--- title: "AIマーケティング事例12選｜NetflixのAI活用から国内の生成AI広告まで出典つきで比較" url: "https://www.issoh.co.jp/column/details/3083/" published: 2024-07-17 updated: 2026-11-01 categories: ["マーケティング"] publisher: "株式会社一創" --- # AIマーケティング事例12選｜NetflixのAI活用から国内の生成AI広告まで出典つきで比較 AIマーケティングの事例を企画書に引くときは、数字の中身より先に「誰が・いつ公表した数字か」を確かめる必要があります。この記事では、Netflix・Amazon・Metaの海外大手から、伊藤園・PARCO・サイバーエージェントの国内事例まで12社を、公表元へのリンクと年次をつけて整理しました。成果の数値を公表していない事例や年次が分からない事例は、そのことも明記しています。Netflixについては推薦アルゴリズムに加え、2026年に公表された広告分野でのAI利用と、日本の広告主がNetflixに出稿する経路まで扱います。最後に、有名事例を自社に写す前に確かめたい条件を示します。 ## 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、出典は2015年のACM論文で、その後の更新公表はありません。 - **2026年のNetflixはAIを広告にも広げています。**広告主の素材を作品の世界観に合わせてAIで仕立てる仕組みを、2026年末までに全広告対応地域へ広げる計画です。ただし2026年の広告収入見通しは、10月に約30億ドルから約27億ドルへ引き下げられました。 - **日本の広告主は、Netflixの営業チームとの直接取引に加え、AJA・Amazon DSP・The Trade Desk・Googleディスプレイ&ビデオ360・Yahoo DSPを経由して出稿できます。** - **本記事で扱う国内の生成AI広告は、どちらも2023年の事例です。**伊藤園がAIタレントのテレビCMを9月に、PARCOがグラフィックから音楽まで生成AIで作った広告を10月に公開しました。 - **Amazonの「売上の35%が推薦経由」はマッキンゼーの2013年推計です。**Amazon自身が公表した数字は、Rufusによる年換算120億ドル近い増分売上です。 - **2016〜2017年の有名事例には、提供元が変わったツールが含まれます。**AlbertはZoomdが資産を取得し、Sentient Ascendは2019年初めにEvolvが事業を引き継ぎました。当時の構成をそのまま写すのではなく、「なぜ効いたか」の構造を持ち帰ってください。 ## 用途別に見るAIマーケティング事例12社の一覧 12社を、AIを何に使ったかで4つに分けました。「公表主体」は数値を出した当事者です。Netflixの論文も同社社員による報告なので、資料の形式だけで強さを決めず、比較対象・測定期間・検証方法が書かれているかを確かめてください。 | 企業 | 用途 | 年 | 主な数値 | 公表主体 | | ---------------------------- | --------- | --------- | --------------- | --------- | | Netflix | 推薦・サムネイル | 2015〜2017 | 視聴時間の約80%に影響 | 査読論文 | | Netflix | 広告素材の生成 | 2025〜2026 | 広告つき月間視聴者2.5億人超 | 自社発表・株主書簡 | | Amazon | 対話型の接客 | 2025 | 年換算120億ドル近い増分売上 | 決算資料 | | Meta | 広告配信の検索 | 2024 | 再現率6%改善 | 技術ブログ | | 伊藤園 | AIタレントのCM | 2023 | 数値の公表なし | 制作会社 | | PARCO | 広告の全工程を生成 | 2023 | 数値の公表なし | 自社発表 | | サイバーエージェント | 広告効果の予測 | 2020 | 勝率が通常の2.6倍 | 自社発表 | | Coca-Cola | 参加型の画像生成 | 2023 | 数値の公表なし | 自社発表 | | Nutella | パッケージ生成 | 2017 | ラベル700万通り | 代理店・報道 | | Cosabella | 広告運用 | 2016 | ROAS336% | ツールベンダー | | Sephora | チャット・AR接客 | 2016 | 口紅3,000色超を試せる | 自社発表 | | Interactive Investor | 検索広告の運用 | 不明 | SOV89% | ツールベンダー | | Imagine Business Development | メール配信時刻 | 不明 | メールCV率ほぼ2倍 | ツールベンダー | Netflixは用途が2つあるため2行に分けています。AIマーケティングの領域区分や効果測定の設計から考えたい場合は、[AIマーケティングとは？できること・ツールの分類と効果測定](/column/details/2499/)で全体像を整理しています。 ## Netflixの推薦システムと「視聴時間の8割」の出どころ 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り立ってきました。2015年の論文では、会員が見る作品の選択のうち約8割に推薦が、残り約2割に検索が関わっていました。 ### Netflixの2015年論文が示す「視聴時間の約80%」 「視聴の80%が推薦経由」という数字は、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](https://doi.org/10.1145/2843948)」に基づきます。