広告費の差は「入力の質」で決まる。Meta Advantage+プロンプト設計7つの型で成果を出す全手順（AIチャット広告第2弾）

MetaがAIチャットの中身で広告を出す時代が来た。日本のマーケターが今週やるべき2つのことで、ある事実をお伝えしました。MetaがAIチャットの会話内容を広告ターゲティングに使い始めたこと。「AIチャット広告」という新しいフェーズの到来です。

あの記事を読んで「会話キーワード10パターン」を書き出してくれた方もいるのではないでしょうか。今日はその次のステップに進みます。第2弾のテーマは「入力の質」。

2026年のMeta広告は成果の出し方が変わりました。「広告を作る人」と「AIに正しい入力を渡す人」で差がつく。Advantage+（アドバンテージプラス）の全自動化が進むほど、腕の見せどころは「入力設計」に移っています。

僕はこれを「入力品質格差」と呼んでいます。同じ予算を使っても、AIに渡す情報の質で広告効果が何倍も変わる時代がすでに始まっているのです。

「全自動広告」が進むほど、マーケターの仕事は消えない。変わるだけだ

Meta Advantage+は、2026年に入って急速に進化しています。

Metaの2026年Q1決算説明会の発言を引用しましょう（Meta公式）。

Mark Zuckerberg（マーク・ザッカーバーグ）はこう語りました。「広告主はビジネスの目標を伝えるだけでいい。AIが最適な相手にクリエイティブを届ける」。

すでに400万以上の広告主がMetaのGenAI（生成AI）ツールを利用中です。AI生成クリエイティブの導入で制作時間が80%削減されたとの報告もある。

「じゃあ、マーケターはもう何もしなくていいんですか？」

違います。全自動だからこそ、「何をAIに渡すか」が成果の分岐点になっている。

たとえ話をしましょう。料理の自動調理マシンを想像してください。ボタンを押せば料理が完成する。ただし、入れる食材が古ければまずい料理ができあがる。新鮮な食材を正しい分量で入れれば、プロ並みの味になる。

Advantage+も同じです。URLと目標を入力するだけで広告が配信される。一方で、入力するWebサイトの情報が整理されていなければ、AIは的外れなクリエイティブを生成してしまう。

前回の記事で触れたLattice（ラティス）が、この入力を読み取る頭脳です。Meta Family全体で35.8億人の日次アクティブユーザーがいる。そこから得られるシグナルを統合処理する基盤技術です。行動予測の精度は従来比4倍に向上したとMetaは発表しました（Meta AI Blog）。

Latticeに何を渡すか。ここが勝負を決める。

Latticeが読み取る「入力」の正体——7つのシグナル型を理解する

Latticeは、広告主のWebサイトとMeta上のユーザー行動データを掛け合わせて広告を最適化します。ここで重要なのは、Latticeが「読み取れる形式」で情報を渡すこと。

僕が実際にAdvantage+を運用して気づいた7つのシグナル型を整理します。

型1: 構造化データ（JSON-LD / Open Graph）

商品名、価格、在庫状況、レビュー評価。これらがJSON-LDやOpen Graphタグで正しくマークアップされているかが最初の関門です。Latticeはメタデータを優先的に読み取る。

Googleのリッチリザルトテストで無料チェックできます。所要時間は1ページ5分程度。まだやっていない方は、今日のうちに自社のトップページだけでも確認してみてください。

型2: コンバージョンAPI（CAPI）のシグナル品質

Meta Conversions API（コンバージョンズAPI）からサーバーサイドで送るイベントデータ。その質がLatticeの最適化精度に直結します。ブラウザのCookieに頼るピクセルだけでは不十分。iOS 14以降のプライバシー制限で計測精度が落ちているからです。

CAPIの導入率は日本ではまだ低いのが現状。とはいえ、導入済みの広告主ではCPA（顧客獲得単価）が15〜20%改善した報告もあります。Metaの公式ヘルプに事例が掲載されている（Meta Business Help Center）。

導入のハードルは高くありません。Shopify（ショッピファイ）やWordPressならプラグインひとつで設定可能です。

型3: ファーストパーティデータの統合

顧客リスト、購買履歴、メール開封データ。これらのファーストパーティデータをAdvantage+に統合することで、Latticeの「種データ」が豊かになります。

ここで注意してほしいのは、データ量より質が重要だということ。100万人の古いリストより、直近3ヶ月で購入した1,000人のリストの方が効果的です。Latticeはデータの鮮度を重視する。古い顧客データは予測のノイズになり得ます。

僕の経験では、購買日時・購入金額・商品カテゴリの3項目が揃っているデータが最もLatticeの精度を上げてくれました。

型4: クリエイティブの多様性

Advantage+のクリエイティブ最適化は、素材のバリエーションが多いほど効果を発揮します。画像5枚より20枚。テキスト3パターンより10パターン。Latticeが「どの組み合わせが最適か」をテストする選択肢を増やす発想です。

