トップ
ナレッジ
グロースマーケティングゆく年くる年｜2025年の振り返りと2026年の展望

グロースマーケティングゆく年くる年｜2025年の振り返りと2026年の展望

公開日: 2025.12.23

グロースマーケティング

DearOneの小林と申します。コンポーザブルCDP「Hightouch」の営業や導入の支援を行っています。

早いもので、2025年も終わりを迎えようとしていますが、皆さまにとって今年はどのような一年でしたでしょうか。

毎年年末にお届けしている「グロースマーケティングゆく年くる年」。今年も、海外マーケティングツールの提供を行うグロースマーケティング、リテールメディア、アプリ開発という3つの事業を展開するDearOneが、各事業ごとに2025年を振り返り、2026年の展望についてお話ししていきます。

グロースマーケティング領域：AI活用の浸透と、マーケティングツールの変化

2025年を振り返るにあたっては、やはりAIについて触れざるを得ません。

今年は、ChatGPTやGeminiなどAIサービスの利用が普及した一年でした。それと同時に、デジタルマーケティングの領域においても、カンブリア紀に生物の多様性が一気に加速したかのように、本当に多くのAIサービスが発表されました。

「それぞれのサービスはどう違うんだろう？」と思われている方も多いのではないかと思います。私もその一人です。

本記事では、世の中に溢れているAIを分類し、デジタルマーケティングにおいてどのように活用できるのか考えてみます。

3つのカテゴリに分けられるAIサービス

まず、世に出ているAIサービスを3つのカテゴリに分類してみました。整理した上で理解を深めることで、今後のAI活用の解像度を高めることができればと思います。

	Creative AI (生成AI)	Assistive AI (AIアシスタント)	Agentic AI (AIエージェント)
どんなAI？	画像やテキストなどのクリエイティブを生成してくれるAI	調べ物や人による作業をアシストして効率化してくれるAI	人の代わりに作業等を代行してくれるAI
代表的なサービス	Nano Banana(Google)、Canva、ChatGPTなど	NotebookLM(Google)、Einstein(Salesforce)など	Decisioning Studio(Braze)、AI Decisioning(Hightouch)など

Creative AI (生成AI)

Creative AIは、施策に必要な画像やメッセージなどのクリエイティブコンテンツを生成してくれるAIを指します。すでに使われている方も多いのではないでしょうか。

【効果】
・時間のかかるクリエイティブ作成が瞬時にできること

社内のデザイナーに依頼したり自分で適した素材を探す時間が大幅に短縮されます。クオリティについても、最近では「ジブリ風のアイコン」など、好みのテイストに合わせたものがより自由に作成できるようになっています。

【注意点】
・生成されたクリエイティブが著作権などの法律に抵触しないか確認が必要
・思わぬブランディングの毀損につながらないか確認が必要

多くのユーザーが手軽に使えて自由度も高い反面、アウトプットに対して適切なガバナンスを効かせることが重要になります。そのため「利用の間口は広いが本格的に使う際のハードルが結構高い」と感じられている企業も多くいます。

Assistive AI (AIアシスタント)

Assistive AIとは、近年多くのマーケティングツールで導入が進んでいる、ユーザーの作業を支援・効率化することを目的としたAIを指します。一部のAIエージェントと名の付くAI製品も今回の分類ではこちらに入ると考えています。

代表されるサービスはNotebookLM(Google)、Einstein(Salesforce)などです。

【効果】
・データの探索や分析など、ユーザーが必要とする情報を瞬時に提供してくれる点が大きな強み
・ユーザーごとのスコアリングや学習したデータに基づく予測も可能

これらによってユーザーは現在のマーケティング業務を大幅に効率化することが可能になります。

【注意点】
・AIが効果を発揮するためには学習ソースとなる適切なデータの準備が必要（AIが必要とする場所に、必要な形で、必要なタイミングに集められていること）
・AIとの共通認識を持つための「データ定義」も整える必要がある

今も多くの企業でデータの統合や整備に課題がありますが、今後はそれぞれのAIサービスの単位で「整ったデータ環境」が前提として求められることが予測されます。

さらに、データ整備とあわせて、AIと共通認識を持つためのデータ定義も不可欠です。「今年度の売上」という言葉を使った場合、それが何を指すのか（受注時点の数字を指すか実際に入金されたものか、年度はいつからかなど）を事前に定義し、AIが正しく解釈できるようにしておく必要があります。

Agentic AI (AIエージェント)

ここで指すAgentic AIとは、従来の「人間の指示（プロンプト）に対してレスポンスを返すAI」からもう一歩進んだ「ゴール（CV）を指示するとそれに向けて必要なタスクの実行を自律的に行うAI」になります。