原文は、推薦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、合計で視聴時間の約80%の作品選択に影響している（influences choice）という書き方です。「ホーム画面の推薦が8割を生む」と書くと、範囲を狭めたうえに意味を強めることになり、二重に不正確です。同論文は、パーソナライズと推薦の合計効果で解約が減り、年間10億ドル超を節約していると見積もっています。 引用するときは2015年時点の数値だと明記してください。会員数もカタログ規模も当時とは別物で、この比率が更新公表された記録はありません。 ### 協調フィルタリングと文脈バンディットによるサムネイルの出し分け 推薦の中身は単一のアルゴリズムではありません。似た嗜好の会員群の行動から推す協調フィルタリングと、作品の属性から推すコンテンツベースの手法を組み合わせ、視聴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。 特徴的なのは、作品を選ぶ段階ではなく見せ方を決める段階のアルゴリズムです。Netflixは2017年の技術ブログ「[Artwork Personalization at Netflix](https://netflixtechblog.com/artwork-personalization-c589f074ad76)」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と公開しました。1作品あたりの画像候補は数十枚程度で選択肢が少ないため、バッチ学習とA/Bテストを繰り返すより、探索と活用を同時に進めるバンディットが向くという判断です。同ブログによれば、出し分けの効果が大きかったのは、会員がその作品に一度も接触していない場合でした。アルゴリズムの種類と主要サービスの比較は[AIレコメンドエンジン比較](/column/details/2690/)にまとめています。 ## Netflix広告のAI活用と日本での出稿経路 2022年に広告つきプランを始めたNetflixは、2026年にAIを広告の制作・購入・最適化に使う計画を公表しました。日本では2022年11月4日に広告つきプランが始まり、2026年11月時点の名称と月額は「広告つきスタンダード」890円です。 ### 2026年の生成AI広告と広告収入見通しの修正 2026年5月13日の[広告主向けイベント「Upfront 2026」](https://about.netflix.com/en/news/netflix-upfront-2026-get-closer)でNetflixが示した内容は次のとおりです。 - 広告つきプランの月間アクティブ視聴者（MAV）は世界で2億5,000万人超（2025年11月時点は1億9,000万人超）。MAVは、1カ月に広告を1分以上見た会員数に、自社調査に基づく世帯あたりの平均視聴人数を掛けた指標で、契約数とは別物です - 広告主の既存素材を、縦型動画広告や一時停止時の広告など別の表示面に合うようAIで調整 - 広告素材を作品の世界観に合わせて仕立てる仕組みはDoorDash・Target・TurboTaxでテスト済みで、この仕組みを2026年末までに全広告対応地域へ展開 - メディアプランを作るAIツールを提供し、広告の管理・最適化・購入を担うAIエージェントをテスト中 広告事業の規模は決算資料の数字です。2026年4月16日の株主宛て書簡では広告主が4,000社超（前年比70%増）、2026年の広告収入は2025年の2倍の約30億ドルと見込んでいました。ところが10月20日の[2026年第3四半期の株主宛て書簡](https://ir.netflix.net/files/doc%5Ffinancials/2026/q3/FINAL-Q3-26-Shareholder-Letter.pdf)で、見通しは約27億ドルへ引き下げられています。理由は「一部の広告商品の機能の展開が想定よりやや遅れた」ことです。AI広告の計画を引用するなら、この修正も併記しないと半年前の情報になります。 ### 日本でNetflixに広告を出稿する経路 Netflixは自社開発の広告基盤「Netflix Ads Suite」を2025年に全広告市場へ導入し終えています。[2025年11月7日の日本向け発表](https://about.netflix.com/ja/news/netflix-third-season-of-ads-and-a-look-ahead-at-whats-next-japan)では、プログラマティック広告の提供先としてAmazon・AJA・Googleディスプレイ&ビデオ360・The Trade Desk・Yahoo DSPが挙がっています。経路は大きく2つです。 - **営業チームとの取引**：大口の広告主は主にNetflixの営業チームが担当すると、同社は2026年4月の決算説明会で説明しています。営業チームが担当する案件でも、購入自体はDSP経由で行うことがあり、2つの経路は排他的ではありません。 - **DSP経由**：サイバーエージェント子会社のAJAは、[2025年10月から同社DSPでNetflixの広告在庫に国内から直接入札できる](https://www.cyberagent.co.jp/news/detail/id=32459)と発表しました。Amazon Adsも、日本を含む11カ国でAmazon DSPからNetflixの広告在庫を買える機能を2025年第4四半期から提供すると発表しています。 最低出稿額や料金表は公開されていません。契約窓口と最低条件は、Netflixの広告営業か、利用中の代理店・DSP事業者に確認してください。