記事の滞在時間を1.5〜2.5倍に延ばす音声化――その収益構造と現実的な導入線

執筆：笹尾祐太朗（株式会社メディアリープ代表／Webメディア分析・収益化実務）

「PVは伸びているのに、収益が変わらない」。

メディアの事業担当者から、この言葉を何度か受けました。広告収益はインプレッション数で決まります。インプレッションを増やすには、読者の滞在時間を延ばすしかない。ところが、テキストだけの記事では、読者の離脱を防ぐのに構造上の壁があります。

PUBVOICE導入先のうち計測に同意した30社以上で、2024〜2026年にGA4の「平均エンゲージメント時間」を見ました。同じ媒体・同じ記事群における音声再生セッションと非再生セッションを分け、媒体ごとの比率を比較すると、おおむね1.5〜2.5倍の範囲でした。一部の長尺記事では約11倍の例もあります。

この数字には条件があります。音声を自ら再生した人は、もともと記事への関心が高い可能性があります。媒体ごとに記事ジャンル、端末構成、プレイヤー位置、計測期間が異なり、無作為化比較試験ではありません。「音声化すれば全訪問者の滞在時間が必ず1.5〜2.5倍になる」という意味ではなく、再生セッションで観測した関連です。リピート率+32%とPV+19%も一部導入先の前後比較であり、季節性や記事構成の影響を除き切れていません。

音声プレイヤーを記事に埋め込むと、なぜ差が出るのか。観測の読み方、収益とのつながり、再生率を左右する実装まで掘り下げます。導入手順はWebメディア音声化の5ステップに分けました。

私は2015年から2020年にかけて、Web広告を配信する会社でSSP事業に携わっていました。メディア開拓の現場で、「広告収益を最大化したい」という依頼は毎月のように届いていました。同時に「広告を増やすとユーザーが離れる」というジレンマも常にありました。音声は、このジレンマを構造的に解く数少ない手段だと思います。

滞在時間を延ばすのは「目」ではなく「耳」だった

音声が効く理由は、物理的です。

テキストは「目が疲れたら離脱する」。スマホを持つ手が塞がれば読めない。電車が着けばタブを閉じる。読者がテキストを読み続けられる時間帯は、1日の中で限られています。

一方、音声は「別のことをしながら聴き続けられる」。通勤の往復1時間、家事をしながらの30分、ランニング中の40分。目と手がふさがっていても、耳が空いている時間に、記事は届く。読み切れなかった記事が、耳で聴き続けられるようになるだけで、滞在時間は構造的に延びます。

海外でも同じ現象が観察されています。米国のマーケティングメディア「Convince & Convert」は、2019年に記事の音声版を導入しました。音声を再生したユーザーの滞在時間は、テキストのみのユーザーと比べて平均で4分から9分に、約2.25倍に延びたそうです（Convince & Convert）。

今回の導入事例で差が大きかった背景には、「テキスト密度の高い長尺記事」が多かったことがあると見ています。3,000字を超える記事は、移動や家事で中断されやすいです。耳で続きを受け取れるようにすると、これまで途中で終わっていた接触時間が残ります。ただし、これは観測から置いた仮説で、文字数だけをそろえた比較ではありません。

<figure> <img src="https://images.media-leap.com/blog/2026/07/1784643289858-24q6h5u9.png" alt="記事音声化と滞在時間の関係を示す図" /> <figcaption>図: 音声は別作業中も接触を続けられます。ただし、再生者の関心の高さも差に含まれるため、音声化だけの効果とは断定できません。</figcaption> </figure>

滞在時間を延ばすと広告収益に直結する理由

滞在時間が延びると、なぜ広告収益が上がるのか。理由はいくつかの要素に分かれます。

一つは広告のビューアビリティ（Viewability）で計上されるインプレッションが増えることです。 MRC（Media Rating Council）の基準では、ディスプレイ広告のビューアビリティは「ピクセルの50%以上が1秒以上表示されること」で定義されます。ここで正確に書いておきたいのは、viewable判定は閾値であり、「滞在時間が長いほどビューアビリティが上がる」という連続量ではない、ということです。滞在が延びても、すでにviewableな枠はviewableのままです。

とはいえ、滞在時間が延びることで正しく言えることが3つあります。第一に、ファーストビューの外にある枠（記事下部やサイドバーの下のほう）が、スクロールされて視認される確率が上がり、viewableとして計上されるインプレッションそのものが増える。第二に、1インプレッションあたりの視認継続時間（time-in-view）が伸びる。第三に、リフレッシュ型の枠であれば、有効インプレッションが増える。近年、アテンション指標（AdelaideのAUなど）を採用する買い手は、time-in-viewが長い在庫を評価する傾向にあります。滞在時間の延びが、単価の評価に繋がる橋渡しになるのは、この経路です。

