NetflixのAI活用に見るAIマーケティング事例10社｜推薦・広告生成・運用自動化の実数値

NetflixのAI活用というと作品のおすすめ機能が真っ先に挙がりますが、2026年の同社が広告主に売り込んでいるのは、広告そのものを生成AIで組み立てる仕組みです。推薦アルゴリズムの話だけでは、いまのNetflixのAI活用は半分しか説明できません。この記事では、Netflixを軸にAmazon・Meta・Coca-Colaなど10社のAIマーケティング事例を、公表元と年次をたどれる数値だけで整理します。あわせて、有名事例をそのまま自社に写しても成果が出ない条件も示します。

まとめ

• Netflixの推薦は視聴時間の約8割の選択に影響していますが、この数字の出典は2015年のACM論文です。当時の値がそのまま引用され続けている点に注意してください。
• 2026年のNetflixのAIの主戦場は推薦から広告生成へ移りました。広告収入は2025年の約15億ドルから2026年に約30億ドルを目標に置いています。
• Amazonの「売上の35%が推薦経由」はマッキンゼーが2013年に示した推計で、Amazonの公表値として確認できるものではありません。同社が自ら出した直近の数字は、生成AIアシスタントRufusによる年換算約120億ドルの増分売上です。
• Metaは2023年の限定テスト「AI Sandbox」の段階をとうに抜けています。2024年12月公開の広告検索エンジンAndromedaが、いまの配信の既定になりました。
• 2016年から2017年の有名事例は、使われたツールが既に他社へ渡っています。CosabellaのAlbertは2022年3月にZoomdが買収し、Tea CollectionのSentient Ascendは2019年3月にEvolvが取得しました。事例の写経では再現しません。

Netflixの推薦システムが視聴時間の8割を動かす仕組み

Netflixのマーケティングは、広告出稿よりも先にプロダクト内部の出し分けで成立してきました。会員が何を見るかを決めているのは検索窓ではなく、画面に並ぶ推薦の列です。

視聴時間の8割という数字の出どころ

Netflixの推薦システムを説明する際に必ず出てくる「視聴の80%が推薦経由」は、Carlos A. Gomez-UribeとNeil Huntが2015年12月にACM Transactions on Management Information Systemsへ発表した論文「The Netflix Recommender System: Algorithms, Business Value, and Innovation」に基づきます。同論文が述べているのは、推薦システムがホーム画面にとどまらず製品内の大半の画面で使われており、合計して視聴時間の約80%の選択に影響している、という内容です。残る20%が検索由来にあたります。あわせて、パーソナライズと推薦の合計効果を解約抑制の観点から年間10億ドル超の節約と見積もっています。

実務で引く際は、この数値が2015年時点のものだと明記してください。Netflixの会員数も競合環境もカタログ規模も当時とは別物です。「8割」を根拠に自社の推薦投資を正当化する資料をよく見かけますが、その後この比率が更新公表された記録は確認できません。参照できるのは当時の水準だという事実までです。

Netflixのパーソナライズを支える協調フィルタリングと文脈バンディット

推薦の中身は単一のアルゴリズムではありません。似た嗜好を持つ会員群の行動から推す協調フィルタリングと、作品側の属性から推すコンテンツベースの手法を組み合わせ、さらに視聴中の時間帯やデバイスといった文脈を条件に加えています。

特徴的なのが、作品を推す段階ではなく作品の見せ方を決める段階でのアルゴリズム選択です。Netflixは2017年の技術ブログ「Artwork Personalization at Netflix」で、サムネイル画像の出し分けに文脈バンディットを使っていることを公開しました。数万本の作品から選ぶ推薦本体と違い、1作品あたりに保持している画像候補は数十枚程度で行動空間が小さいため、バッチでモデルを学習してA/Bテストを回すよりも、オンラインで探索と活用を同時に進めるバンディットのほうが向いているという判断です。同ブログは、この最適化が効くのは知名度の低い作品ほど大きいとも述べています。

推薦の技術そのものの整理はAIレコメンドエンジンの比較記事でアルゴリズム別に扱っています。

2026年に始まる生成AI広告への軸足移動

Netflixは2025年5月の広告主向けイベントで、生成AIを使ったミッドロール広告と一時停止時広告を2026年に導入すると予告しました。翌2026年5月13日のイベントでは、その進捗として次の内容が示されています。

