LINE公式アカウントの友だちは増えているのに、配信するたびにブロックが増える。売上はそれほど伸びないのに、配信の費用だけが膨らんでいく。自社ECでLINEを運用している担当者なら、思い当たる場面があるのではないでしょうか。2026年10月には、LINE公式アカウントの追加メッセージ料金も改定されました。全員に同じ内容を送る配信のままでよいか、見直す時期に来ています。
この記事では、次のことがわかります。
- 一斉配信が、費用とブロックの両面で効率を下げてしまう理由
- AIでお客様ごとに「商品・タイミング・言い回し」を変える仕組み
- LINEとECのデータをつなぎ、個別の配信を始めるまでの手順と、追うべき指標
専門用語はできるだけ言い換えながら、少ない配信数でリピート購入を増やすための実務を解説します。の流れに沿って解説します。
目次
この記事を読んでいる方におすすめ
ECのLINE運用で「一斉配信」の限界が訪れている
ブロック率上昇と通数課金が招く「費用対効果の悪化」
LINE公式アカウントの料金は、送ったメッセージの通数で決まります。通数は「配信する人数×配信回数」で数え、セグメント配信やステップ配信も対象です。一方、お客様からの問い合わせへの自動返信（応答メッセージ）などは数えられません。料金プランは、月額無料で200通までの「コミュニケーションプラン」、月額5,000円で5,000通までの「ライトプラン」、月額15,000円で30,000通までの「スタンダードプラン」の3つです（いずれも税別）。上限を超えて送れるのはスタンダードプランのみとされています。出典：LINEヤフー for Business「LINE公式アカウントの料金プランは？」 上限を超えた分の追加メッセージは、2026年10月1日から、月20万通までは1通3円（税別）に改定されました。出典：LINEヤフー for Business「LINE公式アカウント 追加メッセージ料金改定のお知らせ」
例えば、ブロックしていない友だちが2万人いるアカウントで、週2回（月8回）の一斉配信を行うとします。月16万通になり、無料分の3万通を超える13万通に追加料金がかかります。月額15,000円と合わせると 、月40万5,000円です。もし、関心のありそうなお客様にだけ月2通ずつ届ける形に変えれば、月4万通で済み、費用は月4万5,000円になります（数値は説明のための計算例です）。
費用以上に見落とされやすいのが、ブロックです。関係のない配信が続くと、お客様はそのアカウントを「自分には不要な通知」と判断し、ブロックしてしまいます。ブロックされたお客様には、その後どんなに良い案内も届きません。友だち追加の直後から一斉配信を繰り返すと、関係ができる前にブロックされるおそれもあります。
静的セグメント配信でも埋められない「顧客体験のズレ」
一斉配信の対策として、多くの事業者が取り入れているのがセグメント配信です。セグメント配信とは、性別や年代などの条件で友だちを分け、グループごとに内容を変えて送る方法です。ただ、性別や年代のように変わりにくい情報（属性） で分けるだけでは、お客様の今の状況まではつかめません。
例えば、「30代女性」に同じ化粧水の案内を送ったとします。その中には、先週その化粧水を買ったばかりの人もいれば、日焼け止めを比べている最中の人や、友人への贈り物を探している人もいます。同じ「30代女性」でも、買う理由や検討しているタイミングはばらばらです。
ここで必要になるのが、属性ではなく「文脈」に合わせる考え方です。文脈とは、お客様が今なぜ、何を、どの段階で検討しているかという状況のことです。何を見て、何をカゴに入れ、前回いつ何を買ったか。こうした行動から文脈を読み取り、一人ひとりに合った内容を届けることが、一斉配信からの脱却の出発点です。
「AI×超・個別化（ハイパーパーソナライゼーション）」がECリテンションを変える理由
