ディスカバリー設計を捉える技術 - なぜNetflix型推薦は漫画に効かないのか
漫画の国際配信プラットフォームが苦戦しています。Manga Planet は2019年のサービス開始後、Pass（定額）・レンタル・購入の三本立てに移行し、2025年10月に2026年3月末での独立デジタルプラットフォーム終了を発表しました。終了理由として同社は payment processor の制約と online environment の変化を挙げています。
一方、Netflix は毎年数百億ドルをコンテンツに投じながら、ホーム画面の row 選択・作品選定・表示順まで個別最適化することで継続率を維持しています。動画の recommendation システムは成熟しています。漫画では同じことが起きていません。なぜか。
問題の構造：コンテンツ特性の違い
漫画サブスクの問題は、UI や推薦アルゴリズムの問題として語られることが多いです。しかし根本にあるのは、漫画というコンテンツが持つ消費特性です。
消費開始コストが高いです。 動画は再生ボタンを押せば始まります。漫画は読むために文字理解・コマ順追跡・コンテキスト把握が必要です。「とりあえず1話読んでみる」の摩擦は、「とりあえず1話見てみる」と比べて段違いに高いです。Netflix が row の最適化で解いている問題は「何を選ぶか」であり、選んだ後の消費摩擦は低いです。漫画では「何を選ぶか」の前に「読み始めるか」というハードルがあります。
需要が作品指名型に偏ります。 音楽では「広いカタログへのアクセス権」自体が価値になります。1曲の消費コストが低く、新しい曲を試すコストも低いからです。漫画では「何でも読める」より「この作品の続きが読める」ことの価値が高いです。シリーズ物が多く、読み始めたら続きを読みたくなります。カタログ全体への access 権より、特定タイトルの連続購読に近い需要構造になります。Manga Planet が定額モデル単体で成立できなかったのは、この需要特性と合っていなかったことが一因だと思います。
権利条件が揃いません。 動画サブスクは権利交渉の難しさがあるものの、一度配信できれば全ユーザーに同じ体験を提供できます。漫画では出版社・地域・巻・話ごとに条件が割れやすいです。「入ればだいたい読める」という期待が作れないと、サブスクの一番の強みである「入口のシンプルさ」が崩れます。
なぜ「棚の最適化」で解けないのか
ここで言う「棚」は、配信プラットフォームのブラウズ画面——作品の表紙・タイトル・あらすじが並ぶコンテンツ一覧UIのことです。Netflix のホーム画面で row が並んでいる状態、Kindle のストアで書影が並んでいる状態、どちらもこの意味での棚にあたります。
Netflix の row 最適化の前提は、作品のメタデータ（タイトル・ジャンル・視聴履歴）から好みを予測し、ホーム画面の配置を変えることでクリック率が上がる、という因果関係です。
漫画でこれが弱い理由は、棚に並んでいる情報が作品の魅力の中心を伝えていないからです。
動画は表紙画像・予告編・あらすじで「体験の雰囲気」がかなり伝わります。漫画の魅力の核は、絵の引力・会話のテンポ・感情ピーク・関係性の熱量にあります。これらは表紙やあらすじからは伝わりにくいです。ジャンルや評価スコアで最適化した棚を作っても、未知の作品への入口としては弱いです。
結果として、漫画 discovery は「すでに知っている作品を探す」には機能するが、「新しい作品に出会う」には機能しにくいです。既知IPや有名作に偏ります。
市場で起きている変化
WEBTOON は2025年に AI 推薦・動画プレビュー・好み把握のオンボーディングを導入し、discovery を「ストリーミングサービス的に」強化すると発表しました。ここで重要なのは、WEBTOON が改善しようとしているのは推薦精度だけでなく、作品の魅力の見せ方そのものだという点です。動画プレビューは、メタデータではなく体験断片を先に出す試みです。
VIZ は manga trailer を継続的に公開しています。X/Twitter では Video Ads・Vertical Video Ads を使った漫画の短尺訴求が出てきています。これらは全て、静止画の棚から動的な魅力断片へという方向への動きです。
ただし現状の X 漫画広告は「外付け discovery」に近いです。タイムライン上で興味を喚起し、外部の配信サービスへ送客します。discovery と読書開始の間に断絶があります。クリックが起きても、それが実際の読了や継続率に結びついているかは計測しにくいです。
感情フック型 discovery の設計
漫画の消費特性を前提にした discovery を設計するなら、軸足を「メタデータ起点」から「体験断片起点」に移す必要があります。
フィードの粒度を変える。 推薦単位を「作品」にしない。感情ピーク・関係性の転換点・画力が強い見開き・次が気になる切断点——こういった作品内部の断片を単位にする。WEBTOON が縦スクロール・スマホ前提の形式を持つため discovery と本編の断絶が小さいのに対し、紙漫画由来のコンテンツはコマ割り・見開き・情報密度が高く、短尺プレビューから本編への接続が難しい。この断絶を意識的に小さくする設計が必要です。
discovery から読書開始を直結させる。 フックを見た後、作品詳細ページを挟まず1話冒頭へ直遷移させる。discovery と読書開始の距離が遠いほど、摩擦で脱落します。
評価指標を読了ベースにする。 CTR ではなく、試し読み開始率・第1話読了率・続話遷移率・7日後継続率で推薦の質を測る。CTR 最適化だけでは刺激の強い切り抜きが勝ちやすく、本編定着には繋がりません。Netflix が視聴開始・視聴完了・評価を推薦改善に使っていることと同じ発想です。
権利条件を discovery フローに内包する。 「ここまで無料、続きはレンタル」「この巻は購入」「地域制限あり」——こういった条件を、体験の断絶を最小にしながら自然に織り込む UI 設計が必要になります。権利の複雑さを隠すことはできませんが、それを理由に discovery を粗くする必要もありません。
まとめ
漫画の国際 discovery 問題は、推薦アルゴリズムの改善だけでは解けません。消費コストの高さ・作品指名需要の強さ・権利条件の分散、これらが合わさって、Netflix 型のモデルが前提とする「カタログ内を広く探索させる」設計を難しくしています。
解くべき問いは「どう棚を最適化するか」ではなく「どう作品の体験断片を先に届け、読書開始まで摩擦なく繋げるか」です。
それはマーケティングの問題というより、漫画国際流通における推薦・UI・メタデータ・権利条件管理をまたぐプロダクト設計の問題として捉えるべきだと思います。