ペルソナとカスタマージャーニー：データから作るか、想像で作るか

会議室のホワイトボードに「30代女性・会社員・東京在住・趣味はヨガ」と書かれたペルソナがあるとします（仮の例）。属性は具体的ですが、この人が何に困り、なぜ自社の商品を比べ始め、何が決め手で申し込むのかは、どこにも書かれていません。ペルソナが施策の判断に使われないのは、人物像が足りないからではなく、行動の根拠が欠けているからです。ここでは、ペルソナを想像で作る場合とデータから作る場合を比べ、そのうえでカスタマージャーニーの描き方を扱います。

想像で作るペルソナと、データから作るペルソナの違い

ペルソナは、ユーザーの目標や行動を代表する架空の人物として、アラン・クーパーが1999年の著書でソフトウェア設計の文脈から広めた手法です※1。もともとは調査にもとづく人物像のはずが、実務では会議で出た意見を人物の形にまとめただけのものも多く、両者は区別して扱う必要があります。

どちらか一方を選ぶ問題ではなく、順序の問題です。データがない段階では、想像で作ったペルソナを「仮説ペルソナ」と明記して使い、データが集まった時点で、一つずつ根拠のある記述に置き換えていきます。仮説であることを隠して使うと、施策がうまくいかなかったときに、人物像が間違っていたのか実行が悪かったのか切り分けられません。

データの材料 — 何が分かり、何が分からないか

データから作る場合も、1つの材料だけでは偏ります。4つの材料の性質を比べます。

Search Consoleは、サイトが検索結果に表示された際の検索語やクリックなどを確認できるツールですが、プライバシー保護の観点から一部の検索語は表示されない仕様です※2。完全な一覧ではないことを前提に、傾向をつかむ用途に使います。

顧客の問い合わせ内容や、CRMの商談メモには、個人情報が含まれます。個人情報保護法では、個人情報を取り扱うときの利用目的の特定と、取得時の通知・公表が求められています※3。ペルソナ作りのための分析が、当初の利用目的の範囲に含まれるかどうかは、自社のプライバシーポリシーと照らして確認してください。判断に迷う場合は、個人情報保護委員会の資料や専門家に相談するのが安全です。生成AIに材料を渡す際の注意は、同委員会の注意喚起も参考になります※4。法令の解釈は状況によって異なるため、ここでの記述は一般的な整理にとどまります。

ペルソナシートの項目と、AIの使いどころ

書く項目は、属性より状況と判断の理由に重心を置きます。「年齢・職業」は最後の補足にとどめます。

• 状況：どんな場面で課題が起きるか（例：予約の電話対応で、営業時間中に他の作業が止まる）。
• 達成したいこと：顧客が「片づけたい用事」。クレイトン・クリステンセンらが提唱した「ジョブ理論」の考え方に近い整理です※5。
• 検討時の不安：導入の手間、費用、失敗したときの影響。
• 情報の探し方：検索語、比較サイト、知人への相談など。
• 決め手：最終的に選ぶ理由。
• 根拠と確度：各項目の出所（インタビュー何人、問い合わせ何件など）と、「高・中・低」の確度。

最後の「根拠と確度」の行が、このシートの要です。ここが空欄の項目は仮説ペルソナの部分として扱い、後で検証する対象に回します。

問い合わせ履歴の分類は、生成AIが得意とする作業です。次のプロンプトを、氏名や連絡先を取り除いたテキストに使います。

以下は、匿名化した顧客の問い合わせ文です（仮の例：60件）。
内容を「状況」「困っていること」「購入・利用前の不安」の観点で分類し、
共通するパターンを最大5つ挙げてください。
- 各パターンに、該当する問い合わせの番号を示す
- 該当が2件以下のパターンは「少数」と明記する
- 元の文にない背景は推測せず、「推測」と区別して書く

【問い合わせ文】
（番号つきで貼り付け）

人が確認すべきことは三つです。第一に、AIが挙げたパターンの該当番号を実際に見返して、分類が妥当かを確かめること。第二に、件数が少ないパターンを「多数派」として扱っていないか確認すること。第三に、貼り付けた文に個人を特定できる情報が残っていないか、貼る前後で点検することです。

ジャーニーのフレームを比べる — AIDA・パーチェスファネル・ジャーニーマップ

ペルソナができたら、その人が自社を知ってから申し込むまでの流れを整理します。この整理には3つの代表的な型があり、目的と粒度が異なります。

AIDAは、20世紀初頭の販売理論に起源があるとされる古い枠組みで、1つのメッセージの組み立てに今も使われます。パーチェスファネルは、購買を認知から購入までの段階に分けて捉える考え方で※6、段階ごとの数値と相性がよく、KPIの設計に直結します。ジャーニーマップは、顧客の視点で全体を俯瞰するのに向きます。使い分けの目安は、「文面を作るならAIDA」「数字で追うならファネル」「施策の抜けを探すならマップ」です。

タッチポイント整理シート（仮の例）

ジャーニーマップを重く作る必要はありません。まず、ステージごとに「顧客の疑問」「接点」「自社の対応」「計測方法」を埋めた1枚のシートがあれば足ります。店舗向け予約管理ツールを提供する従業員15名の会社を想定した仮の例です。

「気づく」段階の接点が検索なら、次に必要なのは、ペルソナが実際に使う言葉でコンテンツを設計することです。検索意図の整理と記事の組み立ては、トピッククラスターで組み立てるSEOコンテンツ戦略で扱います。計測の欄に何を置くかは、事業目標から決めると迷いません。

どちらを選ぶか — 判断の目安と限界

判断は次のように整理できます。顧客や問い合わせがまだほとんどない段階では、仮説ペルソナを1〜2人だけ作り、最初のインタビューで検証します。問い合わせが蓄積している事業なら、データから作るほうが、施策の議論で通用する根拠を持てます。どちらの場合も、市場調査と競合分析を半日で終わらせる進め方で集めた顧客の言葉を、ペルソナの材料に加えられます。戦略全体の中での位置づけはマーケティング戦略を1枚のシートにまとめる方法の「ターゲット」欄に戻して確認してください。

ただし、データから作れば正しいペルソナになる、とは限りません。問い合わせ履歴やCRMは既存顧客の記録であり、まだ接点のない層や、検討して離れた層は含まれません。インタビューも数人の声にすぎないため、全体の割合は語れません。データペルソナは「根拠のある仮説」であって、真実ではないと捉え、施策の結果を見て更新する前提で使うのが現実的です。

もっとも、ペルソナを複数作りすぎるのも失敗の典型です。ペルソナが5人も6人もいると、どれにも優先順位がつかず、施策がぶれます。最初は主要な1〜2人に絞り、その人の判断を支える情報を優先して整備します。他の層は、主要ペルソナの施策が回ってから広げれば間に合います。

学びを実際の事業に当てはめながら進めたい場合は、AIマーケティング実践コースの案内も参照してください。