ホワイトペーパーを配ったら、次に作るべき資料まで見えてきた話

ホワイトペーパーは、作って配って終わり。

BtoBマーケティングの現場では、まだこの状態になっているケースが少なくありません。

もちろん、資料を作ること自体は重要です。リード獲得にも使えますし、営業資料としても活用できます。メルマガや広告、フォーム営業、展示会後のフォローなど、さまざまな接点でホワイトペーパーは役立ちます。

しかし、本当に重要なのはその後です。

・その資料は誰に読まれたのか。
・どのテーマが深く読まれたのか。
・どの企業が複数回見に来ているのか。
・どの資料を読んだ企業が、その後セミナー参加や商談につながったのか。
・そして、次にどんな資料を作ればよいのか。

ここまで見えて初めて、ホワイトペーパーは単なるリード獲得用の資料ではなく、顧客理解を深めるためのデータ資産になります。

今回は、実際に行っている取り組みをもとに、AIでホワイトペーパーを10本以上作成し、配布後の閲覧データやインテントデータを分析しながら、次に作るべきホワイトペーパー企画を設計する流れをまとめます。

結論から言うと、ホワイトペーパー制作は「作る力」だけでは不十分です。

これから重要になるのは、作った後の反応を可視化し、次の企画へ反映する仕組みです。

1. ホワイトペーパー制作でよく起きる「配って終わり」問題

BtoBマーケティングでは、ホワイトペーパーは非常に使いやすい施策です。

・広告のLPで資料請求を獲得する。
・メルマガで既存リードに送る。
・営業が商談前後の情報提供として使う。
・セミナー後のフォロー資料として送る。
・新規営業の接点づくりに活用する。

このように、ホワイトペーパーはマーケティングと営業の両方で使えるため、多くの企業で制作されています。

一方で、よくある課題があります。

それは、資料を作った後の反応が十分に見えていないことです。

・ダウンロード数は見える。
・フォーム送信数も見える。
・メールのクリック数も見える。

しかし、それだけでは足りません。

本当に知りたいのは、「その後どう読まれたか」です。

たとえば、同じ100件のダウンロードがあったとしても、以下の2つでは意味がまったく違います。

1つ目は、ダウンロードされたものの、ほとんど読まれずに終わった資料。
2つ目は、ダウンロード数は多くなくても、特定の企業が何度も読み返し、複数ページを深く閲覧している資料。

前者は認知獲得には役立ったかもしれません。
一方で後者は、商談化や受注につながる可能性のある重要なシグナルかもしれません。

しかし、閲覧データが見えていなければ、この違いに気づけません。

その結果、次の資料企画も「なんとなく良さそうなテーマ」で決まってしまいます。

・競合が出しているから作る。
・社内でよく話題になるから作る。
・営業から要望があったから作る。
・検索ボリュームがありそうだから作る。

もちろん、これらも企画の出発点としては有効です。ただし、それだけでは自社の見込み顧客が本当に関心を持っているテーマとはズレる可能性があります。

そこで必要になるのが、ホワイトペーパーの反応データをもとに次の企画を設計する考え方です。

2. まずはAIでホワイトペーパーを10本以上作る

今回の取り組みでは、最初にAIを活用してホワイトペーパーを10本以上作成しました。

ここで重要なのは、いきなり完璧な1本を作ろうとしないことです。

従来のホワイトペーパー制作では、1本あたりの企画、構成、執筆、デザインに時間がかかります。そのため、どうしても「外したくない」という意識が強くなります。

・結果として、企画会議に時間がかかる。
・社内確認が増える。
・無難なテーマになる。
・完成までに時間がかかる。

そして、ようやく公開したころには、市場の関心や顧客の課題が少し変わっていることもあります。

AIを活用するメリットは、制作スピードを上げられることだけではありません。

複数の仮説を短期間で形にできることです。

たとえば、BtoBマーケティングの見込み顧客に対して、以下のようなテーマを仮説として出します。

• AIを活用した広告運用の効率化
• インテントデータを活用した営業リスト作成
• 自社サイト訪問企業の可視化
• 展示会後のリードフォロー改善
• ホワイトペーパー施策の成果改善
• セミナー参加者の関心分析
• 営業とマーケティングの連携強化
• CRMデータとWeb行動データの活用
• 新規事業開発における市場ニーズ把握
• BtoB広告のターゲティング改善

