スポンサーリンク

1. はじめに:なぜ「クリエイティブ制作の自動化」が必要なのか?

Webマーケティングや広告運用において、成果を左右する最大の要因は「クリエイティブの検証スピード(ABテストの回転数)」です。

しかし、実際の現場では以下のような壁にぶつかります。

「媒体ごとに文字数制限がバラバラ(Googleは30字、Xは140字…)で、コピーを考えるだけで息切れする」
「デザイナーのリソースが足りず、バナー画像のサイズ違い(1:1, 16:9, 9:16)を作るだけで数日待たされる」
「いざ画像生成AIを使ってみても、日本語の文字入れやロゴの配置が崩れて実務で使えない…」

AIツールで「キャッチコピーを考えて」と頼むことは簡単ですが、それを各広告媒体の入稿規定(文字数・画像サイズ)に適合させ、関係者が即座に比較検討できる形に落とし込むには、エンジニアリングによるパイプライン設計が不可欠です。

そこで本記事では、「商材の企画ブリーフ」を入力するだけで、媒体別広告コピーの量産・バナー画像の自動合成・ABテスト比較用HTMLカタログまでをワンストップで自動生成するパイプラインの設計思想を徹底解説します!

2. 全体アーキテクチャ:パイプラインの処理フロー

本システムは、外部APIへの過度な依存を避け、高速かつ確実に動作するよう以下の4つのステップで構成されています。

[ 企画ブリーフ(商材名・ターゲット・訴求・ブランドカラー) ]
                              │
                              ▼
┌────────────────────────────────────────────────────────┐
│ 1. コピー&プロンプト生成エンジン (LLM: Gemini API)     │
│    ・訴求軸別(時短・安心・手軽さ等)のマルチバリエーション │
│    ・媒体別文字数制限の厳格準拠 (Google / Meta / X)     │
│    ・画像生成AI用プロンプト & 画像内キャッチコピー抽出 │
└────────────────────────────────────────────────────────┘
                              │
                              ▼
┌────────────────────────────────────────────────────────┐
│ 2. ハイブリッド画像生成エンジン (Pillow / Imagen 3)     │
│    ・【完全ローカル】Pillowによるプロ品質バナー合成    │
│      (グラデーション背景、カードデザイン、文字自動折り返し)│
│    ・マルチアスペクト比展開 (1:1 / 1.91:1 / 9:16)       │
│    ・【API連携】Imagen 3 による高品質ビジュアル生成     │
└────────────────────────────────────────────────────────┘
                              │
                              ▼
┌────────────────────────────────────────────────────────┐
│ 3. カタログ & エクスポート層                           │
│    ・ABテスト比較用 自己完結型 HTML カタログ           │
│    ・広告入稿用 UTF-8 BOM付き CSV エクスポート         │
│    ・XSS対策 & 数式インジェクション防止                │
└────────────────────────────────────────────────────────┘
                              │
                              ▼
[ 完成した成果物(バナー画像群 / HTMLカタログ / CSV) ]
スポンサーリンク

3. 設計のポイント①:媒体別文字数制限を Pydantic で厳格にガードする

広告運用では、1文字でも文字数制限を超えると入稿エラーで弾かれてしまいます。
そのため、LLM任せにせず、Pythonの型検証ライブラリ Pydantic (v2) の Field(max_length=...) を用いて媒体ごとの文字数制限を厳格にモデル化します。

from pydantic import BaseModel, Field

class GoogleSearchCopy(BaseModel):
    """Google検索広告 (RSA) 向けコピー"""
    headline_1: str = Field(..., max_length=30, description="見出し1 (30文字以内)")
    headline_2: str = Field(..., max_length=30, description="見出し2 (30文字以内)")
    headline_3: str = Field(..., max_length=30, description="見出し3 (30文字以内)")
    description_1: str = Field(..., max_length=90, description="説明文1 (90文字以内)")
    description_2: str = Field(..., max_length=90, description="説明文2 (90文字以内)")

class MetaCopy(BaseModel):
    """Meta (FB/IG) 広告向けコピー"""
    primary_text: str = Field(..., max_length=200, description="メインテキスト (200文字以内)")
    headline: str = Field(..., max_length=40, description="見出し (40文字以内)")
    description: str = Field(..., max_length=50, description="ニュースフィード説明文 (50文字以内)")
    cta_type: str = Field(default="詳しくはこちら", description="CTAボタン文言")

class XCopy(BaseModel):
    """X (旧Twitter) 広告向けコピー"""
    post_text: str = Field(..., max_length=140, description="ポスト本文 (140文字以内)")
    card_headline: str = Field(..., max_length=40, description="カード見出し (40文字以内)")
    cta_type: str = Field(default="今すぐチェック", description="カードCTA")

禁止キーワードの自動サニタイズ

広告法務やブランドガイドライン上、「絶対」「100%保証」「国内No.1」といった誇大表現はトラブルの元です。
LLMのプロンプトで除外指示を出すだけでなく、プログラム側の事後処理で確実に禁止ワードを除去(マスク)するサニタイズ関数を挟むことで、法務リスクを完全に排除します。

4. 設計のポイント②:外部API不要!Pillowによるプロ品質バナー画像の「完全ローカル自動合成」

画像生成AI(DALL-E 3やImagen 3など)は美麗な背景を描くのが得意ですが、「指定した日本語のフォントで、指定した位置に、改行を整えてキャッチコピーを入れる」という実務デザインは苦手です。

そこで本システムでは、Python標準の画像処理ライブラリ Pillow (PIL) を使い、完全ローカル・GPU不要・コストゼロで実用的なバナー画像を合成するエンジンを構築しました。

