「あなた向け」は、なぜ監視に変わるのか——精度より「情報経路」を設計する

昨日、ランニングシューズを調べた。

今日、SNS にそのブランドの広告が出る。

見ていたモデルだけではない。色も価格帯も、自分が迷っていた条件に近い。

「ちょうどいい」と思う。

その直後に、もう一つの感覚が来る。

「どうして、そこまで分かる？」

マーケティング側から見れば、パーソナライズ精度が上がった状態である。

顧客が欲しがるものを正確に推定し、関係する情報だけを出せた。

しかし顧客体験では、同じ精度が二つの意味を持つ。

「自分を理解してくれている」。

あるいは、

「自分を見られている」。

この違いを「精度が高すぎると気持ち悪い」という一言で済ませると、パーソナライズの設計を誤る。

最新の研究をまとめると、問題は精度だけではない。

何を知っているか。

どうやって知ったと感じられるか。

その情報を使って、何を返してくれたか。

この三つが同時に評価されている。

平均では、パーソナライズは効いているまず、よくある前提を一つ外す。

「消費者はパーソナライズ広告を嫌うから、できるだけ一般的にした方がいい」。

研究全体では、そこまで単純ではない。

Tien Ee Dominic Yeo、Tsz Hang Chu、Qiqi Li が 2025 年に発表したメタ分析は、53 研究、114 効果

量、合計 11,786 人を統合した。

結果として、パーソナライズ広告は非パーソナライズ広告より、全体として説得効果が高かった。消費

者態度と行動意図にもプラスの平均効果が見られた。[1]

メタ分析では、パーソナライズが「自分に関係がある」という知覚を高め、その関連性が説得効果につ

ながる経路が支持された。

一方、パーソナライズそのものが平均的に侵入感を高め、その侵入感が全体効果を打ち消す、という単

純なパターンは支持されなかった。

さらに 2026 年 6 月、Journal of Marketing でオンライン公開された Martin Eisend、Dominika

Niewiadomska、Guda van Noort のメタ分析は、229 論文に含まれる 290 研究、1,536 効果量を統合し

た。

公開抄録で確認できる範囲では、パーソナライズは全体として説得成功につながり、平均的な負の効果

は小さいと報告されている。また、自己概念に近いデータを使ったパーソナライズほど説得的で、パー

ソナライズ水準と説得効果には J 字型のパターンが示された。[2]

これは重要である。

「パーソナライズを深くすると必ず気味悪さで逆効果になる」という古典的な一本道だけでは、研究全

体を説明できない。

ただし、2026 年研究は本稿執筆時点で全文へアクセスできず、ここでは公開抄録の範囲を越えて細か

な効果量や条件を一般化しない。

そして平均効果がプラスだからといって、すべての企業が「もっと個人データを使え」という意味にも

ならない。

平均値の下には、条件差がある。

消費者は広告だけでなく、「情報の入手経路」も読んでいるElizabeth Aguirre らの 2015 年研究は、その条件差を分かりやすく示す。

パーソナライズの程度が高くても、情報収集が明示的で、消費者が「この企業はこの情報をこう取得し

た」と理解しやすい場合、広告反応は良くなった。

一方、情報が本人に分かりにくい形で収集されたと認識されると、パーソナライズは脆弱性の感覚を高

め、クリック反応を弱めた。

信頼できるウェブサイト上で広告を出すことや、情報利用を示すアイコンなどの信頼シグナルによっ

て、その悪影響が緩和される条件も報告された。[3]

つまり顧客は、表示された商品だけを見ているわけではない。

広告から逆算して、企業との関係を推理している。

「なぜ私にこれを出せるのか」。

この問いへの答えが自然なら、精度は便利さになる。

答えが見えなければ、同じ精度が監視の証拠に変わる。

FORWARD BASIS では、この要素を情報経路の可読性と呼ぶ。

企業が実際に合法・適切な方法でデータを取得したかだけではない。

顧客から見て、情報がどこから来たかを無理なく理解できるか。

パーソナライズ体験では、この「読めること」が重要になる。

同じ「あなた向け」でも、ブランドへの信頼で意味が変わるAlexander Bleier と Maik Eisenbeiss の研究では、パーソナライズの効果がタイミングと表示場所に

