AdCompass 要求定義書 v2.1

変更履歴

バージョン	日付	変更内容
1.0	2026-04-01	初版作成
2.0	2026-04-04	アーキテクチャ詳細（§7）追加、サービス一覧・費用感（§9）追加、画面一覧をモックアップ反映（§8）、4/1-4/3のIA変更（台本一覧ページ追加等）を反映。4/4モックアップ改修反映: 競合設定を1UI統合、台本生成本数プルダウン化・動画尺フリー入力・追加生成機能、レポート承認フロー（入稿待ち→保存済み→公開済み）、レポート入稿アーキテクチャ追加、運営管理画面をPOC向け3メニューに簡素化、ノウハウ管理追加、テスト期間中プラン・支払い非表示、生成上限テナント単位管理
2.1	2026-04-05	技術スタック確定（Python FastAPI + Next.js）、フェーズ別アーキテクチャ（Phase 1手動入稿/Phase 2 Bedrock自動化）、SES→SendGrid変更、不整合修正11件

0. なぜ作るか

課題

広告代理店が動画広告のクリエイティブ分析と台本制作を行う際、以下の課題がある。

分析に時間がかかりすぎる: 1クライアントの分析＋台本作成に丸1日以上かかる。担当者の属人的な作業。
競合情報の収集が非効率: Meta広告ライブラリやTikTokを手動で巡回。網羅性・再現性がない。
ノウハウが属人化: 「どの訴求が効くか」「どの構成が勝ちパターンか」は個人の経験値に依存。

解決策

AIによる自動分析＋台本生成パイプラインをSaaS化。

競合広告の自動収集（Apify + Meta広告ライブラリ + TikTok）
動画のフレーム分解＋AI分析（AWS Bedrock / Claude）
訴求カバレッジ分析＋勝ちパターン抽出
分析結果に基づく台本自動生成

差別化

広告運用プロのノウハウがシステムに組み込まれている（3観点分析、訴求10分類、7構成パターン等）
単なるAI生成ではなく、自社＋競合の定量データに基づく提案
Phase 1では人間（Claude Code）がAI分析を実行し品質を担保。Phase 2で自動化。

初期ターゲット

広告代理店（月額33,000円で導入しやすい価格帯）
ブランド企業のマーケティング部門
初期クライアント: ロットネスト社（広告代理店、年商14億）

1. プロダクト概要

1.1 サービス概要

アドコンパスは、動画広告の競合分析・自社分析・台本生成をワンストップで提供するSaaS型Webサービスである。広告代理店およびブランド企業を対象とし、AI（AWS Bedrock経由のClaude）を活用して動画広告の分析レポートと台本を自動生成する。

1.2 ビジネス目標

月商1,000万円（500アカウント × 単価30,000円前後）
代理店チャネルを中心に面を取り、市場の先行者優位を確立する
原価率10%以下を目指し、マーケティング・営業投資に回せる利益構造を作る

1.3 MVPスコープ

MVPには以下を含む。

競合分析＋自社分析＋台本生成（フルセット）
クレジット制の管理画面（生成上限をテナント単位で設定）
SSO対応を含む認証基盤
メール（SendGrid）・Slack・ダッシュボード上の完了通知
対応広告プラットフォーム：Meta広告のみ（TikTok・YouTubeは後続フェーズ）
レポート承認フロー（入稿待ち→保存済み→公開済み）

※ Stripe決済はPhase 2以降で実装。Phase 1ではテスト期間として手動請求。

2. ユーザーと権限体系

2.1 ユーザーロール

本サービスは「運営側（自社）」と「利用企業側（クライアント）」の2軸で構成される。

2.1.1 運営側ロール

ロール	権限	用途
スーパー管理者	全機能・全クライアントのデータにアクセス可能。プラン設定・クレジット付与・アカウント作成/停止	経営層・事業責任者
運営オペレーター	全クライアントの利用状況・分析結果の閲覧。手動でのクレジット調整・レポート再実行	運用チーム

2.1.2 クライアント側ロール

ロール	権限	用途
企業管理者	自社の全データにアクセス可能。ユーザー招待/削除、広告アカウント接続管理、プラン・支払い管理	クライアント企業の責任者
一般ユーザー	分析実行・台本生成・レポート閲覧のみ。管理系機能にはアクセス不可	クライアント企業の担当者

2.2 マルチテナント構造

運営管理画面（全クライアント横断）
  └── クライアント企業A（テナント）
  │     ├── 企業管理者ユーザー × N
  │     ├── 一般ユーザー × N
  │     ├── 広告アカウント接続 × N
  │     ├── クレジット残量
  │     └── 分析結果・台本データ
  └── クライアント企業B（テナント）
        ├── ...

