マーケティングのAI活用顧客の分析と施策、販促、顧客体験の設計、市場調査など
会社のマーケティングの仕事で、AIがどう使われ始めているかを集めたページです。会社自身の資料(有価証券報告書・10-K・決算の資料など)での取り組み、最近の報道、道具の発表、AIが書いた活用のアイデアを並べています。
最終更新 2026年11月21日会社の資料での表明 174件・90社報道 16本アイデア 58案
会社自身の資料での取り組み新しい順・174件のうち15件
会社が自分で出した資料から、AIに関わる文のうちマーケティングの仕事に触れたものを、そのまま引いています(1社2つまで)。会社の名前を押すと、その会社のほかの取り組みも読めます。色の札は「何を変えるか」、点線の札は「どこまで来たか」で、どちらも文からの判定です。
2026年11月19日
「We are developing and deploying AI-powered tools designed to automate time-intensive work so that our teams can focus on higher-value decisions. Examples include extracting rights and terms from contracts, validating metadata, surfacing em…」
出典 Form 10-K (2026-09-30)(p.17)
2026年11月19日
「AI-powered tools are also unlocking new efficiencies across the value chain, such as by generating code, streamlining marketing, and enhancing the precision of A&R discovery.」
出典 Form 10-K (2026-09-30)(p.9)
2026年11月17日
「業務プロセス改革による売場の人員確保、AIなどによる新たな顧客体験価値の創出をすることにより、お客様により支持される「こだわりの専門店」としての店舗・売場への進化を目指します。」
出典 有価証券報告書-第46期(2025/09/01-2026/08/31)(p.12)
2026年11月13日
「当社グループが保有する多様なデータアセットと、AIを含むテクノロジーの力を掛け合わせることで、本質的な薬剤課題を解決する製薬企業向けのマーケティング支援サービス等、顧客の意図や用途により選べるサービスメニューを提供しています。」
2026年11月11日
「また、保守にも役立つFIELD system Basic Package、工作機械での故障予兆を可能とするAIサーボモニタや、ロボット用のZero Down Time等、予防保全に活用できるIoT商品の販売促進と導入支援を行いました。」
2026年11月10日
「データやAIの活用による事業モデルの変革と新たな顧客体験価値の創出を図る「AI・データドリブン経営」を推進しています。」
2026年11月3日
「For example, in March 2024, we were selected by the U.S. Army to develop and deliver the Tactical Intelligence Targeting Access Node ground station system, the Army’s first AI-defined vehicle, which involves coordination with third parties…」
出典 Form 10-Q (2026-09-30)(p.55)
2026年11月3日
「AI-driven optimization delivers $350M+ adj. EBITA from four value pools」
ほかの7件を見る
2026年11月3日
「Enhancing the customer experience and value」
2026年10月28日
「We will continue to make significant investments in research, development, and marketing for existing products, services, and technologies, including AI-based products and services.」
