---
title: AI動画CR 制作フロー
created: 2026-04-21
tags: [curumi, アドバディ, デリバリー, CR, 動画, AI]
status: draft_v1
---

# AI動画CR 制作フロー

アドバディの主力商材のひとつ「AI動画クリエイティブ」の**標準的な制作プロセス**。月200-500本のスループットを実現するための運用手順。

## 全体像

```
① ブリーフ受領
      ↓
② 企画・構成設計  ─── クリエイティブオリエン（別ドキュメント）
      ↓
③ 素材生成（AI）
      ↓
④ 編集・合成
      ↓
⑤ 品質チェック  ─── レギュレーション（別ドキュメント）
      ↓
⑥ 承認・入稿
      ↓
⑦ 効果測定・勝ちパターン蓄積
```

**標準リードタイム**: ブリーフ受領 → 初稿提出まで **24時間以内**（バッチ化時は48時間）。

---

## ① ブリーフ受領

[`creative_brief_template.md`](creative_brief_template.md) の標準フォーマットで CL or 運用側から受け取る。

### 受領チェックリスト

- [ ] 商材・ターゲット・訴求軸が明記されている
- [ ] 納期・尺・媒体が確定している
- [ ] NG要件・ブランドガイドが添付されている
- [ ] 参考CR（勝ちCR / 競合CR / NGイメージ）がある
- [ ] KPI（CTR / CVR / CPA 目標値）が示されている

**不足があれば差し戻し**。曖昧なブリーフから作り始めない（手戻りコストが大きい）。

---

## ② 企画・構成設計

### 2-1. 勝ちパターンDBから候補抽出

過去のCR実績から、同業種・同ターゲットの **勝ちパターン** を抽出。

```
→ 商材タグ × ターゲットタグ × 訴求軸タグ × 媒体タグ で絞り込み
→ CTR/CVR上位20%のCRを参照
```

### 2-2. 構成案の複数展開

1ブリーフにつき **3-5案の構成**を出す。多様性を持たせるため:

- 導入パターン: 驚き / 共感 / 問いかけ / 事実提示
- 訴求軸: 機能価値 / 感情価値 / 社会的証明
- CTA: 比較 / 限定性 / 安心感

### 2-3. ストーリーボード作成

秒単位で割り付け（15秒 / 30秒 / 60秒 フォーマット別）:

- シーン分割・秒数配分
- ナレーションテキスト（尺に収まる字数）
- 各シーンの画像/動画素材の指示
- テロップ・BGM指示

**所要時間**: 1ブリーフ × 3-5案で 1-2時間（AI補助あり）。

---

## ③ 素材生成（AI）

### 利用ツール（2026-04時点）

| 目的 | ツール | 備考 |
|-----|--------|------|
| 動画生成 | Seedance 2.0 / Runway Gen-4 / Kling | 商材・尺で使い分け |
| 静止画生成 | Google AI Studio (nanobanana) / Flux Kontext | 商材画像生成 |
| 音声合成 | OpenAI TTS (gpt-4o-mini-tts) / ElevenLabs | ナレーション。CL言語で切替 |
| BGM / SE | 既存ストック（Adobe Stock） / SUNO | CL規約確認 |
| キャラクター | 透過PNG + rembg + Flux Kontext 表情展開 | アドバディ内のスタイル固有素材 |

### 生成時の注意

- **類似CR検知**: 同シリーズで過去生成した素材と **Pixel-diff 20%以上の差分**を担保（同じ画像の使い回しで飽きを生まない）
- **実在人物の顔**: 生成されても CL の肖像権ポリシーに従う（デフォルトはNG、許諾取得時のみ使用）
- **テキスト生成ミス**: AI生成動画にうっかり英字テロップが入ることがある → 後工程でチェック

**バッチ処理**: 1 CL x 月 30-50本ペースの場合、1日10-20本を並列生成。GPU コスト管理のため、利用履歴を記録。

---

## ④ 編集・合成

### 編集フロー

1. 生成素材を DaVinci Resolve / CapCut / ffmpeg で合成
2. ナレーション音声を合わせる（音声調整は -14 LUFS を目安）
3. テロップ・キャプション追加（字幕必須媒体: YouTube Shorts, TikTok）
4. BGM 追加・音量バランス
5. 媒体別に尺・比率を最終調整

