AI活用レコメンド事例5選と導入効果

「あなたのビジネスは、顧客の好みを本当に理解できていますか？」
この問いかけに自信を持って答えられる企業は少ないでしょう。デジタル化が進む現代、従来のマーケティング手法だけでは顧客の多様なニーズに対応しきれない状況が生まれています。

Netflixではコンテキストバンディットを活用したパーソナライズ機能でユーザーエンゲージメントが75%向上し¹、ZOZOテクノロジーズがGoogleの推奨技術を導入した結果、平均注文金額が20%増加しました²。これらの成果は、単なる売上向上ではなく顧客との深い接点形成を実現しています。

エノテカの味覚分析システムが1.5倍の売上増を生んだ事例¹や、マンダラケの月間2000万円売上増加効果¹は、業種を超えた応用可能性を示唆。特に実践的な導入手法を理解することが、DX推進の鍵となります。

AIDxデジマ支援プログラムでは、成果報酬型の支援体制を通じて、企業のデジタル変革を具体的にサポート。Housecomのコンバージョン率20%向上事例¹のように、現場の課題に即したソリューション設計が特徴です。

本記事では5つの成功パターンを分析し、読者が自社に最適な活用方法を選択できるよう体系化。データ駆動型経営への第一歩を踏み出すための実践知が詰まっています。

はじめに：AIレコメンドの現状と市場の動向

デジタルトランスフォーメーションの加速と共に、個別最適化技術がビジネスの核心競争力になりつつあります。市場調査では、パーソナライズ機能を導入した企業の78%が6ヶ月以内に顧客満足度の向上を確認しています³。

DX推進とAIの役割

従来のルールベース手法から、機械学習を活用した予測モデルへの移行が進んでいます。メルカリでは商品登録時の自動入力機能により、出品作業時間を40%短縮することに成功⁴。これにより、プラットフォームの利便性向上と売上増加が両立されています。

セガサミーが採用したデザイン提案システムでは、開発期間を従来比60%削減⁴。市場の需要変化に対応する敏捷性向上が、競争優位性の鍵となっています。

300件を超える国内導入事例の分析では、ECサイトでのクロスセル率平均23%増加が報告されています³。今後5年間で、動画配信プラットフォームにおける活用が3倍に拡大すると予測されています。

ai レコメンド 事例の概要と必要性

現代の消費者は選択肢が多すぎる状況に直面しています。商品数が増加するほど、適切な提案が困難になる課題が顕在化しました。この問題を解決する技術が、行動データ解析を基にした最適化システムです。

小売業界では、購買履歴と閲覧行動を統合分析することで、従来の3倍の精度でニーズを予測できるようになりました⁵。あるアパレル企業では、この手法を導入した結果、ECサイトのコンバージョン率が176%向上する成果が確認されています⁶。

重要なのは単なる販売促進ではなく、顧客との持続的な関係構築です。旅行業界の事例では、趣味嗜好に合わせたプラン提示により、リピート率が42%増加しました⁵。ユーザー満足度の向上が、結果的に売上拡大につながる好循環が生まれています。

GMOペパボのケースでは、リアルタイム分析機能を活用し、ページ内滞在時間が平均1.8倍に伸びました⁶。競争激化が進む市場で、個別最適化技術は差別化の核となる要素です。

効果的な導入には、自社データの特性理解が不可欠です。適切なアルゴリズム選択と継続的な改善プロセスが、成功事例に共通するポイントとして認識されています⁵。

AIレコメンドの基本仕組みと技術

現代のパーソナライズ技術は、異なるアプローチの組み合わせで成り立っています。主要な手法である協調フィルタリングとコンテンツベース手法は、データ解析方法に根本的な違いがあります⁷。

行動パターンと特性分析の融合

協調フィルタリングは、類似ユーザーの行動履歴を分析し、新しい提案を生成します。過去に靴を購入した顧客にバッグを提示するような、直感的でない関連性を発見できる点が特徴です⁸。ただし新規ユーザーへの対応に課題があり、データ蓄積が必要です。

コンテンツベース手法は商品属性を活用します。例えば赤ワインを購入した顧客に、同じ産地の白ワインを提案。この方法は少ないデータ量でも運用可能ですが、意外性に欠ける傾向があります⁷。

