AIツールのプロダクト主導型成長

著者: Brian Tr · 更新日: 2026年10月5日

プロダクト主導型成長(PLG)とは、顧客の獲得、転換、拡大の仕事の大半を製品自体が担うGTMモデルです。AIツールには、自然な組み合わせに見えます。誰でも1分で製品を試し、出力を目にできるからです。しかしPLGは、無料ユーザーが1人増えてもコストがほとんどかからないソフトウェアのために設計されたものであり、AIツールがまさに食い違うのは、この前提です。

本ページでは、このモデルを説明し、どの部分がAIプロダクトに引き継げて、どの部分が引き継げないかを示します。さらに、これを機能させるための指標、価格設定、営業のレイヤーも取り上げます。AI企業がプロダクト主導型の進め方をそもそも採用すべきでない場合も挙げます。一般的なモデルについては、プロダクト主導型成長をご覧ください。ここでは、製品がモデルの上で動くとき何が変わるのかに焦点を当てます。

プロダクト主導型成長とは

この用語は、ベンチャーキャピタルのOpenViewが生みました。パートナーのBlake Bartlettは、Sacraによるインタビューの中で、OpenViewが2016年にこの言葉を作ったと語り、次のように定義しました。顧客の獲得、転換、拡大の主たる推進力として、製品そのものに頼るGTM戦略です。対比されるのは、営業とマーケティングのチームに所属する人が主たる推進力となる進め方です。

Wes Bushの著書『Product-Led Growth: How to Build a Product That Sells Itself』は、この考え方を実践的なプレイブックにしました。彼の会社ProductLedは、PLGを製品を顧客の獲得、アクティベーション、維持の主たる手段として使うこと、と説明しています。通常は無料トライアルかフリーミアムのティアを通じて、ユーザーが支払う前に意味のある成果へ到達できるようにします。順序が重要です。先にエンゲージメント、お金は後です。

定義の根底には、3つの考え方があります。

• セルフサービスの入口。 ユーザーは、誰とも話さずに始められます。
• 支払いの前に価値。 ユーザーはまず実際の成果を体験し、アップグレードはその成果から自然に続きます。
• 製品がファネルである。 誰が購入できる状態にあるかを教えてくれるのは、営業の通話ではなく、利用データです。

合う点: AIツールがPLGのために作られたように見える理由

AIプロダクトのいくつかの特徴は、このモデルとうまく噛み合います。

個人が許可なしに導入できる。 1人の人が、ドキュメント、スプレッドシート、プロンプトを貼り付けるだけで、有用な結果を得られます。コラボレーションやデザインのソフトウェアを企業に浸透させたのと同じ、ボトムアップの入口です。1人のユーザー、次にチーム、そして発注書へと進みます。

出力が目に見える。 多くのソフトウェアは、利点を想像するよう求めます。AIツールは、下書きされたメール、要約、整理されたデータセットを見せます。製品が自らを実演し、その結果は共有しやすいため、自然な広がりが生まれます。

time to valueを非常に短くできる。 最初の有用な出力が数秒で届くなら、登録から「アハ体験」までの隔たりは小さくなります。短いtime to valueは、セルフサービスのファネルで最大の単一のてこです。

カテゴリーへの好奇心がトラフィックを呼ぶ。 新しい種類のツールが登場すると、多くの人が試したがります。ファネルの上流の需要が無料で手に入りますが、後述のとおり、これは罠でもあります。

行き詰まる点: AIツールが従来のPLGと違うところ

無料ユーザーのすべてにコストがかかる

従来のPLGの経済性は、無料ユーザーの提供コストがほぼゼロであることを前提にしていたため、大きな無料ティアは安上がりなマーケティングチャネルでした。AIプロダクトは、やり取りのたびに変動する計算コストを負います。A16zのAI企業の財務に関する分析は、粗利益率が50%から60%の範囲になることが多く、同等のSaaSでは60%から80%以上が目安であることを示し、その差の原因をクラウドインフラの大量利用と継続的な人によるサポートに求めました。この分析は2020年のもので、その後コストの状況は変わりましたが、構造的な点は今も当てはまります。利用の提供は、無料ではありません。

