コンテンツミルモデルとは?

コンテンツミルモデルとは、可能な限り低いコストで量を最大化するために作られたコンテンツ制作の仕組みです。通常はアルゴリズムが生成したトピックを、専門知識や編集による監修がほとんどないまま、1本あたり低い固定料金で働く大勢のフリーランスライターに割り当てます。起源はDemand MediaやeHowといった SEO時代のパブリッシャーにあり、成果よりもアウトプットを重視するAI活用のコンテンツ制作フローで再び姿を現しています。B2B SaaS企業の場合、このモデルが生み出すのは大量の画一的で代替可能なコンテンツであり、権威性の構築やパイプラインの創出につながることはほとんどありません。

実際のコンテンツミルモデルとは?

コンテンツミルは、言葉の流れ作業ラインのように動きます。大量のWebコンテンツを生み出すことに特化した組織で、検索エンジンでの最大限の取得を狙ってアルゴリズムに合わせて設計されていることも多く、フリーランスのクリエイターや生成AIツールを使って、最短の時間と最低のコストで大量のコンテンツを作ることを目指します。

ワークフローは戦略的というより機械的です。プラットフォームや社内チームがキーワードをまとめて洗い出し、ライターのプールに割り当て、数日以内の納品を求めます。プラットフォームは、そうして得られたトピックをフリーランスライターに発注し、1本ごとの報酬を支払います。これまでには、記事1本あたり約15ドル、動画1本あたり20ドルという低い固定料金の例もありました。中には並外れた規模で運営されているところもあり、1日に最大3,000本もの記事をレビューする企業があります。

品質管理は偶然ではなく、設計上、最小限に抑えられています。ライターは扱うテーマの専門家ではないことが多く、ブリーフも独自の洞察ではなくキーワードの網羅を求めるのが通例です。ここが、コンテンツミルとコンテンツエージェンシーや社内の編集チームとの違いです。価値の単位は記事そのものであり、本来それが生み出すはずのビジネス成果ではありません。

コンテンツミルモデルはどこから生まれたのか?

最もわかりやすい事例は、eHowを運営していたDemand Mediaです。同社は、検索エンジンのクエリデータをもとに広告収益の可能性が高いトピックを特定するアルゴリズムを使い、そのうえでフリーランサーに該当するテキストや動画コンテンツを制作させていました。人が洗い出していたコンテンツ候補のリストからコンピューターベースのアルゴリズムに切り替えたことで、記事1本あたりの収益は4.9倍に増加しました。さらに、以前はコンテンツを選定・承認していた人間の編集者をなくしたことで、利益は20倍から25倍に増えました。

このモデルは急速に拡大しました。初期の2009年には、Demand Mediaは1日に約4,000本の記事と動画を公開していたと伝えられています。しかし品質管理を欠いた拡大は、最終的にビジネスを崩壊させました。競合のコンテンツファームを運営していたある幹部は、専門知識のない安価なフリーランサーを使うやり方はうまくいかないと結論づけました。その累積的な影響として、何百万人もの人々がeHowなどのサイトを訪れ、自分の疑問に対する答えが実際にはそこにないことに気づいたからです。

Googleは直接介入しました。2011年2月、Googleは重複していて内容が薄く、品質の低いコンテンツを排除して検索結果を改善することを目的とした、新たに改良された検索アルゴリズムGoogle Pandaを発表しました。その影響は深刻でした。第三者の計測サービスによると、この変更によってDemand Mediaのサイトへのトラフィックは最大40%減少し、ユニークサイト訪問数は月1億から5,200万に落ち込みました。この歴史が重要なのは、コンテンツミルモデルを罰するのは、それを無視する読者だけではなく、検索エンジンも積極的に罰するという最初の証拠だからです。

コンテンツミルモデルと戦略的なContent Marketingの違いは?

違いは、それぞれの仕組みが何を最適化しているかに行き着きます。

• コンテンツミル:あくまで量が中心で、トピックやキーワードに合わせてコンテンツを量産することが主眼です。
• コンテンツマーケティングエージェンシーまたは社内チーム:量よりも質を重視し、戦略と長期的な視点でクライアントの目標達成を支援します。

コスト構造にもその違いが表れます。コンテンツミルは1本あたりの単価を最低水準近くに抑えますが、エージェンシーやスキルの高いフリーランサーは、専門知識とリサーチにかかる時間を価格に反映します。この専門性にはコストがかかり、クライアントはエージェンシーのサービスに月額数百ドルから数千ドルを支払っています。この差は見かけだけのものではありません。公開後の成果に表れます。コンテンツミルの記事は存在するために作られており、意思決定の特定の段階にいる特定の購買担当者を説得するために作られてはいないからです。

SaaS企業にとって実用的なテストは単純です。そのコンテンツは、実際の見込み客が営業担当者に尋ねている質問に答えているでしょうか。それとも、キーワードツールが検索ボリュームを示したから存在しているのでしょうか。Seedlingのコンテンツモデルは前者を軸に作られており、各アセットを制作ノルマの1項目ではなく、パイプラインへのインプットとして扱っています。

コンテンツミルモデルがB2B SaaS企業でうまくいかない理由は?