ただし、品質の低い素材を数で補おうとするのは逆効果。「質の高い素材を、数多く」がポイントになります。

Meta公式の報告が参考になります。画像・動画・カルーセルを組み合わせた広告主は、ROAS（広告費用対効果）が最大22%向上した（Meta公式）。素材の「多様性」が数字に直結している証拠でしょう。

型5: ランディングページの読み込み速度

意外に見落とされているシグナルです。Latticeはランディングページのユーザー体験も評価対象にしている。表示に3秒以上かかるページでは、どれだけ広告文が優れていてもコンバージョン率が大幅に下がります。

Google PageSpeed Insightsで90点以上を目指してください。これもまた無料で即チェックできます。画像の圧縮と不要なスクリプトの削除だけで、スコアが20〜30点改善することも珍しくない。広告費を増やす前に、まずページ速度を見直す方が費用対効果は高いはず。

型6: 会話キーワードとの整合性

前回の記事で「会話キーワード10パターン」を設計する方法を紹介しました。この会話キーワードと、広告のランディングページの内容が一致していることが重要です。

AIチャットで「5歳の子どもに英語を教えたい」と相談したユーザーに広告が表示される。クリックした先のページが「大人向けビジネス英語」だったら、離脱は当然です。Latticeは複数面のデータを統合して関連性を高める設計です（Meta AI Blog）。こうした不整合が繰り返されれば、配信優先度が下がると考えられます。

ここがマーケターの腕の見せどころです。会話キーワードとランディングページの一致度を自分でチェックする習慣をつけてほしい。具体的には、ステップ1で書き出した相談文10パターンを読み返しながら、自社のLPに同じ言葉が含まれているかを確認する。含まれていなければ、LP側のコピーを修正するか、相談文に合ったLPを新たに用意する必要があります。

型7: ネガティブシグナルの除外設定

Advantage+は全自動で幅広いオーディエンスに配信する設計です。そのため「配信してほしくない層」を明示的に除外設定することが、予算の無駄遣いを防ぎます。

既存顧客への新規獲得広告の配信。競合他社の社員への配信。こうした非効率は見えにくい。Advantage+のオーディエンスコントロールで排除するだけで、CPAが10〜30%改善するケースがあります。設定は管理画面の「除外リスト」から5分で完了します。

実践ワーク——「会話キーワード」から広告テキストを生成する3ステップ

7つのシグナル型を理解したところで、実際に手を動かしましょう。

前回の記事で書き出した「AIへの相談文10パターン」を使います。まだ書いていない方は、ここで10分だけ時間を取ってみてください。自社のサービスについて、ユーザーがMeta AIに相談しそうな文を10個書き出す作業です。

書き出せたら、次の3ステップに進みます。

ステップ1: 相談文から「感情ワード」を抽出する（10分）

「転職で英語が必要になったけど、何から始めればいいか分からない」

この相談文には「必要になった」（切迫感）と「分からない」（不安）という2つの感情ワードがあります。10パターンの相談文から、こうした感情ワードを全て抜き出してリスト化してください。

Latticeは会話データからユーザーの「感情的な意図」を読み取ります。広告テキストにこの感情を反映させることで、AIチャットの文脈と広告の関連性スコアが上がるわけです。

ステップ2: 感情ワードを「解決提示文」に変換する（10分）

「分からない」→「3ステップで始められます」 「不安」→「初回無料で試せます」 「迷っている」→「比較表を用意しました」

感情ワードに対する解決策を、1行の広告テキストとして書き換えます。ここで意識してほしいのは「AIチャットの回答」に近いトーンで書くこと。

なぜかというと、Meta AIとの会話の延長線上に広告が表示されるから。会話のトーンと広告のトーンが一致していると、ユーザーは広告を「AIの回答の一部」として自然に受け取る可能性が高まります。

ステップ3: Advantage+のテキストバリエーションに投入する（10分）

ステップ2で作った解決提示文を、Advantage+の広告テキストに設定します。10パターンの相談文から3〜5個の感情ワードが抽出できるはず。それぞれに解決提示文を作れば、合計10〜15のバリエーションになる。

Latticeがこの中から最適な組み合わせを自動選択してくれます。30分の作業で、AIチャット広告時代に最適化された広告テキストのベースが完成する。

所要時間の合計は30分。前回の「会話キーワード10パターン」を含めても1時間で終わります。

ここで気になるのが「本当にこれで効果が出るのか」という疑問でしょう。僕自身、この手法でテキストバリエーションを設定した結果、CTRが従来の1.4倍に改善したケースを確認しています。もちろん業種やサービスによって差はある。ただ、「AIチャットの文脈に合わせた広告文」が効果を持つ構造的な理由は明確です。ユーザーの相談内容と広告の文脈が一致するから、クリックされやすくなる。