この仕組みは、広告主が持ち込んだ素材をNetflixの作品世界に合わせて即時に組み替えるモジュール型のフォーマットです。広告主から見たNetflixは、「おすすめ精度が高いから会員が集まる媒体」から「入稿素材を媒体側のAIが作品ごとに仕立て直す媒体」へ変わりつつあります。同社は広告の管理・最適化・購入を担うAIエージェントのテストにも入っています。

Amazonの推薦と生成AIアシスタントRufusの実数値

AmazonのAI活用は、Netflix以上に古い数字が独り歩きしている領域です。

「売上の35%」がAmazonの公表値と言えない理由

「Amazonの売上の35%は推薦システム経由」という一文は、日本語のAI活用記事でほぼ定番になっています。出どころはマッキンゼー・アンド・カンパニーが2013年に示した推計です。Amazon自身がこの比率を公表した記録は確認できません。2013年の外部推計が、出典を明示されないまま現在形で引用され続けているのが実態です。

自社の企画書でこの数値を使うなら、「2013年のマッキンゼー推計」と併記するのが最低限の作法になります。推計値であることを落とすと、経営層から出典を問われた時点で企画の信頼度ごと崩れます。

Rufusが2025年に動かした金額と利用者数

対照的に、Amazonが自ら数字を出したのが生成AIショッピングアシスタントRufusです。2026年2月に公表された2025年第4四半期の業績関連資料では、2025年を通じて3億人超の顧客がRufusを利用し、年換算で約120億ドルの増分売上をもたらしたと説明されました。第3四半期時点で同社が示していた年換算100億ドルのペースを上回った形です。Rufusを使った買い物客は、使わなかった客より購入完了率が60%以上高いとされています。

推薦システムの導入を検討する立場から見ると、Amazonの事例で参照する価値があるのは35%という比率ではなく、対話型の接客を挟むと購入完了率が動くという構造のほうです。業種別の導入成果はレコメンドエンジンの導入事例をEC・メディア・金融で比較した記事にまとめています。

生成AIとアルゴリズムでクリエイティブを作った3社の事例

ここからは、AIを制作物そのものの生成に使った事例です。Netflixが2026年に始める仕組みの前史にあたります。

Meta：AI SandboxからAdvantage+・Andromedaへの3年間の移行

Metaが2023年5月に発表した「AI Sandbox」は、テキストのバリエーション生成・背景生成・画像のアウトクロッピングの3機能を、ごく少数の広告主に開放した試験環境でした。2026年時点でAI Sandboxを現行の目玉として説明している記事は、3年遅れています。この試験環境は役割を終え、機能はAdvantage+のクリエイティブ機能へ吸収されました。Advantage+自体も、売上・アプリ・リード獲得キャンペーンの既定設定になっています。

配信側の変化はさらに大きく、Metaは2024年12月2日にエンジニアリングブログで広告検索エンジン「Andromeda」を公開しました。同社の記述では、InstagramとFacebookへの展開で検索段階の再現率が6%改善し、一部セグメントで広告品質が8%改善しています。実運用のハードウェアはNVIDIA Grace Hopper Superchipで、置き換え前と比べてモデル容量をおよそ1万倍に引き上げた設計です。自社開発のMTIAとの統合は今後の拡張として示されています。広告主が「meta広告の例」として学ぶべきなのは個々の生成機能ではなく、ターゲティング指定ではなくクリエイティブそのものが配信先を決める側に回ったという構造変化になります。

Coca-Cola：GPT-4とDALL·Eを一般参加者に開放した「Create Real Magic」

Coca-Colaが2023年3月に始めた「Create Real Magic」は、同社のためにOpenAIとBain & Companyが構築した専用プラットフォームで、GPT-4とDALL·Eを組み合わせています。参加者は歴代のCoca-Cola広告アセットを素材に作品を制作でき、専用サイトは同年3月31日まで開かれました。前月に発表されたCoca-Cola・OpenAI・Bain & Companyの提携から生まれた最初の施策にあたります。生成AIを制作コスト削減に使うのではなく、ブランド資産を素材として開放し、参加自体を体験に変えた点が他社の使い方と分かれます。インタラクティブマーケティングの事例として引かれるのはこの構図が理由です。

