AI広告に顧客リストを渡せば、学習が進む。そう聞くと、CRMにある連絡先をできるだけ多くまとめてアップロードしたくなります。
けれども、BtoBでは「名刺交換した人」「資料を請求した人」「商談になった人」「受注した人」「既存顧客」が、同じ顧客ではありません。さらに、対象外だった問い合わせや、利用目的を確認できない古い連絡先まで混ざることがあります。
僕が先に整えたいのは、件数ではなく意味です。AIに渡す前に顧客リストを4層に分けると、誰に似た新規顧客を探したいのか、誰を除外したいのか、何をまだ広告に使わないのかを、人が判断できます。
この記事の結論
1つの大きな顧客リストを作るのではなく、「高適合・受注」「適合・未受注」「既存顧客」「対象外・利用保留」に分けます。AIには、件数より先に、事業上の違いと利用条件を教える必要があります。
1,000件の連絡先が、1,000件の「理想顧客」とは限らない
ここでは説明用の仮例を置きます。
あるBtoB企業のCRMに1,000件の連絡先がありました。内訳は、受注企業80件、商談化したが未受注の企業120件、既存顧客150件、資料請求だけの人350件、対象地域外や個人利用など対象外だった人200件、取得経緯や利用許諾を確認できない古い名刺100件です。
この1,000件を一つのリストとして扱うと、「似てほしい顧客」と「除外したい顧客」と「まだ使ってはいけないデータ」が混ざります。広告プラットフォームのAI以前に、事業側の定義が曖昧なのです。
Googleは、ファーストパーティデータがAIを価値ある事業成果へ導くと説明しています。一方、Customer Matchに使えるのは、顧客が企業へ直接提供したファーストパーティ情報であり、プライバシーポリシーでデータの共有を開示するなどの条件があります。つまり、「持っているデータ」と「広告に使ってよいデータ」は同じではありません。
事実と、この記事での実務解釈
| 区分 | 内容 |
|---|---|
| 公式情報 | Google Adsでは、Customer Match、既存顧客の識別、新規顧客獲得、Demand Genの類似セグメントなどにファーストパーティデータを利用できる。利用には各ポリシーと同意条件がある。 |
| 僕の実務解釈 | AIへ渡す前に、営業上の適合度、顧客状態、利用可否を分離する。1件の連絡先を「良い顧客」の代理にしない。 |
| この記事の範囲 | 法律判断や広告プラットフォームの審査を代行するものではない。実際の利用前に、自社のプライバシーポリシー、同意取得、契約、対象地域、媒体規約を確認する。 |
最初に作る「4層リスト」
次の表は、そのまま社内会議のたたき台に使える設計です。列の名前よりも、「何の判断に使うリストか」を明記することが重要です。
| 層 | 代表例 | 主な用途 | しないこと |
|---|---|---|---|
| A：高適合・受注 | 対象業種・規模・課題が合い、受注・継続した顧客 | 高価値顧客の共通条件を確認。許諾・規約を満たす場合に、新規顧客探索の種を検討 | 受注理由を確認せず、全既存顧客を自動で混ぜない |
| B：適合・未受注 | 商談化し、課題と条件は合ったが、時期・予算などで未受注 | 訴求やオファーの仮説づくり。Aとの違いを比較 | 「失注＝悪い顧客」と決めつけない |
| C：既存顧客 | 現在契約中、更新・追加提案の対象 | 新規獲得施策からの除外候補。既存顧客向け施策は別管理 | 新規顧客向け広告と同じメッセージを配信しない |
| D：対象外・利用保留 | 個人、対象地域外、低適合、営業目的外、許諾不明、削除・停止対象 | 除外理由の分析、または広告利用を保留 | 「件数を増やすため」に学習用リストへ入れない |
Google Adsの新規顧客獲得では、既存顧客リストなどを使って新規と既存の識別を補えます。また、Demand Genの類似セグメントは既存の「種」リストを基にします。だからこそ、AとCを同じファイルにまとめるのではなく、目的別に分ける必要があります。
なお、Performance Maxのオーディエンスシグナルは、配信先を固定する名簿ではなく、機械学習への提案です。リストを分けても、プラットフォームの最終的な配信を完全に制御できるわけではありません。
CRMに最低限残す9項目
メールアドレスだけのCSVでは、更新や説明責任が続きません。僕なら、アップロード用の識別子とは別に、社内管理用として次の項目を残します。個人情報を必要以上に増やすのではなく、利用判断に必要な状態を記録します。
| 項目 | 記入例（架空） | 判断できること |
|---|---|---|
| stable_id | CRM-000123 | メール変更後も同一案件を追える |
| lifecycle | customer / opportunity / lead | 新規・既存・商談状態を分ける |
| fit_level | A / B / C / D | 4層の所属を示す |
| fit_reason | 業種・規模・課題が対象条件と一致 | 担当者の感覚だけにしない |
| product_line | 法人向けSaaS-A | 異なる商品群を混ぜない |
| region | JP | 利用地域・商圏を確認する |
| data_source | 問い合わせフォーム | 取得経緯を追える |
| consent_status | confirmed / review / do_not_use | 広告利用の可否を判断する |
| updated_at | 2026-10-01 | 古い状態を放置しない |