よって変わった。

二つの大規模フィールド実験と二つのラボ実験で、高度にパーソナライズされたバナーは、消費者が広

告主のオンラインストアを訪れた直後には特にクリックを高めた。

ただし、その効果は時間の経過とともに急速に弱まり、中程度のパーソナライズの方が持続的に効果を

持つ条件があった。[4]

「最も深いパーソナライズが常に最適」ではない。

顧客の意思決定段階と時間によって、情報の鮮度が変わる。

別の研究では、広告主への信頼も重要だった。

信頼される小売企業では、深いパーソナライズが広告の有用性を高める条件があった。一方、信頼の低

い企業では、高度なパーソナライズが心理的反発やプライバシー懸念につながった。[5]

この結果から、パーソナライズ精度を企業から独立した性能値として扱うのは難しい。

顧客との関係が違えば、同じ情報の意味も変わる。

10 年間使っているサービスが過去の購入履歴から商品を提案することと、初めて聞いた企業が同程度に

個人化された広告を出すことは、技術的には似ていても関係上は同じではない。

データには「深さ」があるすべての個人情報を一つの箱に入れると、もう一つの重要な違いが消える。

Sophie Boerman、Sanne Kruikemeier、Nadine Bol は 2021 年、オランダの代表サンプル 1,244 人を

対象に、使用する個人情報、第三者へのデータ共有、パーソナライズ価格を操作したシナリオ実験を

行った。

氏名やメール内容など、より個人固有・私的な情報を利用する広告は評価が低くなった。情報が他者と

共有される条件でも抵抗が増えた。また、個人情報に基づいて他人より高い価格を提示する条件では、

特に強い否定的反応が見られた。[6]