直近ではDecisioning Studio(Braze)、AI Decisioning(Hightouch)、AI Agent（Amplitude）など、いくつかのマーケティングツールでサービスがリリースされています。

【効果】
・「作業のアシスト、効率化」と言う観点ではなく「目標の達成」にフォーカス
・これまで人が行ってきたキャンペーン配信などの実行作業そのものをAIが担う

Agentic Aの強みは、人ではやりきれなかった無数のA/Bテストの実施によって「ユーザー単位の最適化」を実現する点になります。

【注意点】
・大量にインプットを行えるデータ環境の整備が必要
・複数の施策チャネルと接続できる拡張性が求められること

こうした自律型のAIサービスはこれからより注目される領域で、「より多様、多量のインプット(データ)、アウトプット(配信チャネルなど)」を範囲にすることで効果が高まります。導入はスモールスタートが適するケースが多い一方で、ゆくゆくは企業の統合されたデータを活用し、さまざまな施策チャネルと柔軟に接続できる設計であるかどうかが重要な観点になります。

AIサービスは常に万能な解決策ではなく、自社の課題や環境整備のレベルに合わせたものを使うことが重要です。

💡自社のデータ活用の現状を知りたい方へ
「マーケティングデータ活用力チェックリスト」（無料ダウンロード）で、データ活用の成熟度を客観的に確認できます。AI活用を進めるうえで、自社のデータマーケティングがどの段階にあるのか、さらに進めるために何が必要なのかを整理することができます。

>>資料をダウンロードする

サービス範囲の拡大による各ツールの”カニバリ”の深刻化

現在多くのマーケティングツールにおいて「サービスの同質化」「元々別領域だったサービスのカニバリ」が進んでおり、それぞれの特徴を正確に理解するのが難しくなっていると感じています。

たとえば、

MAツールが分析機能を強化し、行動分析ツールのような機能を備えるようになったり
分析ツールで、セグメント作成から施策の実行までをできるようになったり

といった変化が見られます。

できることが増えた分、「何が違うのか」「どこが強みなのか」が見えにくくなっているのが実情です。そのため、サービスを選ぶ立場としては、自社に最適かどうかという点はもちろん、今後も生き残るサービスか、将来のデータ環境の変化に適応できるかといった中長期的な視点も重要だと考えます。

これからのデータ活用の視点：どこのデータを使うか？

サービスを検討する際のコンセプトの一つとして挙げたいのは「そのサービスはどこにあるデータを使うのか」です。

ここ10年位で、主に3rdパーティデータを使うサービスはプライバシー問題などから活用が制限されるようになり、1stパーティデータを利用するサービスへのシフトが進みました。

そしてこれからは、前の章で紹介したようなAIサービスの効果を最大化するために「いかに多くの、統合/整備されたデータを使うか」が重要になります。

近年、多くの企業でデータ基盤の構築が進んでおり、この基盤をAI活用やマーケティング活用の土台として利用するという選択肢は一定理にかなっているといえます。すでに基盤はあるものの、「どう活用すべきか」を模索している場合には、そのデータをマーケティング領域のAIサービスと組み合わせて使うことも、有力な選択肢の一つです。

一方で、AI活用するためのデータが特定のマーケティングツールのみに置かれている場合、ベンダーロックが発生する可能性があります。今後ますますデータの資産性が高まることが予想されるため、「そのデータが常に自社の資産として保持できるか」という観点も、サービス検討において重要になります。

💡データ基盤に蓄積されたデータを、マーケティングデータとして活用するアプローチの一つとして、「Hightouch」というツールがあります。Hightouchは、データを基盤側に置いたまま、MAや広告、分析ツール連携できるのが特徴です。

>>Hightouchの詳細はこちら
>>Hightouchのサービス資料はこちら

リテールメディア領域：真価が問われた一年

出典：https://prtimes.jp/main/html/rd/p/000000187.000041279.html　を基にDearOneが作成

日経クロストレンドが発表した「トレンドマップ2025上半期」では、マーケティング分野における今後の成長可能性に関するランキングで「リテールメディア」が第2位にランクインしました。

2024年までが日本における「リテールメディア元年」だとするなら、2025年は「その真価が問われる年」だったと言えます。

米国ではすでに検索広告、SNS広告に次ぐ「第3の波」として定着していましたが、日本国内においても、小売企業が持つ「1st Party Data（購買データ）」の価値が再定義され、メーカーや広告主にとってなくてはならないマーケティングインフラへと進化を遂げました。

この1年を振り返る上で欠かせないキーワードは、大きく2つあります。

「枠」から「人」へ。購買データと掛け合わせるパーソナライゼーション

実は、冒頭で触れた日経クロストレンドのランキングにおいて、将来的な経済インパクトが最も大きい「第1位」に選出されたのが、この「パーソナライゼーション」です。

これまでリテールメディアといえば、「棚（広告枠）を買う」という側面が強かったですが、2025年は、より、「誰に、どんな広告・クリエイティブを当てるか」というUX（顧客体験）の最適化が進みました。

