L3: 意思決定とリーダーシップ
約 15 分 | 前提条件: L2 | 無料 L1 と L2 はあなたにモデルとコントロールサーフェスを与えました。L3 はあなたが決断を下し、組織をそれを通じて導く場所です。このトラックのキャップストーンは 意思決定アーティファクト です — 構築ではなく、仕様でもなく、あなたのロールが実際に生成するもの: ビジネスケース、エージェンシーブリーフ、または段階的採用計画。 2 つの判断が最も重要です:- 実行する人々をブリーフする。 あなたの仕事は構築ではなくブリーフです。ブランドはカタログ、
brand.json、コンテンツ標準、ゴールを提供します; エージェンシーまたはインハウスチームが AI サーフェス全体でキャンペーンを実行し配信をレポートします。既存のエージェンシー関係とプログラマティックスタックへの追加としてフレーミングします — バイヤーエージェントは DSP の隣に座ります。 - パイロットか標準化か。 サーフェスが実験的なとき、安価かつ可逆的に学ぶために 1 つのパートナーと 1 つのサーフェスをパイロットします。価値が証明されたら、プラットフォームごとに直接取引を交渉する代わりに 1 つの統合が多くのサーフェスに到達するようプロトコルで標準化します。ハイプではなく、可逆性とリスクから推論します。
読書リスト
ロール別の始め方
ブランド、エージェンシー、SMB がそれぞれ最初に何をするか — そして何をブリーフし何を所有するか。
FAQ: エージェンシーかパートナーか?
バイヤーエージェントが必要か、それともエージェンシー、アドネットワーク、コマースプラットフォームパートナーを通じて機能できるか。
実験的ステータス
どのサーフェスが明示的に実験的で変わりうるか — パイロット対標準化の決断への入力。
パートナーを見つける
プロトコルの配管を処理するエージェンシー、アドネットワーク、プラットフォームのメンバーディレクトリ。
主要概念
- 実行者のブリーフィング — ブランドが提供するもの（カタログ、
brand.json、コンテンツ標準、ゴール）対、返ってくると期待するもの（AI サーフェス全体のキャンペーン、配信レポート） - 追加的採用 — バイヤーエージェントはあなたのスタックとエージェンシー関係を拡張する; それらを置き換えない
- パイロット対標準化 — サーフェスが実験的なとき学ぶためにパイロット; 価値が証明されたらプロトコルで標準化し、1 つの統合が多くのサーフェスに到達する
- 経済性と競争ケース — 価格はプラットフォームごとに設定される（例: クリックあたり、セッションあたりコスト）、単一の固定レートではない; 一度標準化して多くに到達することを、プラットフォームごとの直接取引とそれが示唆する到達までの時間と比較して評価する
意思決定アーティファクトテンプレート
あなたのキャップストーンはこれらの 1 つ — 出発点のスケルトンで、盲目的に埋めるフォームではありません。あなたのロールに合うものを使ってください。ビジネスケース（ブランドリーダー → CMO）
ビジネスケース（ブランドリーダー → CMO）
- 機会 — 私たちのカテゴリーの消費者は既に AI アシスタントに尋ねている; 今日私たちはプレゼンスがなく、どう表現されるかのコントロールもない
- 何が変わるか — プラットフォームが私たちのブランドデータから広告を生成する; 私たちはデータを所有し、測定は引き継がれる
- 私たちが所有するもの — カタログ、
brand.json、コンテンツ標準、コンバージョンイベント、成功指標 - パイロット — 1 サーフェス、1 エージェンシー、1 成功指標、学びとして償却できる予算
- 依頼 — 予算、タイムライン、誰がデータパイプラインを所有するか
- 待つことのリスク — よりリッチなブランドデータを持つ競合が AI サーフェス需要に先に到達する
エージェンシーブリーフ（エージェンシー幹部 → クライアント / 内部）
エージェンシーブリーフ（エージェンシー幹部 → クライアント / 内部）
- クライアントとゴール
- クライアントが提供するもの — カタログ、
brand.json、コンテンツ標準、ゴール - 私たちが配信するもの — 選ばれた AI サーフェス全体のキャンペーン、既存ダッシュボードへの配信レポート
