ChatGPTでペルソナ設計｜ECの顧客像を言語化する手順とプロンプト

ペルソナ設計が進まない理由は、発想力ではなく「決めきれないこと」にあります。誰に売るかを1人に絞った瞬間、他の客層を捨てるように感じてしまう——だから、いつまでも「30〜50代の女性」のような広い定義のまま止まります。この記事では、ChatGPTを「たたき台を大量に出す係」、人を「事実で削る係」と分担してECのペルソナを言語化する手順を、コピペ用プロンプトつきで整理します。

ECのペルソナ設計とは｜顧客像を1人に絞って言語化する作業

ECのペルソナ設計とは、自店の商品を実際に買っている人の像を「架空の1人」としてまとめ、社内の判断基準として使えるように文章化する作業です。ターゲット設定が「30〜50代女性」のような集団の範囲を指すのに対し、ペルソナは「1人」まで絞り込む点が違います。

なぜ1人に絞る必要があるのか。理由は単純で、複数人に向けた文章は誰にも刺さらないからです。「忙しい人にも、こだわりたい人にも」と書かれた商品説明は、結局どちらにも自分ごとに感じられません。ペルソナを決めるのは客層を狭めるためではなく、1行ごとの表現を迷わず決めるためです。

ECでペルソナが効いてくるのは、次のような判断の場面です。

逆に、ペルソナがないまま運営していると、施策ごとに想定顧客が入れ替わります。広告は20代向け、商品ページは40代向け、同梱チラシは60代向け——こうした状態は、担当者が悪いのではなく共通の顧客像が文章になっていないことが原因です。

AIに渡す4つの材料｜想像で作らないための土台

ペルソナの精度は、プロンプトの巧みさではなく渡す材料で決まります。何も渡さずに「ECのペルソナを作って」と頼むと、AIは学習データの平均値から「32歳・共働き・時短志向」といった、どの店にも当てはまる人物を返してきます。それは自店のペルソナではありません。

用意するのは次の4つです。特別な調査は不要で、すべて手元にあるものです。

ChatGPTでペルソナを作る5ステップ

作業は「材料を渡す→パターンを出させる→1人に絞る→深掘りする→検証する」の5段階で進めます。1商品あたり30〜60分が目安です。

ステップ1・材料を渡す。いきなりペルソナを作らせないのがコツです。まずレビューと問い合わせを貼り付けて「困りごと」「決め手」「不安」の3分類で要約させます。ここでAIが拾った言葉は、実際の顧客が書いた言葉なので信頼できます。

ステップ2・顧客タイプを複数出させる。1つに絞らせず、3〜5パターン出させます。ECの顧客は多くの場合1種類ではありません。「初めて試す人」「買い替えの人」「贈り物として買う人」のように、購入動機の違いで型が分かれます。

ステップ3・人が1人に絞る。ここだけはAIに任せません。売上構成比が最も大きい型、または今後伸ばしたい型を、人が判断して選びます。判断材料は購入データです。AIに「どれが一番いいですか」と聞くと、もっともらしい理由をつけて適当に選んできます。

ステップ4・選んだ1人を深掘る。買う前に何を検索したか、何と比較したか、何を不安に思ったか、どんな言葉で商品を説明するか。ここで得られる「顧客の言葉」が、後の広告文やキャッチコピーの素材になります。

ステップ5・事実で検証する。できあがったペルソナを見て、「これはレビューに書いてあったか？」を項目ごとに確認します。書かれていない項目は、AIが埋めた推測です。詳しくは後述します。

コピペで使えるペルソナ設計プロンプト

以下の4本を順に使えば、ステップ1〜4がそのまま進みます。【】の中を自店の情報に差し替えて使ってください。

AIが作ったペルソナの「危ないところ」を見抜く

AIが返すペルソナは、日本語として自然なぶん、間違いに気づきにくいという性質があります。点検すべきは次の3点です。

①属性は基本的に作り話。年齢や年収は、渡した材料に書かれていないかぎりAIが推測で埋めた数字です。ペルソナのテンプレートに項目があるから埋めているだけで、根拠はありません。属性を書き込むと、それが事実であるかのように社内で一人歩きします。分からない項目は空欄のままにするのが正解です。