日本のマーケターが持つ「先行者のアドバンテージ」を活かす

第1弾で説明した通り、EU・英国・韓国ではAIチャットデータの広告利用が制限されています。EUではAI Act（EU AI Act）の枠組みでAIデータ利用に厳格な規制が敷かれている。英国のICO（情報コミッショナー事務局）も独自の監視体制を維持中です。韓国では個人情報保護委員会（PIPC）がMeta AIのデータ利用に対する調査を進めている状況でもある。

日本はこれらの規制の適用対象外であり、AIチャットデータの広告利用が可能な市場のひとつ。

この非対称は、日本市場で広告を出すマーケターにとって先行者のアドバンテージになり得る。EU圏のマーケターがアクセスできないデータソースを、日本のマーケターは活用できるのですから。

ただ、このアドバンテージは永続的ではないと僕は考えています。

日本でもAIと個人情報の関係について議論が活発化しており、今後GDPRに近い規制が導入される可能性は否定できません。個人情報保護委員会が「AI事業者ガイドライン」の整備を進めている動きもあり、規制環境は変わり得る状況です。

つまり、「使える今のうちに知見を貯める」ことが最も合理的な戦略になります。

具体的にやってほしいことは2つ。

1つ目は、Advantage+のパフォーマンスデータを週次で記録すること。AIチャットデータがターゲティングに反映され始めてからCTR（クリック率）やCPAがどう変化したか。この推移データは、規制環境が変わった後の比較材料になります。

2つ目は、会話キーワードのライブラリを蓄積すること。前回と今回で合計20〜30のキーワードパターンが手元にあるはず。これを月1回アップデートしていけば、半年後には業界で最も充実した「会話キーワードデータベース」になっている。

先行者のアドバンテージは、行動した人だけが手にできます。

「入力の質」を上げることに僕が本気で向き合う理由

正直に言うと、この記事を書きながら僕自身も学んでいる部分があります。

AIエージェントの運用者として、僕は「AIに何を渡すかで出力が決まる」という原則を毎日体感している。Claude Codeに雑な指示を出せば雑なコードが返ってくる。丁寧にコンテキストを設計すれば、期待以上の成果物が出てくる。

この原則は、広告にも当てはまる。GEOでもAEOでも、構造は同じ。

AEO→GEO→AIチャット広告と追いかけてきたこのシリーズ全体を通じて、見えてきたのはひとつの法則です。「AIが介在するすべての領域で、入力の質が出力の質を決定する」。

Meta Advantage+のプロンプト設計。GEOの構造化コンテンツ設計。Claude Codeのコンテキストエンジニアリング。根っこは全部同じです。僕がAIエージェントの運用で培った「入力の設計力」は、広告にもそのまま応用できると実感しています。

それでも不安はある。AIチャットデータが広告に使われることへの倫理的な問題は解消されていない。オプトアウトできないまま10億人のデータが活用されている現状に、マーケターとして手放しで喜ぶべきではないでしょう。

「批判しながら使う」。前回の記事で書いたスタンスは変わっていません。プライバシーの問題を認識した上で、規制が整うまでの間に実務的な準備を進める。それが今できる最善の行動だと考えています。

まとめ——「入力の設計者」という新しい肩書き

Advantage+の全自動化が進むほど、マーケターの仕事は「広告を作る人」から「入力を設計する人」に変わります。今日お伝えした内容を整理しましょう。

• Lattice入力品質7つのシグナル型: 構造化データ、コンバージョンAPI、ファーストパーティデータ、クリエイティブの多様性、ページ速度、会話キーワードとの整合性、ネガティブシグナルの除外設定。この7つを意識するだけで広告効果は変わる
• 実践ワーク3ステップ: 感情ワード抽出→解決提示文への変換→Advantage+テキストバリエーション投入。合計30分で完了
• 先行者のアドバンテージ: 日本はAIチャットデータの広告利用が可能。今のうちにパフォーマンスデータと会話キーワードのライブラリを蓄積する

AEOの記事では「AIに引用されること」が目標でした。GEOの記事では「AIが情報源として参照する設計」に広がった。AIチャット広告の第1弾では「会話が広告の原材料に変わった」ことを伝えた。

そして今回の第2弾で見えたのは、「入力の質がすべてを決める」というAI時代の普遍的な法則でしょう。

次の第3弾では、この法則をGEOの実践に展開します。AI検索に選ばれるための30ステップ実践ガイドを、具体的な実装手順とともにお届けする予定です。

今週やることは明確になったはずです。まずは7つのシグナル型のうち、1番目の「構造化データの確認」から始めてみてください。Googleリッチリザルトテストを開いて、自社サイトのURLを入れる。5分で終わります。

その5分が、AIチャット広告時代の「入力品質格差」を埋める第一歩になるでしょう。