Demand Gen ManagerのワークフローにおけるAI活用

今週、14通のベンダーメールを開きました。そのうち13通に「AI」と書かれていました。しかし、水曜日締め切りのキャンペーンブリーフを前にした月曜朝9時に何をすべきかを書いたものは一つもありませんでした。

その問題を解決しましょう。

LLMがリードナーチャリングを管理し、あなたがエスプレッソを飲んでいる未来を売り込むつもりはありません。私自身、そうしたツールで3度痛い目を見ています。Demand Gen Managerの仕事においてAIで時間を節約できる部分、信頼しすぎると積極的に問題を起こす部分、そして今月から始めるなら私が実行する30日間プランを説明します。

前提として: AIはセンスの力乗数です。できないDGMをできるDGMにはしません。できるDGMを、センスを必要としない業務で約30%速くします。そうすることで、センスが必要な業務により多くの時間を使えます。ICP、営業との政治的調整、ボード上にあなたの名前と並ぶパイプラインの数字。それらは依然としてあなたのものです。

AIが実際にDGMの役に立つ場面

これらは数分を節約するだけでなく、パイプラインを実際に動かすと確認できたユースケースです。どれを試みるかを具体的にしてください。「マーケティングにAIを使う」は目標であり、以下の業務が実際の仕事です。

キャンペーンブリーフとコピーバリアント: 8分での初稿、80分ではなく

これは今日のDGMにとって最もROIの高いAI活用であり、同時にほとんどのチームが活用しきれていない領域です。なぜなら、出力を最終成果物として扱ってしまうからです。初稿はスキャフォールドです。

通常のキャンペーンブリーフには、空白ドキュメントから60〜90分かかります。ポジショニング、オーディエンス、フック、チャネルごとのコピー、CTA、測定方法。ClaudeまたはChatGPTにICP、オファー、チャネルミックスを含む精緻なプロンプトを与えると、8分で使えるv0.5が手に入ります。そこから30分かけて人間が書いたものに仕上げます。ゼロから80分かけるより大幅な短縮です。

コピーバリアントも同様です。モデルから12件の件名を出すのに90秒。そのうち10件は凡庸です。2件は興味深い。金曜日の長い一日の3時間目に、自分ひとりではその2件を書けなかったでしょう。それが効果です。

やってはいけないこと: v0.5をそのまま配信することです。モデルはデフォルトで安全で汎用的、やや大げさな文章を生成します。あなたのICPは2文以内で気づきます。

オーディエンスリサーチの要約: 30件のセールスコールから6つの異論へ

GongまたはChorusのコール録音にアクセスできる場合、これがシートライセンスの費用を回収する場所です。ICPセグメントの過去四半期のディスカバリーコールトランスクリプトを30件取り出し、「これらのコールから最も頻繁に繰り返される異論を引き出し、頻度でランク付けしてください。それぞれについて、バイヤーが実際に使ったフレーズを引用してください」というプロンプトでClaudeに入力します。20分後には、実際に重要な6つの異論が、バイヤー自身の言葉で手に入ります。そのままリードナーチャリングのコピーや有料クリエイティブに流し込めます。

これを手動でやると1日半かかり、ほとんどのDGMは実行しません。そのため、バイヤーの実際の言葉ではなく、VP Salesのバイヤー観に基づいたコピーを書いてしまいます。AIがこの演習を発明したわけではありません。実際に実行できるほどコストを下げただけです。

有料クリエイティブテストの加速

旧来のワークフロー: 3つの広告バリアントを作成し、配信し、ゆっくり学ぶ。新しいワークフロー: 12のヘッドラインバリアント、6つのフック、4つのビジュアルブリーフを作成し、最も強い4つの組み合わせを配信し、1週間以内に下位2つを終了させ、上位1つをスケールする。

MetaとLinkedInの有料プログラムはバリアントの量を評価します。どのバリアントが勝つかはモデルには分かりません。あなたにも分かりません。しかしモデルは5分で12件作成でき、ベンダー臭のしない4件をあなたが選べます。同じ人間の時間で3倍のテスト範囲が得られます。