DSP経由の取引類型（PMP・プログラマティック保証型など）の違いは[プログラマティック広告とは？運用型広告との違いと4つの取引類型](/column/details/6587/)、テレビ画面で見られる配信広告の全体像は[コネクテッドTV（CTV）とは？](/column/details/5068/)で扱っています。本編の途中に入る広告枠の条件は[ミッドロール広告とは？](/column/details/6771/)を参照してください。 ## 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」という一文の出どころは、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ありません。企画書で使うなら「2013年のマッキンゼー推計」と併記してください。比率だけを書かず、公表年と公表主体を同じ文に入れておけば、出典を問われてもそのまま答えられます。 ### Rufusの2025年の利用者数と年換算の増分売上 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（米国では2026年5月13日に「Alexa for Shopping」へ改称。日本ではRufusの名称のままです）。2026年2月5日の[2025年第4四半期の決算発表](https://www.sec.gov/Archives/edgar/data/1018724/000101872426000002/amzn-20251231xex991.htm)で、Rufusは3億人超の顧客に使われ、2025年に年換算で120億ドル近い増分売上に寄与したと説明しました。推薦の導入を検討する立場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が動くという構造のほうです。業種別の成果は[レコメンドエンジンの導入事例](/column/details/16123/)で比較しています。 ## 国内企業の事例：伊藤園・PARCOの生成AI広告とサイバーエージェントの効果予測 生成AIで制作物そのものを作った2023年の2件と、広告効果の予測にAIを使った1件です。売上への効果はどれも公表されていません。 ### 伊藤園：AIタレントを起用した「お～いお茶 カテキン緑茶」のテレビCM 伊藤園は2023年9月4日の「お～いお茶 カテキン緑茶」リニューアル発売に合わせ、AIタレントが出演するテレビCMを同年9月から放送しました。企画・制作は[東急エージェンシー](https://www.tokyu-agc.co.jp/topics/20231004/)、AIタレントの提供はAI model株式会社です。「AIタレント」の中身は、顔をAIで生成したのちデザイナーとクリエイターが微調整したものと注記されています。「日本初」という表現も、2023年8月7日時点のCM総合研究所のデータベースで該当が無いという条件つきです。生成AIで人物を作っても、人の手による仕上げ工程は残ります。 ### PARCO：撮影せずにプロンプトから作ったホリデー広告 PARCOは2023年10月30日、[グラフィック・ムービー・ナレーション・音楽まですべて生成AIで制作した「HAPPY HOLIDAYSキャンペーン」](https://prtimes.jp/main/html/rd/p/000002679.000003639.html)を公開しました。実在するモデルの起用や撮影は行わず、画像はプロンプトから作っています。それでもクリエイティブディレクターと、生成AIを扱うデジタルクリエイターは人が務めました。PARCOの事例から分かるのは、生成AIで省けたのは撮影とモデル手配であり、ディレクションは省けていないということです。 ### サイバーエージェント：配信前に効果を予測する「極予測AI」 サイバーエージェントは2020年5月15日、広告クリエイティブの効果を配信前に予測する[「極予測AI」](https://www.cyberagent.co.jp/news/detail/id=24647)を発表しました。配信中で効果1位の既存クリエイティブに新しい案をぶつける先行テストで、極予測AIを使った制作の勝率は通常の制作プロセスの2.6倍だったとしています。予測値が既存1位を上回った案だけを納品し、効果が確認できた場合にだけ制作費を受け取る成功報酬型で提供した点が、他の事例との違いです。ただし2.6倍は同社の先行テストの値で、比較の母数は公表されていません。 ## 海外企業の広告制作と配信：Meta・Coca-Cola・Nutella ### Meta：生成機能の試験環境AI Sandboxと広告候補を絞るAndromeda 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を少数の広告主に開放した試験環境でした。同じ系統の生成機能は、2023年10月にAdvantage+のクリエイティブ機能へ組み込まれると発表され、市場ごとに段階的に提供が広がっています。 制作とは別に、配信側でもAIの役割が大きくなっています。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](https://engineering.fb.com/2024/12/02/production-engineering/meta-andromeda-advantage-automation-next-gen-personalized-ads-retrieval-engine/)」を公開しました。数千万件の広告候補から数千件へ絞り込む最初の段階を担い、InstagramとFacebookへの展開で検索段階の再現率が6%、一部セグメントで広告品質が8%改善したと説明しています。