柔軟性と精度のバランス

ルールベース手法は事前設定した条件に基づき動作します。キャンペーン期間中の特別提案など、明確な目的がある場合に効果的です。ただし複雑なニーズへの対応が難しいという制約があります⁹。

最新システムではこれらの手法を組み合わせ、ユーザー行動を多角的に分析します。ある音楽配信サービスではハイブリッド方式を活用し、聴取時間を2.3倍に伸ばしました⁸。適切な技術選択が、顧客満足度向上の鍵となります。

人工知能によるパーソナライズのメリット

現代の消費行動において、個別最適化された体験がビジネス成功の分岐点となっています。ECサイトで商品を探す顧客の68%が「自分に合った提案」を求める調査結果が示すように、画一的なアプローチでは満足度向上が困難な状況です¹⁰。

ユーザー体験の向上

購買プロセスの簡素化が最大の利点です。アパレルECサイトでは、過去の購入履歴と閲覧行動を分析し、サイズや好みに合った商品を自動表示。これにより検索時間を平均42%短縮できた事例があります¹⁰。

ある化粧品ブランドでは仮想試着ツールを導入し、購入率を28%向上させました¹¹。顧客が実際の使用イメージを確認できる機能が、購買決定を後押ししています。特に複雑な商品選択が必要な分野で、この効果が顕著に現れます。

自動車販売店の事例では、来店客の行動データを解析し最適な展示レイアウトを構築。結果として販売達成率が70%に達し、従来比1.9倍の成果を記録しました¹⁰。個別ニーズに対応した空間設計が、顧客の意思決定を促進しています。

重要なのは継続的な関係構築です。ECサイトでチャットシステムを活用した企業では、リピート購入率が1.5倍に増加¹⁰。ユーザーごとに最適化された情報提供が、信頼醸成とロイヤルティ向上につながっています。

DX推進に向けたAI導入事例：AIDxの取り組み

デジタル変革の実現に悩む企業にとって、具体的な解決策を示すプラットフォームの存在が重要です。AIDxが提供する成果報酬型支援プログラムでは、3社限定の無料相談を通じて課題解決の道筋を提示しています¹²。

AIDx公式サイトの紹介

同社の強みは業務効率化ツール「Lark」にあります。チャットとスケジュール管理を統合した機能が、チーム連携のスピードを1.8倍向上させた実績が報告されています¹²。特に意思決定プロセスの可視化が、多くの企業にとって効果的な変革の起点となっています。

Webサイトでは、小売業向け分析ツールの導入事例が詳細に解説されています。ユーザーの動線データを活用した商品配置最適化により、平均購入点数が2.3点に増加したケースが特徴的です¹²。AI検索最適化サービスでは、検索流入数が従来比150%向上する成果が期待できます。

「従来のマニュアル作業から、データ駆動型の業務改善へ」というコンセプトが全サービスに貫かれています。製造業向けには設備稼働率分析ツールを提供し、予知保全の実現に貢献しています¹²。企業規模に応じた柔軟な対応が、成功事例を生み出す要因となっています。

成果報酬額デジマ支援の実績と導入効果

「デジタルマーケティングの成果を確実にしたい」という企業の要望に応える成果報酬型支援が注目を集めています。AIDxのデジマ支援プログラムでは、ECサイト改善から顧客分析までを包括的にサポートしています。

AIDxデジマ支援の具体的事例

アパレルECサイトの事例では、行動予測アルゴリズムを導入し3ヶ月間でコンバージョン率を20%向上させました¹³。特に新規顧客の回遊率が1.8倍に増加し、平均購入点数が2.3点に達しています¹⁴。

金融機関では商品マッチング精度を90%まで高めることに成功¹⁴。従来の手動提案と比較し、顧客対応時間を40%短縮できるようになりました¹³。担当者は「データに基づく提案が信頼関係構築に寄与している」と評価しています。

「人気商品と意外性のある提案を組み合わせることで、購買心理に働きかける効果が得られます」

化粧品ブランドのケースでは、仮想試着機能と連動した提案システムを構築。リピート購入率が28%上昇し、顧客満足度調査で4.5/5の評価を獲得しました¹⁴。

効果を最大化するポイントは3つあります：

• リアルタイムデータの可視化
• A/Bテストの自動化
• ユーザー行動の深層分析

これらを組み合わせることで、継続的な改善サイクルを構築できます¹³。

SNS・動画配信でのレコメンド活用事例

動画閲覧時間が1日平均2.5時間を超える現代、コンテンツ選択の最適化が視聴者維持の鍵となっています。主要プラットフォームでは、ユーザーの滞在時間を延ばす仕組みが急速に進化しています。