MQLスコアリングの拡張: 人間のゲートを設けた上で

あなたのスコアリングモデルはおそらく古くなっています。2年前に退職した誰かが構築したもので、「200名以上の企業のVP以上」と「ドキュメントをいじっているStripeのインターン」を同じようにスコアリングしています。モデルは、過去のクローズドウォンとクローズドロストの商談にわたるファーモグラフィックと行動シグナルをパターンマッチングし、実際に予測力がある要素を浮かび上がらせることができます。通常は、最初のルールには書かれなかった少数の奇妙なシグナルです。

2つの注意点があります。第一に、これはパターンが実在するだけの十分な過去商談数がある場合のみ機能します（最低でも数百件）。第二に、モデルがCRMのスコアを自動更新するようにしてはいけません。提案されたウェイトを人間に示し、火曜日のミーティングで議論し、それから手動で変更を適用します。自動スコアリングは、良い意図が悪いデータと出会い、営業があなたのMQLフラグを永久に信頼しなくなる場所です。

アトリビューション分析: ダッシュボードのナラティブ要約

マルチタッチ・アトリビューションダッシュボードは、それを構築した本人以外には読み解けません。DGMは数字を暗唱しても誰も内面化しないか、根拠のないストーリーを語るかのどちらかになります。AIはその中間に位置します。過去90日間のアトリビューションデータをモデルに入力し、「何が変化し、なぜかについての200ワードのナラティブを作成してください」と依頼します。その四半期について自分が把握していることと照らし合わせてサニティチェックできる下書き要約が手に入ります。QBRデッキにはスパゲッティチャートではなく、その要約を掲載します。

AIがDGMを壊す場面

この箇所はベンダーメールには書かれません。これらの失敗はそれぞれ、私が実際にパイプラインを失った経験です。私の失敗から学んでください。

ICPのニュアンス

モデルはあなたのバイヤーを平均化します。あなたのバイヤーは平均ではありません。汎用的なSaaS企業の汎用的なVP of Salesに向けたコピーを生成しますが、あなたの実際のICPは「ハイブリッドセールスモーションを持ち、直近CROが離職してQ3パイプラインに焦りを感じている、80〜200名規模のSeries B企業のVP Sales」です。その2つ目のバイヤーは、1つ目のバイヤー向けのコピーを読みません。

詳細なICPコンテキストを入れることでより近づけることはできますが、ある段階を超えると、コピーを自分で書く時間より多くをプロンプトに費やすことになります。正直なラインは: AIは概ね平均的な70%のバイヤーには有効です。最も重要なアカウントには、コピーを手書きしてください。

営業とマーケティングの政治的調整

VP Salesが「このMQLはゴミだし、あなたのファネル全体がファンタジーだ」と言うミーティングでLLMは生き残れません。そのミーティングで勝つのは、証拠を引き出せるDGMです。どのMQL定義が変更されたか、どのキャンペーンが問題のあるリードを生み出したか、どのSDRが何を理由で失格にしたか。そのミーティングをモデルに渡すことはできません。準備にモデルを使うことはできます（ソース別のMQLからSQLへのコンバージョンの過去四半期分を要約する）が、ミーティング自体は人間の接触スポーツです。

コンテンツのオリジナリティ

あなたも競合他社も「2026年のデマンドジェネレーションについてのソートリーダーシップ記事を書いてください」とGPTにプロンプトを入れれば、同じ記事を公開することになります。モデルはオープンインターネットで学習されているため、そのデフォルト出力はオープンインターネット上にあるものの平均です。オリジナリティはまだ存在しない部分にあります。あなたのチームが実際に行った実験、あなたの会社でうまく機能した予想外のこと、カテゴリへの逆張りの見解。AIはそれらを編集することはできます。知らないため、生成することはできません。

インテントシグナル

Bombora、6sense、G2: これらのツールはあなたのカテゴリへの関心が急上昇しているアカウントを浮かび上がらせます。データは実在します。それをあなたのアカウントリストと照らし合わせて解釈することは、依然として人間の仕事です。モデルは喜んで「アカウントXは高いインテントを示しています、アウトリーチを推奨します」と言うでしょう。アカウントXは6か月前にチャーンした元顧客で、別のシーケンスをルーティングすればAEはメールに火を付けるでしょう。そのコンテキストはあなたのチームにあり、データセットにはありません。