### 媒体別アスペクト比と尺

| 媒体 | 推奨アスペクト比 | 推奨尺 | 初期カット |
|-----|--------------|------|---------|
| Meta (FB/IG feed) | 1:1 or 4:5 | 15-30s | 最初の3秒が勝負 |
| Instagram Reels / Stories | 9:16 | 15s | 音声オフでも伝わる字幕 |
| TikTok | 9:16 | 15-30s | 最初の2秒でhook |
| YouTube Shorts | 9:16 | 15-60s | 問いかけ導入が強い |
| YouTube インストリーム | 16:9 | 6s (bumper) or 15-30s | スキップ回避の導入 |
| X | 16:9 or 1:1 | 15-45s | 自動再生前提 |

---

## ⑤ 品質チェック

[`ai_video_cr_regulation.md`](ai_video_cr_regulation.md) の全チェック項目を通す。自動化できるチェックは agent 側で実施、最終判断は人間が承認。

### 自動チェック

- NGワード検出（正規表現 + LLM）
- 類似度検知（prev CRとの embedding 比較）
- 尺・アスペクト比の仕様合致
- 音量レベル（-14 LUFS ± 2）
- テロップ誤字 OCR チェック

### 人間チェック（CR担当 + CS）

- ブランドトーンの合致
- 業界規制への配慮
- 感情的訴求の過剰さ
- 競合他社言及の有無

---

## ⑥ 承認・入稿

### 承認フロー

```
初稿 → CR担当レビュー → CLレビュー → 修正1回まで無料 → 承認 → 入稿
```

- 修正2回目以降は別見積（人月メニュー消費）
- 緊急入稿（同日入稿）は **+20% 割増**

### 入稿先

各媒体の広告管理画面にアップ。Meta / TikTok は API 経由の自動入稿を優先（B1 agent 連携予定）。

---

## ⑦ 効果測定・勝ちパターン蓄積

### 計測指標

| 指標 | 閾値（目安） | 判定 |
|-----|---------|-----|
| CTR | 業界平均の 1.3倍以上 | 🟢 勝ち |
| CVR | 業界平均以上 | 🟢 勝ち |
| CPA | 目標CPA以下 | 🟢 勝ち |
| 視聴完了率 | 3秒以上 60%、15秒到達 20% | 🟢 勝ち |
| スキップ率 | 業界平均以下 | 🟢 勝ち |

### 勝ちパターンDB への蓄積

勝ちCR は以下のメタデータでDB化:

```yaml
client_id: xxx
creative_id: cr_xxxxx
industry: 結婚式 / D2C / BtoB-SaaS / ...
persona: <persona_id>
appeal_axis: 機能 / 感情 / 社会的証明
structure: 驚き導入 / 共感導入 / ...
duration_sec: 15 / 30 / 60
media: meta-feed / tiktok / ...
kpi_snapshot:
  ctr: X.X%
  cvr: X.X%
  cpa: YYY
  completion_3s: X.X%
tags: [...]
source_brief: <brief_id>
generated_at: ...
```

次回の類似ブリーフで自動引当て可能にする（A3 クリエイティブトレンド agent が週次で集約）。

---

## メンバー別の役割

| 役割 | 責務 |
|-----|------|
| **CS担当** | ブリーフ受領 / CLレビュー調整 / 承認取得 |
| **CR担当（制作）** | 企画・構成設計 / 編集・合成 / 品質チェック |
| **agent** | 勝ちパターン抽出 / 素材生成 / 自動チェック |
| **崎前** | ディレクション言語化 / NG判定 / 重要案件のレビュー |

3人目候補は **CR制作** での即戦力を優先（B3の大半を担当）。

---

## スループット目標

| フェーズ | 月間目標（1 CL あたり） |
|--------|-------------------|
| 初期（契約直後） | 50-100本（勝ちパターン探索） |
| 安定期 | 200-300本 |
| スケール期 | 300-500本 |

### 倍率の鍵

- **勝ちパターンDB** の充実度 → 生成前の企画時間を圧縮
- **生成モデルの進化** → 1本あたりの生成コスト低下
- **自動チェック** の精度 → 人間レビュー時間を圧縮

3要素のどれもが「ディレクション言語化」の精度に依存する。**ディレクション言語化は最優先の投資対象**。

---

## 未決事項

- [ ] 勝ちパターンDB のスキーマ確定（CRM / agent / 手作業のどこに持つか）
- [ ] 修正回数制限の標準（1回 / 2回 / 無制限の差別化）
- [ ] 緊急入稿の割増率確定
- [ ] 生成モデル利用コストの配賦ルール（CL別 or 全社 pool）