これらを1つずつ丁寧に検討していると、制作にかなりの時間がかかります。

しかし、AIを使えば、各テーマに対して構成案、見出し、本文のたたき台、図解案、CTA案まで一気に作れます。

人間がやるべきことは、AIが出した文章をそのまま使うことではありません。

・自社の顧客理解に照らして、使える仮説を選ぶこと。
・自社ならではの視点を足すこと。
・営業現場で聞いている顧客の声を反映すること。
・実際のデータと照らして修正すること。

つまり、AIに制作の初速を任せ、人間は「何を伝えるべきか」「どこに独自性があるか」を見極める役割に集中します。

この段階では、最初から正解を当てにいくのではなく、市場に出して反応を見るための仮説を複数用意するイメージです。

3. 作った資料を既存リードや新規営業で配布する

ホワイトペーパーを作成したら、次は配布です。

配布先は、既存リードと新規営業の両方です。

既存リードに対しては、メルマガやナーチャリングメールで資料を案内します。過去に問い合わせや資料請求をしているものの、まだ商談化していない企業に対して、関心テーマに近い資料を届けます。

新規営業では、フォーム営業やメール、インサイドセールスの接点づくりに活用します。いきなり商談依頼をするのではなく、「このテーマでお役に立てるのではないか」という形で資料を届けることで、売り込み感を抑えながら接点を作れます。

ここで重要なのは、配布を単なる送付作業で終わらせないことです。

・どの資料を、どの企業に、どのチャネルで送ったのか。
・送付後にどのページが読まれたのか。
・どの資料が再訪されたのか。
・複数資料を読んだ企業はどこか。

このようなデータを後から分析できる状態にしておく必要があります。

ホワイトペーパー施策は、資料を配るだけなら誰でもできます。

差がつくのは、配った後の反応をどれだけ細かく見て、次の施策に活かせるかです。

4. 閲覧ログと自社サイト訪問データを取得する

次に行うのが、資料閲覧ログと自社サイト訪問データの取得です。

ホワイトペーパーの成果を見るとき、多くの企業はダウンロード数やフォーム送信数を重視します。

もちろん、それらは重要な指標です。

ただし、ダウンロード数だけでは、資料が本当に読まれたかどうかはわかりません。

たとえば、以下のような違いがあります。

• 1ページ目だけ見て離脱した
• 目次だけ見て閉じた
• 特定の章だけ長く読まれた
• 最後のCTAページまで到達した
• 同じ企業が数日後に再訪した
• 複数人が同じ資料を閲覧した

この違いは、資料の評価に大きく影響します。

特にBtoBでは、1人の閲覧だけで判断するのではなく、企業単位での動きを見ることが重要です。

・ある企業の複数名が同じテーマの資料を見ている。
・資料閲覧後にサービスページも見ている。
・数日後に別の関連資料も読んでいる。
・セミナー案内ページも閲覧している。

このような動きが見えると、単なる資料閲覧ではなく、企業としての検討サインとして捉えられます。

そこで、資料閲覧データと自社サイト訪問データを組み合わせて取得します。

・資料だけを見るのではなく、資料を読んだ後にどのページを見たのか。
・サービスページを見た企業が、どの資料を読んでいたのか。
・料金ページや導入事例ページを見た企業は、どのテーマに関心があったのか。

こうした行動をつなげることで、顧客の関心が立体的に見えてきます。

5. 匿名企業を可視化し、インテントデータを取得する

BtoBマーケティングで難しいのは、サイト訪問者の多くが名乗らないことです。

・問い合わせをする前に、資料を読む。
・サービスページを見る。
・比較記事を見る。
・セミナー情報を見る。
・でも、フォームは送信しない。

このような匿名の検討層は非常に多く存在します。

この見えない検討層を可視化できないままだと、マーケティング施策の評価はどうしても浅くなります。

たとえば、広告から流入した企業が資料を読んでいたとしても、個人情報を入力していなければ、通常は「誰が読んだか」が見えません。営業に渡すこともできず、次の施策にも活かしにくくなります。

