なぜ今、eコマース動画を内製するのか
動画は、オンラインショップにおいて「あると良い素材」から「売上を左右する主要な接点」へと立場を変えた。商品ページのファーストビュー、SNSのフィード、広告のクリエイティブ、メール本文、カート離脱後のリターゲティング。顧客が商品と出会う場所のほとんどで、動画が最初に目に入る。理由は明快だ。静止画では伝えきれない「使っている場面」「手に取ったときの質感」「サイズ感」「音」を、数秒から十数秒でまとめて伝えられるからである。
eコマースで動画が特に強いのは、比較検討のスピードを上げられる点にある。説明文を読み、画像を拡大し、レビューを探す。その手間を飛ばして、顧客は「自分が使う姿」をイメージできる。このイメージ形成が購買の後押しになる。逆に言えば、動画がない商品は、顧客の頭の中で具体的な使用場面が作られないまま比較リストに並ぶことになる。
外注とAI内製ではコスト構造がまったく違う
従来の動画制作は、企画、絵コンテ、撮影、編集、カラー調整、音入れ、修正という工程を順番に進める。1本あたり数週間のリードタイムと、それなりの制作費がかかる。だから「よほどの主力商品でなければ動画は作らない」という判断になりがちだった。
AIを使って内製する場合、構造が変わる。撮影の工程がなくなり、素材の再生成は数分で終わり、修正は「作り直す」ではなく「条件を変えて再生成する」作業になる。結果として、1本あたりの単価よりも「何本試せるか」が重要になる。動画広告の成果はクリエイティブの当たり外れに大きく左右されるため、試行回数を増やせること自体が競争力になる。
内製化で変わる3つのこと
- 制作スピード：思いついた企画をその日のうちに形にできる
- 修正の自由度：テロップの言い回しや尺の変更を自分で完結できる
- 学習速度：どの冒頭が止まるか、どの訴求が刺さるかを自社データで蓄積できる
もちろん、AIを入れれば自動的に売れるわけではない。むしろ、企画の質がそのまま出る。だからこそ本記事では、生成のテクニックよりも「設計」と「確認」に多くの紙幅を割く。
AI動画生成でできること・苦手なこと
AI動画生成は万能ではない。得意な領域を任せ、苦手な領域を人の判断で補うのが、失敗しない使い方だ。この線引きを最初に理解しておくと、無駄な試行錯誤が大幅に減る。
得意な領域
- 商品の世界観を伝える短尺カット（質感、光、背景、雰囲気）
- 実写撮影が難しいシーンの再現（季節外れの背景、非現実的な空間、ミニチュア風の演出）
- 同じ商品を複数の場面に配置したバリエーション展開
- テロップ素材や補助映像の量産
- 多言語展開のための音声・字幕の作り分け
- 既存の撮影素材では足りない「間」の埋め合わせ
苦手な領域
- 正確な文字の描画（パッケージのロゴや成分表示など）
- 手や指、細いストラップなど細部の形状維持
- 商品の厳密な寸法や質感の完全再現
- 実際の使用手順の正確な再現（ボタンの位置、操作方法）
- 法規制に関わる表現の判断
- 人が持っているときの自然な力加減や重心
この境界線を踏まえると、役割分担は自然に決まる。商品そのものの正確な描写は撮影素材や公式画像を使い、その周辺の世界観・シーン・つなぎをAIで作る。文字情報は動画に焼き込まず、編集ソフトやテロップ機能で後から載せる。これだけで品質のばらつきが大きく減る。
さらに重要なのは、「AIで作った」という事実を隠す必要はないという点だ。見る人が知りたいのは制作手法ではなく、自分にとっての価値である。映像の作り方よりも、伝える内容の設計に時間を使うほうが成果に直結する。
制作前の設計図：コンセプト・尺・チャネル