BessemerのState of AI 2025は、そのばらつきがどれほど広がったかを示しています。最も急成長するグループ「Supernovas」の粗利益率は平均で約25%(多くはマイナス)、「Shooting Stars」は平均で約60%でした。標本は小さい(20社)ため、市場平均ではなく例示として読んでください。PLGにとっての教訓は、気前のよい無料ティアは、マーケティング上の判断であるだけでなく、利益率の判断でもあるということです。さらに詳しくはAIスタートアップのビジネスモデルで扱っています。

フリーミアムは、不適切なユーザーを引き寄せやすい

AIツールを試すのは楽しいので、無料ティアには、決して支払わない人が大勢集まります。学生、趣味で触る人、1日の午後に十数個のツールを比較する人などです。そのすべてが計算リソースを消費します。従来のソフトウェアなら得になる無料ティアも、継続的なコストの項目になります。よくある対策は、期間を区切ったトライアル、少額で固定のクレジット枠、コストの高い機能を制限して安い機能は開放しておくことです。

目新しさによる利用が、初期の数字を膨らませる

サインアップと最初のセッションが急増しても、製品が必要とされている証拠にはなりません。多くのAIツールでは、好奇心による利用が急増した後、急激に落ち込みます。製品が、週次のレポートや毎日の受信トレイのような繰り返しの仕事に結びつかなければ、目新しさが薄れたとき、リテンションは下がります。これがAIプロダクトで獲得型の指標が誤解を招き、アクティベーションと繰り返しの利用のほうが重要になる理由です。

エンタープライズはセルフサービスの前に障壁を置く

PLGは、ユーザーが業務用のメールアドレスで登録してすぐ始められることを前提にしています。会社のデータに触れるAIツールでは、それがしばしば阻まれます。セキュリティチームは、データがどこへ行くのか、モデルの学習に使われるのか、誰が出力を見られるのか、ベンダーの保持ポリシーはどうなっているのかを尋ねます。新しいツールに顧客データを貼り付けた従業員は、気づかないうちにポリシーに違反しているかもしれません。したがって、メモアプリで機能するボトムアップの入口が、AIツールではセキュリティ審査で止まることがあります。創業者には、個人ユーザーとセキュリティの審査担当者の両方を満足させる道筋が必要です。明確なデータの取り扱い条件、管理機能、購入しやすいビジネスティアなどです。

薄い製品には、PLGの参入障壁がない

製品が借り物のモデルの上に載った薄い層にすぎないなら、セルフサービスの進め方は競合に簡単に真似されます。誰もが同じ機能の無料トライアルを提供できます。PLGが報いるのは、独自のデータループ、ワークフローの深さ、連携機能を持つ製品です。このテーマはAIラッパーとAIネイティブの違いで掘り下げています。

一目でわかる適合度

AIツールのアクティベーション指標

PLGの事業で最も有用な初期指標は、アクティベーションです。製品が価値を証明する瞬間に到達した新規ユーザーの割合です。AIツールでは、「アカウントを作成した」や「プロンプトを実行した」は弱い定義です。より良い定義は、ユーザーが対価を払うに値する成果にアクティベーションを結びつけます。文書作成ツールなら、受け入れられ、使われた出力かもしれません。データツールなら、エクスポートされた、あるいは共有された結果かもしれません。

AIプロダクトの優れたアクティベーション指標は、たいてい4つの特徴を共有しています。

1. 生成された出力ではなく、受け入れられた出力を測る。 再生成を繰り返すユーザーは、アクティベートされていません。結果をコピーし、エクスポートし、送信したユーザーが、アクティベートされたユーザーです。
2. 期間を設定する。 たとえば最初のセッション内、あるいは最初の1週間以内に成果へ到達することで、オンボーディングが機能しているかを確認できます。
3. 繰り返しの利用と初回の利用を分ける。 その後の数週間に、2回目、3回目の意味のあるセッションがあれば、製品が単なる目新しさではない証拠になります。
4. コストを含める。 アクティベートされたユーザーあたりの計算コストを、アクティベーション率と並べて追跡します。アクティベーションは良好でも、支払う額より提供コストのほうが高いコホートは、アクティベーションの数字だけでは見えない問題です。

