**AIで記事を書いて売る。1か月続けて分かった「書くほど売れるわけじゃない」という現実**

「ChatGPTで記事を作れば、noteで収益化できるのでは?」

そう考えている個人事業主や、小さな会社の経営者に向けて、株式会社ARISTAがAIを活用した記事運用で得た数字と気づきを公開します。
結論から言うと、AIで記事を増やすことと、記事が読まれて売れることは、まったく別の話でした。
今回は、公開12本の実測データから見えた問題と、これから改善する方法を整理します。
AIを使えば、記事は作れる。でも売れるとは限らない
株式会社ARISTAでは、生成AIを活用しながら、ITや業務効率化に関するnote記事を制作しています。
対象は、ITに詳しくない中小企業の経営者や担当者です。
ChatGPTの使い方、Excel業務の改善、情報セキュリティなど、仕事で役立つテーマを扱っています。
AIを使うメリットは明確です。構成案を考えたり、文章の下書きを作ったりする作業を効率化できます。
ただし、ここに落とし穴があります。
作る時間が短くなったからといって、読みたい人が増えるわけではありません。
記事を作る側は「実用的な情報をたくさん届けたい」と考えます。
でも読者は、情報量が多いという理由だけで記事を開くわけではありません。
自分が困っていることや、気になっている疑問に答えてくれそうだから開くのです。
この違いが、実際の数字にも表れました。
公開12本、574ビュー。実際の数字を見てみた
運用開始後の集計時点で、確認できた数字は次のとおりです。
- 公開記事:12本
- 合計ビュー:574
- スキ:38
- コメント:2
- 1記事あたりの中央値:32ビュー
- 最も読まれた記事:164ビュー
12本の記事を公開して、合計574ビュー。
大きな成功と言える数字ではありません。
ただ、どんな記事が読まれるのかを考える材料は得られました。
特に興味深かったのが、最も読まれた記事です。
タイトルは「NotebookLMって結局何ができるの?」
この疑問に答える記事が164ビューを集めました。
一方、実務ノウハウやテンプレートを前面に出した記事は、期待したほど読まれていません。
記事の形式別に整理すると、次の差がありました。
- 疑問・意見型:平均89.3ビュー
- 実験・体験型:平均44.8ビュー
- 実務ノウハウ型:平均26.0ビュー
疑問・意見型は、実務ノウハウ型の約3.4倍です。
もちろん、12本という限られたデータです。テーマや公開時期などの条件も揃っていないため、タイトルの形式だけが原因とは断定できません。
それでも、自社の次の記事を考えるうえでは、無視できない違いでした。
読者は「テンプレート」より先に「答え」が欲しい?
たとえば、社員30人ほどの会社で、経営者がnoteを使って情報発信を始める場面を考えてみます。
社内にはChatGPTを使える人がいる。記事も作れそう。
そこで「AIで作る業務改善テンプレート集」という記事を公開したとします。
内容が実用的でも、まだ業務改善に取り組もうと思っていない人には、読む理由が生まれにくいかもしれません。
では、タイトルを変えてみます。
「ChatGPTで記事を書いたら、会社の集客につながるの?」
こちらは、AIで情報発信を考えている人の疑問に直接答えています。
本文で実際の運用数字を紹介し、記事作成の手順も説明する。
同じノウハウでも、入口が変わるだけで読者に伝わる価値が変わります。
私たちのデータでも、読まれたのは「何ができるの?」という疑問型の記事でした。
読者はテンプレートそのものより、まず「自分の問題を解決できそうか」を知りたいのではないか。
これが、今回の数字から立てた仮説です。
もっと大きな問題は、有料記事まで人が来ていないこと
記事が読まれていないこと以上に、気になった数字があります。
有料記事へのアクセスです。
集計574ビューの内訳
無料記事
522ビュー(91%)
有料記事
52ビュー(9%)
実際には、無料記事にアクセスが集中していました。
ここで気をつけたいのは、52ビューが有料記事の購入数ではないことです。
また、無料記事を読んだ人が有料記事へ移動した割合を示しているわけでもありません。あくまで記事別の閲覧数の内訳です。