AIは「指示が曖昧でもそれらしいもの」を出してしまう。だからこそ、生成を始める前の設計が成果を分ける。ここを飛ばすと、見栄えは良いが何も伝わらない動画が量産される。
ゴールを1つに絞る
1本の動画に複数の目的を持たせると、たいてい何も伝わらない。次のどれか1つに決める。
- 認知：商品の存在を知ってもらう
- 興味：使い方や違いを理解してもらう
- 比較：他社や別モデルとの差を示す
- 購入：今買う理由（特典、在庫、送料）を伝える
- 継続：購入後の使い方や関連商品を案内する
ゴールが決まれば、映像のトーンも自ずと決まる。認知なら世界観重視、購入なら情報密度重視という具合だ。
尺とアスペクト比の早見表
| チャネル | 推奨尺 | 比率 | 冒頭で伝えること |
|---|---|---|---|
| SNS広告 | 6〜15秒 | 9:16 | 悩み、または結果 |
| 商品ページ | 20〜40秒 | 1:1 または 16:9 | 使用シーンと違い |
| ブランド紹介 | 30〜60秒 | 16:9 | 世界観と約束 |
| メール・メッセージ配信 | 10〜20秒 | 1:1 | 期間限定の理由 |
| 検索広告の着地 | 15〜30秒 | 16:9 | 検索意図への回答 |
表はあくまで出発点である。自社の流入経路と視聴完了率を見て調整する。1本を作り込むより、同じ企画を尺違いで3本出して反応を比べるほうが学びは大きい。
台本は「3行」から始める
最初から完全な台本を書こうとすると手が止まる。まず3行だけ書く。
- 誰の、どんな困りごとか
- この商品がどう解決するか
- 今動く理由は何か
この3行が決まれば、プロンプトに必要な要素はほぼ揃う。逆にこの3行が曖昧なまま生成を繰り返すと、見栄えは良いが記憶に残らない動画が大量にできる。台本を書く時間は、生成をやり直す時間よりもはるかに短い。
テキストから動画：プロンプト設計の実践
テキストからの動画生成は、文章力よりも「要素の分解」が重要になる。書き方を4層に分けると安定する。
4層構造
- 被写体：何が映るか（商品名、形状、色、素材）
- 環境：どこで（場所、時間帯、天候、背景の密度）
- カメラ：どう見るか（距離、角度、動き、レンズ感）
- 空気：どんな印象か（光の質、色温度、テンポ、フィルム感）
例として、コーヒーメーカーの朝のシーンを想定する。
弱いプロンプト：「おしゃれなコーヒーメーカーの動画」
改善したプロンプト：「白いミニマルなコーヒーメーカーを被写体に、朝のキッチンの窓辺。淡い自然光が左から入り、湯気がゆっくり立ち上る。カメラは固定でわずかに前進、浅い被写界深度。色温度はやや暖かく、静かで落ち着いた印象」
同じ商品でも、後者では「誰が、いつ、どんな気分で使うか」まで伝わる。これが購買イメージにつながる。
動きは「1カット1動作」に絞る
AI動画は1つのカットに複数の動きを詰め込むと破綻しやすい。パン、ズーム、被写体の移動、手の動きを同時に指定しない。カットを分けて生成し、編集でつなぐほうが結果が良い。5秒の完璧なカットを4本つなぐほうが、20秒の破綻したカットより価値が高い。
避けたい要素も文章で指定する
「文字を入れない」「余計な人物を映さない」「商品のロゴを変更しない」「背景を散らかさない」など、避けたい要素は明示する。除外指定の欄がある場合はそちらを使い、なければプロンプト内に自然文で書く。何も言わなければ、モデルは勝手に要素を足す。
生成回数は「比較」のために使う
同じプロンプトで4〜6本出し、良かった要素をメモして次のプロンプトに反映する。この反復が、プロンプトの勘所を最短で身につける方法になる。1本ずつ微修正を繰り返すより、複数同時に出して比べるほうが圧倒的に速い。
