AIで200記事を量産し、薄い大半を捨てて、月60件の問い合わせに辿り着いた

正直なところから書きます。JGFSのオウンドメディアを、AIで設計から運用まで回しました。1ヶ月で約200記事を量産しましたが、大半は薄くて離脱を生んだ。そこから効く型に絞り込んで、月60件の初回体験問い合わせに辿り着いた。失敗込みで残します。

何をやったか（数字で）

設計・構築・執筆・運用の全工程をAIで回し、立ち上げ自体は速かった。問題はそのあとでした。

失敗：量産した200本の大半が「薄かった」

最初に勢いで約200本を量産しました。結果、大半が内容が薄すぎて、離脱率が跳ね上がった。本数は増えたのに、問い合わせに結びつかない。

具体的にこけた点：

• 記事の質：薄い記事が多く、読まれずに離脱
• UI/UX：全記事に一貫した体験を当てきれなかった
• デザイン：中途半端な仕上がりの箇所が残った
• CV：本数は確保したが、問い合わせに繋がらない記事が多発

量を出せば当たる、ではありませんでした。薄い記事はむしろ媒体の評価を下げる。これが最初の学びです。

効いた型：「エリア × ジムの特徴」

問い合わせを引っ張ったのは、地域名と具体的な特徴を掛け合わせた記事でした。なぜ効くか。

• ローカル（エリア）×具体（特徴）は、通常検索でもAI検索でも拾われやすい
• 「◯◯エリアで△△なジム」を探す読者は、来店の意図に近い＝初回体験に直結
• 抽象的な「ジムの選び方」より、具体の交差点のほうが競合も薄い

薄い量産から、この型へ絞り込んだ。結果、月60件の問い合わせが立ちました。量より、効く型の発見と集中です。

AIの使い方の核心：判断は人、実行はAI

ここが一番伝えたい部分です。全工程で同じ型を使いました。

人が手を動かして書くのではなく、人は判断に専念し、案出しと実行をAIが担う。この分担だと、少人数でも200本のスピードが出る。ただし——判断を雑にすると、薄い記事を高速に量産することになる（前述の失敗）。速さは諸刃でした。

まとめ：量産は入口、勝ち型が成果

• AIで設計〜運用を回せば、1ヶ月で200本のスピードは出る
• だが薄い量産は離脱を生む。本数は成果ではない
• 勝ち型は**「エリア×特徴」**＝ローカル×具体（検索にもAI検索にも強い）→ 月60件の問い合わせ
• AIは実行役、判断と壁打ちは人。ここを雑にすると速く失敗する

量を出すことが目的になった瞬間に、媒体は薄くなります。勝ち型を見つけて、そこに集中する。AIはその回転を速める道具でした。

現場ログでは、こうした実験を毎日続けています。うまくいった話も、こけた話も、そのまま残します。