従来のルールベース配信と「予測型AI配信」の決定的な違い
ハイパーパーソナライゼーションとは、お客様一人ひとりの行動に合わせて、内容やタイミングまで変えて届けることです。これを支えるのが、AIによる予測です。従来のルールベース配信と比べると、違いは次のとおりです。
ルールベースの配信は、条件が少ないうちはわかりやすい方法です。しかし、商品やお客様が増えるほど条件の数が膨らみ、管理しきれなくなります。予測型のAI配信なら、条件を増やし続けなくても、お客様ごとに合った配信ができます。運用の手間を減らしながら、配信の精度も上げられる点が大きな利点です。
最適な「商品・タイミング・トーン」を自動算出するメカニズム
AIが最適化するのは、主に「何を」「いつ」「どんな言い回しで」届けるかの3点です。
「何を」の代表例が、使い切る商品の再購入予測です。例えば30日分の洗顔料なら、AIは過去の購入間隔をもとに「このお客様はそろそろ使い切る頃」と予測します。購入から25日目ごろに案内を送れば、ほかの店で買い直される前に声をかけられます。閲覧の記録からは、よく見ているカテゴリーや、比べている商品を読み取り、近い商品を提案します。
「いつ」は、お客様ごとの活動時間帯です。ECサイトへの訪問時刻や、メッセージ内のリンクをクリックした時刻の記録から、朝に反応しやすい人、夜に反応しやすい人を見分けます。
「どんな言い回しで」は、過去にどんな内容に反応したかで判断します。使い方の解説に反応する人には丁寧な説明を、新商品の案内に反応する人には短く要点を伝える文面を選びます。自社で試す場合も、購入履歴と閲覧の記録、リンクのクリック記録の3つがあれば、この仕組みの基本的な形は試せます。
AI×LINE公式アカウントで実践する「超・個別化」施策の4ステップ
ステップ1：ゼロパーティデータとEC購買データの統合基盤づくり
最初に取り組むのは、データの準備です。中心になるのが、ゼロパーティデータです。ゼロパーティデータとは、お客様が自分から教えてくれる好みや予定などの情報を指します。例えば「肌の悩み」「よく料理する時間帯」「次に買う予定のもの」といった情報です。LINEでは、画面下部に固定表示できるメニュー（リッチメニュー）や、アンケート機能から集められます。
ゼロパーティデータは、ECのカートシステムにある購買データと結びつけて初めて役に立ちます。そのため、LINEの友だちとECの会員を同じ人として結びつける「ID連携」を行います。LINEのアカウントでECにログインできる仕組みを導入し、ログインのタイミングで両者を結びつけるのが一般的な方法です。
設計のコツは2つです。まず、ECの会員IDを全データの軸にすることです。LINE、カート、問い合わせのデータを、すべてこのIDで結びつけます。データが部署やツールごとにばらばらになる状態（サイロ化）を防げます。次に、アンケートは1回3問程度に絞り、回答をお客様の情報として保存することです。質問が多いと答えてもらえず、保存しないと配信に使えません。
ステップ2：閲覧・カゴ落ち・再入荷を起点としたイベント駆動型トリガー配信
次に、お客様の行動をきっかけに自動で送る配信を作ります。これをイベント駆動型のトリガー配信と呼びます。決まった日時に全員へ送る一斉配信とは逆で、お客様が動いたときにだけ送る仕組みです。代表的なきっかけと、配信の例は次のとおりです。
- 閲覧：同じ商品を3回以上見たお客様に、使い方やレビューをまとめた案内を送る
- カゴ落ち：カートに商品を入れたまま購入しなかったお客様に、数時間後に案内を送る
- 再入荷：品切れ中に「再入荷のお知らせ」を希望したお客様に、入荷と同時に知らせる
この配信が反応を得やすいのは、お客様の関心が最も高い瞬間に届くからです。ただし、カゴ落ちの直後に何度も送ると、急かされている印象を与えます。1つのきっかけにつき送るのは1〜2回までと決めておきます。カゴ落ちへの対策全体は【カゴ落ち】で詳しく解説しています。なお、こうした自動の配信もメッセージの通数として数えられます。ただ、必要な人にだけ送るため、一斉配信と比べて通数は大きく減ります。
