Claude AIで実践するエージェンティック・マーケティング

1.1Claudeの本質：学習済みの知識、拡張ツール、対話型のアプローチ

• 学習済みの知識（Learned Knowledge）： ClaudeはAnthropicが開発した大規模言語モデルで、書籍、記事、ソースコード、研究論文、Webサイトから学習しています。静的なデータベースを検索するのではなく、学習で得たパターンから応答を生成します。この知識には更新の締め切り時点（カットオフ日）があります。
• 拡張ツール（Enabled Tools）： Web検索、ファイル連携、コネクタを有効にすると、Claudeは既存の知識と最新の実データを組み合わせて回答します。
• 検索ではなく対話： Googleでは短いキーワードを入力し、複数のリンクから自分で情報をまとめる必要があります。Claudeは頼れる同僚のように働き、深い文脈を受け取り、確認の質問をし、筋の通らない考えには反論し、何度もやり取りしながら精度を上げます。文脈が詳しいほど、回答も正確になります。

4つの中核的な強み

1.2ワークスペースの設定：Instructions、Projects、Artifacts、Skills

• Instructions for Claude： アカウント全体の指示で、すべての会話のスタイルをそろえます。たとえば「簡潔に答える」「例を添える」「プロフェッショナルなトーンを保つ」などです。
• Projects： ブランドブリーフ、製品仕様、社内ガイドなどの固定資料をContextとしてアップロードし、トーンに関するProject Instructionsを設定します。ClaudeにContext内のデータだけを使うよう指示し、足りない情報は推測で埋めずに指摘させることもできます。
• Artifacts： 長文、Webページのコード、表、ランディングページといった大きな成果物は専用ウィンドウに表示され、リアルタイムに修正し、過去のバージョンを見返せます。
• Claude Skills： 営業提案書の作成、SEO分析、週次レポートなどの手順を、Customize | Skills で再利用可能なスキルとしてまとめます。Skillは、依頼内容がその目的に合うときだけ呼び出されます。

1.3Claude Design、Claude Cowork、Claude Code：エージェント型の働き方への3つのステップ

• Claude Design： 見出し、レイアウト、配色を言葉で伝えるだけで、SNS投稿、ポスター、ランディングページのキャンバスを作成します。配色の変更、製品画像の差し込み、文字サイズの調整も会話で続けられます。
• Claude Cowork： Claude Desktop（macOS／Windows）上で、指定したフォルダの中で作業します。ファイルの整理、議事録からのアクションアイテム抽出、PDFの要約、請求書からのExcel／CSV作成などを行い、ファイルの移動や名前の変更の前には必ず計画を示して承認を待ちます。
• Claude Code： プロジェクトのファイルを読み書きし、ターミナルでコマンドを実行し、複数のステップでエラーを見つけて修正します。チャットとの違いは3つ — 環境を直接操作すること、長い複数ステップの作業をこなすこと、重要なファイルの修正や削除の前に必ず許可を求めることです。開発者だけでなく、マーケターやアナリストも自然言語で自動化スクリプトを作るのに使えます。

Claudeと進める技術トラブル対応の8ステップ

2.1モデルは文章をどう「読む」のか

• トークン化（Tokenization）： 文章はトークンに分割されます（例：intellectuality → intellect + ual + ity）。トークンの上限は1回で入出力できる文章量と、API利用時のコストを左右します。
• コンテキストウィンドウ（Context Window）： 会話セッションの短期的な作業記憶です。上限に近づくと、序盤の情報が薄れたり、応答が途中で切れたりします。
• 埋め込み（Embeddings）： トークンはベクトルとして表され、意味の近い概念ほど近くに位置します（「coffee」は「airplane」よりも「espresso」に近い）。そのため「creativity in marketing」のような曖昧な表現ではなく、「brand tone in digital communication」のような正確な用語を使いましょう。
• 自己注意（Self-Attention）： 「Andrey put that laptop on the table because it was heavy」の「it」がノートPCを指すと理解できるのはこの仕組みのおかげです。1つのプロンプトに多くのタスクやスタイルを詰め込むと、注意が分散してしまいます。

2.2RACEフレームワーク：質問をタスクの台本に変える

AIは言葉の裏にある意図を読み取れません。AIが読むのは構造です。強いプロンプトは、台本であり、構造化された指示であり、タスクの設計図として機能します。

Role：最高戦略責任者。Action：取締役会向けの短いメモを作成。Context：第2四半期の売上は店舗で8%減、オンラインで15%増。競合は店舗を閉鎖中。ターゲット顧客は35〜50歳から25〜40歳へと若返り。Execute：3段落 — 状況の要約、3つの戦略オプション、追跡指標付きの提言1つ。

