購買行動モデルをアップデート｜線形プロセスでは追えなくなった生活者の行動をアンケートで突き止める

生活者の日常にSNSがより深く入り込み、意識するしないに関わらずAIに触れる機会が増えている今、購買につながる導線は以前よりも複雑化しています。

このことが購買行動をカスタマージャーニーのプロセスとして再現することを難しくしており、断片的なデジタルログに現れない、ユーザーの思考や感情を読み解くことの重要性が、かつてないほど高まっています。

本記事では、最新の購買行動モデルを整理するとともに、変化し続ける生活者の実態を正しく捉え、確実な打ち手へと繋げるための具体的なアプローチを解説します。

購買行動モデルの現在地

購買行動モデルは社会環境の変化やテクノロジーの進化に応じてアップデートされてきました。古くはマスメディア時代の「AIDMA」に始まり、ネット普及後の検索・共有を重視する「AISAS」、SNSでの共感と拡散を捉える「SIPS」など、時代に応じたさまざまなモデルが提唱されています。

代表的な購買行動モデルとして以下のようなものが挙げられます。

【線形モデル】

モデル名	構成要素	適用カテゴリ・活用シーン	提唱者
AIDMA	Attention → Interest → Desire → Memory → Action	古典的モデル。TV・新聞広告などのマスメディア媒体、小売全般。	諸説（1920年代～）
AIDCAS	Attention → Interest → Desire → Confidence → Action → Satisfaction	購入に確信が必要な高額商品（不動産・車）やB2B商材の営業プロセス。	諸説（1960年代〜）
AISAS	Attention → Interest → Search → Action → Share	PC・スマホ普及後のネット検索（SEO/リスティング）を活用する商材。	電通（2004年）
AARRR	Acquisition → Activation → Retention → Referral → Revenue	グロースハック。Webサービス、スマホアプリの成長戦略。	D.マクルーア（2007年）
VISAS	Viral → Influence → Sympathy → Action → Share	口コミやインフルエンサー、既存ファンの共感による波及を狙う商材。	大元隆志（2010年）
MOT	ZMOT → FMOT → SMOT → TMOT	各「真実の瞬間」を最適化する。メーカー品からサービス業まで。	P&G / Google（2011年）
DECAX	Discovery → Engagement → Check → Action → eXperience	オウンドメディアやSNS等のコンテンツマーケティング。	電通（2015年）
5A	Aware → Appeal → Ask → Act → Advocate	接続性の高い現代の市場。最終的な「推奨（Advocate）」をゴールとする。	P.コトラー（2016年）
ULSSAS	UGC → Like → Search1 → Search2 → Action → Spread	Twitter(X)/Instagramを活用したUGC（ユーザー投稿）起点の商品。	ホットリンク（2019年）
SEAMS	Surf→Encounter→Accept→Motivation→Share	複数のSNSやサイトを「回遊・保存（ストック）」する現代の検討行動。	電通（2023年）
AIMA5	AI-Awareness→AI-Advice→Assess→Assure→Action	AI検索（Perplexity/ChatGPT等）やGoogleマップを用いた実店舗集客。	トリニアス（2025年）

【非線形モデル】

モデル名	構成要素	適用カテゴリ・活用シーン	提唱者
SIPS	Sympathize ・ Identify ・ Participate ・ Share & Spread	ソーシャルメディアにおける「共感・参加」を重視するプロモーション。	電通（2011年）
フライホイール	Attract(惹きつける) ・ Engage(関係構築) ・ Delight(満足)	既存客の満足を新規客獲得に繋げる循環型ビジネス。SaaS・B2B。	HubSpot（2018年）
RsEsPs	Relationship ・ Engagement ・Purchase	短期的な売上より、ファンとの「継続的な絆」を重視するサブスク等。	日本プロモーショナル・マーケティング協会（2019年）
パルス消費	Spark(瞬間的直感) ・ Purchase	検討プロセスがほぼ無い。スマホ中の「思いつき」で買う低単価日用品等。	Google（2019年）
メッシーミドル	Trigger ・ Exploration(探索) ⇄ Evaluation(評価) ・ Purchase	迷いの中にある「情報収集ループ」状態の把握。比較サイト・EC。	Google（2020年）
情報ドリフティング	サーチング ・ ストリーミング ・ スクローリング	AI検索時代の漂流状態。受動的かつ能動的な情報の浴び方に対応する。	Google（2025年）

