メルマガ配信をAIで送信時刻最適化｜開封率を実データで検証した手順
当サイトはアフィリエイトプログラムを利用しており、紹介リンク経由での申込により報酬を得る場合があります。記事内で紹介するサービスには筆者が実際に使用しているものと、客観情報として比較掲載しているもの（未使用・PR表記あり）が含まれます。
「メルマガは火曜10時が開封率が高い」——検索するとよく出てくるこの手の一般論、私も最初は信じて試しました。結果は微妙でした。当たり前です。読者層も業種も違うのに、他社の統計がそのまま自分のリストに当てはまるわけがありません。
この記事は、自社の配信データ（Brevoの配信CSV）をAIに読み込ませて傾向を分析させ、そこから導いた仮説を3回のA/Bテストで検証した記録です。一般論の紹介ではなく、「自分のリストで何が効くかを、自分のデータから見つける」ための再現可能な手順とプロンプトをまとめます。
結論
メルマガの開封率改善は「世間の統計」ではなく「自分の過去配信データ」から仮説を立てるほうが効きます。手順は、①過去配信のCSVをAIに読み込ませて開封率と送信時刻・件名の相関を洗い出す→②仮説を1つに絞ってA/Bテストする→③結果を記録して次の配信に反映する、の繰り返しです。私の環境（読者数約1,800名のBtoB向けリスト）では、この手順を3回のテストサイクルで回した結果、平均開封率が22.4%から27.1%まで上がりました（あくまで自分のリストでの実測値。読者層が違えば結果は変わります）。
なぜ「曜日・時間帯の一般論」だけでは開封率が上がらないのか#
SaaS企業のブログを検索すると「火曜〜木曜の10時か15時が良い」という統計はいくらでも出てきます。これ自体は嘘ではありませんが、2つの弱点があります。
1つ目は、統計の母集団が自分のリストと違うこと。BtoB向けの経営者リストと、BtoCの一般消費者リストでは、メールを開くタイミングがそもそも違います。私のリストは中小企業の経営者・実務担当者が中心で、実際に配信データを見ると「平日の朝より、日曜夜〜月曜朝にかけての開封が多い」という、一般論とは逆の傾向が出ていました。
2つ目は、1回のテストで「効いた/効かなかった」を判断してしまうこと。開封率はその日のニュース、件名のたまたまの当たり外れ、配信リストの状態などノイズが大きく、1回の結果だけでは再現性が確認できません。だからこそ、AIにデータ分析を手伝わせて仮説の精度を上げ、複数回のテストで傾向を固める、という進め方が必要になります。
実際にやった手順：配信CSVをAIに読み込ませる#
使ったツールとデータ#
配信ツールはBrevo（旧Sendinblue）の無料〜有料プランで、管理画面から過去配信のレポートをCSVでダウンロードできます（Mailchimpでも「レポート」→「エクスポート」から同様のCSVが取得可能です）。分析にはChatGPT（有料プラン）を使い、CSVをそのままアップロードして読み込ませました。
含まれる項目は、配信日時・件名・送信数・開封数・開封率・クリック数の6列です。過去6ヶ月分・24回の配信データをまとめて渡しました。
手順
- 配信ツールの管理画面から過去配信のレポートをCSVでダウンロードする（最低でも直近10〜20回分）
- AIのチャット画面にCSVをアップロードし、下記のプロンプトで分析を依頼する
- 出てきた傾向の中から「サンプル数が十分にある」ものだけを仮説として採用する
- 仮説を1つに絞り、次回配信でA/Bテストを設計する（変数は1つだけ変える）
- テスト結果をスプレッドシートに記録し、3回続けて同じ傾向が出るか確認する
AIに投げた分析プロンプト#
実際に使ったプロンプトはこちらです。そのままコピーして使えます。
添付のCSVは過去のメルマガ配信データです（配信日時・件名・送信数・開封数・開封率・クリック数）。
以下を分析してください。
1. 曜日別・時間帯別の平均開封率を集計し、サンプル数もあわせて出す
2. 件名の文字数・「数字を含む」「疑問形」「【】を使う」などの特徴と開封率の相関を出す
3. 開封率が突出して高い配信/低い配信を3件ずつ挙げ、共通点を考察する
4. 上記から、次回テストすべき仮説を優先度順に3つ提案する（サンプル数が少ない傾向は「参考程度」と明記すること）このプロンプトのポイントは、最後の「サンプル数が少ない傾向は参考程度と明記する」という一文です。これを入れないと、AIは2〜3件のデータからでも自信満々に「◯曜日が効きます」と言い切ってしまうことがあり、鵜呑みにすると外します。実際、私の最初の分析では「土曜19時が最強」という提案が出ましたが、内訳を見るとサンプルがたった2回分で、テストしたら再現しませんでした。
注意
AIの分析結果は「仮説の候補」であって「答え」ではありません。サンプル数が少ない傾向（目安として5回未満のデータに基づく傾向）は、そのままA/Bテストの対象にせず、まず母数を増やしてから判断するようにしています。
検証結果：3回のA/Bテストで開封率はどう変わったか#
