LLM可視性 / AI可視性

TL;DR — LLM可視性（AI可視性とも呼ばれます）とは、Google AI Overviews、ChatGPT、Perplexity、Copilot、GeminiなどのAI回答内にあなたのブランドがどれだけ表示されるかを示す指標です。これはオーガニック可視性に似ていますが、青いリンクのリストではなく、文章形式のAI回答に対するものです。そして、ここが重要なポイントです：Googleで1位にランクインしても、AI回答に表示されるとは限りません。それらは異なるシグナルで動作しています。

LLM可視性とは

LLM可視性は、モデル支援回答における観測された存在感を示す包括的な測定値であり、標準化されたプロバイダーメトリクスではありません。 Evidence for this claim ChatGPT search can answer with information from the web and provide linked sources. Scope: ChatGPT search; appearance in a sampled answer is product-, query-, locale-, and time-dependent. Confidence: high · Verified: 2026-07-14 OpenAI: ChatGPT search クロール許可、取得、言及、引用はそれぞれ異なる状態です。 Evidence for this claim OpenAI distinguishes crawler controls for search inclusion from controls for model training. Scope: OpenAI's documented crawlers and controls; allowing a crawler does not guarantee retrieval, citation, or answer inclusion. Confidence: high · Verified: 2026-07-14 OpenAI: Crawlers

今検索すると、通常のリンクリストの代わりに（またはその上に）AIが書いた回答が表示されることがよくあります。LLM可視性とは、あなたのブランドやページがそれらの回答内にどれだけ表示されるかを示す指標です。

これは、SEO担当者がすでに知っている指標のAI検索版です — オーガニック可視性、つまり検索結果全体でのあなたの存在感を総合的に示す感覚です。同じ考え方で、新しいサーフェスです。「自分のキーワードでどこにランクインしているか」ではなく、「自分のトピックについて人々が質問したとき、AIがどれだけ頻繁に自分に言及または引用するか」という問いになります。

人々を驚かせる点

Googleで1位にランクインするページがAIが引用するページだと思うかもしれませんが、実際はそうではありません。GoogleのAI Overviewsで引用されるページのうち、従来のトップ10にもランクインしているのはわずか約**38%で、その数字は以前は76%**でした。つまり、通常のランキングレポートでは、AIでの可視性はわかりません。これは別のものであり、別途測定する必要があります。

もう一つ意外なのは、AI上の可視性の大半が自社サイトではなく、他者のウェブサイトから生まれることです。ForbesやTechCrunchの記事、Redditのスレッドなどでブランドが言及されると、AIはそうした情報を参照する傾向があります。AIによる引用のおよそ**82〜89%**は、ブランド自身のページではなく、このようなアーンドメディアに由来します。私がAhrefs Evolve 2025のAI SEO講演 で表現したように、重点は “optimize your site” (翻訳)「自社サイトを最適化する」から “optimize how the internet talks about you.” (翻訳)「インターネット上で自社がどう語られるかを最適化する」へ移っています。

3つのこと、1つではない

「AIに表示される」というのは実際には3つの異なる意味を持ち、混同しやすいです：

1. 取得 — AIがあなたのページを取得して原材料として使用しました。（サーバーログで確認できます。）
2. 言及 — あなたのブランド名が回答テキストに表示されます。
3. 引用 — あなたのリンクがリストされたソースとして表示されます。

ほとんどのツールは3番目しか捕捉しません。そのため、引用だけを数えると、実際の影響力のごく一部しか見えていません。

そして、捕捉するものが何もない場合もあります — AIは新しいものを取得せずに、トレーニング中にすでに学習した内容から直接回答します。そのような回答は、コンテンツがどれだけ優れていても、コンテンツの変更によって動かされることはありません。その違いについては、詳細タブで詳しく説明します。

実際にすべきこと

• 顧客が尋ねる質問のリスト（たとえば250〜500件）を選び、AIの回答があなたに言及または引用する頻度を確認します。その割合を時間をかけて追跡することが、あなたのスコアです。
• 一度だけ確認しないでください。AIの回答は大きく変わります — 同じ質問を別の日に実行すると、異なるブランドが表示されます。1回の実行は測定ではありません。
• サイト外でも評判を築きましょう：記事、Reddit、YouTubeで言及されるようにしましょう。それがAIの回答を支えます。