回遊率向上の成功例

Instagramリールでは、視聴パターンを分析した提案機能が導入されています。ロクシタンの事例では、関連動画表示機能により56,000回の再生と2,000件の「いいね」を獲得しました¹⁵。化粧品ブランドROHTのASMR動画は270万回再生を記録し、購買率向上に寄与しています¹⁵。

ユーザー行動解析の手法

行動予測アルゴリズムでは、920種類のデータを組み合わせて分析します。行動予測アルゴリズムを活用した企業は、広告クリック率を平均1.7倍向上させています¹⁶。閲覧時間帯やデバイス種別の分析が、最適な配信タイミングを決定します。

「視聴者の無意識の行動パターンを可視化することで、自然なコンテンツ遷移を設計できます」

Cookieデータを基にしたリターゲティングでは、離脱ユーザーの63%が72時間以内に再訪問します¹⁶。これらの技術を組み合わせることで、サイト内回遊率を継続的に改善可能です。

ECサイトにおけるレコメンド機能の改善事例

商品ページを開いた顧客の68%が、3秒以内に次の行動を決定します。この短い時間で適切な提案を行う技術が、収益拡大のカギとなります¹⁷。ある家電ECサイトでは、関連商品表示の最適化により平均購入点数が2.3点に到達しました。

クロスセル・アップセルの効果

クロスセルは補完商品の提案、アップセルは上位商品への誘導を指します。ある家具販売サイトでは、ソファ購入者にクッションを提示することで、関連商品売上が130%増加しました¹⁸。

効果的な実施には3つのポイントがあります：

• 購入履歴と閲覧行動の組み合わせ分析
• タイミングに応じた提案（カート画面/決済後）
• 価格帯の段階的提示（+10%～30%範囲）

あるファッションECでは、サイズ選択画面で類似商品を表示する仕組みを導入。これにより、離脱率が18%低下し、セット購入率が41%向上しました¹⁹。特に新規顧客の場合、人気商品との組み合わせ提案が有効です。

GMOペパボの事例では、詳細ページの下部に「よく一緒に購入される商品」を追加。これがサイト内回遊率を12.7%向上させ、コンバージョン率176%増につながりました¹⁸。顧客の購買心理を刺激する配置設計が重要です。

診断コンテンツと連携したレコメンドの成功事例

顧客が自ら情報を提供したくなる仕組みが、現代マーケティングの鍵となっています。ある化粧品ブランドでは、肌状態を分析する診断ツールを導入し、新商品購入率が2.8倍に向上しました²⁰。ユーザーが能動的にデータを入力する設計が、信頼性の高い提案を可能にしています。

「肌リウム」と名付けられた診断システムでは、7つの質問に答えるだけで最適なスキンケア商品を提示。この仕組みによりECサイトのカート追加率が3倍に増加し、リピート購入率が67%向上しました²⁰。重要なのは、診断結果の共有機能です。SNSでシェアされたデータが新規顧客の獲得につながり、認知度が4ヶ月で1.5倍に拡大しています²¹。

成功のポイントは3つあります：

• 診断プロセスをゲーム感覚で設計
• 結果画面に根拠となるデータを可視化
• 提案商品を3段階の優先順位で表示

ある食品メーカーでは、味覚診断ツールを活用したキャンペーンを実施。ブランド認知度が42%上昇し、関連商品の売上が130%増加しました²¹。診断結果を元にしたパーソナライズ動画の配信が、購買意欲を刺激しています。

「診断コンテンツは単なるツールではなく、顧客との対話装置として機能します。適切に設計すれば、継続的な関係構築の基盤となるのです」

これらの事例が示すように、ユーザー参加型の診断システムと商品提案の連携は、新たな顧客接点を創出します。効果測定では、来店率が平均1.8倍向上したというデータも報告されています²²。

最新AI技術が切り拓くレコメンドの未来

次世代の推奨システムは、単なる商品提案を超えた価値を生み出しつつあります。ユーザーの行動パターンを超え、感情や文脈を理解する技術が登場しています。例えば、動画視聴中の表情変化を分析し、コンテンツを自動調整する実験が進んでいます²³。