2.3複雑なタスクの分解：Self-Ask、Prompt Chaining、Tree of Thoughts

• Self-Ask： 主な問いをサブクエスチョンに分け、1つずつ答えてから統合します。たとえば「アクセスは増えたのに、なぜ売上が落ちたのか？」→ コンバージョン率は3.2%から1.8%に低下、平均注文額は68ドルから65ドルに低下。
• Prompt Chaining： 前のプロンプトの出力を次のプロンプトの入力にします。四半期報告（QBR）なら、数値の要約 → 要因の分析 → 1ページの報告書作成、という流れです。
• Tree of Thoughts： コンテンツマーケティング、インフルエンサー、ターゲティング広告など複数の方向性をモデルに検討させ、長所と短所を比べてから推奨させます。

2.4調整・検証と9つの実践ルール

1. 信頼できる情報源（Source of Truth）： 仕様、価格表、ブランド規定を会話に貼り付け、「以下の情報だけを使い、推測で作らないこと」と指示します。
2. 下書きとアートディレクション： 「もっと良くして」ではなく、「Aの部分は残し、Bの部分をCに変え、それ以外はそのまま」と伝えます。
3. 成功チェック（Success Check）： 「12語以内」「製品名を含む」「“innovative”を使わない」といった基準をプロンプトに組み込み、Claudeに出力前の自己修正をさせます。

3.1リサーチ、戦略立案、意思決定

• 企業はオープンなシステム： 製品や社内プロセスは、市場と顧客、競合と経済、そしてグローバルな要因（技術、地政学、社会）の影響を受けます。
• 不確実性のマネジメント： あらゆる出来事を正確に予測しようとするのではなく、選択肢をモデル化し、シナリオを用意しておきます（シナリオモデリング）。
• 戦略のための時間： メール、会議、短期のKPIに追われないよう、観察し仮説を立てるための時間を意識的に確保します。
• 正しい問いを立てる： 「自社は正しい市場にいるか？」「コアとなる強みを十分に活かせているか？」

市場・競合リサーチと検証

• Research機能を有効にすると、Claudeが複数のクエリでWebを調べ、市場規模、トレンド、競合を出典付きでまとめます。
• 競合を段階的に分析し（弱み → ポジショニング → 差別化の方法）、競合名、製品、ターゲット顧客、強み、弱み、価格、ポジショニング、差別化要素、出典リンクの列を持つ調査表として出力します。
• 検証チェックリスト（Verification Checklist）と信頼できる情報源のライブラリを整え、Claudeに検証済みの事実と仮説をはっきり分けさせます。
• Claudeでバックログを分類し、30分の会議アジェンダ（Framing → Priority → Risk & Decision → Next Steps）を組み、エグゼクティブサマリー、現状評価、アプローチ、期待される成果、スケジュールと投資、選ばれる理由／次のステップからなる6部構成の提案書を作成します。

3.2デジタルマーケティング計画、コンテンツ、広告

• 根拠にもとづくポジショニング： 競合分析とトレンドのファイルを同じセッションに入れ、Claudeにポジショニングステートメントと、市場の空白を埋める3つの製品優先事項を提案させます。
• 30日間のコンテンツカレンダー： 教育・コミュニティ・コンバージョンの3本柱。各アイデアを、フック、キャプション、ハッシュタグ、6コマのストーリーボードを含むブリーフに落とし込みます。コンテンツの柱から四半期ごとのテーママップまで、A〜Fのテンプレートを用意します。
• ブログとSEOクラスター： 1,200〜1,500語の構成案 → レビュー → セクションごとの執筆。トーンの型 You are writing as [BRAND]. Tone: … Do: … Don't: … を使い、キーワードのCSVからピラーページと内部リンクでつながる4本のサテライト記事を組み立てます。
• ランディングページ： 流し読みできる文章（意図的な太字、短い文）にし、HTML Artifactですぐにプレビューします。

上の表は、Claudeが2つのチャネルを並べて投資先を選ぶ方法を示した例です。同じように、Google AnalyticsやMeta広告のファネルレポートを渡してCTRを高めCPC／CPAを下げる施策を提案させたり、異なる動機（直接的な価値、課題と解決、緊急性、感情）に訴える5つの広告バリエーションを作らせたりできます。