完全版 — 相関数値、プラットフォーム別の内訳、正確な測定スタック — をご希望ですか？詳細タブに切り替えてください。

TL;DR — LLM可視性とは、ブランドがAI生成の回答（AI Overviews、AI Mode、ChatGPT、Perplexity、Copilot、Gemini、Grok）にどれだけ頻繁かつ目立つ形で登場するかを総合した指標です。これはオーガニック可視性ではありません — AI Overviewの引用のうち従来のトップ10からのものはわずか約38%（以前は76%）で、最も強い相関はブランド付きウェブ言及（0,664）であり、Domain Rating（0,326）ではありません。これは取得（retrieved）→ 言及（mentioned）→ 引用（cited）という3つの状態に分かれ、それぞれ異なるツールが必要です。引用のみの測定では状況を大きく過小評価します。プラットフォームごとに挙動が根本的に異なり、変動が大きいため、単一のプロンプト実行はデータポイントになり得ず、適切な測定単位は定義されたプロンプトプールをShare of Model Voiceとして経時的に追跡することです。Brand Radarのようなツールは正確なトラフィック数ではなく、方向性を示す指標を提供します。

LLM可視性とは何か（そして何でないか）

測定はプロンプト、モデルバージョン、時間、ロケール、サンプリングに依存します。 Evidence for this claim ChatGPT search can answer with information from the web and provide linked sources. Scope: ChatGPT search; appearance in a sampled answer is product-, query-, locale-, and time-dependent. Confidence: high · Verified: 2026-07-14 OpenAI: ChatGPT search プロバイダーのクローラー制御はアクセスポリシーを説明するものであり、回答への組み込みを保証するものではありません。 Evidence for this claim OpenAI distinguishes crawler controls for search inclusion from controls for model training. Scope: OpenAI's documented crawlers and controls; allowing a crawler does not guarantee retrieval, citation, or answer inclusion. Confidence: high · Verified: 2026-07-14 OpenAI: Crawlers

LLM可視性 — AI可視性とも呼ばれます — は、ブランド、ドメイン、またはページがAI検索システムが生成する回答にどれだけ頻繁かつ目立つ形で登場するかを総合した指標です。これは単一の数値ではなく、オーガニック可視性と同じようにカテゴリです。違いは測定するサーフェスです。ランク付けされたリンクのリストではなく、合成された文章による回答です。

最初に頭に焼き付けてほしいのは、LLM可視性はオーガニック可視性と同じではないということです。2025年半ばには、AI Overviewの引用の約76%がオーガニックトップ10にランクインしているページからのものでした。2026年初頭までに、これは当社のデータでは約**38%**にまで低下しています（他の調査ではさらに低い数値も出ています）。オーガニックランクはかつてAIプレゼンスの適切な代理指標でした。もうそうではありません。これらは異なるシグナルであり、異なる測定プログラムが必要です。

なぜ乖離するのでしょうか。AI上の可視性を左右するシグナルは、検索順位を左右するシグナルと同じではないからです。Louise LinehanとXibeijia Guanが75 000ブランドを対象に行ったAhrefsの調査 — その結果について私は後にAhrefs Evolve 2025 で解説しました — では、Google AI Overview上の可視性との相関は次の順でした：

最大のシグナルは、自社サイト外でのブランドの存在感です。ここに構造的な逆転があります。PageRankを渡さず、従来のSEOではほとんど評価対象にならないリンクなしの言及が、AI上の可視性と最も強く相関します。だからこそ私は、仕事の重点が “optimize your site” (翻訳)「自社サイトを最適化する」から “optimize how the internet talks about you.” (翻訳)「インターネット上で自社がどう語られるかを最適化する」へ移ったと言い続けています。これはアーンドメディアのデータとも一致します。AIによる引用の82〜89%は第三者の情報源（Forbes、TechCrunch、WSJのような媒体）から生じ、ブランド自身のページからではありません。講演で示した具体例では、ZapierにAhrefsを取り上げたページが16あり、その16ページがAhrefsに関するAI回答1 431件で引用されていました。自社について他者が作るコンテンツが、影響の大半を担っています。