① ブランドカラーに基づくグラデーション背景

商材のブランドカラー(HEXコード)から、美しい縦方向のグラデーション背景をコードで描画します。

def draw_gradient_background(draw, width, height, start_color, end_color):
    """滑らかな縦方向リニアグラデーション背景を描画"""
    for y in range(height):
        factor = y / float(height)
        r = int(start_color[0] + (end_color[0] - start_color[0]) * factor)
        g = int(start_color[1] + (end_color[1] - start_color[1]) * factor)
        b = int(start_color[2] + (end_color[2] - start_color[2]) * factor)
        draw.line([(0, y), (width, y)], fill=(r, g, b))

② マルチアスペクト比(3サイズ)への自動展開

広告媒体ごとに求められる主要3サイズに対応するEnumを定義し、アスペクト比に応じた適切なフォントサイズと折り返し文字数を自動計算します。

アスペクト比解像度 (px)主な配信面
1:1 (正方形)1080 × 1080Instagram / Facebook フィード, X
1.91:1 (横長)1200 × 628Meta フィード, Google ディスプレイ, X サマリーカード
9:16 (縦長)1080 × 1920Instagram ストーリーズ, Reels, TikTok

③ コンテナカード・キャッチコピー・CTAボタンの描画

  1. 商材バッジ: 左上にブランドカラーの角丸長方形と商材名・訴求軸を配置
  2. キャッチコピーの自動折り返し: 指定文字数(1行14〜18文字)で改行を入れ、太字フォントで描画
  3. CTAボタン: アクセントカラー(例: オレンジやイエロー)で「詳しくはこちら ➔」風のボタンを描画
  4. 注記フッター: 「※効果には利用環境により差があります」といった免責文言を下部に配置

この仕組みにより、デザインツールを開くことなく、バリエーション数 × 3サイズのバナー画像が数秒で量産されます。

5. 設計のポイント③:現場で即使える「自己完結型 HTML カタログ & CSV」

バナー画像とコピーが大量に生成されても、フォルダ内にバラバラに保存されていると関係者が確認できません。
実務で即座にレビューや入稿ができるよう、2種類のアウトプットを用意します。

① 自己完結型 HTML カタログ(ABテスト比較ビュー)

外部CDNやCSSファイルに依存しない、インラインCSS内蔵のシングルHTMLファイルを出力します。

  • 2カラム構成: 左側にバナー画像のプレビューとダウンロードリンク、右側にGoogle / Meta / X の各コピーを配置
  • ABテスト仮説の可視化: 「なぜこのコピーなのか(時短訴求 / 安心訴求など)」の仮説を上部に明記
  • XSS(クロスサイトスクリプティング)対策: 商材名やAI生成テキストすべてに html.escape() を徹底適用

ブラウザで開くだけで、マーケターやクライアントが「どのバリエーションで配信すべきか」を一目で比較できます。

② 入稿管理用 CSV エクスポート(数式インジェクション対策済み)

広告運用者がGoogle広告やMeta広告の管理画面にコピーしやすいよう、UTF-8 BOM付きのCSVファイルを出力します。

ここで重要なのが「CSV数式インジェクション(Formula Injection)対策」です。
広告コピーには「+30%の工数削減」「-50%コストカット」など、先頭に + や - が付く表現が頻出します。これをそのままExcelで開くと数式として誤認識されてしまうため、先頭文字が =, +, -, @ の場合は自動的に '(シングルクォート)を付与して安全化します。

6. 設計のポイント④:ワークフロー自動化(n8n)とセキュリティ

この生成パイプラインをWebフック経由で呼び出せるよう、ワークフロー自動化ツール(n8n)との連携定義を設計します。

ここで注意すべき最大のセキュリティリスクが「OSコマンドインジェクション」です。

❌ 危険な実装例

Webhookで受け取った商材名をそのままシェルコマンドに埋め込むと、product_name: "test; rm -rf /; #" のような悪意ある入力でサーバーが乗っ取られます。

⭕ 安全な実装(スラグ正規化)

n8n の Code ノード側で入力パラメータを英数字・ハイフン・アンダースコアのみに正規化(スラグ化)し、安全な一時JSONファイルを経由してスクリプトを呼び出します。

// n8n Code ノードでの安全なサニタイズ処理
const safeSlug = body.product_name.replace(/[^a-zA-Z0-9_-]/g, '_').substring(0, 50) || 'campaign';
const allowedProviders = ['auto', 'gemini', 'mock'];
const provider = allowedProviders.includes(body.provider) ? body.provider : 'auto';

これにより、社内チャット(Slack)やフォームから安全にクリエイティブ自動生成タスクを起動できるようになります。

7. まとめ

今回は、広告コピー量産からバナー画像合成、ABテストカタログまでを一貫して自動化するクリエイティブ生成パイプラインの設計思想を解説しました。

本記事のポイントまとめ

  1. Pydantic で媒体別入稿規定をコード化する:
    Google/Meta/Xの文字数上限をスキーマで縛り、入稿エラーと法務リスクをゼロにする。
  2. Pillow によるローカル合成をベースにする:
    画像生成AIにすべてを頼るのではなく、確実な文字入れやレイアウトはPythonの画像処理で安定化させる。
  3. 成果物の「見せ方(カタログ化)」まで自動化する:
    画像とテキストを横並びで確認できるHTMLや、安全なCSVを用意することで実務での導入ハードルを下げる。
  4. 外部連携時のセキュリティ(インジェクション対策)を徹底する:
    入力値のサニタイズやCSVのエスケープを怠らない。


この記事が気に入ったら『目黒で働く分析担当の作業メモ』にご支援をお願いします!

※OFUSEに飛びます


おすすめの記事