3.3ビジュアル制作とデジタルブランドの体系

• 6ステップのムードボード： 5つのコンセプト案 → 選んだ方向性のストレステスト → HTMLのカラーボード（メイン5色、サブ3色） → タイポグラフィ → ビジュアルコンセプトボード → ブランドコンセプトステートメント。
• 4層のクリエイティブペルソナ： Role、Perspective、Behavior、Constraints。ありきたりな賛辞ではなく、クリエイティブディレクターのような指摘を引き出します。
• デザインの意思決定フレーム： 行動の目的、生まれる感情、目立ち方、ブランドカラーとの関係、アクセシビリティ基準を満たすコントラスト。
• デザインシステムとブランドブック： チャットで色・フォント・余白のロジックを決め、Claude DesignでUIキットを構築します。ランディングページはチャット、Tweaksパネル、要素の直接編集、手描きスケッチで調整し、ピッチデックにもそろえ、Claude CodeとFigmaを双方向につなぎます。カラートークンはCSSカスタムプロパティとJSONで書き出します（ライト／ダークモード対応）。

4.1書く前に顧客を理解する：文脈、ICP、Jobs to Be Done

役職だけをもとにAIへ「マーケティング部長向けのコールドメールを書いて」と頼んでも、型どおりの文面しか出てきません。役職はラベルにすぎず、購買行動を決めるのは顧客が直面している状況です。Claudeには次の4つの文脈を渡しましょう。

1. Situation — 状況： たとえば、B2B SaaS企業のマーケティング部長が複数の広告チャネルを運用しているが、統合されたレポートがない。
2. Trigger — きっかけ： 間近に迫った予算見直しが切迫感を生んでいる。
3. Fears & Barriers — 不安と障壁： 新しいツールの導入が長引くこと、社員が使ってくれないことへの懸念。
4. Placeholders — 仮置き： 未検証の数値は推測させず、[Insert confirmed benefit] のように空欄で残させる。

• 課題は単なる不便ではなく業務上のリスク： データが分散しているため月次レポートが手作業になり、数値の遅れが経営陣の信頼を損なう。
• 3つの課題分類： 基盤（ツールが分断され、唯一の信頼できるデータ源がない）、測定（売上をチャネルに配分できない）、ガバナンス（勘に頼った意思決定、CFOへのROI説明の圧力）。
• JTBD： 顧客が買うのは機能ではなく、成果、予算を守るための自信、そしてコントロールしている感覚です。
• 読み手に合わせてトーンを変える： スタートアップには3〜4文の簡潔で行動志向の文面を、大企業にはQBRで説明できる、丁寧でデータが透明な文面を。Customer Simulationとして、Claudeに顧客役で下書きを採点させ、ありきたりな表現を指摘させましょう。

4.2シグナルとデータでターゲット企業を見つけ、優先順位を付ける

• ICPを検索シグナルに変える： 役職で絞り込むのではなく、外から観察できる兆候を探します。たとえば、マーケティングオペレーション職を採用中、複数チャネルで広告を出稿中、LinkedInでレポート作成の苦労に触れている、などです。
• シグナルを3段階で評価： 強（ニーズの明確な根拠がある）、中、弱。
• Boolean検索： LinkedInやリードデータベース向けに AND、OR、NOT を組み合わせたクエリをClaudeに作らせ、「agency」「intern」などのノイズとなる語を除外します。

4.3パーソナライズしたアプローチと価値を届けるフォローアップ

• メールを書く前にリードごとの課題仮説を立て、コールドメールを自然な1〜2文のLinkedInメッセージに短縮します。
• フィードバックループ： 返信あり、商談設定、辞退といった実際の結果を表に記録し、開封率だけでなく、成功や失敗の理由をClaudeに分析させます。

4.4商談の準備と、会話から提案への転換

• 商談前： 顧客のツール、規模、最初の反応をClaudeに渡して作業仮説を立てます。商談の目的と6〜8個の自由回答型の発見質問を決めます。たとえば「データが複数のツールに散らばっているとき、取締役会向けレポートのどの部分に最も時間がかかっていますか？」
• リハーサル： Claudeに忙しく懐疑的な顧客を演じさせます。機能の列挙ではなくビジネス課題を語る20〜30秒のピッチを用意し、コスト、既存ツール、導入期間への懸念への回答を準備します。
• 商談後： メモから顧客が課題を語った言葉をそのまま抜き出し、予算や時期についてのためらいのシグナルを見極め、穏やかな次の一歩か、直接的な診断かを選びます。

4.5育成とフォロー：あらゆる接点をデータに変える

• リードの選別： 予算、時期、ニーズに関する短い質問と、リードマグネット（短い電子書籍）で見込み客を分類します。
• 行動トリガーのメール： 料金ページを2回見ても申し込まない人には、ニーズ診断を添えたサポートメールを。カート放棄には1時間後と24時間後の2通を送ります。パーソナライズ変数（[First_Name]、[Cart_Items_Summary]）と、それに対応するCRMのデータ源を整理しておきます。
• 自動メールシリーズ： 3通のウェルカム、5通のB2B育成、購入後のレビュー依頼。件名やCTAをテストし、反応が途絶えた顧客への再エンゲージメントメールは、偽りの通知や不当なプレッシャーを使わずに書きます。
• サポートとチャットボット： 返金依頼などへの丁寧な返答テンプレート、適切なタイミングでのアップグレード提案、問題が解決したかの確認メッセージ、1〜5つ星のアンケート。