線形モデルは、AIDMAやAISASに代表される認知から購入までを段階的なステップとして捉える「ファネル型」の考え方です。マスメディアや検索エンジンが主体の、一方向に進む意思決定プロセスを前提としています。

対して、非線形モデルはSNSでの共感「SIPS」や、探索と評価が繰り返される「メッシーミドル」、認知と購入が同時に起きる「パルス消費」のように、循環や突発的な動きを捉えるモデルです。AIやアルゴリズムの進化により、消費者が一定の順序を辿らなくなった現代の複雑で予測困難な行動に対応したモデルです。

時系列で見ると20世紀までの直線的モデルに対し、2000年代以降はSNSやAIの普及により非線形モデルが台頭してきたように見えます。確かにテクノロジーの高度化によって現代の生活者の購買行動はより複雑で動的なプロセスへと変化してきています。

ただ、注意しなければならないのは、これらの購買行動モデルは時代とともにアップデートされたものと商品カテゴリーやマーケットに合わせて作り出されてきたという2つの側面があるということです。

線形的なモデルから非線形的なモデルに移り変わってきたものがのある一方で、高額商品やB2Bといった商品・マーケットなど、検討プロセスを一つずつ丁寧に追う線形モデルをベースにしたほうが、実態に即したマーケティングアプローチを組み立てやすいケースも確実に存在します。

漂流する生活者：メッシーミドルから情報ドリフティングへと集約される非線形行動

Googleが数十万件に及ぶ膨大な購買プロセスを分析した調査研究から導き出した「メッシーミドル」という概念は、購買のきっかけから購入までに生じる「探索」と「評価」の無限ループを指します。これは単なる仮説ではなく、実証データに基づき解明された現代特有の意思決定の構造です。

そして近年、Googleはこの“非線形な意思決定”を、より日常の情報行動として捉え直しています。購買につながる情報行動は「サーチング」「ストリーミング」「スクローリング」の3つに大別でき、これらは起点も順序も固定されず、どこからでも購入につながり得るーという整理です。

生活者は能動的な「サーチング」だけでなく、動画の「ストリーミング」やSNSの「スクローリング」の間を目的なく漂流（ドリフト）しながら、絶えず情報の断片に触れている。特定のループに留まらず、日常のあらゆる瞬間に意思決定の種が撒かれるこの非線形なプロセスこそ、膨大なデータ分析によって浮き彫りになった現代の購買行動の実像といえます。

AIと行動変化の相乗効果が生む購買プロセスのブラックボックス化

購買行動の変化にはAIの普及も影響しています。B2CではAIレコメンドによるプロセスの「短縮」と「圧縮」が加速し 、B2BではAIによる事前選別の「ステルス化」が進行しています。いずれの領域でも、意思決定はAIの内側で完結するようになり、捉えきれない予測不能な行動へと変容を遂げています。

AIが加速させる購買プロセスの短縮（スキップ）と圧縮（同時発生）

かつて生活者の購買行動の入口は目的を持って検索窓にキーワードを打ち込む「Pull型」が中心でした。しかし現在、プラットフォーム側がAIによる高度なレコメンドを通じ、消費者が自覚する前に商品を提示する「Push型（キュレーションされたカスタマージャーニー）」へと変容しています。ここで起きている大きな変化が、AIによる購買行動プロセスの「短縮」と「圧縮」です。

まず、生成AIが最適な回答を即座に提示することで、自ら情報を探し回る「探索」ステップが省略され、プロセスが劇的に短縮（スキップ）されます。さらに、ストリーミング視聴中、またはSNSをスクロールしながら商品の発見から評価、購入までが同時進行するプロセスの圧縮も加速しています。認知から購買までが数秒で完結するため、消費者は旧来の線形ファネルを通っていません。