そこで活用するのが、ウルテクのようなアカウントインテリジェンスやインテントデータの仕組みです。

資料閲覧やサイト訪問を企業単位で可視化することで、匿名の訪問であっても、どの企業がどのテーマに関心を持っているのかを把握しやすくなります。

たとえば、以下のような見方ができます。

• どの企業がホワイトペーパーを閲覧したか
• どの企業がサービスページを見ているか
• どの企業が複数回訪問しているか
• どの企業がAI、広告、インテント、営業DXなどのテーマに関心を示しているか
• どの業種や企業規模で反応が出ているか

これにより、ホワイトペーパーの評価は「ダウンロード数」から「どの企業に読まれたか」へ変わります。

この変化は大きいです。

なぜなら、コンテンツ制作の目的が「多くの人に読まれること」だけではなく、「商談や受注につながりやすい企業に深く読まれること」に変わるからです。

6. 取得したデータをエクスポートし、AI分析につなげる

閲覧データやインテントデータを取得したら、次は分析です。

ここで大切なのは、データを見て終わりにしないことです。

ダッシュボードで可視化されているだけでは、施策改善にはつながりません。

・どの資料が読まれているのか。
・どの企業群が反応しているのか。
・どのテーマが商談に近いのか。
・どの形式の資料が深く読まれているのか。
・次に作るべき資料は何か。

ここまで落とし込む必要があります。

そのために、取得したデータをエクスポートし、AIで分析できる状態にします。

ウルテクMCPのような仕組みを活用すると、データをAIツールと接続しやすくなります。手元でCSVを何度も加工したり、必要な情報をコピー&ペーストしたりする手間を減らし、分析のスピードを高められます。

ここでのポイントは、AIを単なる文章生成ツールとして使わないことです。

AIは、データを読み解き、パターンを見つけ、仮説を出すためにも使えます。

特に、閲覧データ、サイト訪問データ、インテントデータ、CV履歴、セミナー参加履歴などが複数存在する場合、人間が目視で全体像を把握するのは簡単ではありません。

そこで、AIに以下のような観点で分析させます。

• 深く読まれている資料テーマは何か
• 閲覧時間が長い資料に共通する構成は何か
• CVした企業と非CV企業で閲覧傾向に違いはあるか
• セミナー参加者は事前にどのページや資料を見ていたか
• 外部インテントと自社サイト閲覧に共通するテーマは何か
• 次に作るべき資料テーマは何か
• その資料はどの形式で作るべきか

ここまで行うと、ホワイトペーパー制作は一気にデータドリブンになります。

7. ホワイトペーパー閲覧データと外部インテントを突合する

今回の取り組みで特に重要なのが、ホワイトペーパー閲覧データと外部インテントデータの突合です。

自社サイト内の行動だけを見ると、「自社に対して何を見たか」はわかります。

一方で、外部インテントを見ると、「自社サイト外で何に関心を持っているか」が見えてきます。

この2つを組み合わせることで、顧客の関心がより具体的になります。

たとえば、ある企業が自社の「AI活用」に関するホワイトペーパーを深く読んでいたとします。

それだけでも関心はありそうです。

さらに、その企業が外部で「CRM連携」「営業自動化」「BtoB広告」「インテントデータ」といったテーマに関心を示していた場合、単なるAI情報収集ではなく、マーケティングや営業活動の自動化に具体的な課題を持っている可能性が見えてきます。

逆に、同じAI資料を読んでいても、外部インテントが「採用」「新規事業」「業務効率化」寄りであれば、刺さる切り口は変わります。

つまり、資料閲覧データだけでは「読まれた」ことしかわかりません。

外部インテントと突合することで、「なぜ読まれたのか」「どんな文脈で関心を持っているのか」まで推測しやすくなります。

ここが、次に作るべきホワイトペーパー企画の設計に直結します。

8. Claude Codeでデータを突合し、企画を深掘りする

データを整理した後は、Claude Codeを使って突合分析を行いました。

ここでは、単に「次に作るべきテーマ」を出すだけではありません。

より深く、以下のような観点まで分析します。

• どのテーマが深く読まれているか
• どのテーマがCVユーザーと相性がよいか
• どの資料形式が精読されやすいか
• どの企業属性とどのテーマが結びついているか
• どの資料が商談やセミナー参加につながりやすいか
• 次の資料はコンサル型がよいか、漫画型がよいか、事例型がよいか
• どの読者に向けた資料として設計すべきか