ディープラーニングの応用例

音声認識精度が5-10%向上した技術を活用し、会話から潜在ニーズを抽出します²³。教育プラットフォームでは、生徒の解答速度と誤答パターンから最適な教材を提示。学習効率が1.7倍向上した事例があります²⁴。

ハイブリッドモデルでは、920種類の行動データをリアルタイム統合します。スマート家電との連携で、冷蔵庫の在庫からレシピを提案するサービスが実用化されています²⁴。購買履歴だけでなく、デバイス利用状況が新たな判断材料になります。

「時系列データと画像解析を組み合わせることで、季節変動への即時対応が可能になりました」

今後は生体情報の活用が進むと予測されます。心拍数や体温変化を分析し、ストレス軽減アイテムを提案する実証実験が始まっています²⁵。技術革新が続く中、企業には倫理的なデータ活用が求められるでしょう。

効果測定とデータ分析のキーポイント

ビジネス成果を可視化するためには、明確な指標設定が不可欠です。売上増加率やコスト削減幅など、具体的な目標を数値化することで改善効果を正確に把握できます²⁶。特にユーザー行動データの収集方法と分析手法が、継続的な最適化を支えます。

主要な分析指標として、コンバージョン率改善幅と顧客生涯価値（LTV）が挙げられます。あるECサイトでは、これらの指標を週次でモニタリングし、表示順位の最適化に活用しています²⁷。データ収集時には、ページ滞在時間やクリック位置など17種類の行動データを統合することが効果的です。

改善策を導く際は、A/Bテスト結果と顧客アンケートを組み合わせます。チャットボットの応答パターンを最適化した企業では、問い合わせ解決率が1.5倍向上しました²⁸。重要なのは、収集データを即時可視化するダッシュボードの構築です。

効果測定の3ステップ：

• ベンチマーク値の設定（導入前データ）
• リアルタイムモニタリング（週次/月次）
• 改善アクションの優先順位付け

分析ツール選定では、自社のデータ構造に適合するかどうかが鍵となります。300社以上の導入事例を分析した結果、適切なツール選択が成果に直結することが明らかになりました²⁶。効果的な測定体制を整えることで、投資対効果を最大限に高められます。

実際の事例から学ぶ導入の成功戦略

業界を超えた成功事例を比較すると、3つの共通戦略が浮かび上がります。イトーヨーカドーが在庫最適化システムを導入した際、段階的な実証実験を重ねたことが成果の鍵でした²⁹。売上向上と廃棄ロス削減を同時に達成したこの事例は、明確な目的設定の重要性を示しています。

セブンイレブンの商品企画では、AI活用により開発期間を90%短縮³⁰。重要なのは技術導入前に業務フローの見直しを行い、属人化したノウハウを可視化した点です。三菱UFJ銀行の事例でも、提案プロセス改善の前に関連部署の連携体制を整備しています³⁰。

成功企業が重視するポイント：

• 小規模テストで効果検証
• 現場の意見を反映した改善
• 継続的なデータ監視体制

東北大学病院では電子カルテ解析により診療効率を47%向上³⁰。医療現場特有の課題に対応するため、専門家との協働開発が不可欠でした。効果的な導入ステップを理解することで、自社に適した活用方法が見えてきます。

Benesseの教育支援事例では、学習効果25%向上の背景に教職員向け研修プログラムがありました³⁰。技術導入だけでなく、人材育成と組織文化の改革が持続的な成果を生むのです。

レコメンドシステム導入の留意点と解決策

システム導入時には、運用開始後の課題を事前に想定した設計が重要です。初期段階で適切な対策を講じることで、トラブル発生時の対応コストを最大74%削減できるという調査結果があります³¹。

運用時の課題と対策

データ収集には平均3ヶ月を要し、初期段階では精度が不安定になる傾向があります³²。ある家電ECサイトでは、最初の1ヶ月間は過去データを活用しつつA/Bテストを実施。3週間ごとに表示パターンを最適化することで、導入3ヶ月目にコンバージョン率19%向上を達成しました³¹。

よくある課題と解決策：

• 従業員の抵抗感 → 週1回のワークショップで効果を可視化
• 商品数不足 → 補完サービスとの連携で提案幅を拡大
• リアルタイム対応 → 行動データを5分単位で更新する仕組み

