AIによるパーソナライズ：ルール・レコメンド・生成AIを、役に立つか不快にさせるかで比べる

購入したばかりの商品を「おすすめ」として何度も見せられる。見た覚えのない商品を「あなたにぴったり」と案内される。パーソナライズの失敗は、技術が足りないときより、顧客がどこまで自分の情報を知られているかを想像しなかったときに起こります。この記事では、パーソナライズの3つの方式（ルールベース、レコメンド、生成AI）を同じ物差しで比べ、どこから始めて、どこで線を引くかを整理します。

三つの方式を同じ物差しで並べる

「AIでパーソナライズ」という言葉は、実際には性質の異なる3つを含んでいます。比較の軸を先に表にします。

表の下から2行目に注目してください。パーソナライズの規模が大きくなるほど、送信前に人が読める範囲は狭くなります。ルールなら全文面を事前に読めますが、生成AIが1人ずつ別の文章を作る構成では、品質を保証できるのは「事前に人が読めた範囲」だけです。方式を選ぶとき、精度だけでなく「失敗に誰が、いつ気づけるか」を比べると、判断がぶれにくくなります。

各方式の前提となるデータの持ち方は、顧客セグメンテーション入門：RFM・ライフサイクル・行動で扱っています。出し分けた文面を実際に配信する側の設計は自動メールシナリオの設計：ウェルカム・オンボーディング・フォローの領域です。

ルールベース：地味だが最初に効き、理由を説明できる

仮に、日用品を扱う架空のECで、最初に用意するルールは次の程度で足ります。

• 購入から30日後（日数は仮の例）に、消耗品の補充案内を送る
• すでに購入した商品とカテゴリは、おすすめ枠から除外する
• カートに入れたまま2日経過した場合に、リマインドを1回だけ送る
• 直近の配信から3日以内の人は、販促メールの対象から外す

どれも顧客に理由を一文で言えます。「ご購入の商品の補充時期にあわせてご案内しています」と書けるルールは、不快になりにくい特徴を持っています。

ルールベースの弱点は、増えるほど管理できなくなることです。担当者が入れ替わるうちに、同じ人に2つのルールが同時に当てはまり、どちらが優先されるのか誰も説明できない状態になります。ルールは1枚の管理表にし、ルール名・条件・目的・オーナー・作成日・最終確認日・停止条件を持たせます。さらに、複数のルールが当てはまったときの優先順位を、表の上から順に適用する形で決めておきます。

一方で、ルールベースだけでは届かない領域もあります。商品が数千点あり、顧客ごとに関心がばらける場合、人がルールを書き切ることはできません。その段階で初めて、レコメンドを検討する意味が出てきます。

レコメンドと生成AI：データが増えるほど「気味が悪い」に近づく

レコメンドは、購買や閲覧の履歴から、似た行動をとった人が次に選んだものを候補に出す仕組みが代表的です。履歴の少ない新規顧客には候補を出しにくい、いわゆるコールドスタートの問題があり、最初のうちはルールで補う必要があります。購入済み商品を再び勧める失敗は、除外ルールを併用すれば多くを防げます。

顧客の受け止め方に関する研究もあります。White、Zahay、Thorbjørnsen、Shavittの研究（Marketing Letters, 2008）は、個人情報を多く使った高度にパーソナライズされたメールについて、なぜその提案が自分に向けられているのかが説明されない場合に、受け手が反発（リアクタンス）を示し、反応が下がる傾向を報告しています。また、Aguirre らの研究（Journal of Retailing, 2015）は、企業が情報収集を明示して行う場合と、気づかれにくい形で行う場合とで、パーソナライズ広告への反応が変わることを示しています。後者では、顧客が「無防備だ」と感じることが反応を下げる要因として挙げられています。

もっとも、これらは特定の実験条件での結果であり、日本の自社顧客にそのまま当てはまるとは限りません。実務で使える示唆は二つに絞れます。一つは、提案には「なぜこれか」を示す一文を添えること。もう一つは、顧客が自分で渡した情報（購入、登録時の回答）と、行動の追跡から推測した情報を区別し、推測由来のものを前面に出しすぎないことです。見られていると顧客が認識していない情報ほど、使い方が難しくなります。

生成AIには、さらに別の失敗があります。出力が確率的に生成されるため、もっともらしい誤りが混ざります。顧客に約束していない割引や納期を書いてしまう、事実と異なる商品の特徴を述べる、といったことです。個人情報保護委員会は2023年の注意喚起で、個人情報をプロンプトに入力する場合は利用目的の達成に必要な範囲かを確認し、同意なく個人データを入力して応答の出力以外の目的で扱われると、個人情報保護法に違反するおそれがあると述べています。提供事業者が入力データを機械学習に利用しないかの確認も求めています。