AIの分析から出た仮説のうち、「配信時刻を朝7時台から日曜21時台に変える」「件名の冒頭に具体的な数字を入れる」の2つを、それぞれ3回ずつA/Bテストしました。テストは同じリストを2分割し、片方に変更版、もう片方に従来版を配信する形です。
| テスト回 | 従来版の開封率(%) | 変更版の開封率(%) | 差分(pt) |
|---|---|---|---|
| 1回目 | 21.8 | 24.6 | +2.8 |
| 2回目 | 22.9 | 26.3 | +3.4 |
| 3回目 | 22.5 | 27.1 | +4.6 |
3回とも変更版（送信時刻を日曜21時台に、件名冒頭に数字を入れる）が従来版を上回りました。差分が回を追うごとに広がっているのは、件名の作り方にもコツが掴めてきたからだと思います。3回連続で同じ方向の結果が出たので、この2つの変更は「自分のリストでは効く」と判断し、以降の配信を新しいパターンに固定しました。
一方で、クリック率（開封後にリンクを押す割合)は開封率ほど劇的には変わりませんでした。開封率が上がっても本文の内容や訴求が弱ければ成果にはつながらない、という当たり前の事実も改めて確認できました。開封率の改善はあくまで「読まれるための入り口」であり、ゴールではないという点は強調しておきたいです。
つまずいたポイント・向き不向き#
メリット
- Brevo/Mailchimpの無料〜低価格プランでも配信CSVは取得でき、追加ツールへの課金なしで分析を始められる
- AIに読み込ませることで「なんとなく」の判断から「サンプル数付きの傾向」に基づく判断に変えられる
- 3回サイクルを回す仕組みさえ作れば、配信のたびに勘に頼らず改善を積み重ねられる
デメリット
- 配信数が少ない（月1〜2回など）リストでは、3回のテストサイクルに数ヶ月かかり、検証スピードが遅い
- AIの分析はCSVの列名や表記ゆれに弱く、最初の1〜2回はプロンプトを調整する手間がかかった
- 開封率は改善してもクリック率・返信率まで一気に伸びるわけではなく、本文改善は別に取り組む必要がある
配信頻度が週1回以上ある事業者や、すでに一定の読者数（数百〜数千名規模）がいるメルマガほど、この手順の効果を実感しやすいと感じました。逆に、配信頻度が月1回程度だとテストの1サイクルに3ヶ月近くかかるため、まずは配信頻度自体を見直すほうが先かもしれません。
メモ
今回の数値はBtoB向け・読者数約1,800名のリストでの実測です。BtoC向けや読者数が大きく異なるリストでは、有効な送信時刻・件名の傾向自体が変わる可能性が高いです。この記事の数値をそのまま真似るのではなく、「自分のデータで同じ手順を回す」ことを持ち帰ってもらえればと思います。
明日から始めるための実践ステップ#
- まず配信ツールから直近10〜20回分の配信CSVをダウンロードする
- 上記のプロンプトでAIに分析させ、サンプル数付きの仮説を3つ出してもらう
- 仮説の中から最も再現性がありそうなものを1つ選び、次回配信でA/Bテストする
- 結果をスプレッドシートに記録し、3回連続で同じ傾向が出るまで繰り返す
件名づくりや本文の文章そのものをAIに手伝わせたい場合は、メール・日報・報告書をAIで効率化する方法で具体的なプロンプトをまとめています。また、SNS投稿の見出し・投稿時間をA/Bテストする際の考え方はSNS投稿をAIで最適化するA/Bテストの回し方も参考になるはずです。営業フォローメールの下書きを効率化したい方は非エンジニアのための営業フォローメールAI下書き、日々の返信対応そのものを見直したい方はメール返信のAI自動化もあわせてどうぞ。
よくある質問#
Q1. Mailchimpの無料プランでも同じ分析はできますか？#
はい、可能です。Mailchimpの無料プランでもキャンペーンレポートのCSVエクスポートは利用でき、配信日時・開封率などの基本項目は取得できます（プランや契約時期によって画面表記が変わる場合があるため、実際のエクスポート項目はご自身の管理画面でご確認ください）。項目名がBrevoと多少違うだけで、AIへのプロンプトの投げ方は同じ考え方で応用できます。
Q2. A/Bテストは何回やれば信頼できますか？#
明確な回数の正解はありませんが、私は「3回連続で同じ方向の差が出るか」を目安にしています。1回だけの結果は偶然の可能性が排除できないため、判断を急がず、最低でも2〜3回は同じ変更で検証することをおすすめします。配信数が少ない場合は、テスト対象の変数を絞り込むことで検証サイクルを早められます。
Q3. 開封率が上がってもクリック率が伸びないのはなぜですか？#
開封率は「件名・送信時刻・差出人名」など入り口の要因で決まりやすく、クリック率は「本文の構成・訴求内容・CTAの明確さ」など中身の要因で決まります。今回の検証でも開封率は改善しましたがクリック率の伸びは限定的でした。開封率の改善と本文改善は別のテーマとして、それぞれ仮説を立てて検証するのが現実的です。
