概要
AI検索における可視性の測定は、現在多くのチームが誤った指標を追っている「虚栄の指標」と化しています。市場に出回る多くのAI可視化ツールは、「プロンプトトラッキング」という手法を用いて、AIモデルがブランドをどれだけ言及・引用したかを数えます。これは従来の順位トラッキングに似ていますが、事業の成果に直結するものではありません。
プロンプトトラッキングの主な問題点は、AIの回答が問い合わせるたびに大きく変動すること、また測定に使われるプロンプトが実際のユーザー行動に基づいていないことが多い点です。さらに、AIシステムが回答生成のために行う検索（クエリファンアウト）によって、Google検索コンソールのインプレッションが人工的に膨らみ、実際のユーザーによるクリックを伴わない「クロコダイルマウス」現象を引き起こし、データが歪められています。
AI検索の測定で最も重要な区別は、「引用（citation）」と「推奨（recommendation）」です。引用は情報源として名前が挙がることですが、推奨はAIがユーザーにそのブランドを選ぶよう促すことです。多くのツールは引用を数えますが、複数の調査から、引用されたとしても必ずしも推奨に繋がらないことが示されています。専門家は、引用はGoogleの検索結果の2ページ目や3ページ目に表示されるような「先行指標」にすぎず、事業の成果に直結するものではないと指摘しています。
AIの回答は非常に可変的であるため、一回の測定はほとんど無意味です。Rand Fishkinの研究では、ChatGPTやClaudeで同じブランドリストと順序を得るには平均1,500回問い合わせる必要があると判明しました。したがって、単一の測定ではなく、世論調査のように統計的なアプローチで繰り返し測定することが不可欠です。
代わりに測定すべきは、「プレゼンス（存在感）」と、それが「推奨シェア」や具体的な「行動」にどう繋がるかです。単にAIの回答に表示されるだけでなく、時間の経過とともに回答の構成（単語数やブランドの言及数）がどう変化したかを追跡することも重要です。可視性は、成果（アクション）に結びついて初めて意味を持ちます。
AI可視性は、かつての「ランキング」と同様に、ビジネス成果に結びつかないと「虚栄の指標」になりかねません。まず測定すべきは「ブランドの正確性」です。AIが自社の事業体を正確に記述しているかを確認し、誤った情報に基づいて推奨されることを避ける必要があります。目標は、単に上位表示されることではなく、特定の質問に対する「信頼できる情報源（canonical）」となることです。Alisa Scharfが提唱する「ブランド正確性監査」では、創業年、所在地、製品、競合など客観的な基準でAIモデルの正確性を定期的にスコア化します。
AI検索の測定には2つの大きな盲点があります。1つは「トレーニングデータカットオフ」で、AIの回答の一部は、ライブのグラウンディング前の古い知識に基づいているため、現在の最適化がどこまで影響するか不明です。もう1つは「プラットフォームデータ」の不足です。OpenAIやAnthropicのような主要なモデル企業は、モデルの推奨決定方法に関する詳細なデータを提供しない傾向にあります。GoogleやMicrosoftは、限定的なAIインプレッションデータを提供し始めていますが、これはまだ不十分なデータです。
最終的に最も重要なのは、「あなたが何者であるか」を明確に、一貫して伝えることです。構造化データ（schema）、ウェブサイト、ソーシャルプロフィールなど、あらゆる場所で一貫した情報を提示することで、AIシステムが正確なエンティティ像を形成しやすくなります。ドイツの裁判所がGoogleのAI Overviewの誤情報に責任を負わせた判決は、AIプラットフォームが「確信のあるエンティティ」のみを表面化させる強い動機を持つ可能性を示唆しており、AIシステムがあなたのことをどれだけ「確信しているか」が、表示されるかどうかの決定要因となるかもしれません。
解説
本記事は、AI検索時代におけるSEOのパラダイムシフトを明確に示しています。従来のキーワードやランキングといった「虚栄の指標」に捉われず、ビジネス成果に直結する「推奨」や「アクション」に焦点を当てることの重要性は、過去のSEOが経験してきた教訓の再確認と言えるでしょう。
特に「引用」と「推奨」の区別は、AI時代のSEO戦略を立てる上で最も重要なポイントの一つです。単にAIに言及されることを目指すのではなく、それがユーザーの意思決定にどう影響し、最終的にブランドへのエンゲージメントやコンバージョンに繋がるのかまで見据える必要があります。AIに「情報源」として認識されるだけでなく、「最適な選択肢」として推薦されるための施策が求められます。
「ブランドの正確性監査」は、AI時代のナレッジグラフ最適化の具体的な第一歩として非常に実践的です。自社の基本情報（創業年、所在地、製品、サービス、競合など）を、構造化データ（Schema.org）、Googleビジネスプロフィール、ウェブサイト、ソーシャルメディアなど、あらゆるデジタルチャネルで一貫性と正確性を持って提供することが不可欠です。AIシステムがこれらの情報を学習し、正確なエンティティ（事業体）像を形成できるように支援する作業は、今後のSEOの根幹をなすでしょう。
AIの回答の変動性を理解し、単一のデータポイントではなく、統計的なアプローチで測定するという視点も重要です。これは、従来のSEOレポートが提供してきたような静的なランキングデータとは異なり、より動的で多角的なデータ分析能力をSEO担当者に求めています。多くのクエリを試し、その傾向からブランドの「プレゼンス」や「推奨シェア」を割り出す努力が不可欠です。
また、トレーニングデータカットオフやプラットフォームデータの限界という「盲点」があることは、AIシステムを完全にコントロールすることはできないという現実を示唆しています。この不確実性を認識しつつも、私たち自身がコントロールできる範囲、すなわち「エンティティ情報の明確性、一貫性、信頼性」の向上に最大限注力することが賢明な戦略と言えるでしょう。
ドイツの裁判所の判決は、AIが生成する情報に対するプラットフォームの責任が増大していることを示しており、これはAIが「確信を持って提示できる情報」の重要性をさらに高めます。つまり、AIに「このブランドについては間違いない」と強く認識させることが、検索結果における表示の有無そのものを決定する可能性が高いのです。AI時代のSEOは、単なる技術的最適化を超え、ブランドの本質的な価値と情報の信頼性をAIシステムとユーザー双方にどう伝えるかという、より戦略的かつ本質的な問いを突きつけています。この変化に対応するためには、従来のSEOの枠を超えた広範な視点と継続的な学習が不可欠です。
- 掲載元: Search engine journal
- 公開日: 2026-07-19T12:00:44+00:00
How To Measure AI Search Visibility via @sejournal, @slobodanmanic