出典 Form 10-Q (2026-09-30)(p.35)
2026年9月28日
「プラットフォームの価値強化においては、AI時代における顧客体験として、業務そのものをAIエージェントに任せきる「Done for You」体験の実現を目指しております。」
出典 有価証券報告書-第14期(2025/07/01-2026/06/30)(p.16)
2026年9月28日
「研究開発をはじめ、セールス、マーケティング、カスタマーサクセスを含む全社的な生産性向上を通じて、売上高成長に対する費用増加ペースを抑制しオペレーティングレバレッジを最大化させ、持続的な事業成長と利益拡大を実現してまいります。」
出典 有価証券報告書-第14期(2025/07/01-2026/06/30)(p.16)
2026年9月24日
「更に、海外進出支援サービスである国際規格対応サポート、生成AIや大規模言語モデル(LLM)を活用したソリューション提供や、新たな体験と感動を創出するXR(※)技術、デジタルサイネージ用プレイヤーなどを駆使した新空間提供など、既存事業で培ったノウハウや人的資産を有効活用し、「川上」業務であるコンサルティングや販促プロモーション、業務支援マニュアルなどへの事業領域の拡大を図っております。」
出典 有価証券報告書-第42期(2025/07/01-2026/06/30)(p.11)
2026年9月24日
「2015年には決済手続きを省力化するスマートショッピングカート(現:Skip Cart)の導入を開始したほか、お客様の動線や商品の在庫を記録するAIカメラや商品の販促等に活用するインストアサイネージを導入するなど、リテールテックを活用した独自性のあるビジネスモデルを構築できているものと考えております。」
出典 有価証券報告書-第12期(2025/07/01-2026/06/30)(p.10)
2026年9月24日
「当社グループは、流通小売事業を中核として、実店舗の運営を通じて蓄積する購買データや店舗オペレーションに関する知見と、リテールAI事業におけるテクノロジー及びデータ活用のノウハウを組み合わせることで、お客様の買い物体験の向上と店舗運営の効率化を図るとともに、流通小売業界全体の生産性向上に取り組んでおります。」
出典 有価証券報告書-第12期(2025/07/01-2026/06/30)(p.21)
最近の報道16本のうち新しい10本
このライブラリーが毎朝集めているAIのニュースのうち、題にマーケティングの仕事の言葉が出る記事です。
2026年11月5日
AMD、AIチップ販売促進のため顧客への株式付与を検討
العربية
2026年10月23日
2026年10月21日
2026年10月20日
Salesforce、Braze買収でAIマーケティングに57億ドル投資
TradingView
2026年9月24日
2026年9月21日
マーケティングにおけるAIガバナンスフレームワークの構築
martech.org
2026年9月8日
2026年9月3日
2026年8月27日
SalesforceがClaudeと統合、CRMアプリ不要の時代へ
VentureBeat
2026年8月24日
道具の発表25件
道具の種の発表・リリースのうち、マーケティングの仕事に触れたものです。札の「発表」は提供元自身の発表、「報道」は報道機関の記事です。
2026年11月20日
2026年11月17日
2026年11月13日
2026年11月12日
2026年11月11日
2026年10月29日
2026年10月27日
2026年10月21日
AI活用のアイデア58案のうち新しい12案
毎朝の読み解きで、その日のニュースをきっかけにAIが書いた挑戦案のうち、マーケティングの仕事に触れたものです。挑戦案はAIが書いた案で、実際の事例ではありません。
会員の買い方から、出店・改装すべき街と棚の中身を一店ごとに決められる
会員カードの購買履歴から、会員を「週末のまとめ買い」「毎日の少量買い」「帰宅途中の即食」といった型に分ける。出店候補の街にどの型の人がどれだけ住み働くかを重ね、小型の都市型店にするか、棚の何割を惣菜と少量パックにするかを店ごとに決める。
詳しく ▸
- 事業として
- 日商300万円・粗利25%の店で売上3%増なら1店で年約820万円、100店で約8億円(試算)
