A&A INSIGHTS
AIサービスの最初の集客にYouTubeクリエイターを選ぶ：登録者数より実演する用途を合わせる
新しいAIサービスは、説明しても用途が伝わりません。発信者と組むとき、登録者数ではなく「その人は自分の視聴者の実際の入力で、完成物まで作って見せられるか」で選ぶ理由を、LovableがClay上で組んだ提携候補の採点欄と、Anthropicが公開したLovable・brand.aiの一次記述から読み解きます。
Read in English
この記事の要点
この記事の主張は、用途がまだ知られていないAIサービスでは、提携先を登録者数ではなく実演可能性で選ぶ、というものです。Clayが公開したLovableの事例には、提携候補を調べるために集めた5つの項目（平均再生数、反応率、登録者数、内容の主題、視聴者の構成）と、合否を決めた問い（その視聴者はAIアプリビルダーから利益を得る人たちと一致しているか）が書かれています。登録者数は5項目のうちの1つに過ぎません。あわせてAnthropicが公開したLovableの事例から、創業者が想定した利用者と実際に現れた利用者が違ったという記述を、brand.aiの事例から、静的なガイドライン文書では多数の接点を統御できないという共同創業者の発言を読みます。そのうえで、一人・少人数の事業が道具なしで使える「提携候補カード」の4欄と見送り条件を示します。出典の記述、A&Aの解釈、架空の記入例は区別しています。
登録者数は届く量の指標で、伝わるかの指標ではない
A&Aの考え方
新しいAIサービスの最初の集客で、YouTubeなどの動画発信者（クリエイター）と組むなら、最初に見るのは登録者数ではありません。見るのは「その人は、自分の視聴者が普段扱っている入力を使って、完成物が出るところまで実演できるか」の一点です。用途がまだ知られていない商品では、届いた人数がそのまま理解した人数になりません。到達量はあとから足せますが、実演できない相手といくら組んでも、視聴者が自分の仕事へ置き換える場面は生まれないからです。
出典に基づく事実
Clayが公開したLovableの事例には、なぜ発信者だったのかが書かれています。同ページは、Lovableが作っていたものは本当に新しく、「vibe coding（バイブコーディング）」という分類はそれ以前に存在しなかったとしたうえで、「AIアプリビルダーに何ができるのか、誰のためのものなのかについて、確立された市場理解は限られていた（There was limited established market understanding of what an AI app builder could do or who it was for）」と記述しています。そのうえで、Lovableを実際に動かして見せられるYouTubeの制作者・開発者・技術系の発信者が、製品の理解と需要づくりにおいて最も費用対効果の高い経路だったとしています。
出典に基づく事実
同じ事例は、提携候補を評価する作業の重さにも触れています。関係しそうな発信者の母集団は大きく質のばらつきも大きいため、「各チャンネルを適合性、反応の質、内容の主題について手作業で評価する（manually evaluating each channel for audience fit, engagement quality, and content themes）」ことは、チームを何か月も占有する作業だと書かれています。Lovable側でこの仕組みを組んだのは、自身の役割をAIオペレーションエンジニアと呼ぶLudvig Widmark氏です。
A&Aの考え方
A&Aはここを、順序の話として読みます。この事例が最初に解いているのは「誰に声をかけるか」ではなく「声をかける前に何を確かめるか」です。一人や二人の会社には、Lovableのような調査基盤も、数百件の候補リストもありません。しかし移せるのは基盤ではなく、確かめる項目の方です。項目が先に決まっていれば、候補が5件しかなくても同じ判断ができます。
Lovableが提携前に埋めた欄と、合否を決めた一つの問い
出典に基づく事実
同事例によると、Lovableは発信者をチャンネル単位の文脈つきで調べる作業をClay上に組みました。集めた項目として挙げられているのは「平均再生数、反応率、登録者数、内容の主題、視聴者の構成（average views, engagement rates, subscriber counts, content themes, and audience composition）」です。登録者数はこの一覧に入っていますが、並んでいる5項目のうちの1つとして扱われています。