同社は開発の理由に、広告素材（クリエイティブ）の数が急増したことによる拡張性の課題を挙げています。生成AIで素材を増やすほど、それを捌く配信側の仕組みが要るという関係です。 ### Coca-Cola：GPT-4とDALL-Eを一般参加者に開放した「Create Real Magic」 Coca-Colaは2023年3月20日、OpenAIとBain & Companyの提携から生まれた[「Create Real Magic」](https://www.coca-colacompany.com/media-center/coca-cola-invites-digital-artists-to-create-real-magic-using-new-ai-platform)を公開しました。GPT-4とDALL-Eを組み合わせた専用サイトで、参加者は歴代の広告アセットを素材に作品を作れました。生成AIを制作費の削減ではなく、ブランド資産を開放して参加そのものを体験に変える方向に使った点が、ほかの事例と分かれます。 ### Nutella：アルゴリズムが描いた700万個のラベル「Nutella Unica」 Ferreroが2017年にイタリアで展開した「Nutella Unica」は、数十種類の模様と色をアルゴリズムで組み合わせ、700万通りの異なるラベルの瓶を作った限定版です。制作した[オグルヴィ・イタリアの寄稿](https://www.thedrum.com/creative-works/ogilvy-italy-nutella-nutella-unica)が説明しているのは模様と色を組み合わせる処理までで、機械学習を使ったかは確認できません。販売成果についても独立した集計はありません。それでも、パッケージという製造工程に自動生成を持ち込んだ例として今も参照されます。 ## 接客と広告運用を自動化した4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に任せた事例です。CosabellaとSephoraは2016年、残る2社は公表ページに実施年がありません。数値の多くはツールベンダーの掲載です。 ### 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年に広告代理店との契約を終え、キャンペーンの実行をAlbert、サイト側の最適化をSentientに任せました。[Albertの公式事例](https://albert.ai/impact/luxury-cosabella/)では、施策開始から数カ月でROAS（広告費用対効果）が336%に達し、Albert経由の売上が155%増えたとしています。336%は改善率ではなく到達した水準です。なお、Albert Technologiesの資産の大半は2022年3月にZoomdが取得しました。Albertのサービス自体は続いていますが、当時と同じ提供元・構成ではありません。 ### Sephora：チャットボットと仮想メイクの役割分担 Sephoraは2016年2月、スマートフォンのカメラで唇の位置と形を捉え、3,000色を超える口紅を試せる「[Virtual Artist](https://www.prnewswire.com/news-releases/sephora-launches-virtual-artist-for-the-sephora-to-go-app-300213051.html)」を、ModiFaceの技術でアプリに組み込みました。同年にはチャットアプリKik上のボットでメイクのチュートリアルを届け、後半にはFacebook Messengerで店舗のメイク予約を受け付けています。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、ボット1つに全部を担わせなかった設計が参考になります。 ### Interactive Investor：検索広告の自動運用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、Albertに広告文・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、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たと公表しています。ただしこの事例は[Albert社が自社サイトに載せたもの](https://albert.ai/impact/financial-services-interactive-investor/)で、CPAは「大きく下がった」とあるだけで削減率や比較期間は示されていません。 ### Imagine Business Development：メール送信時刻の個別最適化 「HubSpotの事例」と紹介されがちですが、施策を回したのはHubSpotのパートナー企業Imagine Business Developmentで、ツールはSeventh Senseです。受信者ごとの反応履歴から好む頻度と時間帯を推定して個別に送り、[Seventh Senseの事例ページ](https://www.theseventhsense.com/for-agencies/)によれば、最初の4カ月でメールのコンバージョン率がほぼ2倍、メール経由のサイト直帰率が33%下がりました。導入前は開封が受信者の約20%、クリックが2〜3%で、導入後は送信総数を減らしながら開封とクリックの数を増やしています。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。メール施策の業種別の成果は[マーケティングオートメーションの導入事例](/column/details/15814/)で扱っています。 ## 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12社には、成果の数値を公表している事例と、伊藤園・PARCOのように公表していない事例が混ざっています。どちらの場合も、自社に写す前に優先して確かめてほしいのは次の3点です。 **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。目安として、AWSの推薦サービス[Amazon Personalize](https://docs.aws.amazon.com/personalize/latest/dg/interactions-datasets.html)は、学習に最低1,000件の操作履歴と、2件以上の操作がある25ユーザーを求め、良い推薦には1,000ユーザー・5万件以上を推奨しています。これを下回る規模なら、まず担当者が書いたルールベースの出し分けを基準として置き、推薦エンジンがそれを上回るかをA/Bテストで確かめる順番を勧めます。 **第二に、数値の公表主体が違います。**Netflixの8割は査読論文、Rufusは決算資料、Andromedaは自社の技術ブログです。一方、Interactive InvestorやCosabellaの数値はツールベンダーの掲載で、比較対象・期間・削減率のどれかが欠けています。伊藤園とPARCOは売上への効果自体を公表していません。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、ツールの提供元や中身が変わっています。**Albertは2022年にZoomdが資産を取得し、Sentient Ascendは2019年初めに[Evolvが事業を引き継ぎました](https://blog.evolv.ai/a-letter-from-michael-scharff-ceo-of-evolv-technologies)。MetaのAI Sandboxは試験環境として発表されたもので、現在の生成機能はAdvantage+側で提供されています。年次の古い事例は「何をしたか」ではなく「なぜ効いたか」を持ち帰ってください。自社のデータ量で推薦や予測が成り立つかを見極めたうえで仕組みを作る場合は、[レコメンドなどのAIエンジン開発](/service/ai/recommend/)の支援も行っています。 ## 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、そして広告まわりです。2015〜2017年の公表内容では、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ぶ方式でした。広告では、広告主の素材を作品の世界観に合わせてAIで仕立てる仕組みを2026年末までに全広告対応地域へ広げる計画です。既存の素材を縦型動画や一時停止画面に合わせて調整する用途や、広告の購入を担うAIエージェントのテストも公表しています。 ### Netflixに広告を出稿するにはどうすればいいですか？ Netflixの営業チームとの取引と、DSP経由の購入があり、大口の広告主では両方を組み合わせることもあります。2025年11月時点のDSPの提供先はAmazon・AJA・Googleディスプレイ&ビデオ360・The Trade Desk・Yahoo DSPで、AJAは2025年10月から国内からの直接入札に対応しました。最低出稿額は公開されていないため、営業窓口か代理店・DSP事業者への確認が必要です。 ### 日本企業のAIマーケティング事例にはどんなものがありますか？ 伊藤園のAIタレントを起用したテレビCM（2023年9月）、PARCOがグラフィックから音楽まで生成AIで作った広告（2023年10月）、サイバーエージェントの広告効果予測「極予測AI」（2020年5月発表）が、一次情報をたどれる例です。伊藤園とPARCOは売上への効果を公表していません。 ### AmazonのAIとは何を指しますか？ マーケティングの文脈では購買・閲覧履歴に基づく商品推薦と、生成AIショッピングアシスタントRufus（米国では2026年5月にAlexa for Shoppingへ改称）を指します。Rufusは2025年に3億人超が使い、年換算で120億ドル近い増分売上に寄与したと同社が説明しています。「売上の35%が推薦経由」は2013年のマッキンゼー推計です。 ### Meta広告でAIが作る広告の例はありますか？ 2023年5月の試験環境AI Sandboxで試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、同年10月にAdvantage+のクリエイティブ機能へ組み込まれると発表されました。配信側では、2024年12月公開のAndromedaが広告候補の絞り込みを担っています。 ## 関連記事 - [AIマーケティングとは？できること・ツールの分類と効果測定、2026年の規制対応](/column/details/2499/) - [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](/column/details/16123/) - [AIレコメンドエンジン比較｜主要8サービスの料金・特徴と選び方【2026年10月】](/column/details/2690/) - [コネクテッドTV（CTV）とは？OTTとの違いとCTV広告の仕組み・市場規模](/column/details/5068/) - [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](/column/details/15814/) --- 出典: [AIマーケティング事例12選｜NetflixのAI活用から国内の生成AI広告まで出典つきで比較]()（株式会社一創）