1企業契約の中に複数ユーザーがログイン可能
企業管理者が自社ユーザーの追加/削除を行える
企業間のデータは完全に分離（テナント分離）
大手代理店の場合、子会社ごとに別テナントとして契約する想定

2.3 認証方式

MVPで以下の全てに対応する。

メールアドレス＋パスワード（基本）
Google OAuth（Googleログイン）
SSO（SAML 2.0 / OIDC）：エンタープライズ向け

SSOはクライアントBのような上場企業の導入時にセキュリティ要件として必須となる想定。

3. 機能要求

3.1 広告アカウント接続

FR-3.1.1 Meta広告APIの接続

ユーザーがOAuth認証を通じてMeta広告アカウントを接続できること
接続後、広告アカウント内の広告IDリスト・キャンペーンリストを取得・表示できること
トークンの有効期限管理と自動リフレッシュを行うこと
複数の広告アカウントを1つのテナントに紐づけられること

FR-3.1.2 接続管理

企業管理者が接続済みアカウントの一覧を確認できること
接続の追加・削除を企業管理者が行えること
接続エラー時にユーザーに通知すること（トークン期限切れ等）

3.2 競合分析

FR-3.2.1 競合設定

AIが商材情報を元に競合を自動で調査・収集する
ユーザーはフリーテキストで方向性を指示することも可能（例：「美容系の競合を重点的に」「BtoB SaaSに絞って」）
直接競合に限らず、異業種の優良事例も競合として収集可能
競合設定は随時変更可能（次回の定期分析から反映）

FR-3.2.2 定期実行

月2回（1日・15日など）、システム側で自動実行される
ユーザーからの手動トリガーは不可（原価抑制のため固定スケジュール）
実行タイミングの設定は運営管理画面からテナント単位で変更可能

FR-3.2.3 分析対象

広告動画：20本（Apify経由でMeta広告ライブラリから取得）
オーガニック動画：10本（Instagram、TikTok等からスクレイピング）
競合設定数と分析本数の関係をユーザーに明示（例：20社設定すると1社1本）

FR-3.2.4 分析内容

各動画のフレーム分解（冒頭20秒、0.5秒間隔 ≒ 40フレーム）
訴求タイプの分類（動画の中身に基づく正確な分類）
クリエイティブ構成の分析（導入・展開・CTA等）
競合間の訴求カバレッジ分析
分析結果はDB保存し、時系列での変化追跡が可能

3.3 自社分析

FR-3.3.1 分析対象の選択

ユーザーが広告IDを指定して分析対象を選択できること
分析期間の指定が可能（任意の開始日〜終了日）
複数の非連続期間の指定が可能（例：直近3ヶ月＋2年前の特定月）

FR-3.3.2 デフォルト分析枠

月間40本までの自社動画分析がデフォルトプランに含まれる
上位パフォーマンス10本＋下位パフォーマンス10本の自動選定モードも提供
利用企業が任意に20本を手動選択するモードとの切替が可能

FR-3.3.3 分析内容

MetaのAPIから取得したCPC・CTR・視聴維持率等のパフォーマンスデータ
動画本体のフレーム分解による内容分析（サムネだけでなく動画全体）
訴求タイプの正確な分類（動画の中身に基づく）
どの訴求ができていて、どの訴求が未カバーかの整理
分析結果はDB保存し、過去分析との比較が可能

FR-3.3.4 重量課金（追加クレジット）

40本を超える分析はクレジット消費で追加実行可能
追加枠は10本単位で購入可能

3.4 台本生成

FR-3.4.1 生成条件の指定

生成本数は1〜10本の範囲でプルダウンから指定
競合分析結果・自社分析結果のどのデータを参照するかの選択
方向性の指示（テキスト入力、例：「価格訴求を強めたい」等）

FR-3.4.2 生成方式

プルダウンで指定した本数（1〜10本）の台本を出力
後半部分（CTA・商品説明等）は共通化し、冒頭〜中盤のみユニーク
原価削減のため、入力コンテキストの共通部分をプロンプトキャッシュで再利用（Phase 2）

FR-3.4.3 台本の出力内容

各台本のテキスト（ナレーション原稿）
カット割り指示
訴求ポイントの整理
動画尺はフリー入力（デフォルト60秒）。ユーザーが「60秒×3本、30秒×2本」のように自由指定可能
コンテ画像（AIによるイメージ画像生成）

FR-3.4.4 重量課金

20本を超える台本生成はクレジット消費で追加実行可能

FR-3.4.5 台本の追加生成

レポート詳細画面から追加で台本を生成できる
既存の分析結果を参照し、新たな方向性指示で追加台本を生成

3.5 レポート出力

FR-3.5.1 出力形式

レポートはアプリ内で完結（外部HTML提案書のリンクは不要）
各項目（競合分析結果、自社分析結果、台本、コンテ画像等）はDBに個別保存
過去レポートの一覧表示・検索が可能