広告媒体へ渡すファイルに、上のすべてを含めるという意味ではありません。社内で分類根拠を保持し、媒体が指定する形式と必要最小限の項目だけを使います。Customer Matchでは、Googleが案内するハッシュ化・アップロード形式、同意シグナル、ポリシー条件を実装方法ごとに確認してください。
アップロード前の8問チェック
次の8問のどれかに答えられないなら、僕はそのリストをいったん保留にします。
- このリストは、誰を探す／除外するためのものか。
- 「高適合」「既存」「休眠」などの定義を文章で説明できるか。
- データは顧客から自社へ直接提供されたものか。
- 取得時の説明、同意、プライバシーポリシー、契約、媒体規約を確認したか。
- 利用停止・削除要求、対象外、許諾不明を除いたか。
- 商品、地域、顧客規模が異なる集団を一つに混ぜていないか。
- 更新日と責任者が分かり、差し替え・削除を継続できるか。
- 配信後に、クリックではなく商談適合・受注まで戻して検証できるか。
ここで大切なのは、AIの設定画面へ進む前に、営業・マーケティング・管理部門の定義を揃えることです。AIでCSV作成や分類候補の整理を速くすることはできます。しかし、顧客の価値、利用許諾、除外理由の最終判断までAIに渡してはいけません。
配信後は「リストが正しい」と決めつけない
4層に分けても、最初から正解とは限りません。市場の反応を見て、定義を更新します。
| 結果 | 読み方 | 次の一手 |
|---|---|---|
| Aに近い問い合わせが増え、商談適合も上がる | 種リストと訴求の方向が合っている可能性 | 同じ条件で広告・LP・動画の一要素だけを改善し、再現性を確認 |
| クリックは増えるが、対象外問い合わせが多い | クリエイティブまたはLPの入口が広すぎる可能性 | 対象条件・不適合条件を広告とLPに明記。Dの理由を分析 |
| 既存顧客の反応が多い | Cの識別・除外、または新規向けメッセージが不十分な可能性 | リスト更新日、既存顧客定義、キャンペーン設定を再確認 |
| 配信量が出ない | リスト規模、適合条件、同意・照合、入札や予算など複数要因 | 条件を無理に緩めず、媒体診断と元データを切り分ける |
| 商談は増えたが受注条件に合わない | Bの定義や「高適合」の根拠が粗い可能性 | 営業の失注理由を戻し、A/Bの分類条件を更新 |
広告のクリック率だけでは、リスト設計の良し悪しは判断できません。最低でも、対象企業率、商談化率、商談理由、対象外理由、既存顧客混入、受注・継続までを同じ定義で見ます。ただし、母数が小さいBtoBでは短期間の数値が大きく振れるため、1回の結果だけで一般化しません。
この方法が向かない場面
- 顧客データの取得経緯や利用許諾を確認できない
- CRMの重複や状態更新が大きく崩れている
- 高適合顧客の条件を営業とマーケティングで合意できていない
- 商談・受注を広告へ戻す計測基盤がなく、クリックだけで評価する
- そもそも顧客数が少なく、個社を推測できる形で扱う危険がある
この場合は、アップロードを急がず、顧客インタビュー、検索語句、商談記録、LPの行動など、個人を特定しない形で仮説を作るところから始めます。
AIに教える前に、人が「良い顧客」を決める
AI広告で重要なのは、AIに大量のデータを食べさせることではありません。あなたの事業にとって、誰が高適合で、誰が既存で、誰が対象外で、どのデータはまだ使わないのかを、更新できる形で持つことです。
僕は、顧客理解、コピー、動画、LP、広告運用を別々の作業にしたくありません。4層リストは、その往復を速くするための小さな基盤です。AIに整理作業を任せ、人は顧客の意味と利用条件を考える。その分だけ、無駄な配信を減らし、次の仮説を考える時間と暮らしの余白を取り戻せます。
もし「紹介では売れるが、Webでどの顧客条件と訴求が合うかは分からない」という段階なら、30-DAY AD TESTで検証対象を整理できます。約1週間を目安にLP・動画広告・計測などを準備し、広告配信30日で運用・分析・改善する構想です。料金は30万円（税別）、広告費は別途15〜30万円が目安です。準備期間と必要条件は案件により異なり、成果や30日での結論を保証するものではありません。
検討する場合は、商品・サービスのURL、現在の販売方法、Webで確かめたい課題を、support@edurise.co.jpへお送りください。すべて任意で、「紹介では売れるが、Webで誰に何を訴求するか確かめたい」の一文だけでも構いません。内容を確認し、適合判断に必要な追加項目をご返信します。
関連記事
参考資料
- Google Ads Help, Data Strength Best Practices（公開日表示なし、2026年10月25日確認）
- Google Ads Help, Customer Match policy（公開日表示なし、2026年10月25日確認）
- Google Ads Help, About customer lifecycle goals（公開日表示なし、2026年10月25日確認）
- Google Ads Help, Use Lookalike segments in Demand Gen campaigns as a Targeting Constraint（公開日表示なし、2026年10月25日確認）
- Google Ads Help, About audience signals for Performance Max campaigns（公開日表示なし、2026年10月25日確認）
- Google Search Central, Creating helpful, reliable, people-first content（公開日表示なし、2026年10月25日確認）
