毎週2時間の社内ニュースレター作成がゼロになった

広報担当の松本です。毎週各部門から情報を収集してHTMLメールを作成し、全社員1200名に送るのに2時間かかっていました。Claude Codeで情報収集から HTML作成・Outlook配信まで完全自動化し、週次ニュースレターがノータッチで配信されるようになりました。

STEP 1：各部門の週次ニュースを自動収集する

SharePoint・Teams・Outlookから各部門の週次情報を自動収集します。

import requests
from datetime import datetime, timedelta

SHAREPOINT_URL = "https://company.sharepoint.com/sites/intranet"
GRAPH_URL      = "https://graph.microsoft.com/v1.0"
TOKEN          = "YOUR_ACCESS_TOKEN"

def fetch_weekly_news():
    week_ago = (datetime.now() - timedelta(days=7)).isoformat()
    headers  = {"Authorization": f"Bearer {TOKEN}"}
    
    # SharePointのニュースリストから取得
    res = requests.get(
        f"{SHAREPOINT_URL}/_api/web/lists/getbytitle('週次ニュース')/items",
        headers={**headers, "Accept": "application/json;odata=verbose"},
        params={"$filter": f"Created ge datetime'{week_ago}'",
                "$select": "Title,Category,Content,Department,Author/Title",
                "$expand": "Author"}
    )
    items = res.json().get("d",{}).get("results",[])
    
    # カテゴリ別に整理
    from collections import defaultdict
    news_by_category = defaultdict(list)
    for item in items:
        news_by_category[item["Category"]].append({
            "title":      item["Title"],
            "content":    item["Content"],
            "department": item["Department"],
            "author":     item.get("Author",{}).get("Title",""),
        })
    
    print(f"収集完了: {len(items)}件 ({len(news_by_category)}カテゴリ)")
    return dict(news_by_category)

news = fetch_weekly_news()
for cat, items in news.items():
    print(f"  {cat}: {len(items)}件")

STEP 2：リッチなHTMLニュースレターを自動生成する

収集したニュースをプロフェッショナルなHTMLニュースレターに自動変換します。

from datetime import date
import html

def generate_newsletter_html(news_dict, week_num, issue_date):
    CATEGORY_COLORS = {
        "経営・戦略": "#0078D4", "営業": "#107C41", "技術": "#5B21B6",
        "人事・採用": "#EA4335", "イベント": "#F59E0B", "その他": "#6B7280",
    }
    
    sections = ""
    for category, items in news_dict.items():
        color = CATEGORY_COLORS.get(category, "#333")
        items_html = "".join([
            f"""

                
{html.escape(item['title'])}
                
{html.escape(item['content'][:200])}...
                
📌 {item['department']} | {item['author']}
            
"""
            for item in items
        ])
        sections += f"""
        

            

                
{html.escape(category)}
            
            
{items_html}
        
"""
    
    total = sum(len(v) for v in news_dict.values())
    html_content = f"""


    

        

            
COMPANY WEEKLY NEWS
            
第{week_num}号 | {issue_date}
        
        

            

                今週は全{total}件のニュースをお届けします。
            
            {sections}
        
        

            

            © {date.today().year} Company Inc. | 配信停止
        
    
"""
    return html_content

week_num    = date.today().isocalendar()[1]
issue_date  = date.today().strftime("%Y年%m月%d日")
html_content = generate_newsletter_html(news, week_num, issue_date)
print(f"ニュースレターHTML生成完了: {len(html_content)}文字")

STEP 3：全社員にOutlookで一括配信する

Microsoft Graph APIを使って全社員1200名にニュースレターを一括配信します。

import time, base64

def get_all_employees():
    headers = {"Authorization": f"Bearer {TOKEN}"}
    users, next_link = [], f"{GRAPH_URL}/users?$select=mail,displayName&$top=100"
    while next_link:
        res = requests.get(next_link, headers=headers).json()
        users.extend([u for u in res.get("value",[]) if u.get("mail")])
        next_link = res.get("@odata.nextLink")
    return users

def send_newsletter_graph(recipient_email, recipient_name, html_content, subject):
    personalized_html = html_content.replace(
        "{{unsubscribe_url}}", f"https://intranet.co.jp/newsletter/unsubscribe?email={recipient_email}"
    )
    message = {
        "message": {
            "subject": subject,
            "body":    {"contentType": "HTML", "content": personalized_html},
            "toRecipients": [{"emailAddress": {"address": recipient_email, "name": recipient_name}}]
        }
    }
    requests.post(
        f"{GRAPH_URL}/me/sendMail",
        headers={"Authorization": f"Bearer {TOKEN}", "Content-Type": "application/json"},
        json=message
    )