実際のスタック: 現実のツールと現実の限界

今日からDGM ICとして始める場合に私が構築するスタックを、各ツールへの一言評価と共に示します。

Claude / ChatGPT. 今日のDGMにとって最もROIが高いです。アイデア出し、要約、下書きスキャフォールド、トランスクリプト分析、ブリーフ生成に使います。どちらも優秀です。Claudeはやや自然な文章を書く傾向があり、ChatGPTはプラグイン/インテグレーションの範囲が広いです。一方を選び、プロンプティングが得意になり、両方にお金を払わないでください。1シートあたり月20〜40ドル程度。

Jasper / Copy.ai. 私見: ブランドボイストレーニングとマーケティング向けUIを持つ、GPTの薄いラッパーです。ブランドボイストレーニングが唯一の実質的な差別化要素ですが、ほとんどのチームは適切にトレーニングしていません。チームにAIリテラシーが全くない場合、ワークフローテンプレートが役立つことがあります。チームがプロンプトを書けるなら、ラッパー税を払っているだけです。私はこれらの使用を止めました。

Mutiny / パーソナライゼーションツール. 最も流入の多いランディングページでのトップ・オブ・ファネルのA/Bテストに効果があります。実際の改善効果があり、測定可能です。「パーソナライゼーション」が2014年から誰も気にしていない「」トークンに成り下がると失敗します。上位3ページでのパイロットには価値がありますが、全体展開する価値はありません。

Clay / AIエンリッチメント付きApollo. リスト構築とアウトバウンドイネーブルメントで実際の時間節約が生まれる場所です。リストを引き出し、ファーモグラフィックとインテントデータでエンリッチし、関連するコンテキストを付けてSDRに渡します。これをうまく設定するDGMはSDRチームの週あたりの時間を大幅に節約し、一時的に営業にマーケティングを好きにさせます。

Gong / Chorus AIサマリー. すでにプラットフォームの費用を払っているなら価値があります。自動サマリーの精度は80%で、DGMが異論パターンをスキャンするには十分です。ボードデッキには確認なしで引用しないでください。

「完全自動化リードナーチャリング」をうたうもの. 次のセクションを参照してください。

「完全自動化リードナーチャリング」の罠

6か月ごとに、DGMへのベンダーのピッチでAIにリードナーチャリング全体を管理させる提案があります。セグメント選択、メール作成、送信時間の選択、オープン率が下がれば件名の書き直し。魅力的に聞こえます。60日以内にオープン率を壊滅させます。理由は以下の通りです。

完全自動化されたシステムは、与えたメトリクスを正確に最適化します。オープン率を与えると、オープン数を操作しますが操作的に感じる件名が進化します。クリックベイト、偽の緊急性、コールドメールの冒頭に「Re:」をつけるなど。オープン数は2週間急上昇し、その後ドメインレピュテーションが急落します。クリック率を与えると、クリックされやすいが中身のないCTAが進化し、ミーティング予約率が下がります。ミーティング予約数を与えると、高インテントセグメントを過剰にトリガーし、最も温度の高いアカウントを焼き尽くします。

修正策は、チョークポイントに人間のチェックポイントを設けることです。AIが草稿を作成し、人間が配信します。

私が例外なく人間専用にしている4つのチェックポイント:

コールドメールの件名. 奇妙な件名でオープン率18%の方が、洗練された件名でオープン率11%より常に優れています。モデルはデフォルトで洗練を選びます。人間は奇妙さを選びます。
送信日の判断. 火曜日午前10時（米東部時間）はモデルのすべての送信への答えです。週末にメールをトリアージする創業者がバイヤーの場合、正しい送信は日曜日午後7時のこともあります。モデルはそれを知りません。あなたは知っています。
セグメント分割. 「Tier 1アカウント」を「それ以外」から分ける際、通常は間違ったメッセージを送ると6か月間の関係を壊す数件のアカウントが存在します。人間がサインオフします。
上位50のターゲットアカウントへの送信. ABMリストは人間のものです。ターゲットアカウントへの1通の優れた手作りメールは、1,000通の自動送信より効果があります。