FR-3.5.2 データ保持

分析結果・生成台本は無期限で保存
ストレージコストの監視は運営管理画面で確認可能とする

FR-3.5.3 レポート承認フロー

ユーザーがレポート作成→AI生成完了→管理画面に「入稿待ち」ステータスで表示
運営がレポート内容を確認・編集→「保存」or「公開」
「公開」するとクライアントに表示され、事前登録のメールアドレスにメール通知
ステータス遷移: 生成中→入稿待ち→保存済み→公開済み

3.6 通知

FR-3.6.1 対応チャネル

メール通知：レポート公開時に事前登録メールアドレスに自動通知
Slack通知：Webhook連携で任意のチャンネルに投稿
ダッシュボード通知：Web画面上のベルアイコン等でのインアプリ通知

FR-3.6.2 レポート生成時の通知

レポート生成完了時：「当日or翌営業日にお届け予定。完了したらメールで通知」と表示
レポート公開時：事前登録メールアドレスに自動通知

FR-3.6.3 設定

各チャネルのON/OFFをユーザー単位で設定可能
Slack連携はテナント単位で1つのWebhook URLを設定

4. 課金・決済

4.1 料金体系

4.1.1 月額基本料金

定価：33,000円/月（税抜）
デフォルト枠含む（競合分析月2回、自社分析40本、台本生成20本）

4.1.2 初期費用

定価：150,000円（税抜）
導入セットアップ（広告アカウント接続、競合初期設定、初回分析実行）
関係値のあるクライアントには無償提供の判断を運営側で行える

4.1.3 追加クレジット

自社分析追加：10本 / 2,000円
台本生成追加：10本 / 2,000円（仮）
クレジットは月末で失効せず、翌月に繰り越し可能
購入はクライアント企業管理者がWeb画面上で行える

4.1.4 ボリュームディスカウント

10アカウント以上の同時契約で1アカウント分無料
大型案件は個別交渉（運営管理画面から特別価格を設定可能）

4.2 Stripe決済

FR-4.2.1 決済手段

クレジットカード（法人カード対応）
請求書払い（既存クライアントおよび個別対応。Stripe Invoicing利用）

FR-4.2.2 サブスクリプション管理

月額プランの自動課金（毎月同日にカード決済）
プラン変更（アップグレード/ダウングレード）の即時反映
解約処理（月末まで利用可能、翌月から停止）

FR-4.2.3 追加クレジット購入

企業管理者が画面上から追加クレジットをワンクリック購入
購入履歴の表示
月額課金とは別の従量課金としてStripe上で管理

4.3 運営側の課金管理

FR-4.3.1 運営管理画面での課金操作

テナントごとの月額プラン設定（定価・特別価格の設定）
初期費用の無償化フラグ
クレジットの手動付与（トライアル、補填等）
利用状況ダッシュボード（テナント別のクレジット消費・残量・収益）
生成上限はテナント単位で管理画面から数値入力で設定（自社分析本数/月、台本生成本数/月、競合分析回数/月）

FR-4.3.2 請求管理

月次の請求一覧（Stripeダッシュボードと連携）
未払い・滞納の検知とアラート
請求書PDFの自動生成

FR-4.3.3 テスト期間中の制限

テスト期間中は「プラン・支払い」画面をクライアント側で非表示とする
ダッシュボードのクレジット残量表示は維持

5. 運営管理画面

5.1 ダッシュボード → POCフェーズでは廃止

POCフェーズでは不要。レポート管理がトップページとなる
将来的に復活予定: 全テナントの利用状況サマリー、API利用コスト監視、異常検知アラート等

5.2 テナント管理

テナント（クライアント企業）の一覧・検索
テナントごとの詳細（ユーザー数、接続広告アカウント、プラン、クレジット残量）
テナント詳細にクレジット管理・生成上限設定を統合（生成上限: 自社分析本数/月、台本生成本数/月、競合分析回数/月を数値入力）
テナントの新規作成・停止・削除
テナントへのログインアシスト（運営がクライアント画面を確認する機能）

5.3 分析ジョブ管理 → POC後に実装予定（Coming Soon）

POCフェーズでは管理画面メニューに表示しない
将来的に実装: 実行中・待機中・完了・エラーのジョブ一覧、エラーログ確認、手動再実行、定期実行スケジュール設定

5.4 原価管理 → POC後に実装予定

POCフェーズでは管理画面メニューに表示しない
将来的に実装: テナントごとの原価内訳、月次原価率レポート、モデル別トークン消費推移

5.5 レポート承認管理（新規）

入稿待ち / 保存済み / 公開済みの3タブ構成
各レポートの詳細編集画面（セクション別テキストエリア＋お客様プレビュー）
編集内容を「保存」（下書き）または「公開」（クライアントに表示＋メール通知）

