「ChatGPTもClaudeも使ってはいるけれど、結局いつも同じような使い方しかしていない」——BtoBマーケの現場でAI活用の相談を受けるとき、最もよく聞くのがこの声です。文章の下書きや要約には使っていても、企画・営業支援・データ分析まで含めた業務全体でAIを使いこなせている担当者は、まだ多くありません。
原因の多くは、ツールの性能不足ではなく「どのシーンで、どんなプロンプトを投げればいいかの引き出しが少ない」ことにあります。本記事では、BtoBマーケ担当者の実務を4つのカテゴリ・20シーンに整理し、それぞれで使えるプロンプトの型を具体的に紹介します。
- ChatGPT・Claude・Geminiの得意領域と、BtoBマーケでの使い分けの目安
- 戦略・コンテンツ・営業・分析の4カテゴリ、20シーンで使える具体的なプロンプトの型
- 情報漏洩を防ぐための社内ルール設計と、精度をさらに上げる高度テクニック
ChatGPT・Claude・Geminiの使い分け（2026年版）
生成AIの代表格であるChatGPT・Claude・Gemini（Google）は、いずれも文章生成の基本性能は高い水準にありますが、得意分野には明確な違いがあります。まずはBtoBマーケの実務目線で、3モデルの特徴を整理しておきましょう。
ChatGPT
画像生成やWeb検索など「外部と連携する作業」において強みを発揮します。企画会議のたたき台となる画像や、最新の業界動向を素早く拾いたいときに向いています。
Claude
「〇〇文字以内で」「このトーンで」といった指示への忠実さに定評があり、顧客に直接送る文章の仕上げに向いています。長文の商談ログや業界レポートを一度に読み込ませる作業とも相性が良いモデルです。
Gemini
普段からGoogle Workspaceで業務を回している組織であれば、ファイルを行き来する手間が減り、実務上の恩恵を最も感じやすいモデルです。
結論として、リサーチや画像素材づくりはChatGPT、社外向け文章の仕上げや長文処理はClaude、社内データとの連携作業はGemini、という住み分けが実務上のひとつの目安になります。ただし性能は日々更新されるため、この使い分けも定期的に見直す前提で捉えてください。
精度の高い出力を引き出す3つの原則
どのモデルを使うにせよ、出力の質を左右するのはモデルの選び方以上に「頼み方」です。プロンプトエンジニアリング（AIへの指示の設計技術）と呼ばれる分野の基本となる、3つの原則を押さえておきましょう。
原則1｜文脈提供 – 「自社の状況」を毎回宣言する
「〇〇について教えて」とだけ入力しても、返ってくるのは一般的で当たり障りのない回答です。自社の業界、ターゲット顧客、抱えている課題、そしてこの出力を何に使いたいのかという「ゴール」を毎回宣言することが、精度の高い出力を得るための第一歩になります。
原則2｜制約設定 – 出力の型を固定して品質のばらつきを防ぐ
次に重要なのが、出力フォーマットの指定です。以下のような制約を明記するだけで、期待通りの型で結果が返ってくる確率が大きく上がります。
- 文字数（例：400字以内で）
- トーン＆マナー（例：専門的に／親しみやすく）
- 使ってはいけないNG表現
- 出力形式（箇条書き／表形式／Markdownなど）
原則3｜段階分解 – 一度に完成を求めず、対話で詰める
最初の1回で完璧な出力を得ようとしないことも、実は重要な原則です。まずざっくり指示を出し、出てきた結果に「この部分をもっと具体的に」「表現をカジュアルに」と追加指示を重ねるほうが、結果的に早く・高い精度の成果物にたどり着きます。この3原則は、この後紹介する20のシーンすべてに共通する土台になります。
【戦略・企画】で使えるプロンプト5選
企画の初期段階は、AIを「思考の壁打ち相手」として使うフェーズです。ペルソナ設計からKPIツリーの整理まで、5つのシーンを見ていきます。
ペルソナ設計とカスタマージャーニー作成
自社商材の特徴とターゲット企業の属性を入力するだけで、解像度の高いペルソナ（抱える課題・情報収集経路・決裁プロセスを含めた架空の読者像）を短時間で言語化できます。そのままカスタマージャーニー（顧客が認知から契約に至るまでの行動の流れ）の初期案作成にもつなげられます。
- 「BtoB SaaSの人事労務システムを提供しています。従業員300〜999名の企業の人事部長をターゲットに、抱えている課題・情報収集の経路・決裁プロセスを含めたペルソナを作成してください」