employees = get_all_employees()
subject   = f"📰 社内ウィークリーニュース 第{week_num}号"

print(f"配信開始: {len(employees)}名")
for i, emp in enumerate(employees):
    if i > 0 and i % 5 == 0: time.sleep(1)  # レート制限
    send_newsletter_graph(emp["mail"], emp["displayName"], html_content, subject)
    if i % 100 == 0: print(f"  配信進捗: {i}/{len(employees)}")

print(f"配信完了: {len(employees)}名")

STEP 4：開封率・クリック率を自動集計する

配信後の開封率・クリック率を自動集計して広報チームに報告します。

import sqlite3, pandas as pd

def collect_newsletter_stats(issue_id):
    with sqlite3.connect("newsletter_stats.db") as conn:
        opens_df = pd.read_sql(
            "SELECT COUNT(DISTINCT email) as opens FROM opens WHERE issue_id=?", conn, params=(issue_id,))
        clicks_df = pd.read_sql(
            "SELECT url, COUNT(*) as clicks FROM clicks WHERE issue_id=? GROUP BY url ORDER BY clicks DESC",
            conn, params=(issue_id,))
    
    total_sent = 1200
    opens  = opens_df["opens"].values[0]
    clicks = len(clicks_df)
    open_rate  = opens  / total_sent * 100
    click_rate = clicks / total_sent * 100
    
    report = {
        "配信数":   total_sent,
        "開封数":   opens,
        "開封率":   f"{open_rate:.1f}%",
        "クリック数": clicks,
        "CTR":      f"{click_rate:.1f}%",
        "人気記事Top5": clicks_df.head(5)["url"].tolist(),
    }
    
    # Excelレポート出力
    summary_df = pd.DataFrame([report])
    summary_df.to_excel(f"newsletter_report_{issue_id}.xlsx", index=False)
    print(f"効果測定レポート生成完了")
    print(f"  開封率: {open_rate:.1f}% ({opens}/{total_sent})")
    print(f"  CTR:    {click_rate:.1f}%")
    return report

stats = collect_newsletter_stats(week_num)

STEP 5：毎週金曜17時に自動配信スケジュールを設定する

毎週金曜の17時に自動でニュースレターが配信される仕組みを作ります。

import schedule, time
from datetime import date

def weekly_newsletter_job():
    today = date.today()
    if today.weekday() != 4: return  # 金曜のみ（0=月, 4=金）
    
    week_num = today.isocalendar()[1]
    print(f"週次ニュースレター配信開始: 第{week_num}号")
    
    # 1. ニュース収集
    news = fetch_weekly_news()
    if not news: print("ニュースがありません"); return
    
    # 2. HTML生成
    html_content = generate_newsletter_html(news, week_num, today.strftime("%Y年%m月%d日"))
    
    # 3. 全社員取得・配信
    employees = get_all_employees()
    subject   = f"社内ウィークリーニュース 第{week_num}号"
    for i, emp in enumerate(employees):
        if i > 0 and i % 5 == 0: time.sleep(1)
        send_newsletter_graph(emp["mail"], emp["displayName"], html_content, subject)
    
    # 4. 配信後の効果測定（1日後にスケジュール）
    schedule.every(24).hours.do(lambda: collect_newsletter_stats(week_num))
    
    print(f"第{week_num}号 配信完了: {len(employees)}名")

schedule.every().friday.at("17:00").do(weekly_newsletter_job)
while True: schedule.run_pending(); time.sleep(60)

制作実績サンプル

このクオリティの資料が、あなたの業務でも作れます

Aurant Technologies が実際に制作したコンサルティング資料（全82枚）のサンプルです。Claude Code × AI自動化により、従来の1/5のコスト・時間で同等品質を実現します。

タイトル・ダーク背景

3カラム比較・分析

AI活用フロー図解

Before/After比較

構造化コンテンツ

→

全10枚を
見る

御社のテーマでこのレベルの資料を作成できます

制作費・納期・自動化プランは無料相談でご確認いただけます

📊 サンプル全10枚を見る →