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。
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。

