広告提案書をAIで作る手順｜入力情報と人が確認する項目

広告提案書をAIで作るときは、構成案、論点整理、文章の下書きまでを任せ、人が事実確認と最終判断を持つ形にすると品質を保ちやすくなります。AIは材料を並べ替える速度に強みがあります。採用可否、予算配分、公開、出稿、納品の判断まで移すと、早く整った資料ほど根拠が見えにくくなります。

AIで広告提案書を作りたい人が知りたいのは、便利なツール名だけではないはずです。何を入力すれば提案の筋が通るのか。出力された文章のどこを直せば、クライアントに出せる状態になるのか。答えは、入力情報、構成、施策候補、本文、レビューを分けて扱うことにあります。

ただ、工程を分けるだけでは足りません。媒体仕様、過去実績、顧客の制約、社内の判断基準が混ざるのが提案書です。もっともらしい文章に見えた瞬間、根拠の所在はかえって曖昧になります。品質を守る条件は、AIへ渡す情報の範囲と、人が確認する項目を作成前に固定することです。

AIに任せる作業と人が持つ判断を分ける

提案書作成で時間がかかるのは、白紙のスライドを前に構成を考え、過去レポートを見返し、施策案を言葉に直す工程です。AIはこの前半と相性があります。ヒアリングメモから課題候補を整理する、媒体別の論点を分類する、目次案を複数出す、定例で話す順番に文章を整える、といった使い方です。

一方で、提案責任に関わる判断は人が持ちます。

• 提案先の事業理解が正しいか
• 数値の出典が実データに基づいているか
• 施策が契約範囲や予算内に収まるか
• 法務、ブランド、媒体ポリシー上の懸念がないか
• クライアントに約束してよい表現か
• 出稿、公開、納品に進めるか

この線引きは、AIの性能評価というより説明責任の整理です。下書きがAI由来であっても、広告代理店として説明するのは担当者と承認者です。成果を保証する表現、根拠のない効率化数値、許諾のない事例風の記述は、提案の説得材料と見なさず確認対象にします。

NISTのAI Risk Management Framework公式ページでは、AI RMF 1.0がAIに関連する個人、組織、社会へのリスクを管理しやすくする枠組みとして説明されています。任意利用の枠組みで、AI製品やサービス、システムの設計、開発、利用、評価に信頼性の観点を取り込むことを意図しています（NIST AI Risk Management Framework）。提案書づくりでも同じ考え方が使えます。AIの利用可否を大きく決める前に、どのリスクを誰が見て、どの判断を人が持つかを決めます。

入力情報は提案先、広告データ、制約に分ける

AIに漠然と作成を依頼すると、返ってくる内容も汎用的になります。広告代理店の提案で差が出るのは、文章のなめらかさより前提条件の粒度です。入力情報は、提案先、広告データ、制約の三つに分けると扱いやすくなります。

提案先に関する情報には、事業内容、主要商材、対象顧客、販売チャネル、競合環境、過去の施策、クライアントが気にしている指標を入れます。Webサイトだけを材料にすると、古い情報や推測が混ざることがあります。ヒアリングメモ、定例で合意した内容、担当者が確認した前提を優先します。

広告データは、媒体別の配信実績、キャンペーン構成、CV地点、CPA、CVR、CTR、CPC、IMP、配信面、クリエイティブ別の傾向などを、期間と出典がわかる形で渡します。AIには数値から要因候補を整理させます。提案書へ入れる前に、集計期間、計測条件、除外データ、季節要因、施策変更の有無を人が見ます。広告レポートを自動化する方法で扱う取得条件と数字の意味を揃えておくと、提案書の数値を元データまでたどりやすくなります。

制約条件も入力の一部です。月額予算、配信開始希望日、制作可否、LP改修の可否、ブランド表現、使えない訴求、承認フロー、契約範囲、レポート形式を明示します。制約が薄いほど、実行しやすそうで実行できない案が出やすくなります。条件が具体的なら、施策候補の優先順位や今回見送る案まで整理しやすくなります。