画像から動画：商品の見た目を一貫させる
eコマースで最も重要なのは、どのカットでも商品が同じに見えることだ。色が違う、形が違う、ロゴが消える。これが起きると信頼が落ちる。画像を起点に生成する方法は、この問題を大きく減らす。
基準画像を1枚決める
まず「基準画像」を1枚決める。公式の商品画像、あるいは自分で撮った正面写真でよい。この1枚をすべてのカットの出発点にする。基準画像を複数混在させると、色味や形がぶれやすくなる。迷ったら、最も情報量の多い1枚を選ぶ。
固定する要素と変える要素を分ける
- 固定する：商品の形、色、ロゴの位置、素材感、比率
- 変える：背景、光の方向、カメラの距離、小物、時間帯
この切り分けを最初に決めておくと、指示がぶれない。逆に、固定と変化を曖昧にしたまま生成すると、毎回少しずつ違う商品が生まれる。
複数カットをつなぐときの注意
カット間で視点が飛びすぎると、別の商品に見える。つなぎは「同じ場所の別アングル」か「同じアングルの別シーン」にすると認知負荷が下がる。加えて、カットの冒頭と末尾で商品の位置を近づけておくと、編集でつないだときに目が追いやすい。
実際の手順（例）
- 公式画像から背景を切り抜く
- 背景違いで3パターン生成する
- いちばん自然な1本を採用し、その設定をメモする
- 同じ設定で尺違い・アングル違いを展開する
- 最後にテロップと音声を載せる
この順番を守るだけで、修正の手戻りが減る。特に「設定をメモする」工程は省略しがちだが、2週間後に同じ品質を再現できるかどうかを左右する。
音声・字幕・BGM：視聴維持の編集設計
映像の品質が上がっても、音の設計が弱いと離脱する。特に冒頭と音の切れ目は慎重に扱う。ここはAI生成だけでは完結しない、人の編集力が出る工程だ。
冒頭3秒で「見る理由」を渡す
冒頭は挨拶ではなく結論から始める。「朝の支度が3分短くなる」「洗わず使える」「折りたたんでA4サイズ」など、顧客の得を最初に置く。ブランドロゴのアニメーションから始めるのは、認知が十分に高いブランド以外では避けたほうがよい。
ナレーションは短い文で
AI音声は長い一文を読み上げると平坦になる。一文を15〜25文字程度に区切り、句読点を多めに入れる。数字や固有名詞は読み間違いが起きやすいので、生成後に必ず聞き直す。商品名を読み上げる場合は、正しい読みを辞書登録できるサービスを選ぶと安定する。
字幕は「読ませる」より「追わせる」
1行あたり全角15〜20文字、表示は1.5〜2.5秒を目安にする。字幕とナレーションを完全に一致させる必要はない。字幕は要点、ナレーションは補足という分担にすると情報量を増やせる。スマートフォンの小さい画面で読めるかどうかを、必ず実機で確認する。
BGMと効果音
- BGMは映像の邪魔をしない帯域に抑える
- 切れ目はカットの切り替えに合わせる
- 効果音は1本に2〜3種類まで。増やすと安っぽく聞こえる
- 音量はナレーションを基準にし、BGMはその下に置く
- 無音区間を1〜2箇所作ると、かえって集中が戻る
商品カテゴリ別のプロモーション動画パターン
同じ尺でも、カテゴリによって見せるべき情報は違う。以下は汎用の型として使い回せる。自社カテゴリに近いものを土台にして、要素を足し引きするとよい。
アパレル・ファッション小物
着用シーンを軸にする。素材の動き（布の揺れ、光沢）、歩行時のシルエット、サイズ感の比較を入れる。体型や身長のバリエーションを出す場合は、生成ではなく実写素材を混ぜたほうが安全だ。返品率の高いカテゴリなので、色味の再現には特に注意する。