3つの状態：取得（retrieved）→ 言及（mentioned）→ 引用（cited）→ クリック（clicked）

「AI可視性」には、根本的に異なる3つの状態が隠れています。これらを混同することが、ほとんどの測定ミスの原因です：

そして、その3つの下流に4つ目があります：クリック — 実際に誰かが回答からあなたのサイトを訪れる稀なケースです（GA4 / ウェブ解析）。

ほとんどのツールが把握できるのは、引用された状態だけです。取得と言及の状態は、引用のみを追跡するツールからはほぼ見えません。OtterlyAIはBingのデータを分析し、“99.6% of your AI influence is invisible.” (翻訳)「AIへの影響の99.6%は見えません」と端的に表現しています。したがって、ダッシュボードで引用だけを数えてAI可視性と呼ぶと、実態を大幅に過小評価します。逆方向の見落としもあります。Superlinesによると、AI上の存在の約73%はブランド名への言及を伴わない引用、いわゆる「ゴースト引用」でした。言及と引用を併せて追跡しなければ、どちらの場合も誤った全体像になります。

その3つの根底にある疑問：これはそもそも検索駆動型の回答なのか？

取得、言及、引用はすべて、AI がこの特定のクエリのために何かを取得しに行ったことを前提としています。AI 回答のかなりの割合はそうではありません — モデルはトレーニング中にすでに学習した内容（パラメトリックメモリ）から回答し、ライブの取得ステップがまったくありません。仕組みについては RAG を参照してください：本番システムはクエリ分類器を実行し、クエリごとに検索するかどうかを決定します — すべてのリクエストで発生するステップではありません。

これは測定にとって重要です。なぜなら、何が実行可能かを変えるからです。検索駆動型の回答は、原則として、オンページおよびオフページの作業によって動かすことができます — より良いコンテンツが取得され、より良い言及が引き込まれます。メモリ駆動型の回答はそのようには動かせません：モデルはトレーニング時にブランドについて知っていることをすでに「学習」しており、モデルが再トレーニングされるまでページの編集では変わりません — それはプロバイダーのスケジュールで発生し、あなたのスケジュールではありません。多くのプロンプト実行で安定したブランド説明が見られ、引用がなく、取得の兆候もない場合、メモリ駆動型の回答を見ている可能性があります。追跡はしてくださいが、それが動くことを期待して編集に労力を費やさないでください。

出力を読むだけでどちらかを完全に信頼できる方法はありません — 意図的にテストする必要があります：プラットフォームの検索オンと検索オフの動作を比較する（それが公開されている場合）、引用がまったく表示されるかどうかを確認する、または基になるソースページが変更されたときに回答が変わるかどうかを確認する。「引用がまったくない」と「引用が存在する」を、同じスケールの2つのスコアではなく、異なる救済策を持つ異なる測定レジームとして扱ってください。

プラットフォームごとに — 可視性が大きく異なる理由

単一の「AI 可視性」数値はありません。プラットフォームはまったく異なる動作をするからです。異なるソースから引き出し、引用率も大きく異なります：

最大のギャップ：Perplexity は応答あたり約21,87件のソースを引用する一方、ChatGPT は応答の0,59%でしか引用しません。同じコンテンツが一方のプラットフォームでは非常に可視的であり、もう一方では事実上見えないことがあります。クロスプラットフォームの重複は乏しいです — 最も引用されたドメインのトップ50のうち、主要3プラットフォーム（AI Overviews、ChatGPT、Perplexity）すべてに出現するのはわずか7つです。LLM 可視性は実際には3つ（または7つ）の別々の可視性プロファイルです。各プラットフォームを測定してください；それらを1つの数値に平均して意味があるふりをしないでください。