出典に基づく事実
そのうえで、集めた項目を理想的な提携相手像に対して採点したと書かれています。採点の問いは2つで、1つは「その視聴者は、AIアプリビルダーから利益を得る人たちと一致しているか（does their audience match the people who would benefit from an AI app builder?）」、もう1つは「その内容の質はLovableのブランドと整合しているか（Is the content quality aligned with Lovable's brand?）」です。接触前に相手を深く理解していたことで、定型の提携依頼を送るのではなく、踏み込んだ具体的な会話ができたと記述されています。
出典に基づく事実
成果についてClayは、「小さなチームが数日のうちに数百件の本物の発信者提携を築いた（hundreds of authentic creator partnerships built by a small team in a matter of days）」とし、会話が「冷たい見極めではなく、相互の適合という地点から始まった（conversations started from a place of mutual fit rather than cold qualification）」と書いています。これはClay自身が公開した顧客事例における記述であり、独立した監査ではありません。
A&Aの考え方
A&Aの読みでは、小さな事業が移せるのは採点の仕組みではなく、採点の問いのほうです。「その視聴者は、うちの商品から利益を得る人たちと一致しているか」は、専用の道具がなくても答えられます。答えられないときは、候補の情報が足りないのではなく、自分の商品が誰のどの場面で利益になるのかをまだ言語化できていない、というサインとして扱えます。候補を増やす前に、そちらを直したほうが速いという判断になります。
| 埋める欄 | 何を書くか | 埋まらないときの意味 |
|---|---|---|
| 視聴者の職種と仕事 | 業種名ではなく、視聴者が週に何回、どの書類や画面を扱っているか | 相手の発信を見ても分からないなら、視聴者構成を推定で埋めない。候補から外す |
| 実演に使える入力 | 相手が自分で用意できる、実物に近い入力（過去の書類、実際の画面、手元のデータ） | こちらが入力を用意しないと成立しないなら、それは実演ではなく宣伝になる |
| 完成物の受け取り手 | 出てきた成果物を、視聴者の職場で誰が受け取り、次に何をするか | 受け取り手を書けないなら、視聴者は完成物を自分の仕事へ置き換えられない |
| 訴求してよい範囲 | 保証できる主張、言ってはいけない主張、人の確認が必要だと明記する工程 | ここが書けないのは相手の問題ではない。候補を増やす前に商品説明を直す |
| 見送りの判断 | 上の4欄のうち、推定で埋めたものが1つでもあるか | 推定の欄を残したまま接触すると、断られた理由も成立した理由も手元に残らない |
想定した利用者と、実際に現れた利用者は違うことがある
出典に基づく事実
Anthropicが公開したLovableの事例は、同社の出発点を記述しています。共同創業者兼CEOのAnton Osika氏は2023年初頭、開発者がAIで速く動けるよう助ける週末の実験をGitHubへオープンソースとして公開しました。同ページには「それは広まったが、使いに現れた人たちは、彼がそのために作った開発者ではなかった（It went viral, but the people showing up to use it weren't the developers he had built it for）」と書かれています。
出典に基づく事実
同じページは現在のLovableについて、「技術者でない創業者、あらゆる規模のチーム、そしてMicrosoft、Uber、HubSpot、Zendeskを含む大企業に提供している（Serves non-technical founders, teams of all sizes, and large enterprises including Microsoft, Uber, HubSpot, and Zendesk）」と記述しています。
A&Aの考え方
