イントロダクション
Amazon広告の分析は時間がかかる作業です。多くのブランドや代理店にとって、毎週のパフォーマンスレビューには、レポートのエクスポート、ピボットテーブルの作成、キャンペーンデータの比較、検索語句の確認、異常値の特定、そして調査結果のまとめといった作業が依然として含まれています。
このライブワークショップでは、Intentwiseのプロダクトマネージャーであるケントン・スナイダー氏が、AmazonチームがIntentwise AI Gatewayを介してAmazonデータに接続されたClaudeを使用して、広告パフォーマンスをより迅速に診断し、繰り返し発生する分析を再現可能なワークフローに変換する方法を実演しました。
このセッションでは、実践的な問題に焦点を当てました。AIは、チームが何が変化し、なぜ変化したのか、そして次にどのような行動を取るべきかを理解するのにどのように役立つのでしょうか？
手動分析からAI支援診断への移行
ケントン氏はまず、Amazon広告分析における従来のワークフローについて説明した。チームはキャンペーンレベルのデータ、キーワードデータ、検索語句データ、商品レベルのデータをエクスポートし、それらをすべてまとめて大きなスプレッドシートやダッシュボードを作成する。
その方法は有効だが、時間がかかる。また、新たな質問ごとにデータの整理、ピボットテーブルの作成、あるいは追加の手動レビューが必要になる可能性があるため、その後の分析が難しくなる。
ClaudeのようなAIツールを使うことで、ワークフローは変化し始めます。ClaudeがAmazonのデータに接続されると、チームは次のような自然言語による質問ができるようになります。
- ACOSは過去14日間でなぜ変化したのでしょうか？
- 予算上限に達しながらも、効率的な成果を上げているキャンペーンはどれですか？
- 新たなキーワードや検索語句の機会はどこに見られるのでしょうか？
- どのキャンペーンで入札額や予算の調整が必要ですか？
- 私たちはどこに投資を怠っているのか？
スプレッドシートから始める代わりに、分析はビジネス上の疑問から始めることができる。
コンテキストこそがAI分析の有用性を左右する
ワークショップで得られた最も重要な教訓の一つは、AIが有用なレコメンデーションを提供するには、ブランド固有のコンテキストが必要であるということだった。
AIツールはデフォルトでは汎用型です。データ分析は可能ですが、コンテキストがなければ、推奨事項は一般的なものになってしまう可能性があります。分析の関連性を高めるために、ケントン氏はブランドコンテキストファイルを使用してClaudeプロジェクトを作成する方法を示しました。
そのコンテキストファイルには、次のような情報が含まれる可能性があります。
- 会社概要
- 目標パフォーマンス指標
- 年間収益および支出目標
- キャンペーンタイプ別の目標ACOS
- 主要なASINとキャンペーン
- 既知の問題領域
- 季節性傾向
- 競争環境
- 最近のアカウントの変更
これにより、クロードはパフォーマンス分析を開始する前に、アカウントについてより深く理解することができます。例えば、スポンサーブランドキャンペーンの目標ACOSがスポンサープロダクトキャンペーンの目標ACOSと異なる場合、クロードはその目標値を参考に、パフォーマンスが健全か懸念すべきかを判断することができます。
Amazon分析用のClaudeプロジェクトの設定
ケントンは、セッション間で文脈の一貫性を保つ方法として、Claude Projectsを使用することを推奨した。
チームは、ブランド、目標、アカウント構造を毎回再説明する代わりに、マークダウン形式のコンテキストファイルを一度アップロードすれば、それを今後の分析の基盤として使用できます。
彼はまた、マークダウンファイルはAIツールで処理しやすく、より重いファイル形式よりもトークン数が少ないため、マークダウンファイルの使用を推奨した。
Intentwise AI Gatewayに接続しているチームの場合、ClaudeはMCP接続を介してAmazon Ads、Seller Central、Vendor Centralのデータを直接照会できます。MCP接続のないチームでも、CSVエクスポートを手動でアップロードすることで同様のワークフローは可能ですが、自動化の度合いが低く、スケジュール設定も難しくなります。
クロードによるACOSの変化の診断
最初の実例は、ACOS（横隔膜眼圧症候群）の動きの診断に焦点を当てたものでした。
ケントンはクロードに対し、過去14日間でACOSの変化を引き起こしたキャンペーンを特定し、その問題が入札、新しいキーワード、または外部要因によるものかどうかを判断するよう促した。
クロードはその後、Intentwise AI Gatewayを通じてキャンペーンレベルおよび検索語レベルのデータを照会し、何が変わったかを要約した。これにより、パフォーマンスを低下させたキャンペーン、クリックと注文の動きに関するパターン、考えられる競合圧力、検索語の変化などが特定され、次のステップが推奨された。
重要な点は、クロードが業績を要約したというだけではない。業績の変化を考えられる要因と結びつけ、次にどこを調査すべきかを示唆した点も重要だった。
予算と規模拡大の機会を見つける
2つ目の例では、前週に少なくとも3日間、日々の予算目標を達成しつつ、ACOSを目標しきい値以下に抑えたキャンペーンを見つけることに焦点を当てた。
クロードは、予算に制約はあるものの効率的なキャンペーンを特定し、さらに予算が増えれば規模を拡大できる可能性のあるキャンペーンを推奨した。