②生活描写は判断の役に立たない。「休日は家族と過ごす」といった描写は、読み物としては人物像を立体的にしますが、商品ページの構成順や広告文の切り口を決める材料にはなりません。判断に使えない情報は、あってもなくても同じです。

③一般論への回帰に注意。材料を渡しても、AIは途中から「近年は環境意識の高まりから〜」といった一般論に戻ろうとします。これは自店の顧客の話ではありません。プロンプトで根拠の併記を求めているのは、この混入を見つけやすくするためです。

ペルソナを商品ページ・広告・メルマガに落とし込む

ペルソナは、作った文書をフォルダに置いておくだけでは何も変わりません。具体的な制作物の判断基準として使ってはじめて効果が出ます。落とし込み先は主に3つです。

最も効果が出やすいのは商品ページの並べ替えです。書く内容を増やさなくても、購入前の不安に答える情報を上に持ってくるだけで、離脱の位置が変わることがあります。ページ改善の観点は商品ページの改善ポイントで整理しています。

広告文については、ペルソナで得た「顧客の言葉」をそのまま見出し候補にするのが実用的です。自社が使いがちな専門的な言い回しより、レビューに出てきた素朴な表現のほうがクリックされることは珍しくありません。量産の手順はChatGPTで広告文を量産する方法を参照してください。キャッチコピーの型づくりは売れるキャッチコピーの作り方で扱っています。

よくある質問

Q. レビューが少ない新規店でも、ChatGPTでペルソナは作れますか？

A. 作れますが、材料の集め方を変える必要があります。自店のレビューがない場合は、同じカテゴリの類似商品の口コミを競合他社のページから読み、そこに書かれている困りごとと不安を材料にしてください。ただしこの場合、出てくるのは「そのカテゴリの一般的な購入者像」であって、自店の顧客像ではありません。仮説としては十分に使えますが、実際の受注が20〜30件たまった時点で、必ず自店のデータで作り直してください。もう1つ現実的な方法は、最初の10〜20件の購入者に短いアンケートを送ることです。「何に困って探し始めましたか」「他に何と比べましたか」「買う前に不安だったことは何ですか」の3問だけでも、AIに渡す材料としては十分に機能します。新規店の場合、ペルソナ作りそのものより、この3問を聞く仕組みを最初に作っておくことのほうが長期的な効果は大きくなります。

Q. AIが出したペルソナが、自分の感覚と違うときはどうすればいいですか？

A. まず、どちらが正しいかを議論するのではなく、AIの記述の根拠を確認してください。プロンプトで根拠の併記を指示していれば、各記述がレビューや問い合わせのどこから来たかが分かります。原文に根拠がある記述と自分の感覚がずれている場合、ずれているのは感覚のほうである可能性が高くなります。運営者は「よく話す顧客」「印象に残ったクレーム」に引っ張られやすく、実際の購入者の中心とずれることがよくあるためです。一方、根拠が「原文に記載なし」となっている記述であれば、それはAIの推測なので採用する必要はありません。どちらとも言い切れない場合は、両方を仮説として残し、商品ページのA/Bテストや広告文の出し分けで確かめるのが確実です。感覚を否定する必要はありませんが、感覚を検証する材料としてデータを使う、という順序で扱うと判断が安定します。

Q. ペルソナは商品ごとに作るべきですか？店舗全体で1つでいいですか？

A. 商品カテゴリごとに作るのが現実的です。店舗全体で1つにすると、商材の幅が広い店では抽象度が上がりすぎて判断に使えなくなります。逆に全商品で個別に作ると、更新が追いつかず放置されます。目安としては、購入動機が明確に違うカテゴリごとに1つ、多くても3〜5個までに抑えるとよいでしょう。たとえば「自分用の消耗品」と「贈答用のギフト」では、購入前の不安も、比較する相手も、価格に対する感じ方もまったく違います。この2つは分けるべきです。一方、同じ用途で色やサイズが違うだけの商品群は、1つのペルソナで足ります。判断の基準はシンプルで、商品ページの構成順や広告の切り口が変わるなら分ける、変わらないなら分けないと考えてください。運用上は、まず売上上位のカテゴリ1つで作り、効果を確認してから2つ目に広げる進め方をおすすめします。