AIがブランドを推奨する仕組み：関係性知識とトピック上の存在感

概要

ChatGPTやClaudeなどのAIに自社市場の製品推薦を依頼した際にブランド名が出てこない場合、それはキーワード最適化だけでは解決できない問題かもしれません。多くのSEO担当者はコンテンツの量や質を考えがちですが、AIによる推薦にブランドが登場しない理由は、関係性知識と呼ばれるものと密接に関係しています。

2019年、Facebook AI Researchの研究者らが発表した論文「Language Models as Knowledge Bases?」は、BERTのような事前学習済み言語モデルが、単なる言語パターンではなく、世界の事実知識をそのモデルの重みの中に保存していることを示しました。

彼らは「（ダンテ, [生まれた場所], フィレンツェ）」のような主語・関係・目的語の関係性知識をテストし、その精度が関係の構造タイプに大きく依存することを発見しました。

1対1の関係（例：「日本の首都は」）では精度74.5%と高く、N対1の関係（例：「公用語は」）では約34%に低下、そしてN対Mの関係（例：「パトリック・オボヤのポジションは___」）ではわずか約24%でした。ブランド推奨は多くの場合、このN対Mの関係に該当するため、AIが特定のブランドを安定して推薦することは難しいとされています。

2019年以降の研究では、2022年にMicrosoft Researchの研究者がBERTの知識ニューロンを特定し、事実表現の確率を操作できることを示しました。また、同年MITの研究者はGPTモデルで特定の事実の連想を特定し、編集できることを発見しました。

これは、AIモデル内のブランドに関する連想が固定されたものではなく、新しい学習データによって形成・変化し得ることを意味します。この発見が、AIがブランドを推奨する方法に影響を与えたいと考える人々にとって最も重要です。

ブランドにとって、これらの関係性タイプはブランドポジショニングのシナリオに当てはまります。

「Stripeとオンライン決済」のように明確で一貫した連想を持つブランドは1対1のブランドです。一方、「エンドポイント保護」のような多くのベンダーがいるカテゴリに属するブランドは、N対1のブランドとしてカテゴリに埋没しがちです。さらに、クラウドインフラ、コンサルティング、データベースなど多岐にわたる事業を展開するエンタープライズソフトウェア企業は、N対Mのブランドとして、多くのトピックと関連しながらも、それぞれに対する連想が希薄になる傾向があります。

AIによる推奨を測定する際には、AI Share of Voice（AIが自社ブランドを言及する頻度）だけでは不十分です。このギャップを埋めるためにWaikayが開発したのが、AI Topical Presenceという指標です。

AI Topical Presenceは、AIがブランドをどのトピックと関連付けているか、そしてどのトピックと関連付けていないかを測定します。これは、Depth（関連トピックへの結びつきの強さ）、Breadth（カバーするコマーシャルトピックの数）、Concentration（連想の分布の均一性）の3つの次元で評価されます。

これらの指標は、ブランドがAI内でどのように競争しているかをこれまでになく明確に示し、自ブランドがどのタイプに属し、どの戦略的レバーを引くべきかを特定するのに役立ちます。

SEOは25年間、ページのランキングを上げることに注力してきましたが、AI時代の可視性には異なるアプローチが必要です。AIは、多くの文脈における共起パターンから構築された連想を呼び出します。NIST文書、専門家による議論、アナリストレポートなど、多様な文脈で議論されるブランドは、単に多くのブログ記事を公開するブランドよりも強い連想を構築します。

今後の重要な問いは「このトピックに関するページがあるか？」ではなく、「もしAIがこのトピックについて吸収したすべての情報を読んだとしたら、私たちのブランドは信頼できる参加者として認識されるか？」となるでしょう。測定可能なものは改善可能です。この新しい理解に基づき、ブランドはAI推薦における自社の位置付けを改善することができます。

解説

AIによるブランド推奨は、従来のキーワード最適化中心のSEOとは異なるアプローチを要求する、新たなフロンティアです。本記事は、その核心にある関係性知識という概念と、それがブランドのAI可視性にどう影響するかを非常に実践的に解説しています。

まず、自社のブランドがAI推薦に登場しないという現実に直面した際、多くの企業がコンテンツの量やキーワードの追加に走りがちですが、これは根本的な解決にならないことが多いと筆者は指摘します。重要なのは、AIモデルが世界についてどのように「理解」し、「記憶」しているか、つまりブランドと概念との間の連想をいかに強固に構築するかという視点です。

特に、ブランドの多くが置かれている「N対Mの関係」は、AIが特定のブランドを推奨しにくい最も困難な状況です。これは、AIが「この製品カテゴリには多くのブランドがあり、各ブランドも多くの特徴やサービスを提供している」という複雑な状況を認識しており、確固たる結びつきを見つけられないためです。

この課題に対し、ブランドが取り組むべきは、特定のニッチやトピックにおいて「1対1の関係」に近い、明確かつ強固な連想を確立することです。たとえば、オンライン決済のStripeのように、特定の機能や市場において圧倒的な関連性を構築することが理想です。そのためには、単に自社サイトでコンテンツを増やすだけでなく、業界レポート、技術文書、専門フォーラムでの議論、パートナーとの連携など、多様な権威ある文脈で一貫して言及されることが不可欠となります。これにより、AIが学習するコーパス全体において、ブランドとそのトピックの結びつきを強化できます。

また、AI Share of Voiceだけでなく、AI Topical Presenceという新しい指標の活用は非常に実践的な示唆を与えます。自ブランドがAIにどのように認識されているかをDepth（深さ）、Breadth（広さ）、Concentration（集中度）という3つの側面で分析することで、「特定のトピックでは強く認識されているが、他の主要なトピックでは埋没している」といった具体的な課題を特定できます。これにより、闇雲にコンテンツを増やすのではなく、AIがブランドを認識すべき特定のトピックにおいて、関連性の深さを高める戦略（例えば、特定の専門分野でのリーダーシップを確立するための質の高いリソースや専門家の意見発信）に焦点を当てることが可能になります。

要するに、AI時代のSEOは「ページをランク付けする」ことから「ブランドとトピックの強力な連想をAIモデル内に構築する」ことへとパラダイムシフトしています。コンテンツの量だけでなく、その内容の質、専門性、そして業界内での権威性が、AIによるブランド推奨を獲得するための鍵となります。この視点を持って戦略を立てることが、今後のデジタルマーケティングにおいて不可欠となるでしょう。

日本の企業も、自社のブランドがAIにどのように「理解」されているかを測定し、特定の分野での権威性や独自の関係性知識をいかに多角的に、かつ一貫して構築していくかを戦略的に考える時期に来ています。