5.1繰り返し作業をClaude Skillsにまとめる

チームは毎日、同じ役割、形式、トーン、チェックのルールを入力し直しています。Skillsはそれらを長く使える指示としてまとめ、いつでも呼び出せるようにします。ただし、外部の自動化ツールとつながっていなければ、Skillがスケジュールで動いたり、バックグラウンドで監視したりすることはありません。

• 標準搭載のSkills（Code execution and file creationの有効化が必要）：ステータスレポートの .docx、数式入りの予算管理表 .xlsx、スピーカーノート付きのプレゼン .pptx、そしてPDFファイル。

• 意図にもとづくdescription： 「Help with writing」のような曖昧すぎる説明は誤作動を招き、特定の1文にしか反応しない説明は硬直的すぎます。自然な呼び出しフレーズを並べましょう。
• Skillsの連結： たとえば Risk Radar のSkillで契約リスクを分析し、その結果を Smart Email のSkillに渡して交渉メールを作成します。5つのプロジェクト報告を一度に渡して、RAG（Red／Amber／Green）の比較表を作ることもできます。
• 習慣に組み込む： 各Skillを、1日の業務の中の具体的なきっかけと結び付けます。

5.2Claude Coworkによる文書とリサーチの自動化

• 内容にもとづく整理と命名（例：AlphaProject_WhiteWaterLily_2026.jpg）。誤りがあれば、会話履歴にある対応表から元の名前に戻せます。
• 文書をデータに変える： 請求書 → 経費のCSV（不足は Unknown と記入）、議事録 → タスク・担当者・期限を記した master_action_items.txt、契約書のV1とV2の比較、ブリーフに対する下書きの3段階評価（Met／Partially met／Not addressed）、Excelの表からの一括差し込み、Index.txt 付きのナレッジベースの構築。
• Webリサーチ： 企業リストから sources.csv 付きの概要資料を作成し、Claude in Chromeで企業ディレクトリから情報を集めて進捗を表示し、ダッシュボードからPDFレポートを出力します。
• 役割の明確化： AIエージェントは収集、整形、集約（Jira／Asanaからのスプリントレポート、返信メールの下書き）を担い、人が最終承認と説明責任を担います。

5.3VERIFYループによるデータ分析と意思決定

• データのクレンジング： LET、TEXTSPLIT、SEARCH で取引メモの文字列を分割し、キーワード（Refund、Damaged、Chargeback など）でRevenue／Lossに分類し、メールアドレス、SKU、電話番号をパターンで抽出します。
• 古いモデルの監査： 1.05 や 0.95 のような「マジックナンバー」の意味を説明して取り除き、顧客ランクに応じた複数段階の歩合計算式を組みます。
• 表計算から意思決定へ： 適切なグラフを選び、3点のエグゼクティブサマリーを書き、予算と実績を比較し（例：Operationsが120%、Marketingが110%）、同じ分析をCFO向けのSlackメッセージにも四半期報告の文章にも変換します。12か月のキャッシュフローモデルやチームの稼働の再配分にも使えます。

5.4アシスタントからAIエージェントへ：MCPと自動化基盤で業務をつなぐ

AIアシスタントは、指示を受けて結果を返したら止まります。AIエージェントは全体の目標を受け取り、自ら手順に分解し、外部のツールを使い、環境からのフィードバックに合わせて調整します。固定の目標は予測可能な業務に、動的な目標は大きな目標のために優先順位を変えられる場面に向いています。

• Make／n8n： コードを書かずに、業務アプリケーションをつなぐワークフローを視覚的に構築します。
• サポートメール振り分けの5ステップ： 受信箱を監視 → 内容とヘルプセンターの資料をAIに渡す → AIが分類して下書きを作成 → コンプライアンスとトーンをチェック → 送信前に人が承認。
• ブラウザエージェント： WebでAIマーケティングのトレンドを調べ、出典を抜き出してLinkedIn投稿の下書きにまとめます。

5.5適切な自動化レベルの選び方と責任あるAIの実践

1. 公平性と透明性： 判断が偏らないようにし、AIを使っていることを開示します。
2. セキュリティとプライバシー： GDPRなどの規制を守り、データを最小限にとどめ、個人データを扱う法的根拠を明確にします。
3. 著作権と検証： 公開前に、すべての数値を元の情報源と照合します。
4. 人が責任を持つ： 影響の大きいあらゆる行動について、最終判断は人が担います。