ステップ3：生成AIを活用したコピー・クリエイティブのパーソナライズ
送る相手とタイミングが決まったら、文面と画像も相手に合わせます。ここで役立つのが、文章や画像を作る生成AIです。
例えば同じ保湿クリームでも、成分を重視するお客様には「配合成分と、その役割」を、手軽さを重視するお客様には「朝30秒で終わる使い方」を伝えます。さらに、言い回しも変えられます。丁寧に説明されたい人には落ち着いた文体で、要点だけ知りたい人には短い文体で送ります。こうして、商品の提案だけでなく、「語り口」まで一人ひとりに合わせます。
実務では、お客様の関心ごとに、生成AIに文面の候補を3案ほど作らせます。そのなかから担当者が選び、手直しする流れが現実的です。生成AIの文面は、事実と違う内容や、景品表示法・薬機法に触れる表現を含むことがあります。そのため、配信前には必ず人が確認します。また、生成AIに個人情報を入力する場合は、利用目的の範囲内かを十分に確認するよう、個人情報保護委員会が注意を呼びかけています。出典：個人情報保護委員会「生成AIサービスの利用に関する注意喚起等」 文面づくりには、氏名などを含めない形で関心のデータだけを渡すのが安全です。詳しくは【生成AIリスク】もご覧ください。
ステップ4：AIによる配信時間帯・配信頻度の個別最適化
最後に、送る時間帯と回数を一人ひとりに合わせます。時間帯は、ステップ2までに集めた訪問やクリックの記録から決めます。例えば、朝7時台にECサイトを見ることが多いお客様には朝に、夜22時以降に見ることが多いお客様には夜に送ります。
回数の管理も欠かせません。配信が多すぎてお客様が疲れてしまう状態を、「メッセージ疲れ」と呼びます。これを防ぐため、「1人あたり週2回まで」のように上限を決めます。上限を超えそうなときは、優先順位の高い配信だけを残します。例えば、カゴ落ちや再入荷のように行動から生まれた配信を優先し、定期的なお知らせは後回しにします。
時間帯と回数を合わせることで、送る通数を減らしながら、1通あたりの反応を高められます。「たくさん送る」から「必要な人に、ちょうどよく送る」への切り替えが、費用と売上の両方を改善するポイントです。
成果を最大化するKPI設計と実務運用の注意点
追うべき指標のシフト：開封率から「LTV」「ブロック率」「増分売上（リフト値）」へ
LINE配信の成果を、開封率やクリック率（CTR）だけで判断するのは危険です。開封やクリックが多くても、もともと買う予定だったお客様が反応しているだけかもしれません。リピート購入を増やす取り組みでは、次の3つを追います。
- LTV（1人のお客様が取引期間全体でもたらす利益）：配信を受けたお客様が、その後も継続して生む利益
- ブロック率：配信した人数のうち、ブロックした人の割合
- 増分売上（リフト値）：配信によって新たに生まれた売上
なかでも重要なのが、増分売上です。測り方はシンプルで、配信対象のお客様のうち、例えば1割をあえて配信しないグループとして残します。そのうえで、配信したグループと配信しなかったグループの、1人あたりの売上を比べます。この差が、配信によって純粋に増えた売上です。例えば、配信したグループが1人あたり2,400円、配信しなかったグループが2,000円なら、増分は1人あたり400円です。この400円と配信費用を比べれば、配信の本当の費用対効果がわかります。指標の設計は【KPI設計】でも解説しています。
プライバシー配慮と「見張られている感」を排除するコミュニケーション
個別化を進めるほど、気をつけたいのが「行動を見張られているような不快感」です。例えば「昨日の夜、○○のページを3回見ていましたね」と送れば、お客様は監視されているように感じます。同じ情報を使う場合でも、「この季節によく選ばれている商品です」「こんな使い方も人気です」のように、一般的な提案の形で伝えます。