5.6 ノウハウ管理（新規）

Markdownエディタ風のナレッジベース
記事一覧＋編集画面
AI分析・台本生成で参照するノウハウを管理画面上で追加・編集可能

5.7 レポート入稿アーキテクチャ（新規）

入稿方式

ローカルのClaude CodeがAI分析を実行→セクション別の構造化データ（JSON）を生成
入稿API（REST）でDBに自動投入（Claude Codeのスクリプトから直接呼び出す運用）
管理画面ではセクション別テキストエリア（Markdown対応）で確認・編集
お客様画面ではMarkdownをHTMLに変換+CSSテーマ適用でリッチ表示

セクション構成

分析サマリー（総評テキスト）
自社分析コメント（3観点分析の所見）
競合分析コメント（収集結果と学習ポイント）
台本メモ（社内用。お客様には非表示）

POCフェーズでの管理画面構成（3メニューのみ）

レポート管理（承認フロー） — §5.5
ノウハウ管理 — §5.6
テナント一覧 — §5.2

6. 非機能要求

6.1 パフォーマンス

Web画面のレスポンス：ページロード3秒以内
API応答時間：500ms以内（CRUD操作）
Phase 1: レポート生成は手動運用（当日〜翌営業日にお届け）
Phase 2: 分析レポート自動生成20分以内、台本生成10分以内（非同期処理）。同時処理10ジョブ以上

6.2 可用性

サービス稼働率：99.5%以上（月間ダウンタイム3.6時間以内）
定期メンテナンス：深夜帯に実施、事前通知

6.3 セキュリティ

通信の暗号化：全通信をTLS 1.2以上で暗号化
データの暗号化：DBの保存データは暗号化（AES-256）
認証：JWT + リフレッシュトークン方式
SSO：SAML 2.0 / OIDC対応
Meta広告APIトークン：暗号化して保存、アクセス制御
テナント分離：DB/アプリケーションレベルでの完全分離
監査ログ：ログイン履歴、重要操作の記録

6.4 スケーラビリティ

初期100アカウント、将来的に1,000アカウントまで対応
非同期ジョブキューによる水平スケーリング
サーバーコスト：100アカウント時点で月額5〜10万円想定

6.5 データ保持

分析結果・台本データ：無期限保持
操作ログ・監査ログ：最低2年間保持
削除済みテナントのデータ：削除依頼後30日間は復旧可能、以降完全削除

7. システムアーキテクチャ

7.1 フェーズ別アーキテクチャ概要

本システムは2フェーズで構築する。Phase 1ではフロント+管理画面+入稿APIのみを実装し、AI分析は人間がローカルのClaude Codeで実行して結果をAPIで投入する。Phase 2でAWS Bedrockによる自動分析パイプラインを実装し、完全自動化する。

Phase 1（POC）: フロント + 手動入稿

┌─────────────────────────────────────────────────────────┐
│  ローカル（運営チーム）                                     │
│  Claude Code → AI分析実行 → 結果JSON生成                   │
└────────────────┬────────────────────────────────────────┘
                 │ 入稿API（REST）
                 ▼
┌─────────────────────────────────────────────────────────┐
│                      AWS                                 │
│                                                          │
│  ┌─────────────────────┐  ┌──────────────────────────┐  │
│  │ CloudFront + S3     │  │ API Gateway + Lambda(Py) │  │
│  │ Next.js フロント     │  │ Web API                  │  │
│  │ ├── クライアント画面  │  │ ├── CRUD（レポート/テナント）│  │
│  │ └── 管理画面         │  │ ├── 入稿API              │  │
│  └─────────────────────┘  │ ├── Stripe Webhook       │  │
│                            │ └── SendGrid通知          │  │
│  ┌──────────────────────┐ └──────────────────────────┘  │
│  │ RDS (PostgreSQL)     │                                │
│  │ テナント/ユーザー/    │  ┌──────────────────────────┐  │
│  │ レポート/分析結果     │  │ S3                       │  │
│  │ Cognito（認証）      │  │ 動画/画像/レポートデータ   │  │
│  └──────────────────────┘  └──────────────────────────┘  │
└─────────────────────────────────────────────────────────┘
         │                              │
         ▼                              ▼
┌──────────────┐              ┌──────────────────┐
│ SendGrid     │              │ Apify            │
│ メール通知    │              │ 競合広告収集      │
└──────────────┘              └──────────────────┘

Phase 1のポイント:

AI分析はローカルのClaude Codeで人間が実行（既存パイプラインの延長）
分析結果をセクション別構造化JSON（Markdown対応）で入稿APIに投入
管理画面でレビュー・編集→公開のフローを運用
お客様画面はMarkdownをHTMLに変換+CSSテーマ適用でリッチ表示
エンジニアリングとしてはフロント・API・DB・認証のみ