変動が激しい — 単一の実行はデータではない

AIの回答は移り変わります。引用元の約40～60%は月ごとに変わります。同じクエリでも、AI Overviewの内容の大部分は実行ごとに変わります。SparkToroは、同じChatGPTプロンプトを100回実行しても、同一のブランドリストが得られる確率は100分の1未満であることを発見しました。方法論的な帰結は単純で譲歩の余地がありません。プロンプトを一度実行することはデータポイントではありません。 定義されたプロンプトプール、多数の実行、トレンドウィンドウが必要です。特定時点のスナップショットではありません。

測定方法 — 状態に対応するスタック

単一のツールで4つの状態すべてをカバーできるものはありません。各レイヤーが1つの状態に対応するスタックを構築します。

• レイヤー1 — サーバーログ → 取得済み。 -Userボット（ChatGPT-User、 Perplexity-User、Googlebot-Extended）はライブ推論フェッチです。誰かが質問し、AIがその場であなたのページを取得しに行ったということです。これはトレーニング/インデックスボット（GPTBot、ClaudeBot）とは異なります。-Userボットに配信するエラーはすべて、引用の機会損失です。
• レイヤー2 — ブランドモニタリング → 言及済み。 Ahrefs Brand Radarは、主要プラットフォーム全体で文字列一致の言及を検出し、「見つかったが引用されていない」フィルターがあり、帰属なしの影響力を分離できます。QA用に手動プロンプトテストを追加します。
• レイヤー3 — 引用追跡 → 引用済み。 Brand RadarのCited Pages / Cited Domainsレポート、Bing Webmaster ToolsのAI Performanceレポート（引用データの最初の公式プラットフォームソース — 引用、グラウンディングクエリ、平均引用ページ数）、Google Search ConsoleのAI機能フィルター / Gen AI Performanceレポート（インプレッションのみ — クリックなし）。
• レイヤー4 — Web解析 → クリック済み。 GA4のAIアシスタントチャネルとカスタムチャネルグループ。ダークトラフィックの問題が予想されます。AI由来の訪問の大部分はリファラーなしでDirectに分類され、AI Overview/AI Modeのクリックはgoogle/organicに統合されるため、クリック済みレイヤーは最もクリーンではありません。

正直に言っておきたい注意点が1つあります。Brand Radar（および同様のツール）は正確なトラフィック数ではなく、方向性のある指標を報告します。トレンドと相対的なシェアは真剣に扱ってください。単一の数値を正確な集計として扱わないでください。

プロンプトプール方式とモデル音声シェア

測定の単位はプロンプトプールです。高インテントのクエリを約250～500件定義し、LLMエンドポイントで毎週または毎月実行し、ブランドが表示される場所を記録し、モデル音声シェア（SOMV） — ブランド表示数 ÷ 追跡プロンプト総数 × 100 — を追跡します。プロンプトは実際の需要から取得します。営業トランスクリプト、サポートチケット、Reddit、G2レビュー、PAA、オートコンプリートなどです。較正のためのベンチマーク：関連プロンプト全体での平均言及率は約17,2%（AthenaHQ）で、40～70%は強いと見なされます。

プラットフォームの仕組みについては、Brand Radarは4億以上の検索連動プロンプトコーパス（今年初めの3億5000万以上から増加 — 成長し、ライブ更新されるインデックスなので、正確な数値は方向性として扱ってください）で動作し、ChatGPT/Perplexity/Gemini/Copilotでは毎月、AI Overviews/AI Modeでは継続的に更新され、「引用済み」（リンクされたURL）と「見つかったが引用されていない」（リンクのない文字列一致）を区別します。

知っておく価値のある測定のエッジケース

AIはあなたを過小報告するだけでなく、時にはあなたを捏造します。AIがもっともらしいURLを合成したため、実際には存在しないAhrefsのページへの訪問が数千件ありました。幻覚による引用はAI可視性測定の実際の側面であり、ほとんどのツールはそれらを自動的にフィルタリングしてくれません。したがって、「引用された」URLの妥当性を確認してください。