- 勝てる理由
- 全店の会員履歴と、すでにある都市型店の実績という答え合わせの材料を自社で持っている。
- AIに何から聞くか
- 店舗開発の担当者がAIと対話し、会員2年分の購買履歴から買い方の型を分ける軸を探り、既存の都市型3店で当てはまるか確かめる
- この案が強いのは
- 店長として朝夕の客層の入れ替わりを見てきた人なら、AIが出した型の不自然さにすぐ気づける。
2026年11月20日・きっかけ ベイシア、都市型商圏の買い方に対応したモデル店(流通ニュース・2026年11月20日)
この日の読み解き →
AI生成物の権利トラブルで払う対応費用を、年額で肩代わりする保険を売り出せる
AIで作った画像や曲を販促に使う企業が、第三者から権利侵害を申し立てられ、弁護士費用や公開停止による損失を負う。保険会社が、使用前の確認を条件に、対応費用と停止中の広告損失を払う商品をつくる。確認の記録があれば保険料を割り引く。
詳しく ▸
- 事業として
- 対応費用が1件100万円と仮定し、1,000社が年30万円払えば保険料収入は3億円(試算)。
- 勝てる理由
- 過去の請求データと提携弁護士のつながりを持つ。確認記録つきで割り引く設計を先に出せば有利になる。
- 誰を、どう動かすか
- 商品企画担当が、広告部門を持つ契約企業20社にAI生成物の使用状況と申し立て件数を聞き取り、保険料案を役員会に出す。
- この案が強いのは
- 知財や広告の損害対応を担当した人は、どの申し立てが実際に支払いになるかを見分けられる。
2026年11月18日・きっかけ 「著作権料0ウォン」のAI楽曲、韓国音楽チャートで3日連続1位(時事ドットコム・2026年11月18日)
この日の読み解き →
終わった販促案件に残る応募者名簿の件数を測り、消せるデータを洗い出す
懸賞や会員登録の企画を運営する代理店が、過去3年分の案件フォルダや共有ストレージをAIで走査します。終了後も残る名簿の件数・項目・保存場所を案件別に数え、発注元への報告資料にもします。
詳しく ▸
- 事業として
- 発注元から年30社、1通10時間かかる監査質問票が来るなら年300時間分の回答作業。残存名簿を消せば漏洩時の対象件数も減る。(試算)
- 勝てる理由
- 案件ごとの契約書と終了日を自社で持っているので、保管期限を過ぎたものをすぐ判定できる。
- 何を、どう測るか
- 直近1年に終了した案件10件で、残る名簿ファイルの数と保存先を数え、契約上の保管期限と突き合わせる。
- この案が強いのは
- 案件を回してきた運営担当は、名簿がメール添付や担当者のPCに複製される経路を知っている。
2026年11月18日・紙面では畳んだ案・きっかけ 眼鏡チェーン「JINS」で最大1829万件の情報流出 メールマガジン配信などの委託会社に不正アクセス 会員IDや生年月日など流出か パスワードやクレジットカード情報は含まれず(TBS NEWS DIG Powered by JNN) - Yahoo!ニュース(Yahoo!ニュース・2026年11月18日)
この日の読み解き →
工具や資材を買う常連に工房付き賃貸を貸し、家賃と物販の両方で稼ぐ
会員の購買履歴から、高額工具や木材を毎月のように買う人を見つける。その人たちが望む広さや電源、換気を聞き、店舗隣接地に工房付き賃貸を建てる。入居者は店が近く、店は家賃に加えて資材と工具の売上も得る。
詳しく ▸
- 事業として
- 入居200戸が工具・資材に年30万円使えば、家賃とは別に年6,000万円の物販が上乗せされる(試算)。
- 勝てる理由
- 購買履歴で住み替え意向の高い層を特定でき、全国の店舗の駐車場や隣接地を建設用地に使える。
- どの前提を疑うか
- 会員のうち高額工具や木材を月3回以上買う層を抽出し、500人に住み替え意向と望む家賃を聞く。3か月で試験1棟の申込倍率を確かめる。
- この案が強いのは
- DIY売場の接客経験者は、客がどんな作業にどんな広さ・電源・換気を欲しがるかを肌で知っている。
2026年11月17日・紙面では畳んだ案・きっかけ ガレージハウスの入居需要、供給を上回る(レスポンス・2026年11月17日)
この日の読み解き →
会員の購買履歴から、今夜の一品に悩む家庭へ夕食の定額便を立ち上げる
アプリ会員の購買履歴から、家族の人数や好み、買い物をしない曜日を推定する。精肉・鮮魚・惣菜の専門売場と結んだ一週間の献立を毎週届け、材料は店で取り置く。月額で相談と割引が付く。