Phase 2（自動化）: Bedrock自動分析パイプライン

┌─────────────────────────────────────────────────────────┐
│                      クライアント                         │
│  Next.js (S3 + CloudFront)                               │
│  ├── クライアント画面（ダッシュボード/レポート/台本/設定）     │
│  └── 管理画面（レポート管理/ノウハウ/テナント）               │
└────────────────┬────────────────────────────────────────┘
                 │ HTTPS
                 ▼
┌─────────────────────────────────────────────────────────┐
│                    API Gateway                           │
│  REST API（認証: Cognito JWT）                             │
└────────────────┬────────────────────────────────────────┘
                 │
                 ▼
┌─────────────────────────────────────────────────────────┐
│              Lambda（Web API層 / Python FastAPI）           │
│  CRUD / 認証 / 課金 / 通知                                │
│  ├── テナント管理                                         │
│  ├── レポート一覧・詳細取得                                │
│  ├── 入稿API（Phase 1から継続）                            │
│  ├── 分析ジョブ投入 ──────────┐                           │
│  ├── Stripe Webhook受信       │                           │
│  └── SendGrid通知             │                           │
│  ※ 全てPython (FastAPI on Lambda)                         │
└───────────────────────────────┼──────────────────────────┘
                                │ SQS
                                ▼
┌─────────────────────────────────────────────────────────┐
│            Step Functions（AIパイプライン）                 │
│                                                          │
│  ┌──────┐   ┌──────────┐   ┌──────────┐   ┌─────────┐  │
│  │Meta  │──▶│動画DL    │──▶│フレーム  │──▶│AI分析   │  │
│  │API   │   │+カット   │   │分析     │   │(Bedrock)│  │
│  │データ │   │分割     │   │(Bedrock) │   │+台本生成│  │
│  │取得  │   │+Whisper  │   │         │   │         │  │
│  └──────┘   └──────────┘   └──────────┘   └────┬────┘  │
│                                                 │       │
│  ┌──────────┐   ┌──────────┐                    │       │
│  │コンテ画像 │◀──│レポート  │◀───────────────────┘       │
│  │生成      │──▶│組立+保存 │                             │
│  │(Imagen)  │   │(S3+RDS) │                             │
│  └──────────┘   └──────────┘                             │
└─────────────────────────────────────────────────────────┘
                 │
                 ▼
┌─────────────────────────────────────────────────────────┐
│                    データ層                               │
│  ├── RDS (PostgreSQL) : テナント/ユーザー/ジョブ/分析結果  │
│  ├── S3              : 動画/フレーム画像/レポートデータ    │
│  └── Cognito         : 認証基盤                          │
└─────────────────────────────────────────────────────────┘
         │                    │                  │
         ▼                    ▼                  ▼
┌──────────────┐   ┌──────────────┐   ┌──────────────────┐
│ SendGrid     │   │ Apify        │   │ GCP Imagen       │
│ メール通知    │   │ 競合広告収集  │   │ コンテ画像生成    │
└──────────────┘   └──────────────┘   └──────────────────┘

7.2 技術スタック

レイヤー	技術	備考
フロントエンド	Next.js (React / TypeScript)	S3 + CloudFrontで配信
バックエンド	Python (FastAPI)	Lambda + API Gateway。Phase 1/2で言語統一
AIパイプライン	Step Functions + Lambda (Python)	Phase 2で実装。バックエンドと同一言語
データベース	RDS PostgreSQL	マルチテナント（tenant_id分離）
ファイルストレージ	S3	動画、フレーム画像、レポート
認証	Cognito	SSO (SAML 2.0 / OIDC) + OAuth対応。エンタープライズ対応
メール通知	SendGrid	レポート公開通知、エラー通知
CDN	CloudFront	フロントエンド配信 + S3オリジン
決済	Stripe	サブスクリプション + 従量課金（Phase 2以降）
AI分析	AWS Bedrock (Claude)	Phase 2で自動化。モデルルーティングで最適化
画像生成	GCP Imagen	コンテ画像
スクレイピング	Apify	競合広告収集（Meta広告ライブラリ、TikTok）

7.3 設計方針

エンタープライズ対応を前提としたAWS基盤

インフラをAWSに統一し、将来的なエンタープライズ導入（SOC 2、ISMS、VPC対応等）に備える
Cognito + SAML 2.0/OIDCでSSO対応（上場企業のセキュリティ要件を満たす）
AI分析はAWS Bedrock経由（Claude API直接ではなく、IAM認証でAWS内に閉じる）

Phase 1: フロント+入稿APIのみ

AI分析パイプラインは実装しない。裏側は人間がClaude Codeで実行
入稿API（REST）を通じて、分析結果をセクション別JSON/Markdownで管理画面に投入
管理画面でレビュー・編集→公開のワークフローを運用
これにより、最短でプロダクトをローンチし、実顧客でのPMF検証を優先