- 「先ほどのペルソナが認知から契約までにたどる行動を、認知・比較検討・稟議・契約の4段階でカスタマージャーニーとして整理してください」
3C分析・市場調査要約・KPIツリー生成
市場調査レポートの要約や、事業目標からの逆算といった「情報を整理する」作業も、AIが力を発揮する領域です。
- 「自社（〇〇業界のSaaS）・競合3社・市場動向について、3C分析のフレームで整理してください」
- 「添付の業界動向レポートを読み込み、BtoBマーケ担当者が押さえるべきポイントを箇条書き5つで要約してください」
- 「年間商談化数500件という事業目標から逆算して、Webサイト経由のKPIツリー（訪問数→リード数→商談化数）を作成してください」
【コンテンツ制作】で使えるプロンプト5選
コンテンツ制作は、AI活用による工数削減の効果を最も実感しやすい領域です。SEO記事の骨子づくりから広告コピーの量産まで、5つのシーンを紹介します。
SEO記事骨子とメルマガ本文の高速生成
狙いたい検索キーワードと上位記事の傾向を伝えれば、検索意図を満たすH2・H3の見出し構成を一気に生成できます。過去に反応の良かったメルマガの型を踏襲させれば、新しい配信文もトーンを保ったまま素早く作れます。
- 「『BtoBマーケティング 施策』というキーワードで検索意図を満たす記事のH2・H3構成案を、上位表示されている記事の傾向をふまえて作成してください」
- 「過去に反応の良かったこのメルマガ本文（貼り付け）と同じトーンで、新機能〇〇を紹介する400字のメルマガを作成してください」
SNS投稿20案・ホワイトペーパー構成・広告コピー20案の量産
1つのテーマや素材から、切り口を変えて大量にバリエーションを出させるのもAIの得意技です。人が一人で考えるより多様な切り口を、短時間で洗い出せます。
- 「このプレスリリースの内容をもとに、SNS投稿文を切り口を変えて20パターン出力してください」
- 「〇〇というテーマのホワイトペーパーの目次構成案を、ダウンロードした読者が『詳しく知りたい』と思う流れで作成してください」
- 「このLPの内容を読み込み、広告用の見出し（15字以内）を訴求軸を変えて20パターン出力してください」
広告コピーの量産で工数を圧縮できた例
あるSaaS企業のマーケ担当者は、月次のリスティング広告のコピー案づくりに毎回半日かけていました。切り口違いの見出しを20パターン出力させるプロンプトを試したところ、たたき台の作成が15分程度に短縮。残りの時間を、成果の良かった案を掘り下げる作業に充てられるようになったといいます。
【営業・インサイドセールス支援】で使えるプロンプト5選
商談の記録から失注理由の分析まで、営業・インサイドセールス（電話やオンラインで行う内勤営業）の業務にもAIは活用できます。
議事録要約と提案書ドラフト生成
商談の文字起こしデータを、BANT（予算・決裁権・ニーズ・導入時期という商談確度を測る4つの観点）やMEDDIC（商談の見込み度を多角的に評価するフレームワーク）に沿って要約させれば、次回商談で使う提案書の1次ドラフトまで一気に作成できます。
- 「この商談の文字起こしを、BANT（予算・決裁権・ニーズ・導入時期）の観点で要約してください。そのうえで、次回商談で使う提案書の骨子案も作成してください」
反論FAQ・トーク改善・失注分析
顧客からの断り文句への切り返しや、商談ログをもとにしたトークの改善点の洗い出しも、AIに任せやすい業務です。
- 「『今は他社ツールを使っている』という断り文句への切り返しトークを3パターン、それぞれ根拠つきで提案してください」
- 「この商談ログを読み、次回改善すべきトークポイントを3つ指摘してください」
- 「過去半年分の失注理由のテキストデータを読み込み、頻出パターンを分類して傾向を要約してください」
【データ分析・改善】で使えるプロンプト5選
数字の羅列を「次のアクション」に変換する作業こそ、AIを使う価値が大きい領域です。単なる要約で終わらせず、改善アクションの提案まで求めるのがコツです。
GA4データ解釈と自由記述の自動分類
エクスポートしたアクセス解析（GA4＝Googleアナリティクス4）の数値データや、アンケートの自由記述回答を読み込ませ、そこから読み取れるインサイトや感情傾向を自動で分類・抽出させます。
- 「エクスポートしたこのGA4のデータから、離脱率が高いページとその要因を読み取り、改善優先度順に整理してください」
- 「このアンケートの自由記述回答をポジティブ・ネガティブ・中立に分類し、それぞれの主な意見を要約してください」
NPS分析・広告レポート診断・LP改善指示