一般的なフレームワークはユーザーアクティベーションのフレームワークに、ダッシュボード側はPLG指標のダッシュボードにあります。どちらもそのまま当てはまります。AI特有の調整は、出力の受け入れを重要なイベントとして扱い、ユーザーあたりのコストを補助的な指標として扱うことです。

収益化: 従量課金とクレジット制の価格設定

純粋なシート課金は、AIツールには扱いづらいものです。1人のユーザーが生み出す作業量は、取るに足らないものから膨大なものまでさまざまで、コストはその作業に比例します。よくある構造は2つあります。

従量課金は、消費したもの、つまりタスク、文書、処理したページに対して課金します。収益をコストに合わせ、顧客が得る価値に応じて拡大します。欠点は、顧客が請求額を予測できないため、購入のハードルが上がることです。

クレジット制の価格設定は、アクションごとに異なる比率で消費されるクレジットのバンドルを販売します。顧客には予測しやすい月額が示され、ベンダーは高コストのアクションを安いアクションより高く値付けできます。リスクは混乱です。クレジットで何が買えるのかがユーザーにわからなければ、ためらいが生まれます。

多くのAIツールは、基本のサブスクリプション(アクセスとクレジット枠のため)に、従量課金の超過分を組み合わせています。これにより、PLGが必要とするシンプルな入口価格を保ちつつ、ヘビーユーザーから利益率を守れます。トレードオフの詳細はAIスタートアップのビジネスモデルにあります。

どの方式にも共通する原則が1つあります。無料枠は、アクティベーションのイベントに到達するのに十分な利用量をカバーし、それ以上は与えすぎないことです。

プロダクト主導型のセールスを重ねる

純粋なセルフサービスだけで、AIツールを大企業の奥深くまで運べることはまれです。一般的なパターンはプロダクト主導型のセールスです。個人や小さなチームが製品を通じて導入し、その後、購買のシグナルを示すアカウントに営業チームがアプローチします。そのシグナルが**PQL(Product Qualified Lead)**で、利用状況から、より大きなプランに進む準備ができていると考えられるアカウントです。

AIツールで役に立つPQLのシグナルには、次のようなものがあります。

• 同じ企業ドメインの複数のユーザーが、短期間にアクティベートした
• 利用量が無料またはスターターの上限に近づいている
• 共有ワークスペースや監査ログなど、管理機能が必要な機能を使っている
• 会社のデータに対する作業が繰り返され、定常的な業務であることがうかがえる
• 製品やサポートを通じて、セキュリティや調達に関する質問が出された

ここで、エンタープライズの障壁に対処します。営業担当者は、セキュリティの質問票に答え、データ処理契約を提示し、マネージド型の導入を販売できます。いずれもセルフサービスの流れではできないことです。完全なモデルはプロダクト主導型のセールスで説明しています。AI企業の場合、販売には買い手が2者いることがよくあります。ツールを気に入ったチャンピオンと、承認しなければならないセキュリティまたはITの責任者です。

AIプロダクトがPLGであるべきでない場合

PLGは、すべてのAI企業に適した進め方ではありません。次の場合は、別のアプローチを検討してください。

• 価値が現れる前に、ワークフローの深い連携が必要。 製品が、社内の複数のシステムを接続して初めて動くなら、無料トライアルでは何も見せられません。
• データが非常に機密性が高い、または規制されている。 買い手が製品に触れる前にセキュリティと法務の審査を完了しなければならない場合、セルフサービスの登録は成り立たず、営業主導の進め方のほうが合います。
• 取引規模が大きく、購買グループも大きい。 多くの関係者が絡む高額の契約が、クレジットカードによるアップグレードで成立することはまれです。
• トライアルあたりのコストが高い。 1回の評価実行に実際のお金がかかるなら、開放された無料ティアは、パイプラインを生み出すより速くキャッシュを燃やしかねません。ガイド付きのデモや有料のパイロットのほうが合います。
• 製品がツールではなく、完成した成果を売っている。 顧客がアクセスではなく結果を購入するなら、まず範囲と責任についての話し合いを望みます。
• バーティカルが狭い。 小さく明確に定義された市場では、既知の買い手へのアウトバウンド営業のほうが、買い手が無料ツールを見つけるのを待つより安上がりな場合があります。