こうしたAIの最適化により、生活者は特定の目的がなくとも、情報の波を漂いながら絶えず意思決定の断片に触れ続ける「情報ドリフティング」の状態へと完全に移行しました。常に「漂流」している生活者にとって、ストリーミングやスクローリングの延長線上で起きる即時購買は、もはや特別なことではなく日常の一部となっています。

見えない意思決定：BtoB領域におけるAIによる「選別の自動化」

B2CがAIによる「感情への即時アプローチ」にシフトする一方で、B2B領域ではAIがゲートキーパーとして機能することで意思決定のステルス化を加速させています。

最大の変化は、購買先の営業担当者へ接触する前にプロセスの大半が完了する「見えない検討」です。バイヤーは自ら検索を繰り返す代わりに、生成AIを活用して膨大な製品情報や事例を瞬時に要約・比較できるようになりました。

この「探索」フェーズが自動化されると、自社課題に合う候補はAIによって数社へ絞り込まれます。その結果、選外となった企業は検討の事実すら関知できないまま、プロセスの「短縮（スキップ）」が静かに進行していきます。

また、B2Bでは、意思決定が個人ではなく組織で行われるため、探索と評価が“多人数・多視点”で同時並行に進みやすくなります。複数の決裁関与者がそれぞれ異なる視点でAIに情報を照会するため、組織内で評価が割れやすく、合意形成が停滞する「分析麻痺」の発生も指摘されています。

デジタル上の足跡（ログ）にはサイト閲覧などの断片的な行動は残りますが、AIの背後でどのような比較が行われ、どのような懸念から選別されたのかという「真の検討プロセス」は、ベンダー側からは知ることの出来ないブラックボックス化が進んでいます。

「ログ分析の限界」：非線形・AI時代に起きている「推測の断絶」

情報ドリフティングが常態化した現代、断片的なログからユーザーの文脈を読み解くことは困難です。また、AIが情報の要約や選別を肩代わりすることで、検討の核心はサイトの外側へと隠蔽されました。

ログの数値が「購買への確信」を示すのか、それとも情報過多による「困惑」を示すのか。行動の補助線が失われた今、私たちは計測画面に現れないブラックボックスの中身を、直接突き止める必要に迫られています。

行動の「順序」が崩れ、文脈を読み解けなくなった（非線形化の影響）

線形モデル（AISASなど）の頃は、ログの「順序」に意味がありました。「検索→閲覧→比較」という流れを見れば、ユーザーが何を求めているのかを高い精度で推測できました。

しかし、非線形的な購買行動プロセスの場合、ログに残るのは断片的な「点の行動」のみです。スクロール中に偶然目に留まったのか、ストリーミング中に流れてきたのか。前後関係がバラバラになったログからは、その行動の「背景にある文脈」を推測するための手がかりが完全に失われています。

「サイト外」で意思決定が完結し、ログが取れる段階では勝負が決まっている（AIの影響）

かつては自社サイト内での回遊ログが「検討の証」でした。しかし現在は、AIがサイトの情報を要約して提示したり、プラットフォーム内のAIレコメンドがそのまま購買を後押ししたりします（プロセスの短縮・圧縮）。

自社サイトのログが取れるタイミング（＝サイト訪問）は、もはや「検討」のフェーズではなく、AIによる選別を終えた後の「最終確認」に過ぎません。「なぜ選ばれたのか」「なぜ候補から外れたのか」という最重要プロセスが、ログが届かない「サイトの外（AIの内側）」へ完全に移行してしまいました。

「確信」の所在がログから消えた（メッシーミドルの深刻化）

メッシーミドル（探索と評価のループ）が常態化したことで、ユーザーは大量のログを残しながらも、内心では「迷い」の中にいます。

ログ上の「長時間滞在」や「頻繁な再訪」は、かつては「購買意欲の高さ」と相関していましたが、現在は「情報が多すぎて選べない（分析麻痺）」というネガティブな停滞のサインであることも少なくありません。