Nutella：アルゴリズムが描いた700万個のラベル「Nutella Unica」

Ferreroが2017年2月にイタリアで展開した「Nutella Unica」は、アルゴリズムが色と模様を組み合わせて700万通りの異なるラベルを生成し、同数の瓶を店頭に並べた企画です。約1カ月で完売しました。生成AIブーム以前のアルゴリズム活用ですが、パッケージという製造工程側にアルゴリズムを持ち込んだ点で、いまも食品のマーケティング成功事例として参照されています。

接客と広告運用を自動化した5社の事例

制作物ではなく、顧客対応や運用オペレーションをAIに任せた事例群です。

Cosabella：代理店解約後の運用体制とROAS336%

ランジェリーブランドのCosabellaは2016年に従来の広告代理店との契約を終了し、クロスチャネルのキャンペーン実行をAlbert、サイト側の最適化をSentientに任せました。2017年3月の報道では、2016年第4四半期にROAS（広告費用対効果）が336%向上したと伝えられています。ここで注意すべき点があります。Albertの提供元であるAlbert Technologiesは2022年3月27日付でZoomdへ売却されました（発表は同月28日）。2016年当時の製品構成をそのまま調達することはできません。

Sephora：チャットボットと仮想メイクの役割分担

Sephoraは2016年にチャットアプリKik上でボットを立ち上げ、メイクのチュートリアルやレビューを届ける入口にしました。同年後半にはFacebook Messenger上で店舗のメイクアップ予約を受ける「Reservation Assistant」を投入しています。並行して展開したARアプリ「Virtual Artist」はModiFaceと組んで開発され、2018年までに2億回超の色の試着と850万回超の訪問を記録しました。Sephoraの設計で参考になるのは、会話で完結させる用途と、カメラで見せて判断させる用途を分けた点です。ボット1つに全部を担わせていません。

Interactive Investor：PPC運用の自動化とシェアオブボイス89%

英国のオンライン投資サービスInteractive Investorは、新規口座と既存顧客の追加口座の獲得を目的にAlbertを導入し、デモグラフィック・広告文・コンバージョン済みキーワード・目標CPA・曜日と時間帯をリアルタイムに調整させました。公表結果は、ブランド系の上位10キーワードで89%のシェアオブボイスを維持し、それが全コンバージョンの83%超に寄与したというものです。CPAは低下したと説明されていますが、削減率は示されていません。またこの事例はAlbert社が自社サイトに掲載したものです。ベンダー公表の事例は、比較対象と期間が書かれているかを必ず確認してください。

Tea Collection：進化的アルゴリズムによるLP最適化

子ども服ブランドのTea Collectionは、ランディングページの要素の組み合わせをSentient Ascendの進化的アルゴリズムで並行検証しました。通常のA/Bテストが2案の比較にとどまるのに対し、多数の組み合わせを同時に走らせて世代交代させる方式です。もっとも、提供元のSentient Technologiesは2019年に解散し、Ascendは同年3月にEvolv Technology Solutionsが取得しています。手法は生き残りましたが、事例に出てくる製品名では調達できません。

Imagine Business Development：メール送信タイミングの個別最適化

この事例は「HubSpotの事例」として紹介されることが多いのですが、実際に施策を回したのはHubSpotのパートナー企業であるImagine Business Developmentで、使ったツールはSeventh Senseです。受信者ごとの過去の開封時刻やクリック履歴から反応しやすい時間帯を推定し、一斉配信をやめて個別のタイミングで送ります。公表されている成果は、導入から4カ月で主要メールの開封率とクリック率が2倍になり、メール経由のコンバージョンが約100%増、メール流入の直帰率が33%低下したというものです。導入前の水準は開封率が約20%、クリック率が2〜3%でした。送信総数はむしろ減らしています。事例を引用する際は主語を取り違えないでください。プラットフォーム提供者の実績と、その上で施策を回した事業者の実績は別物です。