Phase 2: Bedrock自動分析パイプライン

Step Functions + Lambdaで直列8ステップのワークフローを構築
ユーザーがレポート作成→SQSでジョブ投入→自動分析→結果を入稿APIと同じDBに保存→管理画面で承認→公開
Phase 1の入稿APIはそのまま残し、手動入稿と自動入稿の両方に対応

Step Functionsを採用する理由（Phase 2）

現在のv12パイプライン（直列8ステップ）をそのままワークフローとして表現できる
ステップごとにリトライ・エラーハンドリングが自動
実行状況の可視化（運営管理画面のジョブ管理に直結）
Lambda単体の15分制限を回避（ステップ分割で各ステップは15分以内に収まる）

AIパイプライン（Step Functions）のステップ構成（Phase 2）

Step 1: Meta APIデータ取得
  └── 広告アカウントからキャンペーン・クリエイティブ・パフォーマンスデータを取得

Step 2: 自社動画ダウンロード + カット分割 + 音声抽出 + Whisper文字起こし
  └── ffmpeg + PySceneDetect + faster-whisper

Step 3: 自社動画フレーム分析（Bedrock: Sonnet）
  └── 各カットの3観点分析（レイアウト/訴求軸/CTA）

Step 4: 競合選定方針の決定（Bedrock: Sonnet）
  └── 自社の課題に基づいて競合収集の方向性を決定

Step 5: 競合動画収集（Apify） + ダウンロード + カット分割 + Whisper
  └── Meta広告ライブラリ + TikTok

Step 6: 競合動画フレーム分析（Bedrock: Sonnet）
  └── 各カットの3観点分析

Step 7: 統合分析 + 台本生成（Bedrock: Opus）
  └── 3観点評価テーブル + 学習ポイント + 台本3本×60秒

Step 8: レポート組立 + コンテ画像生成（GCP Imagen） + 保存（S3 + RDS）
  └── レポートデータ保存、SendGridで完了通知送信

7.4 AI / モデル構成（ハイブリッドモデル / Phase 2）

工程	モデル	理由
データ取得・前処理	コードのみ（AI不使用）	Meta API、Apify等のAPI呼び出し
競合データ構造化	Bedrock Haiku 4.5	低コスト、構造化タスクに十分
競合動画フレーム分析	Bedrock Sonnet 4.6	画像理解＋分析判断が必要
自社動画フレーム分析	Bedrock Sonnet 4.6	同上
訴求分類・レポート生成	Bedrock Sonnet 4.6	分析の統合判断
台本生成（最終仕上げ）	Bedrock Opus 4.6	最高品質のクリエイティブ出力
コンテ画像生成	GCP Imagen	背景画像生成（英語プロンプト）+ Pillowで日本語テロップ合成

7.5 コスト最適化施策（Phase 2）

プロンプトキャッシュ: 分析指示のシステムプロンプト（ノウハウ部分）をキャッシュし最大90%削減
Batch API: 非リアルタイムの処理はBatch API（50%オフ）で実行
モデルルーティング: 工程ごとに最適なモデルを自動選択
入力トークン圧縮: 不要な情報を前処理で除去してから投入

8. 画面一覧

8.1 クライアント向け画面

#	画面名	ファイル名	概要	備考
C-01	ログイン	index.html	メール/パスワード、Google OAuth、SSO
C-02	ダッシュボード	dashboard.html	最新の分析結果サマリー、通知、クレジット残量、次回定期分析タイミング
C-03	レポート一覧	reports.html	過去のレポート一覧・検索
C-04	レポート作成	report-create.html	分析対象の選択、期間指定、競合指示（フリーテキスト）、台本生成条件を統合	旧「競合設定」画面を統合
C-05	レポート詳細	report-detail.html	タブ構成: 概要（訴求別配信割合）→自社分析→競合分析→台本。台本の追加生成もここから	旧「台本一覧」画面を統合
C-06	台本生成	（report-create.html内）	参照データ選択、方向性入力、本数プルダウン（1〜10本）、動画尺フリー入力
C-07	広告アカウント設定	ad-accounts.html	Meta広告アカウントの接続・管理
C-08	ユーザー管理	users.html	ユーザーの招待・削除・ロール変更（企業管理者のみ）
C-09	設定	settings.html	通知設定（メール・Slack・ダッシュボード）、Slack Webhook設定
~~C-09旧~~	~~台本一覧~~	~~scripts.html~~	~~生成済み台本のレポート別グループ表示~~	レポート詳細の「台本」タブに統合
~~C-11旧~~	~~プラン・支払い~~	~~billing.html~~	~~現在のプラン、クレジット残量、追加購入、支払い履歴~~	テスト期間中は非表示