特に面白いのは、資料の「テーマ」だけでなく「テイスト」まで分析対象にすることです。

ホワイトペーパーは、同じテーマでも見せ方によって読まれ方が変わります。

たとえば、「AI活用」というテーマでも、以下のように形式を変えることができます。

• コンサル資料のように、フレームワークと図解で整理する
• 漫画形式で、現場の悩みから解決までをストーリー化する
• 事例集として、具体的な活用シーンを並べる
• チェックリスト形式で、読者が自社状況を診断できるようにする
• 実演ステップ形式で、画面やプロンプトを見せながら解説する
• 遊び心のある資料として、診断・クイズ・マップのように見せる

これらはすべて、読者の受け取り方が違います。

・事業責任者には、構造化されたコンサル型資料が刺さるかもしれません。
・マーケティング実務担当には、すぐ使えるステップ形式が刺さるかもしれません。
・課題をまだ自覚していない層には、漫画型や診断型の方が読みやすいかもしれません。
・比較検討中の企業には、事例型や活用シーン集が有効かもしれません。

つまり、「何を書くか」だけでなく、「どう見せるか」まで設計する必要があります。

ここまでAIで分析できると、次の企画はかなり具体的になります。

たとえば、以下のような形です。

「AI活用に関心があり、かつCRM連携や営業自動化のインテントが強い企業が、実演ステップ型の資料を深く読んでいる。次は、Claude CodeとMCPを使ったナーチャリング自動化を、手順付きのホワイトペーパーとして作るべき」

このレベルまで落とし込めると、ホワイトペーパー企画はかなり実務に近づきます。

9. ChatGPTで企画を資料化する

Claude Codeで分析した企画をもとに、次はChatGPTで資料化します。

ここでのChatGPTの役割は、企画を読者に伝わる構成へ変換することです。

たとえば、Claude Codeで以下のような企画が出たとします。

テーマ：Claude Code × MCPでナーチャリングを自動化する方法
読者：BtoBマーケティング担当者・新規事業責任者
形式：実演ステップ型＋図解
狙い：AI活用に関心はあるが、実務での使い方が見えていない層に対して、具体的な手順を示す

この情報をもとに、ChatGPTで以下を作成します。

• ホワイトペーパーのタイトル案
• 表紙コピー
• 目次構成
• 各ページの見出し
• 図解案
• 本文のたたき台
• CTA
• LPや広告に転用できる訴求文
• SNS投稿文
• メルマガ文面

このように、1つの企画から複数のアウトプットへ展開できます。

ホワイトペーパーを作って終わりではなく、広告、メール、SNS、営業トーク、セミナー企画まで横展開できるのが大きなメリットです。

さらに、最初の企画がデータに基づいているため、「なんとなく作った資料」よりも、読者の関心に合いやすくなります。

10. 完成した資料をウルテクスタジオに格納し、再び配布する

資料が完成したら、ウルテクスタジオに格納し、再び配布します。

ここでフライホイールが一周します。

1. 最初に作った資料を配布する。
2. 閲覧データを取得する。
3. 匿名企業やインテントを可視化する。
4. AIで突合分析する。
5. 次の資料企画を作る。
6. ChatGPTで資料化する。
7. ウルテクスタジオに格納する。
8. 再び顧客に配布する。
9. また閲覧データを分析する。

この流れを回すことで、ホワイトペーパー制作は一回限りの施策ではなくなります。

作るたびにデータが蓄積され、次の企画精度が上がっていきます。

・どのテーマが読まれるのか。
・どの資料形式が深く読まれるのか。
・どの企業属性に刺さるのか。
・どの資料が商談につながりやすいのか。

これらが徐々に見えてくるため、コンテンツ制作の判断が「勘」から「データ」に変わります。

11. HubSpotや商談議事録と突合すると、さらに精度が上がる

さらに効果的なのが、HubSpotなどのCRMデータや商談議事録との突合です。

ホワイトペーパー閲覧データだけでは、「読まれた資料」はわかります。

しかし、それが本当に商談や受注につながったかまでは判断できません。

そこで、以下のようなデータを組み合わせます。

• 受注企業が過去に読んでいた資料
• 商談化した企業がよく見ていたページ
• セミナー参加前に閲覧していたホワイトペーパー
• 商談議事録に出てきた課題ワード
• 営業がヒアリングした導入背景
• 失注企業と受注企業の閲覧行動の違い