繰り返す一つのルール: AIが草稿を作り、人間が配信する。 これに同意しないベンダーは、基礎工事をスキップしようとする業者と同じように扱ってください。

オプション: ACEフレームワークの視点

VPとのAIユースケースの議論に語彙の枠組みが必要な場合、ACEフレームワークはAI業務を5つの能力に分解します。Ingest（取込）、Analyze（分析）、Predict（予測）、Generate（生成）、Execute（実行）。上記のDGMユースケースはきれいにマッピングされます。

Ingest: セールスコールのトランスクリプト、アトリビューションデータ、インテントシグナルをモデルが読める場所に取り込む
Analyze: 30件のコールを6つの異論に要約、アトリビューションダッシュボードを1段落に要約
Predict: 過去の商談パターンでMQLスコアリングを拡張
Generate: キャンペーンブリーフの下書き、コピーバリアント、有料クリエイティブのスキャフォールド
Execute: 自動送信（上記セクションの人間チェックポイントを設けた上で）

チームへの上申に語彙が役立つなら使ってください。チームへのピッチフレームとしては使わないでください。ほとんどのDGMはフレームワークではなく、実行を必要としています。（詳細版はFrameworks/ACE-Framework.mdを参照してください。）

最初の30日間で実装すること

ベンダーのブログ記事を読むのをやめてください。このプランを選び、実行し、測定し、調整します。

1週目: Notionに個人プロンプトライブラリを構築する. 実際に再利用する8つのプロンプト。50個のライブラリを作っても開かないでしょう。私のものは: キャンペーンブリーフジェネレーター、ヘッドラインテスト（12バリアント）、コールトランスクリプトからの異論要約、停滞したセグメントのリードナーチャリング書き直し、ICP対応コピーエディター、アトリビューションナラティブジェネレーター、有料クリエイティブバリアントブリーフ、週次QBR要約。各プロンプトの冒頭にICPの空欄記入ブロックを設けて、毎回タイプしなくて済むようにします。

2週目: 週次タスクの一つをAI補助バージョンに置き換える. 最も嫌いなタスクを選んでください。私の場合はVP Marketingに書いていた週次キャンペーンパフォーマンス要約でした。プロンプトとCSVエクスポートで、90分のタスクが20分になりました。節約時間を正直に測定します。AIバージョンが劣っていたなら、廃止して認めてください。良くなるはずだったからという理由で劣ったものを使い続けないでください。

3週目: 通常より3倍のバリアントで有料クリエイティブテストを実施する. 通常のペース（例えばLinkedInで四半期あたり4つの広告バリアント）が何であれ、今週12件配信します。CTRとCPLの改善を過去のベースラインと比較して測定します。目的はAIが機能することを証明することではありません。AIが手頃にするバリアント数の多いワークフローに慣れることです。

4週目: チームの「AIルール」ドキュメントを作成する. 1ページ。3つのセクション:

AIが下書きできるもの（ブリーフ、バリアント、要約、トランスクリプト抽出）
配信前に人間が確認するもの（件名、ターゲットアカウントへのメッセージング、Tier 1アカウントへの顧客向けコンテンツ全般）
公開モデルに貼り付けてはいけないもの（プロプライエタリな顧客データ、名前入りの未編集コールトランスクリプト、社内財務数値）

VP Marketingにページをサインオフさせます。これでプライバシーインシデントを心配されることなくAIを使う政治的サポートが得られ、適切に使う規律も生まれます。

最後に

AIはできないDGMをできるDGMにはしません。できるDGMを、センスを必要としない業務で約30%速くし、センスが必要な業務により多くの時間を使えるようにします。

センスが必要な部分: ICP、政治的調整、パイプラインの数字。それらは依然としてあなたのものです。常にそうあり続けます。

さあ、メールを閉じてブリーフを書いてください。

Demand Generation Manager Playbooks