8秒のAI生成プロモーション動画1本。計算コストは3元未満なのに、商品リンクを付けたあとのGMVは5万ドルを超えました。これは架空の話ではなく、あるチームが半年以上かけて出した実データです。このチュートリアルでは、その完全な道のりを、途中で十数万元を損した教訓も込みで公開します。

始める前の準備

• 必要なツール：Sora 2（またはGrok / Veo 3などの動画生成モデル）、画像参考サイト、Excel
• 必要なプラットフォーム：TikTok越境ECアカウント
• 予想コスト：動画1本あたり0.5-15元（モデルにより異なる）
• こんな人に向いている：越境EC関係者、ショート動画販売のプレイヤー

もっとも再現しやすい3ステップの流れ

これはチームが最初に売上を出せた最小構成のスキームで、今でも有効です。

ステップ1：リアルな素材を参考用に探す

海外の画像サイトで素材を検索します。検索のコツは、どんなキーワードの後ろにもiPhoneを付けること。スマホ実写風のリアルな生活シーンばかりがヒットします。たとえばskincare iPhoneで検索すると、アメリカ人がバスルームの鏡の前で撮った自撮り写真が出てきて、加工された広告画像ではありません。

こうした画像をAIの参照画像に使うと、生成結果は一目ではAIと分かりません。

ステップ2：プロンプトのパラメータを逆算する

見つけたリアルなUGC画像を大規模モデルに投げ、構造化されたプロンプトに分解させます：

• 人物の特徴
• シーンの描写
• ライティング
• 構図
• カメラアングル

プロンプトをゼロから書く必要はなく、ヒット素材から直接逆算して抽出します。

ステップ3：製品を差し替え、動画を生成し、リンクを付けて投稿

プロンプト内の製品を自分のものに差し替え、画像から動画を生成し、商品リンクを付けて公開します。

たったこれだけの3ステップで、初週に注文が取れました。動画1本の計算コストは3元未満、1人で1日に数十本作れます。

十数万元を失った3つの教訓

教訓1：製品の一貫性は60点で十分

チームはAIが生成した製品を実物とピクセルレベルで一致させるためだけに、2ヶ月かけてLoRAを訓練しました。膨大な時間と計算資源を投入しましたが、結果は1本もヒットせず。

後に分かりました。TikTokユーザーは何の期待もなく動画を目にしていて、20秒で買うかどうかを決めるため、製品が実物に似ているかなんて見ていない、と。製品の一貫性は60点で足り、残りのエネルギーはすべて感情のフックに注ぐべきでした。

教訓2：モデル選択を誤ると金の溶ける速さが30倍

最強のモデルはなく、あるのは最適なモデルだけです。Veo 3は画質が良いものの廃棄率が80%。生成した映像が実写らしく見えないためです。Sora 2は使える率がそのまま2倍になります。映像がiPhone実写の質感に近いからです。

教訓3：キャラクターアカウントは2ヶ月で売上ゼロ

チームは当初AIキャラクターアカウントを作り、ファンを貯めることが王道だと考えていました。2ヶ月でファンは3000以上増えましたが、売上はゼロ。その後、製品プロモーション動画に切り替えたところ、初週で注文が取れました。

TikTokはDouyin（抖音）とはロジックがまったく異なります -- ユーザーが追うのはIPではなく、製品です。

苦労の末に編み出したコアメソッド

損をしたあとにまとめ上げたメソッドがベンチマーク探し -> 分解 -> 派生です。

ステップ1：ヒット動画を逆算分解する

ヒット動画を1本取り上げ、次のプロンプトで5つの次元に分解します：

あなたはショート動画の構造分析の専門家です。動画を最小単位に分解してください：

1. カメラワーク：ショットサイズ、アングル、移動方式、時間配分
2. シーン設計：環境、ライティング、小物の配置、生活感のある要素
3. 被写体の動作：人物の行動、製品とのインタラクション、動作のリズム
4. 感情のリズム：毎秒の感情設計（フックは何秒目、タメは何秒目か）
5. サウンド設計：ナレーション/語り、BGM、環境音

各次元について「制御可能なパラメータ」と「ランダムなパラメータ」を明示してください。
制御可能なパラメータは正確に指定が必要なもの（ショットサイズや動作など）、
ランダムなパラメータはモデルに自由に任せるもの（背景のディテールやライティングの微調整など）です。

ステップ2：パラメータ化して量産する

分解結果を変数と定量に分けます。定量は固定（製品の白背景画像、ショットサイズ、構図）、変数は差し替え（人物、シーン、動作）です。

5人の人物 x 5つのシーン = 25の組み合わせをExcelのパラメータ表に書いて一括実行します。各行が1タスクで、入力は3つだけ：

1列目：タスクタイプ（テキストからの画像生成 / 画像からの画像生成 / 画像からの動画生成）
2列目：プロンプト
3列目：参照画像の番号

10分で25本出し、その中から最良のものを選びます。

ステップ3：動画生成は3つのことだけ制御

カメラの記述、シーンの変化、被写体の変化。あとはすべてモデルに任せます。プロンプトの足場（スキャフォールド）：

[音声]：ナレーション + アメリカ英語 + 女性
[カメラ]：クローズアップ/寄り/中景 + 俯瞰/アイレベル
[シーン]：キッチンのカウンター / 浴室の鏡の前 / リビングのソファ
[被写体]：人物が製品を持つ具体的な動作

核心となる心得：AIを制御しようとするのではなく、AIの予測を増幅すること。20枚生成して5枚選ぶほうが、1枚を20回調整し続けるより10倍効率的です。

よくある質問

• TikTokはAI動画を禁止するのか：現時点でプラットフォームはAI生成コンテンツの販売動画を明確には禁止しておらず、カギはコンテンツの質です
• 入金までどのくらいかかるか：TikTokの入金サイクルは通常数十日。資金繰りを十分に用意する必要があります
• 5万ドルの手取りはいくらか：プラットフォームの手数料、物流、返品、コミッションを差し引くと、手取りはおよそ5分の1です
• 1商品のテストはどのくらい続けるべきか：1商品につき最大3つのスクリプトをテストし、各スクリプトを10本の動画で検証します。3つのスクリプトすべてで結果が出なければ商品を替えます

競争の最終形態

AI動画の生産コストがゼロに近づき、誰もが作れるようになったとき、競争はもはや「誰の生産量が多いか」ではありません。答えは「誰のスクリプトが他人より優れているか」です。スクリプトの裏にあるのは、ディレクターの人生経験、美的センス、ユーザーの感情を見極める力。同じツールとSOPを使っても、ディレクターが違えばヒット率は3-5倍違います。

AI時代に最も価値のある資産はツールでもトラフィックでもなく、実戦の中で積み上げたプロンプト資産ライブラリ、ヒットスクリプトライブラリ、カテゴリー選定データです。