単なるデータの要約にとどめず、「次にどの数値を改善すべきか」「LPのどのセクションのコピーを変更すべきか」まで、具体的な改善アクションを含めて出力させるのがポイントです。
- 「NPS（顧客推奨度を測る指標）調査の自由記述コメントを分析し、批判者に共通する不満点を抽出してください」
- 「この広告レポートを見て、CPA（顧客獲得単価）が悪化している要因を仮説として3つ挙げ、次に見るべき数値を提案してください」
- 「このLPのファーストビューのコピーを読み、直帰率を下げるための改善案を3パターン提案してください」
精度をさらに上げる4つの高度テクニック
ここまでの型に慣れてきたら、もう一段上の精度を狙うためのテクニックも押さえておきましょう。
Few-shotとChain of Thoughtの使い分け
「このようなトーンで書いて」と具体例をいくつか提示するFew-shot（例示型）と、「ステップ1、ステップ2……と順を追って考えて」と思考プロセスを明示させるChain of Thought（思考の連鎖、段階的に考えさせる手法）は、それぞれ使いどころが異なります。トーンや型を揃えたいときはFew-shot、複雑な分析や判断が絡むタスクにはChain of Thoughtが向いています。
制約プロンプトと自己批評（Self-Critique）による品質向上
AIに一度出力させた後、同じ会話の中で「この出力結果は先ほどの制約を満たしていますか。読者の視点で厳しく批評し、修正案を出してください」と問い返す方法も効果的です。AI自身にレビューさせ、再生成させる2段階の設計を挟むだけで、出力の完成度は一段上がります。
情報漏洩を防ぐセキュリティ対策と社内ルール
BtoB企業がAIを活用するうえで避けて通れないのが、情報漏洩リスクへの対処です。便利さと引き換えに、ガードレールの設計を後回しにしてはいけません。
SaaS版とAPI版のセキュリティポリシーの違い
Webブラウザから使う一般提供版（学習に利用される可能性がある設定になっている場合がある）と、API（システム同士を連携させる接続方式）経由での利用（多くの場合、原則として学習に利用されない設定）とでは、ポリシーが異なります。機密情報を扱う際は、利用しているプランの学習利用に関する設定（オプトアウト＝学習対象からの除外設定）を必ず確認してください。
社内で徹底すべき「AIプロンプト運用ルール」の骨子
顧客の個人情報や未公開の財務情報など、絶対に入力してはいけない情報のマスキングルール（伏せ字・匿名化のルール）を定めておくことが、全社で安全にAIを活用する土台になります。
- 顧客名・個人名・連絡先などの個人情報
- 未公開の決算数値・契約条件などの財務情報
- 他社との秘密保持契約（NDA）の対象となる情報
- 入力前にどのツール・プランを使うかの判断基準
顧客情報をうっかり貼り付けそうになった例
ある企業の担当者は、商談メモの要約をAIに頼もうとした際、顧客名や取引条件が入ったままのテキストを貼り付けそうになりました。事前に定めていた「入力前チェックリスト」を確認する習慣があったため、直前でマスキングして事なきを得たといいます。ルールがなければ気づかなかった可能性が高い事例です。
まとめ：プロンプトを「個人の勘」から「組織の資産」へ
ここまで紹介した20のシーンは、担当者一人が使いこなせるようになるだけでは、組織的な効果としては小さいままです。決裁者の視点では、個々のプロンプトの巧拙よりも「コストに対してどれだけ工数が減るか」「情報漏洩などのリスクをどう管理するか」「特定の担当者に依存せず、誰が使っても一定の品質を出せるか」が投資判断の分かれ目になります。
そこで重要になるのが、優秀な担当者が作ったプロンプトをNotionや社内Wikiなどで一元管理し、誰もが同じクオリティの出力を得られる「プロンプトライブラリ」の構築です。個人のノウハウを組織の資産に変える仕組みがあってはじめて、AI活用は再現性のある成果につながります。
プロンプトライブラリ整備で工数を削減した例
あるBtoB企業では、部署ごとにバラバラだったプロンプトの使い方を、共有ドキュメントにカテゴリ別で集約する取り組みを始めました。半年ほど運用した結果、マーケティング部門の作業工数が目安で4割程度減り、コンテンツの制作本数も目安で3倍近くに増えたといいます。
まず今日からできる第一歩は、本記事で紹介したプロンプトのうち1つを実際に試し、うまくいった型を保存しておくことです。小さな積み重ねが、半年後には組織全体の生産性を左右する差になります。