概要
AI回答の登場により、従来のSEO指標は限界に達しており、AI可視性をビジネス成果に結びつけるための測定方法が重要になっています。多くの誤解が広がる中で、追跡すべき指標と避けるべき指標を明確にすることが目的です。
追跡すべき最も重要な指標はプロンプトです。多くのAI可視化ツールが自動でプロンプトを推奨しますが、これらは既存のページに基づいており、企業が本当に表示されたいプロンプトとは異なる場合が多いです。適切な戦略とコンテンツがなければ、間違ったプロンプトを測定することになります。
次に、AI可視性を、ChatGPT、Gemini、Google AI Mode、Claudeなど、複数のLLMにわたって追跡することが重要です。ChatGPTのユーザーは一般消費者向けに偏る一方、ClaudeはB2B・法人向けなど、各モデルのユーザー層や情報提示方法が異なるため、個別に追跡することで、特定のモデルに限定されるのか、全体的な変化なのかを把握できます。
さらに、自己申告によるアトリビューションが非常に重要です。LLMはゼロクリックで回答を提供するため、従来のクリックストリーム分析やUTMパラメータは機能しにくく、オーガニックまたはダイレクトトラフィックとして誤って記録されることがほとんどです。顧客に「どこで知りましたか？」と直接尋ねることで、LLMからのリードを正確に特定し、パイプラインや収益に結びつけることができます。あるクライアントでは、AI可視性に全く取り組んでいなかったにもかかわらず、登録者の約5%がChatGPT経由であることが判明しました。
一方、KPIとして設定すべきではないものの、監視すべき指標もあります。引用は、サードパーティのソースが支配的であり、LLMに引用されても推奨されるとは限りません。自社サイトが引用されているかだけでなく、最も引用されているページで自社ブランドが言及されているかを監視すべきです。
センチメントは、LLMが提示するブランドイメージであり、市場全体のブランドに対する感情を反映するものです。マーケティング努力だけで直接コントロールすることは困難であり、顧客体験の改善のためのフィードバックとして捉えるべきです。
LLMからの参照トラフィックは、OpenAIの方針変更によって大きく変動するなど不安定であり、また参照元情報が失われることが多いため、良いKPIではありません。
最も重要な指標を測定するには、まず顧客の声（VoC）を最大限に活用し、営業電話の記録、オンボーディングコール、顧客調査などから、顧客が頻繁に尋ねる質問や使用する言葉を特定してプロンプトを設定します。これに自己申告によるアトリビューションで得た情報も加えることで、推測ではなく顧客が実際に使用する言葉に基づいたプロンプトを追跡できます。
AI可視性は、Profound、Peec、AirOpsなどのツールを使って、関連性の高いLLM（Claude、ChatGPT、Gemini、AI Modeなど）で競合他社と比較しながら経時的に追跡します。
自己申告によるアトリビューションは、リードフォームや製品登録フォームに「どこで知りましたか？」という質問を追加するか、オンボーディングフローや営業担当者が直接尋ねることで設定できます。「AIアシスタント（ChatGPT, Claude, Geminiなど）」のような選択肢を含めることで、LLM経由の売上機会、パイプライン、収益を追跡できるようになります。
最終的には、広告費用対効果と同様に、LLMを通じて適切な人々にリーチできているか、そしてその可視性がリード、パイプライン、収益といったビジネス成果に結びついているかに焦点を当てるべきです。
解説
AIの進化に伴い、SEOの測定方法が大きく変化しているという認識は非常に重要です。これまでのキーワードランキングやオーガニックトラフィックに依存した考え方では、LLMが普及した現在の状況に対応できません。この変化に対応するためには、トラフィックやランキングといった表面的な指標から、より本質的なアトリビューションとビジネス成果へと焦点を移す必要があります。
特に注目すべきは、自己申告によるアトリビューションの推奨です。LLMのゼロクリック設計により、従来のアナリティクスツールではLLM経由の訪問が「オーガニック」や「ダイレクト」に誤分類されることがほとんどです。これは、AI可視性への投資が実際にはビジネス成果につながっていても、その効果が見えにくいという大きな問題を引き起こします。
「どこで知りましたか？」というシンプルな質問をリードフォームや顧客との接点に追加することは、LLMがもたらすビジネスインパクトを収益という形で明確に把握するための最も効果的な手段です。フォームへの追加がコンバージョン率に与える影響を懸念する声もありますが、A/Bテストで検証し、その上で実装を検討する価値は十分にあります。80-90%のリードが誤分類されているというデータは、このアプローチの重要性を強く裏付けています。
また、プロンプトの選定において顧客の声（VoC）を重視する点は、極めて実践的かつ効果的なアプローチです。ツール任せではなく、実際の顧客が抱える疑問や課題を、彼らが使う言葉で理解することで、より本質的なAI可視性戦略を構築できます。営業チームとの連携を通じて、顧客がLLMに尋ねた具体的なプロンプト情報を得ることも、競争優位性につながるでしょう。
引用やセンチメント、参照トラフィックをKPIではなく「監視すべき指標」と位置付けている点も、現実的な視点です。これらはLLMにおけるブランドの存在感を示す間接的な指標ではありますが、直接的なビジネス成果には結びつきにくい不安定な要素を含みます。例えば、ネガティブなセンチメントは、マーケティング戦略よりも製品品質や顧客サービスといった根本的な顧客体験の改善に焦点を当てるべきという重要な示唆を与えてくれます。
最終的に、LLMにおけるAI可視性の測定は、従来のマーケティングROIと同様に、リード、パイプライン、そして収益といった具体的なビジネス成果に直結させるべきです。この考え方を基盤に、新しい測定フレームワークを導入することが、AI時代のSEO成功の鍵となるでしょう。
- 掲載元: Search engine journal
- 公開日: 2026-08-05T14:30:03+00:00