これらのどれも、PLGを永久に排除するものではありません。多くの企業は、うまくいく方法を学ぶためにまず営業主導で始め、製品が安定してから、小規模な顧客向けにセルフサービスの入口を加えます。

無理のない出発点の設計

初期のAIツールで実現しやすい形は、次のとおりです。

1. アクティベーションのイベントを定義する。 実際の仕事に結びついた、受け入れられた出力とします。
2. 無料の体験に上限を設ける。 そのイベントに到達するのに必要な量にとどめ、短いトライアルか固定のクレジット枠を使います。
3. 基本料金に従量課金かクレジットを組み合わせて価格を設定する。 コストと収益が一緒に動くようにします。
4. 初日から、アクティベーションとリテンションに並べてユーザーあたりのコストを計測する。
5. 早い段階でビジネスティアを追加する。 データの取り扱い条件と管理機能を備え、チームが個人アカウントから承認済みのアカウントへ移れるようにします。
6. PQLに注目し、有望なアカウントを担当者に回す。

チームがこれを全体像の中でどこに位置づけるかも検討しているなら、AIネイティブスタートアップとはが、これらの選択の背景を整理しています。

重要なポイント

• PLGの起源: OpenViewは、2016年に「プロダクト主導型成長」という言葉を作ったと述べており、これを、獲得、転換、拡大の主たる推進力として製品に頼るGTM戦略と定義しています(OpenViewのBlake BartlettへのSacraのインタビュー)。
• 中核の仕組み: ユーザーは、支払う前に無料トライアルまたはフリーミアムのティアを通じて、意味のある成果を得ます。Wes Bushの著書の背後にある会社、ProductLedによる説明です。
• AIのコスト構造は異なる: a16zは、AI企業の粗利益率が50%から60%であることが多く、同等のSaaSでは60%から80%以上だと報告し、その理由としてクラウドインフラの大量利用と人によるサポートを挙げました(a16z、2020年)。
• 利益率は成長の道筋によって大きく異なる: Bessemerの2025年の標本では、最も急成長する「Supernovas」の粗利益率は約25%(多くはマイナス)、「Shooting Stars」は約60%でした(Bessemer、State of AI 2025)。
• 無料ティアは利益率の判断である: 支払わないAIユーザーのそれぞれに計算コストがかかるため、無料枠はアクティベーションのイベント付近で終えるべきです。
• 最良のアクティベーションのシグナル: 実行したプロンプトや作成したアカウントではなく、受け入れられた、または使われた出力。
• 典型的な完全なモデル: セルフサービスの入口とプロダクト主導型のセールスを組み合わせ、PQLをセキュリティ審査や大きなプランのために担当者へ回す。

これからの進め方

プロダクト主導型成長がAIツールで機能するのは、3つの条件がそろうときです。価値が素早く現れること、無料ユーザーの提供が賄えること、そしてトライアルが簡単には真似されない深さを製品が持っていることです。そのうち1つでも欠けるなら、従来のソフトウェアのプレイブックをそのまま写すのではなく、モデルを調整してください。まずアクティベーションのイベントから始め、コストに連動する価格を設定し、必要とするアカウントのために営業のレイヤーを加えます。たとえばReworkのSales Opsアプリのように、CRMとパイプラインで商談と並べて製品のシグナルを追跡しているチームなら、別のシステムなしでPQLを担当者に回せます。構築の土台となるレイヤーについては、アプリケーション層とモデル層の違いをご覧ください。

関連記事

• AIプロダクトの顧客獲得
• AIプロダクトの無料トライアル
• プロダクト主導型成長
• プロダクト主導型のセールス
• ユーザーアクティベーションのフレームワーク
• PLG指標のダッシュボード
• AIスタートアップのビジネスモデル
• AIラッパーとAIネイティブの違い
• AIネイティブスタートアップとは