与件に基づく多種多様な構成案を生成
――では、「CREATIVE BLOOM DISPLAY Ads」について、どのようなプロセスでクリエイティブを量産しているのか、教えてください。
柴山：「CREATIVE BLOOM DISPLAY Ads」は、AIのサポートを得てディスプレイ広告を量産するのがひとつの機能ですが、その手前にはプラニング段階での与件や方針の理解、それに基づく構成案の作成があります。またデザイン量産においては、いろいろな観点で効果予測した上でブラッシュアップし、最終的な出稿へとつなげていきます。
柴山：いくつか、主要な機能を解説させていただきますね。ひとつは「構成案ジェネレータ」です。前回ご紹介したプラニングのプロセスで整理した与件と戦略、訴求の方針などに基づき、短時間で多様なパターンの構成案を生成します。
柴山：例えば、今回のテーマである当社のAIエージェント型広告サービス「ONE-AIGENT」のマーケティングを例にすると、はじめにLPのURL、CTA、画像素材などをインプットします。その上で、前段のプラニングで導き出した訴求の切り口を入れると、それぞれの訴求に対して複数の構成案を一度に生成します。ひとつの訴求案につき、クリエイティブのポイントを含めたパワーポイント形式でのスライドも出力できます。
AIの量産にデザイナーの手を加えて完パケへ
――これらの構成案を、訴求軸の分類で一覧したのが、冒頭で提示いただいたイメージですね。
柴山：はい。AIに任せる全自動だと、まだそのまま配信するには未完成の部分が存在する場合もあるので、人力でチューニングする部分も残ってはいます。
例を挙げると、文字が人の顔にかかったり、ロゴの色が少し変わったりしてしまうことがあったりします。それをデザイナーが調整して、完パケに仕上げるという形です。ただし、自動生成部分に関しても、AIモデルのアップデートはデータサイエンティストが日々行っていますし、プロンプトの精度もあげるよう試行錯誤してくれているので、システム自体が常にアップデートしており、自動化が担う範囲は日々増えている状況です。
野口：ここまでのシステム構築と精度の担保には、たくさんのトライ＆エラーがあったのだろうと思います。
柴山：たしかに、そうですね。少なくとも、事業会社1社でこうした仕組みをつくるのは、ノウハウの面でも、コストの面でも見合わないのではないかと思います。我々のように複数のクライアント企業とやり取りさせていただいているからこそ、知見の蓄積においてもコスト面でも、ここまでの作り込みに振り切れたというのはあります。