これは、AIが週ごとの最適化をどのようにサポートできるかを示す好例です。予算上限のあるキャンペーンを手動で絞り込んだり、ACOS目標を比較したり、支出パターンを確認したりする代わりに、チームはClaudeに機会を直接見つけてもらうことができます。
分析をエージェントの定型ワークフローに組み込む
ケントンは、単発のプロンプトを順を追って説明した後、ワークフローを繰り返し実行する方法を示した。
Claude Co-Workを使用して、彼はコンテキストファイルとエージェントプロンプトを含む週次広告分析プロジェクトを作成しました。エージェントプロンプトは、Claudeに以下の週次チェックを実行するように指示しました。
- ACOS異常
- 予算上限に達しながらも好成績を収めたキャンペーン
- キーワード収集の機会
- 収益の減少
- CPCの変更
- 投資額が少ないにもかかわらずコンバージョン率の高いキャンペーン
出力は簡潔で実用的なものとなるよう設計された。クロードには、各チェックの内容を要約し、問題がないかを確認し、影響度の高い順に推奨される対策を提示するよう指示された。
ケントン氏はまた、ワークフローによって結果をSlackに送信し、チーム内で分析結果を簡単に共有する方法も示した。同様のアプローチはメールでも使用でき、あるいはClaude内部に保持することも可能だ。
記憶は時間の経過に伴う傾向の追跡に役立つ
繰り返し行われるワークフローのもう一つの重要な要素は、記憶だった。
毎週の分析結果から重要なポイントを保存することで、クロードは過去の分析結果を参照し、長期的な傾向を把握できるようになります。つまり、ワークフローは繰り返し実行することで、より効果的なものになるということです。
例えば、同じキャンペーンが繰り返し問題として表示されたり、同じアカウントの傾向が数週間連続で現れたりした場合、AIは今後のサマリーでそれを指摘することができます。
これにより、AIは単発的な分析ツールから、軽量なパフォーマンス監視システムへと移行する。
MCPとのつながりが重要な理由
ケントン氏は、MCPはAIツールを実際のビジネスデータに接続するための最良の方法の一つだと説明した。
MCPはAIツールのAPIのように機能し、ClaudeやChatGPTが質問に答えるために必要なデータにアクセスできるようにします。これにより、毎回手動でCSVファイルをアップロードする必要がなくなります。
Intentwise AI Gatewayは、Amazon Ads、Seller Central、Vendor CentralのデータをClaudeやChatGPTなどのツールに接続します。これにより、チームは広告パフォーマンス、売上、在庫、財務、アカウントコンテキストを組み合わせた質問を行うことができます。
そのメリットは利便性だけではありません。データの統合にも役立ちます。Amazonシステム全体に分散しているキャンペーン、キーワード、商品、在庫、販売データを手動で接続するのは困難です。MCP接続により、AIは適切なデータにスムーズにアクセスできます。
手動アップロードがまだ機能する場合
MCPにまだ接続していないチームでも、レポートを手動でアップロードすることで同様のプロセスを利用できるとケントン氏は説明した。
推奨される方法は、Claudeプロジェクトを作成し、コンテキストファイルをアップロードした後、分析を実行する必要があるたびに、関連するレポートを手動で提供することです。
これは依然として役立つ場合もあるが、拡張性は低い。ワークフローは完全に自動化されるわけではなく、Claudeが複数のCSVファイルを独自に解釈して結合する必要がある場合、処理に苦労する可能性がある。
セキュリティとデータアクセスに関する考慮事項
このセッションでは、AIツールをビジネスデータに接続する際のセキュリティ上の考慮事項についても取り上げた。
ケントン氏は、チームはMCP接続のセキュリティと、AIプロバイダーとの間で締結する契約内容の両方を理解する必要があると指摘した。一般的に、チームは再学習を行わない契約、そして必要に応じてデータ保持期間をゼロにするオプションを検討すべきである。
ビジネスでの利用事例については、機密性の高いビジネスデータを扱う際には、消費者向けAIプランの使用を避け、データ保護がより強化されたチーム環境、エンタープライズ環境、または限定された環境を利用することを推奨した。
主要なポイント（要点）
このセッションで最も重要な点は、AIがAmazonのチームを、手動による報告から再現性のあるパフォーマンス診断へと移行させるのに役立つということだ。
新規チーム向けの推奨手順は以下のとおりです。
- ブランドコンテキストファイルを作成する
- コンテキストの一貫性を保つために、Claude Projects を使用してください。
- 可能な場合は、MCP経由でAmazonデータを接続してください。
- まずは実践的な週次分析問題から始めましょう。
- 繰り返し行うチェックをエージェントプロンプトに変換する
- ワークフローを自動的に実行するようにスケジュールする
- チームが既に利用しているプラットフォーム（Slackなど）で成果を出す
- メモリを使用して、時間の経過に伴う繰り返しの傾向を追跡します。
AIは人間の判断の必要性をなくすものではありません。しかし、データ収集、レポートの比較、要約作成にかかる時間を短縮できます。Amazonのブランドや代理店にとって、これは次に何をすべきかを決定することに、より多くの時間を費やせることを意味します。