これが何であり、何に値するか

価値は冷静に判断してください。引用されてもクリックにつながることはまれです。Pewが2025年3月に米国で実施した閲覧行動調査 では、AIによる要約が表示されたGoogle訪問のうち、引用元がクリックされた割合はわずか1%でした。また、Google AI Modeのセッションの大半はサイト訪問なしで終わります。LLM可視性は主としてブランド認知と権威性の指標であり、直接トラフィックの指標ではありません。それでも重要です。AI Mode利用者の多くは追加調査をせず、提示された候補を受け入れるため、クリックされなくても回答に含まれること自体に価値があります。

位置づけ

これはクラスターの定義と測定のハブです。3つの状態の詳細については、取得済み、言及済み、引用済み を参照してください。GA4/アナリティクス層（ダークトラフィックとアトリビューションの問題）については、AIトラフィックアトリビューション を参照してください。これを実際に促進するオフサイトシグナル（エンティティとメンション）については、エンティティSEO と、より広範な**AI検索ハブ** を参照してください。

AIサマリー

アドバンスト版の要約：

• LLM可視性 = AI回答に表示される頻度・目立つ度合い（AI Overviews、AI Mode、ChatGPT、Perplexity、Copilot、Gemini、Grok）。これは複合カテゴリであり、オーガニック可視性のAI検索版です。
• オーガニック可視性ではありません。 AI Overviewsの引用の約38%しか従来のトップ10から来ていません（以前は76%）。シグナルが異なり、個別の測定が必要です。
• 最大の相関はブランド付きウェブメンション（0,664） — Domain Rating（0,326）をはるかに上回ります。AI引用の82〜89%は、ブランド所有ページではなく、獲得メディアです。「インターネットがあなたについてどう語るかを最適化する」。
• 3つの状態、3つのツール： 取得済み（サーバーログ）→ 言及済み（Brand Radarの文字列一致）→ 引用済み（Brand Radarの引用 / Bing WMT / GSC）→ クリック済み（GA4）。引用のみのツールではほとんどを捉えられません（「99.6%は見えない」）。「ゴースト引用」にも注意してください。
• これら3つの根底にあるもの： 一部の回答は取得を完全にスキップします。記憶駆動型の回答は、ライブ取得ではなくモデルのトレーニングに由来します。引用も取得シグナルもなく、コンテンツ変更で動かす方法もありません。取得駆動型の回答こそ、オンページ/オフページの施策で実際に変えられるものです。
• プラットフォームは大きく異なります： Perplexityは応答あたり約21,87引用 vs. ChatGPTは約0,59%の引用率。トップ50の引用ドメインのうち、主要3プラットフォームすべてにまたがるのはわずか7つです。
• 変動が大きい： 引用の40〜60%が月ごとに変化します。1回のプロンプト実行はデータポイントではありません。
• 方法： 250〜500のプロンプトプールを定期的に実行し、モデルボイスシェアとして追跡します（平均約17,2%、40〜70%で強い）。Brand Radarのデータは方向性を示すものであり、正確なトラフィック数ではありません。
• 価値： 主にブランド/権威性 — クリックは稀です（Pewは、AIサマリーが表示されたGoogle訪問の1%で引用ソースのクリックを観測）。

公式ドキュメント

エンジン自身がAI可視性とその測定方法について述べている内容。

Google

• AI機能とあなたのウェブサイト（AI最適化ガイド） — Googleの中心的な立場：AI OverviewsとAI Modeはコア検索ランキングに基づいているため、標準的なSEOベストプラクティスが引き続き基盤となります。特別なマークアップ（llms.txt）、チャンキング、または「AI専用の文章」は不要であり、有益でもありません。
• Google検索結果のAI機能 — AI Overviews/AI Modeがコンテンツをどのように表示するか、何が対象となるか。
• Search ConsoleのGen AIパフォーマンスレポート（2026年6月） — GSCのAI機能データ：AI Overviews、AI Mode、Discoverの生成機能のインプレッション。インプレッションのみ — クリックデータはありません。

Bing / Microsoft

• Bing Webmaster Tools での AI Performance の紹介（パブリックプレビュー、2026年2月） — AI引用データを公開する最初の公式プラットフォームツール：引用、根拠クエリ、平均引用ページ数。
• 一般公開ウェブサイト向け Microsoft Copilot ガイダンス — Copilot Studio の生成回答ノードが、ナレッジソースとして使用されるウェブコンテンツをどのようにインデックスし、ランク付けするか（sitemaps/IndexNow 経由、その後関連性、新しさ、エンゲージメントでランク付け）。