閲覧した商品。

居住地域。

誕生日。

メールの内容。

推定所得。

これらはすべて「データ」だが、顧客が感じる私的な深さは同じではない。

技術的に取得できることは、その情報をマーケティングで使う十分条件ではない。

FORWARD BASIS の提案：パーソナライズを三つの距離で見るここからは研究を実務へ翻訳した FORWARD BASIS のフレームである。

パーソナライズ施策を「どれだけ当たるか」という一軸で評価せず、三つの距離を見る。

1. 認識距離——顧客の現在地をどれだけ正確に捉えているか何に興味があるか。

何を比較しているか。

どの価格帯か。

初心者か専門家か。

購入直前か、情報収集中か。

顧客の実際の状態と企業の推定が近いほど、認識距離は短い。

AI はここを急速に縮めていく。

2. 情報経路距離——「なぜ知っているか」が顧客からどれだけ遠いか自分が登録したサイズ情報から服を勧められる。

これは情報経路を理解しやすい。

昨日見た商品が広告に出る。

これも多くの人は経路を想像できる。

一方、接点を覚えていない企業から、自分しか知らないように感じる情報を含む広告が出る。

実際の取得経路が適切でも、顧客からは経路が遠い。

説明できない精度は、不安へ変わりやすい。

3. 便益距離——使った情報の深さに対して、顧客へ返る価値がどれだけ近いかサイズ情報を使って返品を減らす。

購入履歴から補充時期を知らせる。

検索履歴から候補を絞る。

使ったデータと便益の関係が近い。

一方、非常に私的な情報を使ったのに、返ってくるのが広告コピーの名前差し替えだけなら、便益は遠

い。

企業には価値があっても、顧客側には「なぜそこまで知る必要があったのか」が残る。

この三つの距離は研究上の標準指標ではない。

しかし、既存研究に共通する条件差を実務で点検するために使える。

良いパーソナライズは、認識距離だけを縮めない。情報経路と便益の距離も同時に縮める。

「当たりすぎて怖い」は、精度の問題ではなく説明の問題かもしれない例えば、EC サイトで 25cm の黒いランニングシューズを何度も見た。

翌日、その商品の広告が出る。

非常に正確だが、情報経路は読める。

「昨日見たからだろう」。

次に、会話の中で一度話しただけの旅行先に関する広告が出る。

企業が会話を聞いていなかったとしても、人は因果関係を推測する。

「なぜこれが出た？」。

マーケティング体験は、企業が実際に行ったデータ処理だけで決まらない。

顧客がどういう物語を作るかでも決まる。

だから透明性は、法務文書だけの問題ではない。

「あなたが以前 X を見たため、この候補を表示しています」のように、顧客が情報経路を理解できれ

ば、同じ精度の意味が変わる可能性がある。

ただし、説明をつければ何でも許容されるわけでもない。

説明は、使った情報の深さそのものを軽くしない。

データを集めてから用途を考えると、便益距離が開きやすいパーソナライズの設計では、利用可能なデータから考え始めやすい。

年齢がある。

購買履歴がある。

位置情報がある。

AI で興味関心を推定できる。

だから使う。

この順序だと、「使ったデータに対して顧客へ何を返すのか」が後付けになる。

逆に、顧客側の摩擦から始める。

選択肢が多すぎる。

サイズを間違えやすい。

在庫切れを何度も確認している。

初心者には比較項目が多すぎる。

ここから必要な情報だけを選ぶ。

すると、パーソナライズの目的が「あなたについて多く知る」から「あなたの判断コストを減らす」へ

変わる。

情報収集の深さと、返す便益が接続される。

2026 年のメタ分析は、むしろ設計を難しくする2026 年の大規模メタ分析は、パーソナライズの負の効果が平均的には小さく、強いパーソナライズが

有効な条件もあることを示した。[2]