B2B SaaSの購買判断には、技術的な評価、社内のステークホルダー、長い営業サイクルが関わります。コンテンツミルのアウトプットは、次の3つの理由から、この現実と構造的に噛み合いません。

第一に、浅いリサーチからは浅い信頼性しか生まれません。コンテンツミルのライターに報酬を支払う対照実験を行ったあるコンテンツストラテジストは、結果の大半が使い物にならなかったと述べています。低い報酬では、リサーチや情報源への取材、批判的な思考、編集に割く時間がほとんど取れなかったためです。プラットフォームの導入を検討しているSaaSの購買担当者は、本物の製品知識から書かれた記事と、検索スニペットを寄せ集めた記事の違いを見抜けます。

第二に、差別化のない量は、権威性を築くどころか薄めてしまいます。ミルのライターは、新しいトピックを探求して顧客に価値を生み出すためではなく、より高い順位を取るために書いており、それがコンテンツとフリーランサーの価値の低下につながっています。代替可能で画一的な記事ばかりが並ぶSaaSブログは、購買担当者が購入前に確かめようとしている専門性とは正反対のメッセージを発してしまいます。

第三に、経済構造がライターに不利に働き、ライターのインセンティブがそのままアウトプットに反映されます。こうした取り決めでは、最も重要なものを納品しているにもかかわらず、ライターへの支払いが最も少なくなります。企業は、中心的な作業を担うライターに、生み出す価値に見合った報酬を支払うべきです。報酬が正確さではなくスピードに結びついていれば、スピードが優先されます。そしてB2B SaaSのコンテンツは、競合がほとんど労力をかけずに上位を奪えるコモディティ化したコンテンツへと、静かに変わってしまいます。

AIコンテンツミルは、同じ問題の新しい形なのか?

生成AIがコンテンツミルモデルを終わらせたわけではありません。むしろ、より低いコスト基盤を与えました。ChatGPTのような大規模言語モデルが台頭して以来、コンテンツファームはAI生成コンテンツへと移行しており、AIツールによって、多くの場合は人による監修がほとんどないまま、サイトが1日に数百本の記事を生成できるようになっています。この変化の規模は数値で確認できます。2023年のNewsGuardのレポートでは、AI主導のコンテンツファームを支援している国際的に知られたブランドが140以上あることが確認されました。

SaaSのマーケティングチームにとって、これは特有の落とし穴になります。AIによる下書きを、従来のコンテンツミルのやり方をより速く、より安く回す手段として扱い、ロングテールキーワードを狙ったAI執筆の記事を何十本もブログに流し込みたくなるものです。仕組みは変わっても、根本的な弱点は変わりません。専門知識、購買担当者へのリサーチ、編集上の判断を欠いたまま作られたコンテンツは、依然として画一的に読まれます。そしてAI検索エンジンは、まさにそのようなアウトプットを検出し、優先度を下げるように作られつつあります。一部のハイブリッド型プラットフォームは現在、折衷を試みており、コンテンツミルの大量・低コストのアプローチと、プレミアムなコンテンツ制作プラットフォームの専門的なサービスを組み合わせています。これにより、企業はコンテンツのニーズを満たしながら、重要なプロジェクトでは高い水準を維持できます。

SaaSチームにとっての実践的な意味合いは、AIは、実際のICPへの洞察と製品の専門知識に基づくコンテンツのリサーチと下書きの時間を短縮するために使うべきであり、コンテンツミルに常に欠けていた戦略的思考の代わりにしてはならないということです。Seedlingのアプローチでは、AIは専門知識に基づくプロセスを支えるために使い、決してその代替としては使いません。AI検索エンジンが、キーワードを詰め込んだ量よりも、深さと一次的な専門知識を評価する方向に進むにつれ、コンテンツミルと本物のコンテンツ戦略との差を無視するコストは、ますます高くなっていくでしょう。