これらを突合すると、単に「読まれた資料」ではなく、「成果につながりやすい資料」が見えてきます。

たとえば、ある資料のダウンロード数は少なくても、受注企業が高い確率で読んでいたなら、その資料は非常に重要です。

逆に、ダウンロード数は多いものの、商談化や受注につながっていない資料は、認知向けとしては有効でも、比較検討層には弱いかもしれません。

このように、資料ごとの役割を見極められるようになります。

• 認知獲得に強い資料
• 課題自覚を促す資料
• 比較検討を後押しする資料
• 商談前の理解促進に効く資料
• 受注企業に共通して読まれる資料

この分類ができると、ホワイトペーパーのポートフォリオ設計が可能になります。

「次は何を作るべきか」だけでなく、「どのファネルに足りない資料があるか」まで見えるようになります。

12. この仕組みの本質は、コンテンツ制作のフライホイール化

今回の仕組みを一言で表すなら、コンテンツ制作のフライホイール化です。

従来のホワイトペーパー制作は、直線的でした。

・企画する。
・作る。
・配る。
・終わる。

この流れでは、毎回ゼロから企画を考える必要があります。

一方で、今回の仕組みでは、流れが循環します。

1. 企画する。
2. 作る。
3. 配る。
4. 読まれ方を可視化する。
5. インテントと突合する。
6. AIで分析する。
7. 次の企画を作る。
8. また配る。

この循環が回り始めると、コンテンツ制作は徐々に自走し始めます。

・作った資料が、次の資料のヒントになる。
・読まれたページが、次の切り口になる。
・反応した企業が、次のターゲット仮説になる。
・商談につながった資料が、次の勝ちパターンになる。

これが、ホワイトペーパーを資産化するということです。

単なるリード獲得資料ではなく、顧客の関心を学習し続ける仕組みに変える。

AIはその制作と分析のスピードを上げ、インテントデータは見えなかった顧客の関心を可視化します。

この2つを組み合わせることで、BtoBマーケティングのコンテンツ施策は大きく変わります。

13. いきなり大規模にやらなくてもいい

ここまで読むと、少し大掛かりに見えるかもしれません。

ただし、最初から完璧な仕組みを作る必要はありません。

まずは小さく始めれば十分です。

たとえば、以下のような始め方でも問題ありません。

1. 1つのテーマでホワイトペーパーを3本作る。
2. 既存リードに配布する。
3. 閲覧データを取得する。
4. どの企業が読んだかを見る。
5. 読まれたページや滞在時間を見る。
6. 外部インテントと照らして関心テーマを確認する。
7. 次に作る資料の仮説を1つ出す。

これだけでも、従来の「作って配って終わり」からは大きく変わります。

重要なのは、完璧な仕組みを作ることではありません。

配布後の反応を見て、次の企画に活かす習慣を作ることです。

まとめ：ホワイトペーパーは「配って終わり」ではなく、次の企画を生む資産になる

AIによって、ホワイトペーパー制作のスピードは大きく変わりました。

しかし、AIで量産できるようになったからこそ、次に重要になるのは「何を作るべきか」を見極める力です。

ただ数を増やすだけでは、コンテンツは埋もれます。

必要なのは、読者の反応を見て、顧客の関心を理解し、次の企画へ活かす仕組みです。

今回の流れを整理すると、以下のようになります。

この流れができると、ホワイトペーパーは単なる資料ではなくなります。

顧客の関心を集める接点であり、営業のきっかけであり、次の企画を生むデータ資産になります。

「次に何を作るべきか」を会議室の勘だけで決めるのではなく、実際の閲覧データとインテントから導く。

これが、AI時代のホワイトペーパー活用の新しい形だと感じています。

もし、すでに自社でホワイトペーパーを作っているなら、まずは1本でも構いません。

その資料が、誰に、どのように読まれているのか。

そこを可視化するだけで、次に作るべき資料のヒントは見えてきます。

FAQ：ホワイトペーパーをデータ資産化するためのよくある質問