これはマーケターにとって都合のよい結果に見える。

だが、実務上はむしろ難しくなる。

「不快にさせないために薄くする」という単純な安全策が使えなくなるからだ。

深いパーソナライズが強いなら、企業は深くしたくなる。

そのとき、問うべきなのは「深いか浅いか」ではない。

どのデータを使ったか。

情報経路は理解可能か。

ブランドとの信頼関係はあるか。

購買段階とタイミングは合っているか。

使った情報に見合う便益を返しているか。

平均効果のプラスは、こうした設計を不要にするのではなく、より重要にする。

CTR が上がっても、関係が悪化する可能性は残るパーソナライズ広告 A の CTR が 1.0%。

広告 B が 1.3%。

通常の運用では B が勝ちである。

しかし、広告単体のクリックだけでは関係性のコストを測れない。

広告非表示。

配信停止。

メール解除。

アプリ権限の取り消し。

ブランドへの不信。

逆に、「このブランドは自分を分かっている」という長期的な信頼増加もある。

深いパーソナライズほど、短期成果と関係成果を分けた方がよい。

CTR は「広告を押したか」を測る。

それだけで「この情報利用を受け入れたか」までは分からない。

FORWARD BASIS 式・パーソナライズ前の五つの問い新しいデータを使う前に、五つ確認する。

1. 顧客のどの摩擦を減らすための個人化か。

企業側の CVR ではなく、顧客側の便益を一文で書く。

2. その便益に、このデータの深さは本当に必要か。

より浅い情報で同じ便益を返せるなら、深い情報を使う理由は弱い。

3. 顧客は「なぜ企業が知っているか」を説明できるか。

規約に書いてあるかではなく、体験上の理解可能性を見る。

4. このブランドとの関係は、この深さを支えられるか。

初回接触と長期会員で、同じパーソナライズが同じ意味を持つとは限らない。

5. クリックが上がっても、何が悪化したら止めるか。

オプトアウト、広告非表示、苦情、ブランド評価、継続率など、停止条件を先に決める。

この五つは研究で一括検証された標準手順ではない。

複数研究から見える境界条件を、実務判断へ移した編集提案である。

パーソナライズは「顧客をどれだけ知っているか」の競争ではないAI によって、認識距離はさらに縮む。

文章、画像、閲覧順、購入間隔、時間帯。複数のデータを合わせれば、「次に欲しいもの」を人間より

早く推定できる場面も増える。

だからこそ、精度だけを競争軸にすると差別化は難しくなる。

多くの企業が高精度になれば、次に差が出るのは、その精度をどう扱うかである。

「あなたを知っています」ではなく、

「なぜ知っているかが分かり、その情報を使う理由も分かり、使った分だけ役に立つ」。

この状態を作れるか。

パーソナライズは、顧客を詳しく説明する技術ではない。

本来は、顧客が必要なものへ到達するまでの摩擦を減らす技術である。

精度だけが高いと、広告はよく当たる。

しかし情報経路が遠ければ、当たるほど不安になることがある。

情報経路が読めても、便益が小さければ、「そこまで知る必要があったのか」が残る。

だから設計するのは、一つの精度ではない。

認識距離。情報経路距離。便益距離。

三つを同時に縮める。

顧客をどれだけ知っているかではなく、

知っていることを、理解可能で、納得できる価値へ変えられるか。

そこから先が、パーソナライズの競争になる。

Sources[1] Tien Ee Dominic Yeo, Tsz Hang Chu, Qiqi Li, “How Persuasive Is Personalized Advertising? A Meta-Analytic Review of Experimental Evidence of the Effects of Personalization on Ad Effectiveness,” *Journal of Advertising Research* 65(4), 2025. DOI: https://doi.org/10.1080/00218499.2025.2467763

[2] Martin Eisend, Dominika Niewiadomska, Guda van Noort, “EXPRESS: Personalization in Marketing Communication: A Meta-Analysis,” *Journal of Marketing*, first published online June 5, 2026. DOI:https://doi.org/10.1177/00222429261460888

[3] Elizabeth Aguirre et al., “Unraveling the Personalization Paradox: The Effect of Information Collection and Trust-Building Strategies on Online Advertisement Effectiveness,” *Journal of Retailing* 91(1), 2015. DOI:https://doi.org/10.1016/j.jretai.2014.09.005

[4] Alexander Bleier, Maik Eisenbeiss, “Personalized Online Advertising Effectiveness: The Interplay of What, When, and Where,” *Marketing Science* 34(5), 2015. DOI: https://doi.org/10.1287/mksc.2015.0930

[5] Alexander Bleier, Maik Eisenbeiss, “The Importance of Trust for Personalized Online Advertising,” *Journal of Retailing*91(3), 2015. DOI: https://doi.org/10.1016/j.jretai.2015.04.001

[6] Sophie C. Boerman, Sanne Kruikemeier, Nadine Bol, “When Is Personalized Advertising Crossing Personal Boundaries?How Type of Information, Data Sharing, and Personalized Pricing Influence Consumer Perceptions of Personalized Advertising,” *Computers in Human Behavior Reports* 4, 2021. DOI: https://doi.org/10.1016/j.chbr.2021.100144

Source & Editorial Note  記事 1 の「需要捕捉／需要創出／需要移動」「手柄の台帳／増分の台帳」は、引用研究の標準分類ではなく

FORWARD BASIS の編集フレームです。

 記事 2 の「認識距離／情報経路距離／便益距離」は、複数研究の境界条件を実務へ翻訳した FORWARD BASIS の編集

フレームです。

 2026 年の Journal of Marketing メタ分析は全文へアクセスできなかったため、公開抄録で確認できる範囲だけを使

用し、詳細な効果量の一般化はしていません。