先述の「Creative AI」ともリンクしますが、例えば「ビールを買った人」という大きな括りではなく、「毎週金曜日にクラフトビールを買う人」に対し、その人の好みに刺さる広告を出し分けるといった施策が現実的になりつつあります。

単なる「広告の押し売り」ではなく、ユーザーにとって「有益なお買い物情報」として情報を届けること。この「販促のメディア化」こそが、リテールメディアが目指すべき次のステージであり、2026年に向けてさらに加速していく領域だと確信しています。

パーソナライズについてお客様がどう受け止めているかも、弊社ではユーザー調査をおこないました。

Q:あなたに合ったお得な情報を受け取るために、お店があなたの購買履歴や年齢、性別、居住地域（個人が特定されない形）を活用することについてどう思いますか？あなたのお考えに最も近いものを1つお選びください。

弊社作成レポート　ARUTANA Lab②「リテールメディア　ユーザー調査レポート」より抜粋

その結果、約64％がデータ活用に肯定的であり、抵抗感を持つ層は2割以下に留まりました。

鍵となるのは、全体の約半数、45％を占める「条件付きで賛成」のお客様です。

この調査結果が示すのは、多くのお客様がご自身の情報を無条件に提供するのではなく、それと引き換えに「明確な価値」を求める、企業との価値交換を望んでいるということです。

この期待に応え、お客様一人ひとりにパーソナライズされた価値を提供できるか否か。それこそが、お客様との強固な信頼関係を築き、中長期的なビジネスの成長を実現するためのカギと言えるでしょう。

獲得だけではない。「ブランディングメディア」としての可能性

リテールメディアの役割が「販促（獲得）」から「ブランディング（認知・態度変容）」へと拡張したことへの認知も進んできました。

これまでリテールメディアといえば、「棚の前の最後のひと押し」として、購買に近い顕在層へのアプローチが主戦場だと考えられてきました。

しかし外部メディアへの「オフサイト配信」が定着したことで、リテールメディアは大きなリーチ力を獲得。それを裏付けるように、弊社のリテールメディアプラットフォーム「ARUTANA」も2025年に合計MAUが5,000万を突破いたしました。

さらに、高精度な購買データを掛け合わせることで、「自社商品を知らない層」や「競合商品を買っている層」に対して、極めて精度の高い認知施策が打てるようになりました。

実際に弊社が行った調査でも、「53%のユーザーが、アプリ（デジタル接点）をきっかけに購入するブランドを変えた（ブランドスイッチした）ことがある」と回答しています。

これは、アプリやリテールメディアが単なる「購買を後押しする場所」ではなく、新しい商品と出会い、興味を持ち、ブランドを選び直す「きっかけの場所」として機能していることを示しています。

2025年は、リテールメディアが「商品を売るためのツール」から、「ブランドを創るためのメディア」へと、その可能性が広く認知された1年だったと言えるでしょう。

アプリ開発領域：選ばれる理由まで設計する時代に

日本のアプリ市場においては、ユーザーのアプリ利用時間は増えている一方、「自分にとって必要なアプリかどうか」をシビアに選別する傾向も依然として続いています。

市場にはすでに多くの優れたアプリが存在するため、単に「アプリがある」だけでは評価されず、本質的な価値提供が問われるようになってきました。

ここからは、「モバイルマーケティング研究所」で今年発信してきたコンテンツを中心に、アプリ事業において重要となるポイントを振り返ります。

「なぜ作るのか？」の解像度を上げる

今年公開した『アプリ要件定義の完全ガイド』や『アプリ開発における企画書のポイントとは』の記事でも触れましたが、アプリ開発のカギは「開発前の準備」にあります。

まずは以下の4つの視点で自社の企画を整理してみてください。
（※これから開発する方だけでなく、運用中の方も「原点回帰」としてぜひ見直してみてください）

ターゲットの明確化：誰に使ってほしいのか？
アプリ制作の目的：アプリを使ってユーザーのどんな悩みを解決したいのか？
手段の最適性： WebサイトやSNSではなく、本当に「アプリ」である必要があるか？
差別化ポイント：競合他社にはない、自社だけの強みを出せるか？