8.2 運営管理画面

POCフェーズで実装する画面（3メニュー）

#	画面名	ファイル名	概要
A-01	レポート管理（トップ）	admin/index.html	入稿待ち/保存済み/公開済みの3タブ。レポート承認フローのハブ
A-02	テナント一覧	admin/tenants.html	検索・フィルタ付きのテナント一覧
A-03	テナント詳細	admin/tenant-detail.html	ユーザー、広告アカウント、プラン、クレジット残量、生成上限設定（数値入力）、利用履歴
A-11	レポート詳細・編集	admin/report-review.html	セクション別テキストエリア（Markdown対応）＋お客様プレビュー。「保存」「公開」ボタン
A-12	ノウハウ管理	admin/knowledge.html	Markdownエディタ風ナレッジベース。記事一覧+編集画面

POC後に実装予定の画面

#	画面名	ファイル名	概要	ステータス
~~A-01旧~~	~~運営ダッシュボード~~	—	~~全テナントの利用状況サマリー、収益、原価~~	廃止（レポート管理に置換）
A-04	プラン・価格設定	admin/plans.html	テナントごとの月額・特別価格・初期費用の設定	POC後
~~A-05~~	~~クレジット管理~~	~~admin/credits.html~~	~~テナントへのクレジット手動付与・調整~~	テナント詳細に統合
A-06	ジョブ管理	admin/jobs.html	分析・台本生成ジョブの一覧、ステータス、エラーログ	POC後（Coming Soon）
A-07	定期実行設定	admin/schedules.html	競合分析の実行スケジュール管理	POC後
A-08	原価レポート	admin/costs.html	テナント別・月次の原価内訳、APIトークン消費推移	POC後
A-09	請求管理	admin/billing.html	Stripe連携の請求一覧、未払い検知	POC後
A-10	監査ログ	admin/audit.html	ログイン履歴、重要操作の記録	POC後（Coming Soon）

8.3 モックアップ

URL: https://adcompass-mockup.pages.dev
パスワード: adcompass2026
デザインテーマ: Apple HIG準拠（hig-theme.css）
状態: クライアント9画面 + 管理5画面（POC） = 計14画面（POCフェーズ）

9. 外部サービス一覧と費用

9.1 会社クレジットカード登録が必要なサービス

#	サービス	用途	月額費用（100アカウント時）	登録時に必要な情報	優先度
1	AWS	インフラ全部（RDS, Lambda, SQS, S3, Cognito, CloudFront, Bedrock）	¥8,000〜25,000（インフラ）+ ¥30,000〜150,000（Bedrock）	法人メール、クレカ、電話番号	最優先
2	Apify	競合広告スクレイピング（Meta広告ライブラリ、TikTok）	¥7,000〜22,000（$49〜149）	メール、クレカ	最優先
3	GCP	Imagen画像生成（コンテ画像）	¥3,000〜7,000	Googleアカウント、クレカ、請求先住所	最優先
4	Stripe	クライアント向け決済基盤（サブスクリプション＋追加クレジット）	3.6%+¥40/決済（固定費なし）	法人情報（登記、代表者、口座）、本人確認書類	リリース時

9.2 クレカ不要のサービス

#	サービス	用途	費用	備考
5	Meta for Developers	広告API（OAuth認証、データ取得）	無料	法人ビジネスマネージャーに紐付け直し推奨
5b	SendGrid	メール通知（レポート公開通知等）	無料〜$20/月（Free〜Essentials）	メール、ドメイン認証
6	Slack App	Webhook通知	無料	Incoming Webhookのみ

9.3 AWSサービス内訳

AWSサービス	用途	月額費用（100アカウント時）
RDS (PostgreSQL)	メインDB	¥2,000〜15,000（db.t4g.micro〜medium）
Lambda	Web API + AIパイプライン	¥0〜7,000
API Gateway	REST API エンドポイント	¥500〜3,000
S3	フロント配信 + ファイルストレージ	¥500〜3,000
CloudFront	CDN	¥500〜2,000
SQS	ジョブキュー	ほぼ無料
Cognito	認証基盤	50,000 MAUまで無料
Step Functions	AIパイプラインのワークフロー管理	¥500〜2,000
Bedrock (Claude)	AI分析・台本生成	¥30,000〜150,000

9.4 月額コスト概算（100アカウント時）

カテゴリ	月額
AWSインフラ（Bedrock除く）	¥8,000〜25,000
AWS Bedrock（Claude API）	¥30,000〜150,000
Apify	¥7,000〜22,000
GCP（Imagen）	¥3,000〜7,000
SendGrid	¥0〜3,000
Stripe手数料	売上の3.6%+¥40/件
合計（Stripe除く）	¥48,000〜207,000
1アカウントあたり原価	¥480〜2,070

定価33,000円/月に対して原価率 1.5〜6.2%。目標の10%以下を達成。

10. 制約事項・前提条件

10.1 制約

競合分析の実行頻度は月2回固定（ユーザーからの手動実行不可）
Meta広告API以外の広告プラットフォームはMVP対象外
レポートのHTML形式以外の出力（PDF、スプレッドシート等）はMVP対象外
動画編集機能はMVP対象外（将来構想として検討）