それでも、少なくとも有料記事を見てもらう機会が少ないことは分かります。
この状態で有料記事の文章だけ改善しても、成果を確かめるための閲覧数が足りません。
新しい記事を増やす前に、すでに読まれている無料記事から有料記事へ自然に移動できるようにする。
まずは、この導線を改善すべきだと考えました。
1か月やって、次に変えたいこと
今回の運用で分かったのは、AIによる記事制作をやめる必要はないということです。
問題は、制作した記事をどう読者に届けるか。
AIは文章を作れますが、読者が何に困っているかを自動的に保証してくれるわけではありません。
だから、次の運用では記事の本数よりも、読者の疑問に答えられているかを重視します。
具体的には、記事を公開したあとに「ビュー」「スキ」「有料記事へのクリック」「購入」を分けて記録します。
ビューが少なければ、テーマやタイトルを見直す。
ビューはあるのに有料記事へのクリックが少なければ、無料記事の末尾を見直す。
有料記事まで来ているのに購入されなければ、内容の伝え方や価格との釣り合いを確認する。
どこに問題があるかを分ければ、毎回すべてを書き直す必要はありません。
ただし、これは今後試す改善方針です。実際に売上が増えたと確認できたわけではありません。
今日から使える「AI記事の振り返りシート」
これからAIで記事を作る会社にも、最初から大量の記事を公開することはおすすめしません。
まずは公開した記事の反応を記録してみてください。
ExcelやGoogleスプレッドシートに、次の項目を用意するだけで始められます。
AI記事の振り返りシート
① 記事の基本情報
- 公開日:
- 記事タイトル:
- 読者の疑問:
- 記事の目的:
② 公開後の数字
- ビュー数:
- スキ数:
- 有料記事へのクリック数:
- 購入数:
③ 次に改善すること
- 想定した読者に読まれたか:
- 読者の疑問に答えられたか:
- 一番見直したい箇所:
- 次の記事で試す変更:
重要なのは、公開直後と1週間後など、計測するタイミングを揃えることです。
公開から1日しか経っていない記事と、1か月経った記事をそのまま比べても、公平な判断はできません。
また、閲覧数だけを見て「成功」「失敗」と決めないことも大切です。
たとえば、100ビューで問い合わせが発生した記事と、500ビューで何の行動にもつながらなかった記事。
会社の集客が目的なら、前者の方が価値を持つ可能性があります。
自分の目的に合う数字を見ることが、AI記事運用の第一歩です。
AIで記事を書く時代に、何を人間が考えるべきか
AIを使えば、記事の構成も見出しも文章も作れます。
でも、今回の数字を見て感じたのは、記事を作る能力よりも、何を書くべきか判断する能力が重要だということです。
読者が何を知りたいのか。
記事のどこで興味を失うのか。
読んだあとに、どんな行動を取ってほしいのか。
ここを考えずに記事を量産すると、公開本数だけが増えていく可能性があります。
株式会社ARISTAでも、現時点で「AIで記事を書けば売れる」と証明できたわけではありません。
むしろ、数字を見ることで、記事を作ることと売ることの間に大きな距離があると分かりました。
今後は、制作数を増やすだけでなく、読者の反応を見ながら内容を改善していきます。
今日やることは1つだけ。
すでに公開している記事の中から、最も読まれた1本を選び、なぜ読まれたのかを振り返ってみてください。
新しい記事を10本作る前に、その1本から学べることがあるはずです。
もっと具体的な手順とテンプレートが必要な方へ
AIで作った記事の反応をExcelで整理し、読まれた記事の改善点を洗い出すことから始められます。
こうした確認作

この記事の続きを、社内で回せる形にまとめました
この記事で扱った話の続きとして、問い合わせ・Excel・研修・採用・SNSにそのまま使えるプロンプトとテンプレ、社内のAI利用ルール雛形、使い始める前の安全チェック、30日の導入計画までを1本にまとめました。
【保存版】社員30人までの会社が生成AIを毎日の業務に載せる8ステップ
- #AI活用
- #生成AI
- #中小企業
- #業務効率化
- #テンプレート