだない段階で、その不確実性を受け入れなければならなかった。スタジオが妥当な判断を次々と重ねても、なじみのない物語がなかなか制作にこぎ着けられない文化を生み出してしまうことはある。

言い換えれば、妥当な判断を次々と重ねることで、各作品が承認時の基準を満たしていたとしても、どこか繰り返しに感じられる文化が生まれ得る。私たちは、次第に期待が薄れていくアイデアを、日常的に「承認」している。

とはいえ、より優れた情報が必ずしもこうした結果につながるとは限らない。リスクを理解すれば、リスクを取ることに前向きになれる可能性がある。とりわけ、これまで不利益を過大に見積もっていた場合はそうだ。しかし、情報だけで組織の不確実性に対する許容度が決まるわけではない。

合成リサーチを活用すると、こうした計算が創造的な仕事の日常に入り込む。より早い段階から、より頻繁に、そして次第に細かな判断についても、観客の意見を聞けるようになる。それによって、作品の質は大きく向上する可能性がある。一方で、予想される反応が常に意識されるようになり、自分自身のアイデアを練る時間を持つ前に、それに合わせ始めてしまうこともある。

私たちを訓練する観客

創作チームに、モデルに従えという指示が必要なわけではない。好意的なスコアが企画の承認につながるなら、メンバーは自然と、どのような案が高評価を得るのかに注意を向ける。どんな提案がすんなり先に進み、どんな提案には長い説明が必要になるのかにも気づくだろう。

プレッシャーの下では、その知識が役に立つ。提出前にアイデアを調整したり、扱いにくい要素を取り除いたり、なじみのない方向性を探るのをやめたりできる。ひとつひとつの調整は小さなものかもしれない。しかし時間がたつにつれ、チームが生み出す作品の幅を変えてしまうことがある。

これもまた学習のループであり、その中にいる人々は、自分たちの環境が何を評価するのかを正確に学んでいく。居心地の悪い可能性として、プロセスの中での成功が、徐々に彼らの実務上の「優れた創造的判断」の定義になってしまうことが挙げられる。形式上は異議を唱える権限を保っていても、それを行使する機会はますます減っていくかもしれない。

その結果として現れる成果は、安心感をもたらすかもしれない。承認されたキャンペーンは期待に応え、モデルの推奨は妥当に見え、プロセスはますます信頼できるように思える。しかし、そこからは、そもそも提案されなかった作品や、それが届いたかもしれない観客について、ほとんど何もわからない。システムは、なじみのある選択肢から選ぶことには非常に優れながら、利用者には、何を検討しなくなったのか気づかせないままでいることがある。

ウォーターハウスは、エッセイの「鏡像」の章で、これに関連する変化を描いている。私たちは自分たちに似せて知性を築き、その姿を中心に企業や制度を再編している、と彼は記す。創造的な部門では、そうした再編が個人の習慣の中で起こることがある。私たちはツールに適応し、その好みがいつしか自分自身の判断のように感じられるまでになる。

その段階では、私たちが目にする予測可能性の一部は、働き方を学ぶ過程で生じたものかもしれない。私たちはシステムが理解できるものを生み出している。システムの承認を求めることに慣れてしまったからだ。

ラバ

アイザック・アシモフは、予測可能な未来に起こる、とりわけ劇的な中断を、『ファウンデーションと帝国』の中で描いた。ハリ・セルダンの心理歴史学は、膨大な人口の行動を予測できるため、彼は自らの死後何世紀にもわたって続く計画を立てることができる。その計画の成功によって、それを頼りにする人々は、これから起きることに並外れた確信を抱く。

そこへ、ミュールが現れる。人々の感情や忠誠心を変える力を持つミュータントである彼は、セルダンの計算では想定されていなかった影響力を及ぼす。人々の行動が変わり始め、計画は軌道を外れる。モデルの前提から外れた一個人が、モデルの予測するはずだった未来を変えてしまう。

人々を驚かせる力を保つ

ブランドにとって、これに相当する目標は、人々の期待を変えるほど魅力的なものを生み出すことだ。そのためには、ある種の予測不可能性が必要となる。観客は私たちの判断や作品の質を信頼しながらも、次に何をするのか予想できないでいることができる。実際、その組み合わせこそが、関係を長続きさせる要因の一つなのかもしれない。

驚きは、事前に具体的に思い描けなかったものに出会い、それでもその価値を認める力に支えられている。創作上の課題は、人々の注意に報いるだけの質、繊細さ、一貫性を備えた作品を通じて、そうした出会いを可能にすることだ。ツールの能力が高まるにつれ、そうした作品にいっそう挑戦できる自由を求めるべきだ。

マーケティングにとって、これは特有の課題をもたらします。私たちの仕事は、人々が自分でも欲しいと気づいていなかったものを発見する手助けができます。キャンペーンは、製品に対するイメージを変え、なじみのない体験を魅力的なものにし、ブランドを理解する新たな方法を人々に示すことができます。オーディエンスの好みは、私たちが世の中に送り出すものも含め、世界とのさまざまな出会いを通じて形作られていきます。

つまり、人々が現在何を好んでいるかを把握するだけでは、役割の一部しか果たせません。あるものが実現したときに人々の関心を引く可能性があるものは何か、そしてブランドに何をもたらしてほしいのかについても、私たちは判断を下す必要があります。そうした目標は、確信を持つのに十分な証拠がそろう前から掲げることができます。

分析能力が頂点に達した人間性では、分析能力がますます広く行き渡るにつれ、その能力を使って私たちが下す選択の重要性が増すと論じました。ツールが一見際限のない数の可能性を生み出し、評価できるようになると、「できること」と「すべきこと」の違いは、とりわけ重大な意味を持つようになります。

信頼できる予測は、選択の助けにはなっても、それ自体で答えを出すわけではありません。慣れ親しんだ手法がうまくいくと正しく予測しながらも、追求する価値のある、もっと興味深い目標があると判断することはできます。その判断には、ブランドについての理解、オーディエンスと築きたい関係、そして取り組みがどのくらいの期間にわたって意味を持つと考えるかが関わります。予測は私たちの判断に役立ちますが、目標に対する責任は私たちにあります。

その責任を果たすには、自分の感性への自信だけでは不十分です。人は、単なる自己満足を画期的な成果と取り違えることも十分にあり得ますし、好ましくない予測にも耳を傾けるべきです。異論を検討し、それでもなおアイデアに試す価値がある理由を判断し、何かを学べるようオーディエンスに実際に触れてもらう機会を設けられるとき、自立した判断が役に立ちます。

事前調査のコストが下がれば、そうした出会いの機会を増やせるはずです。削減できた費用の一部を、なじみのないオーディエンスを対象にした取り組みや、価値がまだ不確かなアイデアを小規模に試すための調査に充てることができます。そうすれば組織は、さもなければ退けていたかもしれない可能性について証拠を得られ、取り組みを担う人々も、熟慮した判断に基づいて行動する習慣を保てます。

AIは、予想外のアイデアを生み出すことも含め、このプロセスのあらゆる段階に関わることができます。AIをうまく活用すれば、想像力を大きく広げられるかもしれません。守るべき自由とは、私たちが評価に用いるシステムによって価値がまだ確定されていない可能性を追求できることです。

追伸： いつかAIは、想像し得る限り最も独創的な作品に対する反応も含め、人間の好みに生じるあらゆる意味のある変化を予測できるようになるかもしれません。そうなれば、何もかも予測できなくなります。それまでは、アイデアを人々に提示し、どのように受け止められるかを確かめる必要があります。