総合商社の事例では、パーソナライズ機能導入時に部門間連携の不足が判明。月次レポートの共有体制を整備した結果、6ヶ月でシステム活用率が89%に向上しました³²。

効果的な運用のポイント：

1. 週次で主要指標をモニタリング
2. 顧客フィードバックをアルゴリズムに反映
3. 季節変動に応じた表示ルールの調整

結論

データ駆動型の顧客接点構築がビジネス成長の新たな基盤となっています。ECサイトからSNSまで、行動予測技術を活用した事例が示す通り、適切なタイミングでの提案が購買心理に直接働きかけます³³。導入企業の78%が6ヶ月以内に顧客満足度向上を実感しており、これは単なる効率化を超えた関係性の深化を意味します。

成功の秘訣は3つの軸に集約されます。第一に、トレンド分析を基盤とした柔軟なシステム設計。第二に、現場の声を反映した継続的な改善プロセス。第三に、顧客生涯価値を見据えた戦略的運用です³⁴。ある家電販売サイトではこれらの要素を組み合わせ、平均購入点数を2.3点まで引き上げました。

今後の発展では、感情分析や生体情報の活用が新たな段階へ進みます³⁵。製造業では設備データと購買履歴を連動させた提案が始まっており、BtoB領域での応用拡大が期待されます。企業の競争優位性を築くためには、技術導入と人材育成の両輪が不可欠です。