10.2 前提条件

クライアントがMeta広告アカウントを保有していること
クライアントがMeta広告APIへのアクセス権限を付与できること
AWSアカウントは会社名義で契約済みであること
Apify・GCPのアカウントは法人名義で契約済みであること

10.3 開発体制

1名 + Claude Code（AI支援開発）
フロントエンド: Next.js (React / TypeScript)
バックエンド: Python (FastAPI)。Phase 1のWeb APIとPhase 2のAIパイプラインで言語統一
インフラ: AWS（エンタープライズ対応前提）
AI: AWS Bedrock（Phase 2で自動化）
既存Pythonパイプラインスクリプトは全て書き直す方針

10.4 リスク

リスク	影響	対策
Claude API料金の値上げ	原価率の悪化	クレジット制でユーザーへの転嫁が可能な設計。プロンプトキャッシュ等の最適化余地を残す
競合サービスの出現	シェア喪失	先行者優位の確立。広告運用プロのノウハウが組み込まれた品質で差別化
大量アカウント導入時のインフラ負荷	サービス品質低下	SQSによるジョブキューイング、スケールアウト設計
Meta広告APIの仕様変更	データ取得不能	API変更の監視、柔軟なデータ取得層の設計

11. フェーズ計画

Phase 1（POC / フロント+手動入稿）

目的: 最短でプロダクトをローンチし、実顧客でPMF検証する。

実装範囲:

Next.js フロント（クライアント画面+管理画面）
Lambda + API Gateway（CRUD、入稿API、認証）
RDS PostgreSQL（マルチテナントDB）
Cognito（認証基盤）
SendGrid（メール通知）
S3 + CloudFront（配信+ストレージ）

実装しない範囲:

AI自動分析パイプライン（Step Functions / Bedrock）
Stripe決済（テスト期間中は手動請求）
ジョブ管理・監査ログ・原価レポート

運用フロー:

ユーザーがレポート作成リクエスト
運営がローカルのClaude Codeで分析実行（既存パイプラインの延長）
分析結果を入稿APIでセクション別JSON/Markdownとして投入
管理画面でレビュー・編集→公開→SendGridでお客様にメール通知

初期クライアント: ロットネスト社（3〜5アカウント）でのトライアル

Phase 2（自動化）：Phase 1後 1〜3ヶ月

目的: AI分析を自動化し、運営の手動オペレーションを排除する。

AWS Bedrock（Claude）による自動分析パイプライン構築
Step Functions + Lambda で直列8ステップのワークフロー実装
Apifyによる競合広告の自動収集
GCP Imagenによるコンテ画像の自動生成
ユーザーがリクエスト→自動分析→管理画面で承認→公開のフル自動化
TikTok広告ライブラリ対応
Stripe決済組み込み

Phase 3（スケール）：半年以内

静止画版・TikTok特化版などプラットフォーム軸での拡張
YouTube広告対応
PDF / スプレッドシート出力対応
動画編集までのパッケージ対応
多言語対応（英語）
より高度な分析（ブランド体現度スコアリング、重み付け分析）

12. 用語定義

用語	定義
テナント	本サービスを契約する1つの企業単位
アカウント	テナント内で接続されたMeta広告アカウント
ユーザー	テナント内でサービスにログインする個人
クレジット	デフォルト枠を超えて分析・生成を行うための追加利用権
ジョブ	1回の分析実行または台本生成のバッチ処理単位
フレーム分析	動画を画像に分解し、各フレームのクリエイティブ内容を分析すること
訴求タイプ	動画の主な訴求軸の分類（価格訴求、機能訴求、感情訴求等）

13. 決定済み事項

#	項目	決定内容
1	バックエンド言語	Python (FastAPI)。フロント(Next.js/TS)とバックエンド(Python)の2言語構成。OpenAPI経由で型共有
2	AI利用方法	AWS Bedrock（Phase 2で自動化。Phase 1はローカルClaude Code）
3	メール通知	SendGrid（SESではなく）
4	インフラ方針	AWS統一（エンタープライズ対応前提）
5	Phase 1の範囲	フロント+入稿API+管理画面のみ。AI自動化はPhase 2

14. 未決定事項

#	項目	選択肢	決定期限
1	認証基盤の詳細設計	Cognito（安い・AWS統合）/ Auth0（UX良い）	実装開始時
2	Phase 1開発タイムライン	2週間〜2ヶ月	アーキテクチャレビュー後
3	入稿APIの仕様	エンドポイント設計、認証方式、ペイロード形式	POC実装開始時
4	DB設計	マルチテナントのテーブル設計（共有スキーマ+tenant_id vs スキーマ分離）	実装開始時