ログの数字が「前向きな意欲」なのか「情報の泥沼」なのか、その質的な違いがログからは判別不能になっています。

ブラックボックスを開く鍵：アンケートだから捉えられる「意思決定の内側」

デジタルログが教えてくれるのは「何が起きたか」という行動の結果だけです。情報ドリフティングが常態化し、AIが意思決定プロセスの多くを肩代わりする現代において、この「行動」と「意図」の乖離はかつてないほど進行しています。

ログに現れない場所で比較が行われ、見えない基準で選別が進み、測定できない感情が購買を左右する。顧客導線がブラックボックス化した今、必要なのは、その内側を直接のぞき込む手段です。アンケートはこのブラックボックスを開く鍵となります。

ログとアンケートの本質的な違い：「What」と「Why」の決定的な差

デジタルログとアンケートは、捉えている情報の性質はまったく異なります。ログが記録するのは「何をしたか(What)」という客観的な行動の履歴です。一方、アンケートが明らかにするのは「なぜそうしたか(Why)」「どう感じたか(How)」という主観的な意思決定の文脈です。

購買行動が線形プロセスに従っていた時代、ログの「順序」には意味がありました。検索→閲覧→比較→購入という流れを追えば、顧客の思考をある程度推測できたからです。しかし、非線形化とAIの普及により購買行動の順序が崩壊した今、ログだけでは「何が起きたか」すら正確に理解できなくなっています。

購買行動プロセスの非線形・AI時代における、アンケートの3つの強み

情報ドリフティングとAIによる意思決定の自動化が進む現代において、アンケートは以下の3つの固有の強みを発揮します。

1.導線の再構成：ログは行動の点しか残らず、きっかけや比較の流れは復元しにくい。アンケートで「きっかけ→探索→比較」を本人の言葉でつなぎ直すことで、実際の導線を再構築できる。

2.AI選別の可視化：比較・選別はAIの内側で進み、ログには残らない。AI利用の有無、決め手、懸念点を直接問うことで、選別基準を可視化できる。

3.確信と迷いの判別：長時間滞在や再訪は確信にも迷いにもなり得る。確信度や情報過多の感情を測れば、ログでは判別できない“質”の差が見える。

デジタルログとアンケートの補完関係

ログとアンケートは、どちらか一方で顧客理解が完結するものではなく、互いの弱点を補う補完関係にあります。

ログは「誰が・いつ・何を・どこで」という客観的事実を大規模かつ継続的に捉えられる一方、「なぜそうしたか」という理由までは分かりません。そこでアンケートを重ねれば、直帰率が高いページの離脱理由や、複数回訪問しても購入に至らない層の迷いどころを直接回収でき、施策の打ち手が具体化します。

非線形化とAIの普及で導線が追いにくい今、アンケートは補助ではなく中核の手段です。得られた“Why”をログの“事実”と統合し、分析・改善につなげることが、情報ドリフティング時代の顧客理解の要になります。

“ブラックボックスの中身”をアンケートで探る：4つの領域

ここでは、ログデータだけでは補いきれない「見えない意思決定」を4つの領域に整理して解説します。各領域において、実務ですぐに活用できる具体的な設問例もあわせて紹介します。

情報接触の実態（3Sの混在状況）

サーチング、ストリーミング、スクローリングのどこで、どのような断片的な情報に触れたのか。ログでは追えない「漂流（ドリフティング）」の足跡を復元する手がかりを得ます。

1. 検討開始の「最初の接点」として当てはまるものを1つ選んでください。 （単一回答） 検索（Google等）／SNS（X・Instagram等）／動画（YouTube等）／口コミサイト／広告／知人の紹介／店舗／その他 2. 検討期間中に情報収集で利用したものをすべて選んでください。 （複数回答） 検索／SNS閲覧／動画視聴／ECサイト内検索／比較サイト／生成AI（ChatGPT等）／公式サイト／レビュー記事／店舗スタッフ／その他 3. 検討期間中、情報収集はどの行動が中心でしたか。 （5段階尺度：1=ほぼ検索のみ〜5=ほぼSNS/動画のみ） 1 検索中心 … 5 スクロール/ストリーミング中心