A&Aはこの2つを並べて、提携先選びの前提を1つ足します。候補を「自分が想定した顧客に似た視聴者を持つ人」で探すと、想定そのものが外れていた場合に、外れたまま量を増やすことになります。実演可能性を判定基準に置く利点はここにあります。実演は、視聴者が実際に持ち込む入力を使わないと成立しません。つまり「実演できる相手か」を確かめる作業が、そのまま「誰が本当に使えるのか」の確認を兼ねます。これは出典が述べた因果ではなく、2つの記述を並べたA&Aの読み方です。
相手に渡すのは説明資料ではなく、動く入力と、言ってよい範囲
出典に基づく事実
Anthropicが公開したbrand.aiの事例で、共同創業者のMichael Carter氏はこう述べています。「今日のブランドは、デジタルの接点、異なる語り口、体験の巨大なモザイクとして存在していて、静的なガイドライン文書には収めきれない（Today's brands exist as a massive mosaic of digital touch points, different narratives, and experiences that can't be contained in a static guideline document）」。同ページは、代理店が作る静的なブランドガイドラインという従来の方法が、世界中のチームが絶え間なく制作を続ける状況では機能しなくなったと説明しています。
出典に基づく事実
同ページは、同社の仕組みが「1人のコピーライターが600本の制作物を管理できるようにする（Enables one copywriter to manage 600 pieces of content）」と記述しています。これはbrand.aiがAnthropicの事例ページで述べた自社についての記述であり、独立した検証ではありません。
A&Aの考え方
出典が扱っているのは企業のブランド運用であり、発信者提携の話ではありません。ここから先はA&Aの読み替えです。発信者に長い説明資料を渡しても、実際に画面の前で起きることは統御できません。渡して意味があるのは3つに絞った短い境界です。1つ目は、相手の視聴者が持っている入力で実際に動く手順。2つ目は、こちらが保証できる主張。3つ目は、言ってはいけない主張と、人の確認が必要だと明記すべき工程です。分量ではなく境界の明確さが効く、という読み方になります。
提携候補カード：四つの欄と、見送る条件
A&Aの考え方
候補を比べる前に、1件につき4つの欄を埋めます。欄は、視聴者の職種と仕事、実演に使える入力、完成物を受け取る人、こちらが訴求してよい範囲です。次の表は、A&Aがこの記事の出典から組み立てた整理であり、出典に掲載された表の翻訳ではありません。埋める順番は上からではなく、最後の「訴求してよい範囲」からです。ここだけは候補の調査ではなく、自社の説明が決める欄だからです。
仮想例
架空の例で埋めてみます。以下は実在の顧客でも、A&Aが実施した提携でもなく、記入方法を示すための仮想例です。商品は「見積書のPDFから項目を抜き出して一覧表にするAIサービス」だとします。候補Aは登録者12万人の総合AI解説チャンネル。視聴者の職種は混在、実演に使える入力は本人が持っていない、完成物を誰が受け取るかは不明、訴求してよい範囲も決められない。4欄のうち3欄が推定になります。候補Bは登録者4,000人の建設業向け業務改善チャンネル。視聴者は工務店の事務担当と現場監督、実演に使える入力は発信者自身が過去に扱った見積書、完成物は経理へ回す一覧表、訴求範囲は「抜き出し結果の確認は人が行う」と明記すれば可。欄が埋まるのはBだけです。この仮想例で示したいのは登録者数の大小ではなく、推定で埋めた欄を残したまま声をかけると、断られた理由も、うまくいった理由も手元に残らないということです。
A&Aの考え方
見送る条件を先に決めておくと、判断が速くなります。A&Aが勧める条件は3つです。実演に使える入力を相手が持っていない。完成物を職場で誰が受け取るか説明できない。こちらが訴求してよい範囲を言語化できない。このうち3つ目が埋まらないときは、相手の問題ではなくこちらの問題です。候補を増やす前に、商品の説明そのものを直してください。
まとめて声をかける前に、1件で確かめる
出典に基づく事実
Clayの事例でLudvig Widmark氏は進め方をこう述べています。「何が効いて何が効かないかを検証できる。当たったものが出てきたら、そこから量を足していく（You can validate what works and what doesn't. When something hits, then we start adding volume.）」。同事例は、この発信者提携の取り組み自体が、小さく始めて仮説を確かめ、効いたものに量を足すという同氏の一般的な進め方に沿って行われたと記述しています。
