広告の訴求軸からフックを作る方法|AIと壁打ちして9案まで絞った実践記録

前回、DMM生成AI CAMPを題材に初めてMeta広告のクリエイティブ制作に取り組み、WHO×WHATから3つの訴求軸を決めました。

次に取り組んだのが、訴求軸からフックを作る作業です。

生成AIを使えば広告コピーを大量に作れます。しかし実際に試してみると、数を増やすだけでは似た案ばかりになり、「何を検証する広告なのか」が分かりにくくなりました。

そこで今回は、3つの訴求軸を固定したうえでフックを発散し、最終的に3訴求×3フック=9案まで整理しました。

目次

この記事で分かること

  • 広告における訴求とフックの違い
  • 1つの訴求から複数のフックを作る方法
  • AIで発散した案を整理する考え方
  • 9案を「検証できる仮説」にする方法

「訴求」と「フック」は何が違う?

今回まず整理したのが、訴求とフックの違いです。

訴求軸=何を価値として伝えるのか

フック=その価値に気付いてもらうための最初の入口

と考えました。

例えば「生成AIを仕事で活用できるようになる」という訴求なら、

「ChatGPT、仕事で使いこなせていますか?」

「AIを触るだけで終わっていませんか?」

「生成AIを仕事でどう使えばいいか分からない?」

など、複数の入口を作れます。

表現は違っても、その先で伝えたい価値は共通しています。

訴求という幹から、複数のフックという枝を作ると考えると整理しやすくなりました。

先に3つの訴求軸を固定する

今回のDMM生成AI CAMPでは、前段階で大きく3つの訴求軸を決めていました。

1つ目は、生成AIを知っているが、仕事で十分に活用できていない人。

2つ目は、AI時代を考え、仕事やキャリアのために生成AIを学びたい人。

3つ目は、独学では何をどこまで学べばよいか分からない人です。

ここでいきなりAIへ「広告コピーを30個作って」と依頼せず、まず訴求を固定しました。

先に広告の仮説を決め、その中で表現を広げるためです。

1つの訴求からフックを発散する

次に、各訴求軸からAIと壁打ちしながらフック候補を増やしました。

例えば「生成AIを仕事で使えていない」という訴求でも、

現在の使い方への疑問から入る。

「使っている」と「使いこなしている」の差から入る。

仕事を効率化できる可能性から入る。

といった切り口があります。

AIには「別の角度から」「不安を煽りすぎずに」「初心者の疑問として」「別の心理から」と条件を変えながら候補を出してもらいました。

このようなアイデアを発散する作業は、生成AIとかなり相性が良いと感じました。

大量に作ると「似たフック」が増える

一方で、候補を増やすほど問題も出てきました。

例えば、

「ChatGPTを仕事で使えていますか?」

「生成AIを仕事に活用できていますか?」

「AIを実務で使いこなせていますか?」

は文章としては違います。

しかし、広告の仮説として見るとかなり似ています。

これらを別々にテストしても、結果に差が出たときに「何が違ったから反応されたのか」を判断しにくくなります。

そこで、単なる言い換えはまとめることにしました。

「言葉」ではなく「反応する理由」で分類する

フックを整理するときに意識したのが、ユーザーがなぜ反応するのかです。

同じ「仕事×生成AI」でも、

「自分はAIを十分使えていない」と気付く。

「今の使い方で十分なのか」と疑問を持つ。

「もっと仕事を効率化できるのでは」と期待する。

では、入口となる心理が異なります。

文章表現が違うかではなく、どの悩み・感情・欲求を刺激しているのかで分類すると、重複していた案を整理しやすくなりました。

3訴求×3フック=9つの仮説にする

最終的に今回は、3つの訴求軸からそれぞれ3つのフックを残し、9案まで絞りました。

重要なのは「9本の広告コピーができた」ということではありません。

3つの価値×3つの入口という、9つの検証仮説ができたことです。

構造としては、

案件 → WHO → WHAT → 3訴求 → 各3フック → 9候補

となります。

この形なら広告配信後も、「訴求Aが強かった」「同じ訴求Aでもフック2の反応が良かった」と結果を整理しやすくなります。

最初からAIへ9案を作らせる場合との大きな違いは、何を変えて比較しているのかが明確なことです。

AIは発散、人間は整理・判断する

今回の作業でも、AIと人間の役割が分かれてきました。

AIはフックの大量生成、別角度からの表現、悩みの洗い出しなどを短時間で行えます。

一方、人間側では、案件情報から離れていないか、表現が強すぎないか、似たフックが重複していないか、広告費を使って検証する価値があるかを判断しました。

AIによって人間の仕事がなくなるというより、「作る作業」をAIへ任せ、人間は「選ぶ作業」に集中するという感覚に近いです。

強いフックと煽る表現は別物

フックを強くしようとすると、「知らないと損」「今すぐ学ばないと危険」といった表現へ寄りやすくなります。

しかし、目立つことだけが目的ではありません。

クリックされても、広告の印象と実際のサービスが合っていなければ、その先の成果につながらない可能性があります。

今回は、フックを誇張するための言葉ではなく、ユーザー自身の課題に気付いてもらう入口として考えました。

まとめ

今回、3つの訴求軸からAIとフック候補を発散し、最終的に9案まで絞りました。

ポイントは、AIに広告文を大量生成してもらうことではなく、

訴求を固定する → AIでフックを発散する → 反応する理由で整理する → 人間が選ぶ → 広告で検証する

という構造を作ることでした。

今回の9案も完成した広告ではありません。

次は広告コピーや画像へ落とし込み、さらに出稿候補を選びます。そしてMeta広告のCTRやCPC、その先のCV・CPAを確認して初めて、どの仮説が実際に反応されたのかが分かります。

AIで大量に考え、人間が整理・選択し、市場データで答え合わせをする。この流れが、今回のフック作りで得た一番大きな学びでした。

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

この記事を書いた人

目次