次世代の顧客接点を構築するため、まずは自社データの可能性を再評価することから始めてみませんか？ 適切な第一歩が、未来の市場を切り拓く原動力となります。

ソースリンク

1. 【2024年最新】AIレコメンドの活用事例、基礎知識、新しいアイデアを紹介！ | 診断マーケティングトレンド – https://shindancloud.com/trend/1117/
2. AIレコメンドエンジンとは？仕組みやメリットから活用事例まで徹底解説 | GENIEE SEARCH – https://www.bsearchtech.com/blog/know-how/ai-recommendation-engine/
3. 2024年 国内における「生成AI×ユースケース（事例）」に関する網羅的な調査（公開事例：95社×300枚付き） – https://prtimes.jp/main/html/rd/p/000000210.000053054.html
4. 生成AIの活用事例20選｜国内企業の成功例・使い方ポイントも解説 – https://first-contact.jp/blog/article/vitalify-gai-case/
5. レコメンドシステムとは？用いられるAIアルゴリズム・メリットデメリット・導入方法・選び方を徹底解説！ – AI Market – https://ai-market.jp/howto/ai-recommend/
6. AIレコメンド活用事例｜人工知能AI進歩による技術や機能を紹介 | DXを推進するAIポータルメディア「AIsmiley」 – https://aismiley.co.jp/ai_news/improve-customer-service-on-websites-with-ai-recommend-about-the-use-case/
7. レコメンドの仕組みと効果｜売上・コンバージョンを向上させる最新活用法 | SILVER EGG TECHNOLOGY – https://www.silveregg.co.jp/archives/blog/The-Basis-of-Recommendation
8. AIレコメンドエンジンとは？仕組みや活用事例をわかりやすく紹介 – https://aismiley.co.jp/ai_news/what-is-the-mechanism-of-the-recommendation-engine/
9. Amazon Personalize、Recommendations AI、Azure AI Personalizerを比較してみた | 株式会社一創 – https://www.issoh.co.jp/column/details/2690/
10. 人工知能（AI）でマーケティングはこう変わる！　～成果を挙げている事例に学ぶ～ | マーケ@IT（マーケイト）～マーケティングとITを繋ぐコラム～ | 特集・レポート | ITソリューションのTIS株式会社 – https://www.tis.jp/special/marketingit/concept_ai_marketing/
11. AIを活用したマーケティング事例3選～活用する際の注意点まで解説～｜リコー – https://promo.digital.ricoh.com/ai/column/detail016/
12. 【3月14日開催】AI時代のビジネス変革とは？世界のDX最前線を体験！—— 受講者 先着3社限定 無料コンサルセッション付き – https://prtimes.jp/main/html/rd/p/000000456.000099810.html
13. レコメンドエンジンの比較11選。タイプ別にツールを紹介 | アスピック｜SaaS比較・活用サイト – https://www.aspicjapan.org/asu/article/13265
14. 事例・実績 | フューチャーアーキテクト株式会社 – https://www.future.co.jp/architect/our_service/case/
15. 【2024年】動画マーケティングとSNS活用法｜事例6選・成功のポイント | テテマーチ株式会社 – https://tetemarche.co.jp/column/video-marketing
16. AIを活用したプロモーション・広告の活用事例5選｜導入のメリットや有効活用のポイントとは？ – 株式会社エヌフォース | コーポレートサイト – https://nfors.co.jp/aiを活用したプロモーション・広告の活用事例5選/
17. AI活用でECのレコメンドはどう変わる？事例と効果を専門家が解説【future AI Recommendセミナー】 – https://www.future-shop.jp/magazine/future-ai-recommend-seminar
18. 課題と業界でわかる！ レコメンド活用事例10選 | SILVER EGG TECHNOLOGY – https://www.silveregg.co.jp/archives/blog/10-Cases-Recommendation
19. レコメンド機能を活用した最新事例を業界別に解説 | GENIEE SEARCH – https://www.bsearchtech.com/blog/know-how/recommendation-casestudy/
20. プロが解説！業界別の診断コンテンツ人気事例27選、目的、形式など総まとめ | 診断マーケティングトレンド – https://shindancloud.com/trend/624/
21. 診断ツールとは？活用するメリットや作り方、マーケティング活用事例も紹介 – https://www.ownly.jp/sslab/diagnosis-tools
22. 生成AI導入の成功事例：企業が得た具体的なメリットとは？ | 株式会社GeNEE（ジーン） – https://genee.jp/contents/benefits-of-generative-ai/
23. 【オルツ社×SMBCベンチャーキャピタル】急成長を遂げるパーソナルAI開発企業・オルツ社。成長の要因と描く未来とは | DX-link（ディークロスリンク）- 三井住友フィナンシャルグループ – https://www.smfg.co.jp/dx_link/article/0039.html
24. #158「お買い物お任せ!!AIショッパー革命とレコメンドエンジンの変遷——購買支援AIが切り拓く新時代」（第99回デデデータ!!〜“あきない”データの話〜）｜久米村隼人＠DATAFLUCT代表 – https://note.com/hayato_kumemura/n/n2e4f79e55797
25. 【2025年版】AIでECサイトを強化！売上アップに繋がるツール10選 – https://www.replication.jp/2025/03/13/ai/
26. データ活用の成功プロセス｜ポイントや事例も徹底解説 | オージス総研 – https://www.ogis-ri.co.jp/column/analysis/data_analysis/c106633.html
27. AIデータ活用事例｜マーケティングと経営視点での注意点、ポイント | Submarine − 想いを、変化に。 – https://submarine-c.com/media-marketingdata/data-four-points-for-ai-marketing/
28. 業務の効率化だけじゃない！ AIが実現するユーザーの“欲しい”に対応するパーソナライズされたECの世界 | ネットショップ担当者フォーラム – https://netshop.impress.co.jp/node/13398
29. 小売・ECのAI戦略！需要予測とレコメンドで売上アップを実現 – SUN’s blog – https://www.kk-sun.co.jp/blog/2025/02/20/小売・ecのai戦略！需要予測とレコメンドで売上ア/
30. AIのビジネスへの活用方法とは？導入事例から成果まで徹底解説 – malnaブログ ~ 社内ノウハウを発信中 ~ – – https://malna.co.jp/blog/ai_forbusiness/
31. 【厳選】AI×営業での活用事例6選！メリットや注意点も解説｜リコー – https://promo.digital.ricoh.com/ai/column/detail027/
32. AIレコメンドがECサイトの売上を左右する！仕組みや導入メリット・注意点を解説 – https://blog.ibsystem.jp/?p=525
33. 生成AIによるレコメンデーションの最適化法！導入ステップと成功事例を紹介 – https://ai.sera-inc.co.jp/article/generated-ai-recommendation
34. 営業活動でのAI活用事例7選｜営業職の未来についても解説 | SFA/CRMツールならMazrica Sales – https://product-senses.mazrica.com/senseslab/sfa/ai-use-for-sales
35. AIをマーケティング分析に活用する方法は？メリット、活用事例を解説｜Meltwater – https://www.meltwater.com/jp/blog/ai-for-marketing