コスメ・スキンケア
テクスチャの質感が主役になる。伸び、密着、ツヤの変化を寄りのカットで見せる。効能効果の表現は規制が厳しいため、AI生成の映像でも表現内容は必ず人が確認する。使用前後の比較を出す場合は、撮影条件を揃えないと不信感につながる。
家電・ガジェット
操作の流れと設定量の少なさを見せる。実際のボタン配置は撮影素材で補い、AIでは生活シーンや使用後の状態を描く。付属品やサイズの比較カットは静止画のほうが正確なことも多い。スペックの数字はテロップで明示し、映像に任せない。
食品・飲料
温度と音が効く。湯気、注ぐ音、割る音、断面。AI生成は湯気や液体の扱いが難しいため、実写素材と組み合わせると現実味が増す。原材料や産地、アレルギー情報はテロップで正確に載せる。おいしそうに見えることと、情報が正確であることは別の課題として扱う。
デジタル商品・サブスクリプション
抽象的な価値を可視化する必要がある。画面録画、操作の流れ、導入前後の比較が中心になる。AI生成は背景やモチーフに使い、実際の画面は録画素材を使うのが定石だ。無料期間や解約条件などの重要情報は、動画内で省略しない。
品質チェックとよくある失敗
生成が速いほど、確認の工程が重要になる。速さは品質を保証しない。公開前のチェックを仕組みとして持っておくことが、結果的にいちばん速い。
公開前チェックリスト
- 商品の色・形・ロゴが全カットで一致しているか
- 文字化けや意味不明な文字が映り込んでいないか
- 手や指の形状が不自然でないか
- 音声の読み間違いがないか
- 字幕の誤字脱字とタイミング
- 権利（素材、音楽、肖像）に問題がないか
- 表現規制に触れる言い回しがないか
- 冒頭3秒で価値が伝わっているか
- スマートフォンの小さい画面で読めるか
- 音量が他の動画と比べて極端に大きくないか
よくある失敗と対策
失敗1：1本に情報を詰め込みすぎる。対策は、伝えることを3つまでに絞り、残りは別動画に分割すること。
失敗2：生成した映像をそのまま使う。AIの出力は素材であって完成品ではない。色調整、テンポ調整、テロップを加えて初めて広告になる。
失敗3：毎回ゼロから作る。プロンプト、構図、音の設定をテンプレート化して再利用する。
失敗4：良し悪しを主観で判断する。冒頭離脱率、視聴完了率、クリック率など、指標を1つ決めて比較する。
失敗5：公開後の反応を見ていない。配信して終わりにすると、次の動画は前と同じ品質に留まる。数値を見て次の仮説に移る。
運用設計：テンプレート化・分業・改善サイクル
単発で終わらせず、回る仕組みにすることが重要だ。制作を仕組みにできれば、担当者が変わっても品質は保たれる。
テンプレート化する
企画、プロンプト、編集の3層でテンプレートを用意する。
- 企画テンプレート：ターゲット、悩み、約束、証拠、行動喚起
- プロンプトテンプレート：被写体、環境、カメラ、空気の4層
- 編集テンプレート：尺、テロップ位置、フォント、BGM、エンドカード
テンプレートがあると、迷う時間が減るだけでなく、比較の条件を揃えられる。改善は「土台が同じ状態で1要素だけ変える」ことで初めて意味を持つ。
分業のしかた
小規模チームなら次の3役に分ける。
- 企画・台本：顧客理解と訴求の設計
- 生成・編集：プロンプト設計と仕上げ
- 確認・公開：表現チェックと配信
1人で全部をやる場合でも、工程を分けて時間を空けるとミスに気づきやすい。特に確認は、生成した直後ではなく翌日に行うと精度が上がる。
改善サイクル
- 週に1つの仮説を立てる（例：冒頭を悩みから始めると完了率が上がる）
- 1要素だけ変えた2本を同時に配信する