入力時は、次の形にしておくと下書きが安定します。

• 提案先の状況: 事業、商材、ターゲット、現在の課題
• 提案目的: 新規受注、継続改善、予算増額、媒体追加、クリエイティブ改善
• 利用データ: 対象期間、媒体、主要指標、比較対象
• 既存施策: 実施済み施策、未実施施策、過去に却下された案
• 制約条件: 予算、納期、制作体制、承認者、避けたい表現
• 出力形式: スライド構成、定例用メモ、本文下書き、レビュー観点

不足情報がある状態で本文を書かせると、推測が混ざります。その場合は提案書本文の前に、追加で確認すべき質問を出させるほうが実務に合います。

構成案から本文下書きまでの順番

完成版の本文から始めると、修正範囲が広がります。提案書は、目的、構成、論点、施策候補、本文の順に進めると判断しやすくなります。

最初に、提案の目的を一文にします。「検索広告のCPA改善に向けた次月施策を合意する」「SNS広告の新規配信に向けて訴求軸と初期検証設計を提案する」のように、読み手に何を決めてほしいのかを固定します。ここが曖昧なままだと、AIは見栄えのよい総花的な資料を作りやすくなります。

目的が決まったら、構成案を複数出させます。新規提案なら、市場理解、課題、仮説、施策、体制、スケジュール、費用、検証観点の順が考えられます。既存クライアント向けなら、前月結果、要因候補、未解決の論点、次月施策、必要な承認事項の順が自然です。構成案の段階で、読み手の判断に関係しないページを削ります。

施策候補を出す依頼では、「媒体別に10案」よりも、「現状データから優先度を付け、根拠、必要作業、リスク、確認事項を添える」と指定します。出力された候補は検討の入口です。実行可否、媒体仕様、過去の失敗、クライアント事情を踏まえ、残す案と見送る案を人が決めます。

本文下書きは最後で十分です。文章化の前に提案の筋を見る必要があります。筋が弱い提案は、文章だけ整うほど危険です。AIには、専門用語を減らす、社内向けメモをクライアント向けに直す、スライド見出しを結論型にする、といった仕上げを任せると使いやすくなります。

レビュー項目を先にチェックリスト化する

AIで作った下書きの確認を「違和感がないか」に寄せると、見落としが残ります。自然な文章ほど、根拠の弱さを隠します。人が見る項目を先に固定し、下書きに照らして確認します。

少なくとも、確認項目は六つに分けます。

• 事実: 会社名、商材名、媒体名、対象期間、指標、金額、日付が正しいか
• 根拠: 数値、比較、施策案の根拠が実データや合意済み情報に基づくか
• 論理: 課題、要因候補、施策、検証観点がつながっているか
• 実行可能性: 予算、制作、入稿、承認、運用体制に照らして実施できるか
• 表現: 成果保証、断定、過度な不安訴求、未許諾の事例化が含まれないか
• 判断: 公開、出稿、納品、予算変更の最終判断者が明確か

この中で特に注意したいのは、数値と約束の表現です。「改善が見込める」と書く場合でも、根拠となる仮説、検証条件、判断時期が必要です。そこが抜けると、提案は保証に近づきます。AIは自然な営業文を作れますが、契約上どこまで言えるかは人が確認します。

レビューは役割を分けると回しやすくなります。担当者はデータ、媒体仕様、作業範囲を見る。マネージャーは提案の筋、優先順位、クライアントへの説明責任を見る。最終承認者は、出稿や納品に進めるかを判断する。AIを入れても、この分担は残します。

Google広告の最適化案は判断材料として扱う

Google広告には、管理画面上で最適化案を確認し、適用または非表示にする機能があります。Google広告ヘルプでは、最適化案を適用した変更が変更履歴に表示され、誤って適用した場合は30日以内であれば変更履歴から取り消せると説明されています。広告掲載の目標に合わない最適化案は個別に非表示にでき、非表示期間に関する注意点も示されています（最適化案を適用または非表示にする - Google 広告 ヘルプ）。