- それがどこに座るか — DSP と既存のプログラマティックの隣; 追加であり置き換えではない
- パイロット範囲 — 1 サーフェス、1 成功指標
- P&L ノート — マネージドサービス（私たちがバイヤーエージェントを実行、メディア + サービスフィーをマークアップ）対セルフサーブ（クライアントが実行、私たちはセットアップと戦略に課金）。1 つの統合が多くの AI サーフェスに到達するので、マージンはプラットフォームごとの労働を圧縮することから来る — プラットフォームごとにレートカードを交渉することからではない
段階的採用計画（SMB 創業者）
段階的採用計画（SMB 創業者）
- ステップ 1 — パートナーを選ぶ — アドネットワークまたは Shopify タイプのアプリ; Addie に尋ねる か メンバーディレクトリ をブラウズ
- ステップ 2 — フィードを接続する — 既存の製品フィードにブランド基本（名前、ボイス、任意のルール）を加える
- ステップ 3 — 予算とゴールを設定する — 小さく始め、1 つのゴール（売上? 来店?）を選び、ROAS/CPA 追跡を確認する
- ステップ 4 — レビューと拡大 — 機能するものを保持し、そこからサーフェスを追加する
パイロットのサイジング（価格表なしで）
価格はプラットフォームごとに設定されるので、引用する単一のレートはありません。代わりにそれについて推論します:- 学びとして償却できるパイロットをサイジングする — 予測ではなく、弁護する必要のない数字
- 1 サーフェスと 1 成功指標を選ぶ — 結果を読めるほど変数を少なく保つ
- プラットフォームごとの実際の価格を発見する — あなたのバイヤーエージェントまたはパートナーが購入時にセラーの製品からそれを読む
- 成果あたりコストを既に信頼するベンチマークと比較する — 同じゴールのための現在の最良チャネル
具体例 — 私たちの数字ではなく、あなたの数字。 これらは推論の 形 を示すためのプレースホルダーです; 自分のものを差し込んでください。
- パイロット予算: 学びとして償却できる $25k（弁護しなければならない予測ではない）
- 1 サーフェス、1 ゴール: 適格リード
- あなたのベンチマーク: 現在の最良チャネルは 約 $40 CPA で走る
- 読み: AI サーフェスが 約 $40 CPA 以下 に着地すれば標準化の決断を得る; 2〜3 倍高く 来れば、それを安価に学んでスケールしない
- あなたが しなかった ことに注意: レートカードの交渉。プラットフォームごとの価格設定（CPC / セッションあたり）は購入時にあなたのバイヤーエージェントまたはパートナーによって発見される — あなたは予算と成功指標を設定し、単価ではない
あなたがデモンストレーションすること
Sage は会話を通じて 3 つのデモンストレーションを検証します — すべての学習者に同じ:- エージェンシーまたはチームをブリーフ し、既存の関係への追加としてフレーミングした労働分担について。
l3_ex1_sc_brief_agency - 与えられたサーフェスについてパイロット対標準化を決め、可逆性とリスクでそれを正当化する。
l3_ex1_sc_pilot_vs_standardize - 意思決定アーティファクトを生成 — 経済性、組織の準備状況、具体的な次のステップを結びつけるビジネスケース、エージェンシーブリーフ、または段階的採用計画。
l3_ex1_sc_decision_artifact
評価ルーブリック
合格しきい値: 70%。スコアは内部的です — あなたはモジュールを、習熟を実証するまで続く会話として体験します。
次は何か
L1〜L3 を完了すると AdCP for Decision-Makers 資格を獲得します。ここから:- Monetizing AI ガイド とあなたの意思決定アーティファクトをチームに渡す
- ハンズオンパスが欲しいなら、無料の Basics トラック（A1〜A3）がプロトコルの基礎を教え、Buyer トラック（C1〜C4）が動作するバイヤーエージェントを構築します — プログラミング経験不要。
Addie で L3 を始める
「認定モジュール L3 を始めたい。」