詳しく ▸
- 事業として
- 会員50万人のうち2万人が月980円なら年2.3億円。献立に沿った買上点数の増加は別に見込める。
- 勝てる理由
- 週に何度も来店する会員の購買履歴と、鮮度で選ばれる専門売場を一社で持っている。
- AIに何から聞くか
- 会員1万世帯分のレシート履歴をAIに読ませ、献立に迷う曜日と、提案を受け入れそうな層を対話で絞り込む。
- この案が強いのは
- 売場で客の買い方を見てきた人は、献立に迷う場面の見当がつく。
2026年11月16日・きっかけ ハンズ、買物行動の変化に対応し店舗網を拡大(ダイヤモンド・チェーンストアオンライン・2026年11月16日)
この日の読み解き →
自社カードの購買履歴から地域に足りない店を特定し空き区画を埋める
商業施設運営会社が、総合スーパー縮小で生じる空き区画に対し、自社カードの館外決済データから地域客が他所で買っている品目を特定する。近隣で需要があるのに館内にない専門店を誘致し、空室を防いで館全体の買い回り売上を伸ばす。
詳しく ▸
- 事業として
- 月200万円の区画100か所の空室期間が2か月短縮されれば、賃料損失約4億円を防げる(自社前提の試算)。
- 勝てる理由
- 館内の売上だけでなく、自社クレジットカードの決済から住民が近隣他店で何を買っているかを把握できる。
- どの前提を疑うか
- カード事業部と連携し、空き区画のある先行3館で周辺会員の館外支出データから不足業態を抽出する。
- この案が強いのは
- 施設ごとの客層特性と自社カード会員の地域購買行動の両方を把握しているため、机上の市場調査会社にはできない確度の高い誘致ができる。
2026年11月16日・紙面では畳んだ案・きっかけ ハンズ、買物行動の変化に対応し店舗網を拡大(ダイヤモンド・チェーンストアオンライン・2026年11月16日)
この日の読み解き →
運転をやめた常連を、送迎つき月額会員にして来店の途切れを止める
来店が途絶えた会員を購買履歴から見つけ、店までの送迎が付く月額プランを案内する。送迎は最初は既存タクシーの配車で始め、自動運転が走る地域から順に切り替える。
詳しく ▸
- 事業として
- 会員10万人の1割が月2回多く来店し、1回3,000円買うと仮定すると月6,000万円(年7.2億円)。送迎費を引いて粗利が残るかを確かめる。
- 勝てる理由
- 誰が通えなくなったかを購買履歴で見分けられるのは店だけ。毎週の来店という接点があり、他社には客の顔が見えない。
- AIに何から聞くか
- 経営企画が、購買の途絶えた会員の住所と店の距離をAIと整理し、送迎費を粗利が上回る距離と購入額の条件を3か月で探る。
- この案が強いのは
- 店頭で常連の「最近見ない」に気づいてきた店長や会員担当は、誰を送迎すれば戻るかの勘が最も働く。
2026年11月15日・紙面では畳んだ案・きっかけ KDDIとnewmo、自動運転タクシー商用化へ(レスポンス・2026年11月15日)
この日の読み解き →
週1回の特売客を、毎週の献立定額で「いつもの店」に変える
会員カードの購買履歴から、特売品だけ買いに来る世帯を見つける。家族構成と好みに合う1週間分の献立と食材を月額で届ける。足りない食材を他店で買っていた分が自店に戻り、来店の理由が特売から献立に変わる。
詳しく ▸
- 事業として
- 会員50万人の2割が特売中心で、その1割が月3,000円増えれば年約3.6億円(試算)。
- 勝てる理由
- 毎週の来店と購買履歴があるので、各世帯が他店で買っている分を推計でき、献立の当たり外れも早く直せる。
- どう作るか
- 1店舗の会員3か月分の購買履歴からAIで献立案を作り、50世帯に試験配布して継続率と追加購入額を確かめる。
- この案が強いのは
- 売り場で「この客は何を他店で買っているか」を肌で知る店長経験が、献立の当たり外れを左右する。
2026年11月15日・紙面では畳んだ案・きっかけ ローミング縮小でも楽天モバイルからユーザーが流出しない理由 一方で浮上する「副回線化とARPU低下」の懸念:石野純也のMobile Eye(1/2 ページ) - ITmedia Mobile - ITmedia(ITmedia・2026年11月15日)
この日の読み解き →
書店のない町で、コンビニの縮んだ雑誌棚を商圏向けの書籍棚に変える