この機能は、提案書の自動作成機能とは性質が異なります。提案書作成の文脈では、プラットフォーム側の推奨を検討材料の一つとして扱います。キーワード追加、入札、予算、広告文に関する推奨が出ていても、クライアントの目標、過去の運用方針、予算、ブランド条件と照らしてから資料へ入れます。

採用する場合は、その理由を提案書に残します。見送る場合も、今回採用しない理由を残します。問題になるのは、推奨を受け入れること自体より、判断の理由が資料に残らない状態です。Google広告の最適化案も、AIの下書きも、人が説明できる形に直して使います。

構成は判断してほしいことから逆算する

提案書は、きれいなスライドを並べる資料というより、読み手が判断するための資料です。AIに構成を出させるときも、情報量より意思決定の流れを指定します。

継続運用の改善提案なら、次の順番が使いやすいです。

• 目的: 今回の提案で合意したいこと
• 現状: 対象期間の主要指標と変化
• 要因候補: データから見える変化と未確認の論点
• 施策案: 優先順位、実施内容、必要作業
• 検証設計: 見る指標、期間、判断基準
• リスクと前提: 変動要因、制作・承認の制約
• 依頼事項: クライアントに判断してほしい項目

この順番にすると、報告から相談、相談から承認へ流れを作りやすくなります。箇条書きはページの骨格にすぎません。各ページで何を決めるのかまで書いて、初めて提案書の構成になります。

新規提案では、過去実績が少ない分、仮説の置き方が重要です。ターゲット、訴求、媒体選定、初期配信設計、レポート方針を示しつつ、言える範囲を検証条件に収めます。初期提案で伝えられるのは、「この仮説を、この条件で検証する」という範囲です。

AIには、各ページの見出しを判断に寄せて作らせます。「配信結果」より「CPA悪化の主因候補と次月の確認事項」、「施策案」より「来月実施する優先施策と見送る施策」のほうが、読み手は見るべき論点をつかみやすくなります。

チームで使うなら運用ルールまで決める

一度だけAIで提案書を作るなら、プロンプトの工夫でも対応できます。チームで継続的に使う場合は、運用ルールが品質を左右します。誰が何を入力してよいか、どの資料をAIに渡してよいか、出力をどの順番で確認するか、最終承認を誰が持つかを決めます。

広告代理店では、過去のレビューコメントや定例資料に判断基準が残っていることがあります。なぜこの表現を直したのか、なぜこの施策を見送ったのか、どの指標を重視したのか。こうした情報をAIに渡す前提条件やレビュー観点に変えると、ベテランの暗黙知をチームで使いやすくなります。

情報の扱いも同時に決めます。個人情報、未公開情報、契約上の制限がある情報、他社案件の機密情報は、入力前に扱いを確認します。便利さを優先して入力範囲を曖昧にすると、提案書の品質以前に情報管理の問題になります。

広告代理店の業務全体でAIと人の分担を設計する考え方は、広告代理店のAI・DXでも整理しています。Cotomuの広告代理店向けAI伴走は、広告レポート、クライアント定例、SNS企画、チーム標準化に関する草案や候補整理を支援する位置づけです。公開、出稿、納品の最終判断は人が行います。効果や工数削減の保証は行わず、料金も個別見積もりです。提案書作成でも、AIの価値は人の判断を減らすことより、判断に使う材料を早く比較しやすい形に整えることにあります。

AI補助で品質を保つ条件

広告提案書をAIで作るなら、完成版を一気に出させる発想から離れます。提案先の情報、広告データ、制約条件を整理し、構成案、施策候補、本文下書きに分けて出力させる。人は事実、根拠、論理、実行可能性、表現、最終判断を確認する。この順番なら、速度と品質を同じ資料の中で両立させやすくなります。

品質を保つには、AIへ渡す情報の範囲と、人が確認する項目を作成前に固定します。Google広告の最適化案のようなプラットフォーム推奨も、AIの生成文も、採用・非採用の理由を人が説明できる状態にしてから提案書へ入れます。公開、出稿、納品の判断を人が持つ。この境界を保てるなら、AIは提案書づくりの責任を肩代わりせず、判断材料を整える補助になります。