言い回しのルールは、次のように決めておくと運用が安定します。
- 閲覧の回数や時刻など、細かい行動を文面に書かない
- お客様が自分で教えてくれた情報（ゼロパーティデータ）は、「ご回答いただいた内容をもとに」と出どころを示して使う
- 健康や体の悩みなど、繊細な話題は、お客様から聞かれた場合にだけ触れる
データの扱いそのものにも配慮が必要です。ID連携やアンケートの際には、集めた情報を何に使うかをわかりやすく示し、プライバシーポリシーにも記載します。本記事の内容は一般的な整理であり、法的な判断が必要な場合は専門家にご相談ください。
まとめ：LINEを一過性の販促ツールから「専属コンシェルジュ」へ
小さく始めて継続的に学習させる、スモールスタートの進め方
すべてのデータを一度につなごうとすると、準備だけで時間がかかり、途中で止まってしまいがちです。最初は、成果が測りやすい施策を1つ選んで始めます。進め方の例は次のとおりです。
- 1か月目：カゴ落ちの配信を自動化する
- 2か月目：使い切る商品が多いカテゴリーを1つ選び、再購入の予測配信を始める
- 3か月目：配信しないグループと比べて増分売上を測り、効果のあった施策を広げる
AIの予測は、配信と結果のデータがたまるほど精度が上がります。小さく始めて結果を確かめ、そのデータでAIを育てていく。この繰り返しが、LINEを一人ひとりに寄り添う「専属コンシェルジュ」に変えていきます。
【この記事のポイント】
- 一斉配信は、通数に応じた費用とブロックの両面で、費用対効果を下げやすい
- 性別や年代ではなく、行動から読み取れる「文脈」に合わせて配信する
- データの統合、行動をきっかけにした配信、文面の個別化、時間帯と回数の調整の順で進める
- 開封率ではなく、LTV・ブロック率・増分売上で成果を判断する
送る通数を減らしても、売上を落とさずに済みます。 大切なのは「何通送ったか」ではなく、「誰に、何を、いつ届けたか」です。まずは、自社のLINEとECのデータがつながっているかを確認するところから始めてみてください。
自社のデータ、LINEの個別配信に使える状態ですか？
AIで配信を個別化するには、LINE、カート、問い合わせなどのデータが結びついていることが前提になります。まずは、自社のデータ活用がどの段階にあるかを把握しておくと、何から手を付けるべきかが見えてきます。
診断結果をもとに、LINE施策の前に整えるべき課題を整理してみてください。
齋藤健太 代表取締役 
慶応義塾大学理工学部卒業後、株式会社船井総合研究所に入社。主に中堅規模（数百億）以上の企業をメインクライアントとしたプロジェクトに従事。化粧品メーカや卸・リテール業界など、幅広い業種において、中期経営計画策定やマーケティング戦略の構築、M&Aにおけるビジネスデューデリジェンス等の実績を有する。独立後も製造業や小売業、サービス業に至るまで大小様々な企業の課題発見に従事、成果を上げる。特にデータ分析においては、複数のコンサルファームにもアサインされる実力を有する。コンサルティングに加え、ヘアサロン2店舗と、まつげ・眉毛専門のアイサロン1店舗の運営、ならびに伝統工芸品の販売事業にも携わり、現場視点での売上づくりにも取り組んでいる。その他、AI関連スタートアップや教育関連企業からもデータ分析支援の依頼を数多く受けている。2013年9月にクロスメディア・パブリッシングより「問題解決のためのデータ分析」を出版（2019年2月に新装版を出版）。教育プラットフォームUdemyで展開しているオンライン講座（「ビジネスの現場で使えるデータ分析」、他）の受講者数は4万人（2024年2月現在）を超える。2020年10月KUROCO株式会社を設立、現在に至る。
東亜大学芸術学部トータルビューティ学科非常勤講師。
＼ この記事を読んでいる方におすすめ！ ／