💡詳しくはこちらもチェック
【無料DL】アプリ開発で失敗しないために、最初に知っておくべき4つの視点

これらの軸が定まって初めて、理想とするデザインや機能、費用対効果、そしてパートナー（開発会社）選びへと話を進めることができます。

💡開発会社の選び方はこちら
アプリ開発会社のおすすめ12社をプロがジャンル別に紹介

コスト・リソース配分の考え方

もう一つの大事な要素として、「コスト・リソース配分の考え方」が挙げられます。

アプリに限らず、AIをはじめとしたテクノロジーの発展が目覚ましい昨今、「アプリが持つ可能性」もどんどん広がっています。顧客データやMAツールとの連携によるパーソナライズ配信、アプリ内行動分析による機会損失の発見など、アプリは単なるツールではなく、企業のマーケティングツールとして機能し始めています。

拡張性という点ではフルスクラッチ開発が最も自由度が高いですが、ゼロからの開発は膨大なコストと期間を要します。変化の激しい市場においては、リリースまでの期間を短縮することも大切です。

そこで弊社DearOneでは、以下のスタイルを推奨しています。

「初期開発コストを抑え、浮いた予算をマーケティングや改善に回す」
「できるだけ早く市場に出し、ユーザーの反応を見ながら改善していく」

このような「スモールスタート→ニーズや市場の変化に合わせたアップデート」というスタイルを実現できるのが、弊社が提供するアプリ開発サービス「ModuleApps2.0」です。豊富な機能モジュールを組み合わせることで、「費用・期間・品質・拡張性」のバランスを最適化し、妥協のないアプリ開発を可能にします。
アプリ事業に興味がある方、お悩みがある方はぜひ、お気軽にご相談ください。

💡アプリ開発・運用費の詳しい解説はこちら
アプリ開発費用・運用費を実際の見積書7社分から解説

＞「ModuleApps2.0」の詳細資料を見る
＞アプリ開発の相談をする

2026年の展望：AIが価値を発揮する”AI-Ready”な状態に

2025年は、AIサービスの急速な進化と広がりにより、「AIをどう使うか」がマーケティングの現場でも本格的に問われ始めた一年でした。

2026年に向けて重要になるのは、AIを使うことそのものではなく、AIが力を発揮できる状態を整えられているかという視点です。最近では、AIを使いこなせる状態をさす言葉として「AI-Ready」というワードが急激に広まっています。

一方で、自社はまだAIを使いこなせる段階ではないというお声もよく耳にします。AI活用が進みづらい要因として、大きく2つの側面の問題があると考えています。

人の問題：AIサービスで具体的に何ができるのかわからない、AIを使うために必要な知識やスキルが足りない。
データの問題：AIサービスを使うための十分なデータが収集できていない、データが基盤等で整った形になっていない。

AI-Readyな人

ChatGPTが登場した時、その自由度やできることの多さに感動を覚えた一方「何をしたら良いか分からない」と思った人は少なくないのでしょうか。

そんな中で、いち早くGPTを使いこなし始めたのは、執筆業務がある人やオーダーに沿ったクリエイティブを作成する人など「使う目的がはっきりと合った人」だったように思います。AI-Readyを目指すには、AI活用の目的、ゴールを理解することが重要だと考えています。

そうすると必然的に、「担当するサービスの成果につながる指標は何か」「そのために、どの領域でAIを活用すべきか」といった、より戦略的・構造的・概念的な思考が求められます。

この領域こそが、AI時代においてマーケターが価値を発揮するポイントになるのではないでしょうか。

AI-Readyなデータ

データの問題においては、「AIを活かすためのより多くのデータが活用できる状態になっていること」が求められます。

データ環境の整備という課題自体は従来と変わりませんが、AI活用によって、これまでのデータ整備の成果がビジネス成果として可視化されやすくなり、その重要性はむしろ高まっていると言えるのではないでしょうか。

まずはユースケースから逆算し、必要とされる最低限のデータの整備から始めることで進めやすくなります。

例：ユースケース起点で考えるデータ整備（CDP）

例えば、企業が「CDPを構築し、ユーザー分析やパーソナライズ施策を行いたい」と考えた場合、実際に多くの企業で活用されているデータは、以下のようなものです。

誰が (ユーザー属性) ：デモグラ、会員ランク、LTVなど
何をした (アクション) ：広告接触、サイト訪問、商品ページ閲覧、カート投入など
どうなった (CVデータ) ：購買、お問い合わせ、広告クリックなど

これらのデータが揃うことで、ユーザー傾向の把握、施策用セグメントの作成、効果測定といったマーケティングの一連の流れでのデータ活用が可能になります。そして、それぞれのデータの付帯情報として「どの商品を」や「何のセールで」「どの担当者(店舗)から」などが加わることでユーザーの解像度を高めていくことができます。

このようなデータ環境を構築するためのサービスは日々進歩しており、あわせて環境整備のベストプラクティスや具体的なユースケースも、以前より手に入りやすくなっています。そのため、こうした情報を積極的にインプットしながら、自社に合った形を模索していくことが重要です。

>>資料をダウンロードする