もう一つはセッションRPM（1,000回表示あたりの収益）の向上です。 1回の訪問で複数の広告が表示されれば、セッション単位の収益が増えます。たとえば、3分で離脱していた読者が10分聴き続けても、下部までスクロールしなければ広告表示は増えません。固定プレイヤー、スクロール、適正な広告更新が組み合わさった場合に限り、滞在の差がインプレッションの差へつながります。

さらに、長期的には検索評価への好影響があることです。 Googleは滞在時間を直接的なランキング要因としていないと公式に表明しています。ただし、滞在時間が長いページは「ユーザーが満足している」信号として間接的に評価される可能性があり、実際に多くのSEO専門家が滞在時間と検索順位の正の相関を報告しています。

iHeartMediaのポッドキャスト収益が2025年第4四半期に前年比24%成長の1億7,400万ドル（約260億円）に達しているのも、根本は同じ構造です（iHeartMedia 2025 Q4決算）。滞在が長いコンテンツほど、広告主に高い単価で売れます。

再生率を決めるのは、プレイヤーの「見え方」

効果の話ばかりでは正直ではありません。導入してみないと分からないことがあります。

30社以上のメディア現場を見させてもらって気づいたのは、プレイヤーの「見え方」が再生率を大きく左右する、ということです。

プレイヤーは記事タイトルの直下に配置するのが最も効果的です。 そこが読者の目線が最も止まる場所だからです。サイドバーや記事末尾では、存在に気づかれないケースが多いです。

デザインはシンプルにします。 「再生ボタン」「停止ボタン」「プログレスバー」の3要素で十分。速度調整や音声選択は、初期表示では隠して「設定」として折りたたむ方が再生率が高いです。選択肢が多いと読者は迷い、結果的に再生自体をやめてしまう。

「この記事を音声で聴く」という一言を添えます。 私たちの一部導入テストでは、説明文を置いた後に再生率が相対で20〜30%上がりました。ただし、媒体横断の統制実験ではなく、固定の改善率ではありません。読者に用途が伝わるかを媒体ごとに確かめるための仮説です。

これらは難しい技術ではありません。ただし、現場で何度も試さないと見えてきません。他の条件が同じという仮定では、再生率1%と10%で対象セッション数に10倍の差が出ます。実際の収益差は、完了率、スクロール、広告構成で変わります。

導入時に陥りやすい罠

一方で、音声化にはリスクもあります。正直に書きます。

一つは視覚情報が主役の記事との不一致です。 インフォグラフィック、図解、写真メインの記事では、音声だけでは情報が伝わりません。テキスト密度が高い記事に絞り、人が最終確認する必要があります。

もう一つは音声品質へのユーザーの期待です。 機械的な読み上げに対して「不自然」と感じる読者は少なくありません。2026年現在のTTSはかなり自然になっていますが、それでも専門用語や固有名詞の読み間違いは発生します。辞書のメンテナンスを怠ると、かえって評判を落とします。

さらに、コスト感の誤解もあります。 主要TTSの公開料金から、API利用料は2026年時点で100万文字あたり1,600〜4,000円程度が目安です。ただ、プレイヤー開発、品質確認、読み辞書の保守は別です。外注費50〜150万円は要件を限定した概算で、管理画面や分析を加えれば上振れします。「APIが安い＝運用も安い」ではありません。

小さく始めて、データを積む

音声化は万能薬ではありません。効果が出るまでに時間がかかることもあるし、すべての記事に向いているわけでもない。ただ、テキスト広告の単価が下がり続け、読者の滞在時間が短くなる一方の構造の中では、滞在時間を構造的に延ばす手段は他にあまりありません。

再生ボタンが押されるかどうかは、導入してみないと分かりません。プレイヤーの見え方、記事のジャンル、読者の属性。変数が多いため、小さな比較から始めるのが現実的です。TTSとテキストコンテンツの将来や海外の音声広告事例も、収益以外の評価軸を考える材料になります。

人気記事10本から条件の近い記事を選び、音声あり・なしを1か月以上比較します。再生率、平均エンゲージメント時間、完了率、セッション収益を同じ定義で記録します。私がこのプロダクトを作っている理由は、小さな検証を始めやすくしたいからです。それでも、運用工数はゼロではありません。読みの確認とデータの解釈を続けられるかが、導入判断の分かれ目です。