評価軸の形成（比較と迷い）

複数の選択肢を比較する際、何を基準にし、何に迷ったのか。メッシーミドルの中で形成された、顧客独自の「選び方のルール」を特定します。

1. 比較時に重視した点を上位3つまで選んでください。 （複数回答・最大3） 価格／品質・性能／口コミ評価／ブランド信頼／デザイン／保証・サポート／納期／使いやすさ／導入・設定の容易さ／その他 2. 迷いの原因として当てはまるものをすべて選んでください。 （複数回答） 情報が多すぎる／比較軸が定まらない／評判が割れている／価格差の妥当性が不明／失敗が怖い／必要十分が分からない／周囲の意見が割れる／その他 3. 候補を比較するとき、あなたの「判断ルール」に最も近いものを1つ選んでください。 （単一回答） 最安重視／コスパ重視（価格×品質）／失敗回避（無難）／信頼重視（実績・保証）／口コミ重視／直感（好み）／条件充足（必須要件）／その他

選外・離脱の理由（見えない壁）

なぜ自社サイトを訪れる前に候補から外れたのか、あるいは検討を中断したのか。AI検索の内側や組織内の議論で起きた「ステルスな離脱」の原因を突き止めます。

1. 検討中に「候補から外した／検討をやめた」理由をすべて選んでください。 （複数回答） 高い／性能・品質が不安／口コミが悪い／情報が分かりづらい／比較しづらい／信頼できない／手続きが面倒／他が魅力的／社内・家族の反対／その他 2. 自社（または検討対象）を候補から外したのはどのタイミングに近いですか。 （単一回答） サイト訪問前（検索/SNS/動画段階）／サイト訪問直後／比較途中／最終検討段階／覚えていない 3. 情報収集で生成AI（ChatGPT等）を使った方に伺います。AIの出力が「選外・離脱」に影響しましたか。 （単一回答） 大きく影響した／多少影響した／影響していない／AIは使っていない ※「影響した」を選んだ人向けの追問（自由回答）：どの点が不安・懸念になりましたか。

確信の瞬間（最後の決め手）

数多の情報の中で、何が「困惑」を「確信」に変えたのか。認知から購買までが圧縮されるプロセスにおける、真のコンバージョン・トリガーを明らかにします。

1. 最終的に「これに決めよう」と思えた決め手を1つ選んでください。 （単一回答） 価格の納得／性能・品質への確信／口コミ・評判／比較表で優位だった／保証・サポート／専門家・第三者評価／知人の推薦／在庫・納期／キャンペーン／その他 2. 購入（または申込）を決めた時点の確信度を選んでください。 （0〜10の数値尺度：0=全く確信なし、10=確信していた） 3. 確信を高めた情報源をすべて選んでください。 （複数回答） 公式サイト（仕様/FAQ）／レビュー記事／口コミ（SNS含む）／動画レビュー／比較サイト／店舗・営業担当／生成AIの要約／導入事例・実績／返金・保証条件／その他

ブラックボックスを「確信」に変える、QiQUMOの機動力

AIと非線形な購買行動が交差する現代のマーケティングにおいて、最大の障壁は「ブラックボックス化」と「変化のスピード」です。顧客が情報の波を漂い（情報ドリフティング）、AIの内側で意思決定を下す今の時代、数週間を要する旧来の調査結果に基づいた施策では、手元にデータが届く頃にはすでに消費者の心は別の場所へと移ろっています。

セルフ型アンケートツール「QiQUMO（キクモ）」は、マーケターが「知りたい」と感じたその瞬間に、自らの手で調査を開始できる圧倒的な機動力を提供します。最短翌日に回収できるリアルな「声」は、ログから消失した「検討の文脈」や、AIが提示した情報に対する「評価」、そして「確信の瞬間」を鮮明に描き出します。

デジタルログが示す「過去の点」を、QiQUMOによる「現在の線」で繋ぎ合わせることで、曖昧だった購買行動プロセスが確信を持って施策を打つための「地図」へとアップデートされます。変化を予測しにくい時代だからこそ、スピード感を持った「直接対話」をマーケティングのルーティンに組み込むこと。それこそが、AI時代のブラックボックスをこじ開け、競合に先んじて顧客の心をつかむための唯一の解答となるはずです。