事例をそのまま真似ると失敗する三つの条件

ここまでの10社は、どれも「AIを入れたら成果が出た」という形で紹介されます。実務で繰り返し当たる再現しない原因は、次の3つです。

第一に、行動ログの桁が違います。NetflixもAmazonも、会員IDに紐づく視聴・購買・閲覧のログを数億人分持っています。協調フィルタリングは似た嗜好の利用者群を見つけて初めて機能するため、母数が足りなければアルゴリズムの優劣以前に推薦が成立しません。月間の行動イベントが数万件に届かない、あるいは推薦対象のアイテムが数十点規模にとどまるなら、レコメンドエンジンを調達するより、担当者が書いたルールベースの出し分けのほうが速く安く精度も出ます。この判断は導入検討の最初に済ませてください。

第二に、数値の公表主体が違います。Netflixの8割は査読付き論文、MetaのAndromedaは自社エンジニアリングブログ、AmazonのRufusは業績開示です。一方でInteractive InvestorやCosabellaの数値はツールベンダーが公表した事例で、比較対象・期間・削減率のいずれかが欠けています。同じ「事例の数値」でも、稟議に載せてよい重みは同じではありません。

第三に、当時のツールが今はありません。Albertは2022年3月にZoomd、Sentient Ascendは2019年3月にEvolvへ移り、MetaのAI Sandboxは試験環境として役割を終えました。この2社のツールを使った事例は、当時と同じ構成での追試ができません。年次の古い事例は「何をしたか」ではなく「なぜ効いたか」の構造だけを持ち帰ってください。AIを4つの領域に分けて導入手順から考える整理はAIマーケティングの全体像を扱った記事にあります。

よくある質問

NetflixのAIは何をしているのですか？

作品の推薦、サムネイル画像の出し分け、そして2026年から始まる広告クリエイティブの生成です。推薦は協調フィルタリングとコンテンツベースの手法を文脈情報と組み合わせ、サムネイルは文脈バンディットで会員ごとに選ばれます。広告面では、広告主の素材を作品世界に合わせて組み替えるモジュール型フォーマットを2026年末までに全広告対応地域へ広げる計画です。

Netflixのおすすめ精度が高いのはなぜですか？

単一の指標を最適化していないためです。似た嗜好の会員群から推す協調フィルタリングだけでなく、作品属性から推すコンテンツベースの手法、視聴の時間帯やデバイスといった文脈を重ねています。加えて、同じ作品でも会員ごとに違うサムネイルを出す最適化を別建てで走らせており、Netflixの2017年の技術ブログによれば、この効果は知名度の低い作品ほど大きく出ます。

AmazonのAIとは何を指しますか？

文脈によって指すものが変わります。マーケティング文脈では購買履歴と閲覧履歴に基づく商品推薦を指し、2024年以降は生成AIショッピングアシスタントRufusを指す場合が増えました。Rufusは2025年に3億人超が利用し、年換算で約120億ドルの増分売上をもたらしたと同社が説明しています。なお「売上の35%が推薦経由」は2013年のマッキンゼー推計で、Amazonの公表値として確認できるものではありません。

パーソナライズドマーケティングとレコメンドは何が違いますか？

レコメンドは「何を推すか」を決める機能で、パーソナライズドマーケティングはそれを含む施策全体を指します。Netflixの例で言えば、推薦リストの並びがレコメンド、同じ作品に対して会員ごとに違うサムネイルを出したり配信時刻を変えたりする施策群までを含めたものがパーソナライズドマーケティングです。機能単体で調達するか施策設計から見直すかで、必要な体制も投資額も変わります。

Meta広告でAIが作る広告の例はありますか？

2023年5月のAI Sandboxで公開されたテキストのバリエーション生成・背景生成・画像のアウトクロッピングが出発点で、現在はAdvantage+のクリエイティブ機能として一般提供されています。ただし2026年時点で影響が大きいのは生成機能そのものより配信側で、2024年12月に公開された広告検索エンジンAndromedaが、クリエイティブの内容から配信先を判断する方式へ移行させました。

関連記事

• AIマーケティングとは？4領域と導入手順・効果測定・規制対応
• 生成AIマーケティングとは？活用領域と成果が出る条件・著作権と表示規制
• レコメンドエンジンの導入事例｜EC・メディア・金融の成果と自社への外挿手順
• AIレコメンドエンジンの比較｜選び方と主要サービス【2026年版】
• マーケティングオートメーションの導入事例｜業種別の成果と失敗する型・自社で再現する条件