生成AI時代の広告制作を再設計する「Murmuration（マーマレーション）」というアプローチ
株式会社オプト プロダクトマネージャー｜阿部一馬

1. D2Cブランドが陥る「量産の罠」

いま、多くのD2Cブランドが広告制作の壁に直面している。
商品力があっても、広告クリエイティブのパフォーマンスが安定しない。
そしてその課題に対し、多くの企業が「広告の出稿数をとにかく増やす」戦略を取っている。

しかし、MetaをはじめとするSNS広告では、ユーザー体験を損なわないよう、多様なコンテンツを推奨している。
類似性の高い広告は「同一クリエイティブ群」として学習され、配信効率が低下する。
そのため、むやみやたらに配信量を増やせば増やすほど、学習対象の“バリエーション”は減少していく。
ここに、生成AI時代の広告制作における新たな罠――**「量産の罠」**がある。

生成AIの登場によって、コピーも画像も“量産”が容易になった。
だが、広告の成果が上がらないのは、単に「生成の数」が足りないからではない。
むしろ、ただ数を増やすことが“質の均一化”を産み、結果的にプラットフォーム学習が停滞するという逆説が起こっている。

2. 従来のPDCAが抱える構造的な限界

従来のデジタル広告の運用は「仮説→制作→検証→改善」というPDCAサイクルを前提にしてきた。
このアプローチは、クリエイティブの制作速度がボトルネックだった時代には理にかなっていた。
しかし、生成AIがその制約を取り払った今、**「作れるスピード」だけではなく「媒体が学習しやすい構造」**が成果を左右する。

AIによって“量産”が容易になった一方で、PDCAの枠組みでは探索の多様性を制御することができない。
どれだけ広告配信のPDCAを早くしても、似たような仮説・訴求軸に偏っていれば、いくらデータを積んでも正解には辿り着けない。
いわば「狭い探索空間の中で最適化を目指す」状態だ。
その結果、学習データが収束し、アルゴリズムが機能しづらくなる。

この構造的な限界を打破するには、探索方法そのものを設計し直す必要がある。

3. Murmurationが提示する新しい広告制作プロセス

Murmurationは、生成AIと効果予測AIと類似度という指標を用いたリプランを組み合わせた広告クリエイティブソリューションである。
だがその本質は「自動生成」ではなく、「リプラン」という思想にある。

（1）類似度コントロールによる多様性設計

Murmurationではまず、クリエイティブ間の類似性を定量化する。
類似性が高すぎる案は、プラットフォーム上で“重複学習”と見なされるため、配信効率を下げるリスクがある。

そこで、Murmurationは**「似すぎない」構成を保つ広告群**を生成する。
これにより、アルゴリズム学習が、より広い探索空間から成果の出るパターンを発見しやすくなる。

ここで重要なのは、「クリエイティブの質を揃える」のではなく、「学習を広げるために差を設計する」点だ。
Murmurationの類似性設計は、単なるバリエーションではなく、プラットフォーム学習の前提構造を最適化するプロセスといえる。

（2）生成AIによる類似性を加味したクリエイティブ生成

この類似度コントロールを前提に、生成AIがコピーとビジュアルを生成する。
ただし、Murmurationは「量」を目的とせず、意味的な差異を保つよう制御する。

たとえば同じ商品訴求でも、

• 訴求構造
• 表現構造

を網羅的につくり、それぞれの方向性を明示的に分離する。
このように「意図的なばらつき」を持たせることで、広告配信のアルゴリズムが多方向の学習を行い、成果の高い傾向をより高精度に検出できる。

（3）効果予測AIの再定義

従来の効果予測AIでは

「多数生成した中から広告効果の高いクリエイティブを探す」手法では、偏った集合の中に“正解”が存在しない可能性がある。
その場合、どれほど予測精度が高くても、ユーザーに受け入れられる広告には辿り着けない。

Murmurationの予測モデルは、生成された多様なクリエイティブ群をスコアリングし、
「どの方向性が伸びる可能性を持っているか」を判断する。
これは単なるスコアリングではなく、探索の方向性を更新するための信号として機能する。
AIが「どの文脈を掘り下げるべきか」を学び、次の生成に反映させることで、より確率的に“正解へ近づく”プロセスを実現している。

4. D2Cブランドでの導入事例

あるD2Cブランドでは、Meta広告の制作にMurmurationを導入。
従来はコピーやビジュアルのパターンを人力で量産し、効果予測モデルを用いてスコアリングしていたが、似通った訴求軸が多く、学習が進まない課題を抱えていた。

Murmuration導入後は、Embeddingを活用してクリエイティブ間の類似度を定量化。
「似すぎない構成」を保つように生成・選定するプロセスを取り入れた。
その結果、プラットフォーム学習が活性化し、以下の成果が得られた。

• CTR（クリック率）：約140%向上
• CPA（顧客獲得単価）：約30%低下
• インプレッションシェア（表示回数シェア）：6.6ポイント向上
  

これは単なる数値改善にとどまらない。
 学習効率が向上し、配信アルゴリズムがより多様なクリエイティブを学習することで、広告配信そのものの“探索力”が高まった結果である。
 つまりMurmurationは、AIを「効率化ツール」としてではなく、探索設計のパートナーとして活用する新しい形を示している。

5. 「とにかく数を出す」から「探索方法をデザインする」へ

生成AI時代の広告運用は、単に“たくさん作る”ことでも、“精度高くする”ことでもない。
 重要なのは、**「どのように探索方法を設計し、どのように学習を進化させるか」**である。

「量産の罠」を越えて、広告が再び“発見の営み”に戻るために。
 AIは単なる生成装置ではなく、探索を設計する相棒として、私たちのクリエイティブを進化させていく。