書店が近くにない店から、棚1段を書籍に切り替える。ポイント会員の購買履歴をもとに、その店の客層に合う50冊ほどをAIが選び、週ごとに入れ替える。客は買い物のついでに本と出会い、店は雑誌が減った分の穴を埋められる。
詳しく ▸
- 事業として
- 1店で1日5冊・単価1,200円・粗利2割と仮定すると月3.6万円。3,000店に広げれば年約13億円の粗利になる。
- 勝てる理由
- 毎日の来店と会員の購買履歴があり、書店が撤退した町にすでに店を持つ。出版社への発注量を束ねて条件交渉もできる。
- どの前提を疑うか
- 商品部が書店の近くにない約50店を選び、会員の購買履歴から選んだ棚を3か月置く。1日の販売冊数と、本と一緒に買われる商品を確かめる。
- この案が強いのは
- 書店の発注・返品の実務を知る人は、売れ残りを出さない冊数と入替の間隔を最初から決められる。
2026年11月14日・きっかけ なぜ日本だけ市場縮小するのか(新文化・2026年11月14日)
この日の読み解き →
割引なしでも買う推し活客を見分けて、クーポンの出しすぎを止められる
会員の購買履歴をAIに読ませ、「割引の時だけ買う人」と「推し関連なら定価でも買う人」の特徴を対話しながら探る。後者へのクーポン配布をやめ、新作の先行案内に切り替える。
詳しく ▸
- 事業として
- クーポン原資が年5億円で、2割が割引なしでも買う客に流れているなら年1億円の削減(前提を置いた試算)。
- 勝てる理由
- 会員IDで長い購入履歴が溜まっており、一部の会員だけ配布を止める比較実験をすぐ回せる。
- AIに何から聞くか
- 過去1年の会員データでクーポン未使用でも買った人を抜き出し、AIに共通点を挙げさせ、1万人で配布停止の比較を始める。
- この案が強いのは
- セール時期の客の動きを肌で知る店長経験者なら、AIが挙げた特徴が現場の実感と合うかをすぐ見抜ける。
2026年11月13日・きっかけ セブン、購買データでIPファンの傾向を可視化(AdverTimes・2026年11月13日)
この日の読み解き →
コラボ商品が呼んだ新規ファンの数を示し、ライセンス料の交渉力を上げられる
コラボ商品の購入者のうち、作品の関連商品を過去に買っていなかった人の割合と、その後半年の関連支出を、提携先の購買データで測る。結果を営業資料にして、権利を買う企業に見せる。
詳しく ▸
- 事業として
- 取扱高100億円の商品群で料率が3%から4%に上がれば、年1億円の増収(前提を置いた試算)。
- 勝てる理由
- 作品の新規読者がいつ増えたかという自社の情報と組み合わせられるので、購買データだけの分析より説得力がある。
- 何を、どう測るか
- コラボ実績のある小売1社に、匿名化した購買データの突き合わせを依頼し、直近1本で新規購入者の割合を出す。
- この案が強いのは
- ファンの熱量の出方を知る版権営業の経験者なら、どの購買を「ファン」と数えるかの定義を正しく置ける。
2026年11月13日・紙面では畳んだ案・きっかけ セブン、購買データでIPファンの傾向を可視化(AdverTimes・2026年11月13日)
この日の読み解き →
有料会員になってくれそうな人を、入会3か月目に絞り込んで勧誘できる
会員数百万人の購買履歴から、毎週通いそうな人をAIが選び出す。その人にだけ、月額500円で全品5%引きなどの定額プランを案内する。全員に配っていた割引をやめ、通う人に絞って囲い込む。
詳しく ▸
- 事業として
- 試算:会員300万人の1%が月500円を払えば年1.8億円。割引に回す原資の配り方も絞れる。
- 勝てる理由
- 全国の店舗での来店と購買の履歴という、アプリ単体の企業にはない裏付けを持っている。
- どう作るか
- 会員の入会後90日の購買から、半年後も週1回以上来店する人を予測するモデルを作り、実際の的中率を確かめる。
- この案が強いのは
- 店頭で、常連になる人が最初の数回の買い方でどう分かれるかを知る人ほど、見立てが早い。
2026年11月10日・紙面では畳んだ案・きっかけ モバイルゲームの収益化は3か月目以降に見えてくる(GameBusiness.jp・2026年11月10日)
この日の読み解き →
マーケティングの仕事のAIの道具
道具の棚の、マーケティングの仕事に使う道具の種類のページです。国内と海外の道具、各社の公式の発表、会社自身の資料での取り組みを並べています。
関わる用語
マーケティングの仕事でAIを使うときに出てくる言葉です。押すと、意味と最近の使われ方が分かる用語集のページへ。