設計の方向としては、生成AIを「顧客ごとの文章を作る機械」ではなく、「承認済みの部品を増やす道具」として使います。件名の案を20本作り、人が3本に絞って承認する。本文を3つの語調で書き分け、承認済みのブロックとして登録する。配信時には、ルールがその中から選ぶ。こうすれば、顧客に届く文面は全て、送信前に人が読んだものになります。

ガードレール：同意・透明性・プロファイリングの線引き

日本の事業者が最初に確認したいのは次の4点です。

1. 利用目的への分析の明記。個人情報保護委員会のQ&Aは、行動や関心を分析するプロファイリングでは、分析結果の使い道だけでなく分析処理そのものを利用目的に含めて示す必要があるとしています。閲覧履歴や購入履歴から広告やおすすめを出し分ける例も挙げられています。
2. メールの同意と表示。迷惑メール相談センターの解説によれば、特定電子メール法は広告宣伝メールについて、原則としてあらかじめ同意した人以外への送信を禁じ、受信拒否した人への送信も禁じています。パーソナライズされたメールも例外ではありません。
3. 閲覧履歴を取得するタグやCookie。電気通信事業法の外部送信規律により、利用者の端末から外部へ情報を送る仕組みによっては、送信される情報の内容や送信先、利用目的の通知・公表が必要になる場合があります。個人情報保護委員会・総務省の「電気通信事業における個人情報等の保護に関するガイドライン」の解説で、対象と方法を確認してください。
4. 外部事業者への情報提供。Cookie等の識別子のような個人関連情報を第三者へ提供し、提供先で個人データとして取得されることが想定される場合は、本人の同意の確認などが必要になることがあります。広告・データ事業者と連携する前に、個人情報保護委員会の確認・記録義務編のガイドラインで該当性を確認してください。

EUの個人に向けて提供する場合は、さらにGDPRの規律が関わります。GDPR第21条は、ダイレクトマーケティングを目的とする処理（プロファイリングを含む）に対する異議申立権を定めています。第22条は、法的効果または同様に重大な影響を及ぼす、自動化された処理のみに基づく決定を受けない権利を定めています。メールの出し分け程度が第22条に当たるかは個別の評価が必要で、与信や価格の決定など影響の大きい用途では特に慎重な検討が必要です。EU AI Act（Regulation (EU) 2024/1689）の第50条には、人と対話するAIシステムである旨の告知など、透明性に関する義務が定められています。EU向けにチャットボットなどを提供する場合は、適用時期や範囲に調整の動きもあるため、最新の公式情報を確認してください。

法令の確認とは別に、運用ルールとして次のガードレールを持っておくと、判断が速くなります。

最後に、配信前の確認に使える質問を一つ挙げます。「この文面を受け取った人は、自分がこの情報を会社に渡したと認識しているか」。答えが「いいえ」になる要素が文面に含まれていたら、その要素は外すか、理由を説明する一文を足します。

テスト設計：効いたことと、嫌われていないことを両方測る

パーソナライズの評価で最も多い誤りは、クリック率の上昇だけを見て成功と判断することです。刺激的な個別化はクリックを増やしても、配信停止や迷惑メール報告を増やす可能性があります。そこで、テストの指標を二層にします。

• 主指標：購入、予約、申込などの目的行動
• ガードレール指標：配信停止率、迷惑メール報告、問い合わせ件数、返品・解約

比較の相手も決めます。パーソナライズしない標準版を対照群として一定割合の人に送り、そのうえで差を見ます。必要な人数と期間、途中で結果を覗いて止めてしまう誤りはCRO：勘からテスト計画へ移行する方法に整理しています。ただし、短期のテストはもともと長期の信頼の変化を拾いにくいという限界があります。数週間のテストで差が出なくても、数か月後に配信リストの反応が下がる、という形で現れることがあるため、ガードレール指標は導入後も継続して見ます。

導入の順序は、次のように進めるのが無理がありません。

1. ルールベースで購入済み除外と補充案内を入れ、理由の一文を付ける
2. データが溜まった段階で、おすすめ枠の一部にだけレコメンドを入れ、標準版と比較する
3. 生成AIは、件名や本文の案づくりに使い、人が承認したブロックだけを配信に回す
4. 各段階で、ガードレール指標が悪化したら元に戻せる切り替えを用意しておく

3つの方式のうち、どれが優れているかという問いには答えがありません。事業のデータ量、顧客との関係、確認に割ける人手によって、適切な位置が変わるからです。自社のデータと運用体制を前提に、段階とガードレールを設計する演習は、カスタマーエクスペリエンス実践コースで扱っています。