A&Aの考え方
A&Aはこれを、一人の事業では「量を足す」の前段だけを使う話として読みます。最初に当てるのは1件です。1件で観測するのは再生数ではなく、実演のあとに何が起きたかです。具体的には3点。視聴者から来た質問が、自分の商品の用途に沿っているか。来た問い合わせの職種が、4欄で想定した職種と一致しているか。そして実演のどこで相手が詰まったか。3つ目は、商品の説明ではなく商品そのものを直す材料になります。
A&Aの考え方
逆に、1件では分からないことも先に書いておきます。適正な報酬水準、継続的な提携が成立するか、同じ職種の別チャンネルで再現するか。これらは1件の結果からは判定できません。ここを混同して「当たった」と判断すると、量を足す段階で外します。1件で決まるのは「この職種の視聴者に、この実演が通じたかどうか」だけです。
この選び方が効かない場面と、次の一歩
A&Aの考え方
限界を3つ挙げます。1つ目、ClayとAnthropicの事例ページはいずれもベンダー側が公開した記述であり、独立した監査ではありません。「数日で数百件」といった記述を、自社の見込みとして持ち込まないでください。2つ目、Lovableは既に需要が大きく立ち上がっていた製品です。発信者の側に実演したくなる動機が働いた背景には、その規模があります。まだ知られていない商品では、断られるのが既定値だという前提で候補数を見積もってください。3つ目、この選び方は、こちらの商品が短い時間で完成物まで到達する場合にだけ成立します。納品に数週間かかる受託型のサービスでは実演そのものが作れないため、紹介や個別の提案のほうが適合します。
A&Aの考え方
国内の提携相場、報酬の形、広告であることの表示に関する法令上の義務については、この記事では確認していません。有償の提携を結ぶ前に、読者ご自身で現行の規定を確認してください。また本記事はA&Aが一次資料を読んで組み立てた解釈であり、A&Aが発信者提携を実施した記録ではありません。
A&Aの考え方
次の一歩は、4欄のうち「訴求してよい範囲」から埋めることです。ここが埋まれば、残りの3欄は候補ごとの調査で埋まります。全体の流れを先に見たい場合は「AIネイティブGTMとは？一人・少人数で顧客獲得から継続まで回す実践ガイド」を、そもそも誰に売るかが未確定な場合は「少人数の新規サービスは、AIで何を調べて最初の顧客に会うか」を先に読んでください。提携から来た問い合わせをセルフサーブと個別提案へどう分けるかは「AI SaaSの問い合わせを全部商談にしない：セルフサーブと個別提案の分け方」で扱っています。どの用途で売るかが定まらないまま候補探しが続いている場合は、相談の対象になります。
登録者数は、届く量の見積もりには使えます。しかし用途がまだ知られていないAIサービスでは、届いた人数が理解した人数にはなりません。判定に使うのは「その人は、自分の視聴者の実際の入力で、完成物まで作って見せられるか」の一点です。4欄のうち推定で埋めた欄があるまま声をかけない。これだけで、使った時間が判断材料として残るようになります。
出典・編集情報
記事の調査で確認した一次資料です。資料の公開・更新時期と、調査時の確認日を分けて記載しています。
- How Lovable uses Clay to scale one of the fastest-growing startups in history
Clay · undated customer-story page; no visible publication date
確認日 2026-09-23 - Lovable helps anyone create software 20x faster with Claude
Anthropic · undated case-study page; no visible publication date
確認日 2026-09-23 - Brand.ai uses AI to make brands more human with Claude
Anthropic · undated case-study page; no visible publication date
確認日 2026-09-23
AIを活用した記事制作
調査・執筆・翻訳・編集上の確認にAIを活用しています。資料に基づく事実、A&Aの考え方、仮想例は、それぞれ本文に明記しています。
編集上の確認日: 2026-09-23