- 指標を比較する
- 勝ちパターンをテンプレートに反映する
要素を複数同時に変えると、何が効いたか分からなくなる。1回1要素が鉄則だ。また、少ないデータで断定しないことも重要である。数十回の表示では偶然の振れ幅が大きい。
表現と権利の確認
生成AIの出力でも、広告として公開する以上は責任が伴う。景品表示法や薬機法などの表現規制、素材の利用条件、人物の肖像、音楽の権利を確認する。迷ったら公開しない判断も必要だ。チェックを担当する人を決め、記録を残しておくと、後のトラブルを避けられる。
よくある質問（FAQ）
Q1. 撮影機材は本当に不要ですか？
多くのケースで不要になる。ただし、商品そのものの正確な描写、手の動き、実際の操作手順は実写のほうが強い。スマートフォンでの簡単な撮影を併用するのが現実的だ。AIは撮影を置き換えるというより、撮影では作れないカットを補う道具だと考えるとよい。
Q2. 無料で始められますか？
試すだけなら無料枠や低出力設定で始められる。ただし、商用利用の可否、出力解像度、透かしの有無はサービスごとに条件が異なる。公開前に利用規約を確認する。特に業務利用の場合は、規約の変更履歴も追っておくと安心だ。
Q3. 1本作るのにどれくらい時間がかかりますか？
慣れれば、15秒の広告なら企画から書き出しまで1〜2時間が目安になる。初回は試行錯誤で半日かかることも珍しくない。2本目以降はテンプレートで大幅に短縮できる。時間がかかっている工程を記録すると、どこを自動化すべきかが見えてくる。
Q4. AIで作った動画は広告として問題ありませんか？
制作手法そのものが問題になることはない。問題になるのは表現内容だ。優良誤認や誇大表現、規制対象の効能効果がないかを人が確認する必要がある。加えて、実際の商品と映像の印象が離れすぎていないかも確認したい。
Q5. 生成した映像が思った通りになりません。
要素を減らすのが基本。被写体、環境、カメラ、空気のうち、まず2つだけ指定して生成し、良ければ1つずつ足す。同時に多くを指定するほど意図から外れる。また、抽象語（おしゃれ、高級、ナチュラル）は人によって解釈が違うため、具体的な物や光の状態に言い換える。
Q6. 同じ商品を何本も作ると飽きられませんか？
冒頭、訴求、尺、音の4つを変えれば別の動画として機能する。同じ映像でも冒頭3秒が違えば反応は変わる。配信面ごとに役割を分け、同じ顧客に同じ動画を繰り返し見せない工夫も必要だ。
Q7. 多言語展開はできますか？
字幕の差し替えが最も安全で速い。音声を差し替える場合は、翻訳のニュアンスと口の動きの一致を確認する。機械翻訳をそのまま使うと、商品名や単位で誤りが起きやすい。特にサイズ表記や法的表記は、ネイティブの確認を挟む。
Q8. どんな指標を見れば改善できますか？
最初は3つで十分だ。冒頭の離脱率、視聴完了率、クリック率。それぞれ改善する場所が違う。離脱率は冒頭、完了率は構成、クリック率は訴求と行動喚起を見直す。指標が増えすぎると判断が遅れるので、最初から全部を追わない。
Q9. 外注と内製はどう使い分けますか？
ブランドの世界観を決める長尺の映像や、法令上慎重さが求められる表現は外注が向く。日々の訴求違い、尺違い、配信面違いの量産は内製が向く。外注で作った基準を内製のテンプレートに落とし込むと、両者の強みを活かせる。
AI動画制作の価値は、専門知識を不要にしたことそのものではなく、試行回数を増やしたことにある。1本を作り込むより、3本出して1本の勝ちパターンを見つける。その積み重ねが、数か月後の成果の差になる。まずは手元の商品画像1枚と、3行の台本から始めてみてほしい。