ソースからの引用

各エンジンからの公式声明。各ディープリンクは、ソースページの関連箇所にジャンプします。

Google — 標準的なSEOは今も有効

• “The best practices for SEO continue to be relevant because our generative AI features on Google Search are rooted in our core Search ranking and quality systems.” (翻訳) 「Google 検索の生成 AI 機能は、中核となる検索ランキングと品質システムに根ざしているため、SEO のベストプラクティスは引き続き重要です。」 — Google Search Central. 引用にジャンプ

Bing — AI Performance が存在する理由

• “As AI becomes a more common way people discover information, visibility is not only about blue links. It is also about whether your content is cited and referenced when AI systems generate answers.” (翻訳) 「AI が情報発見の一般的な方法になるにつれ、可視性は青いリンクだけの問題ではありません。AI システムが回答を生成する際に、あなたのコンテンツが引用・参照されるかどうかも重要です。」 — Bing Webmaster Blog、「Bing Webmaster Tools での AI Performance の紹介」（2026年2月10日）。 ソースにジャンプ

LLM 可視性監査チェックリスト

AI 可視性測定プログラムを設定し、検証するための一連の項目です。3つの状態に対応しているため、引用だけに留まらずカバーできます。

スコープ

• 追跡するプラットフォームを定義（最低限：AI Overviews、ChatGPT、 Perplexity；理想的には + Copilot、Gemini、Grok）。
• 対象となるブランドエンティティ、地域、言語をリストアップ。

取得（サーバーログ）

• AI 推論ボット（ChatGPT-User、Perplexity-User、 Googlebot-Extended）のサーバーログを確認（トレーニングボット（GPTBot、ClaudeBot）とは区別）。
• -User フェッチボットにエラーやブロックを返していないことを確認（エラーは 引用機会の損失）。

言及 + 引用（Brand Radar / Bing WMT / GSC）

• Ahrefs Brand Radar でベースラインを構築（言及 + 引用ページ/ドメイン）。
• 「見つかったが引用されていない」フィルターを実行し、帰属なしの影響力を発見。
• Bing Webmaster Tools の AI Performance を取得（引用、根拠クエリ、 平均引用ページ数）。
• GSC の AI 機能 / Gen AI Performance を確認（インプレッション — クリックは ないことに注意）。

プロンプトテスト

• 主要なプロンプトを各プラットフォームで手動テスト — 1回ではなく複数回実行 （結果は変動しやすい）。
• 存在だけでなく、正確性と感情を確認（誤情報を修正）。
• 引用された URL をスポットチェックし、幻覚や存在しないページがないか確認。

クリック + トラッキング

• GA4 の AI Assistant チャネル / カスタムチャネルグループを確認（Direct に ダークトラフィックが含まれることを想定）。
• 定期的な頻度を設定 — 最低でも毎月、競争の激しいカテゴリでは毎週 — トレンドウィンドウを使用し、単発のスナップショットにしない。
• Share of Model Voice を競合他社とベンチマーク。

LLM 可視性 vs. オーガニック可視性 — 早見表

簡単な比較。重要なのは、一方が他方に取って代わるということではなく、 異なるシグナルに関する異なる指標であり、別々に測定する必要があるということです。

追跡すべき3つの状態（まとめないこと）： Retrieved（サーバーログ）→ Mentioned（Brand Radarの文字列一致）→ Cited （Brand Radarの引用／Bing WMT／GSC）→ Clicked（GA4）。

やってはいけないこと： 引用数をAI可視性の合計として扱うこと（Retrieved＋ Mentionedを見逃す）、1つのプラットフォームが他を代表すると想定すること、単一のプロンプト実行 を測定として扱うこと。また、llms.txtはGoogleのランキングに影響しません — Googleはこれを無視すると明言しています。

LLM可視性を測定するためのツール

単一のツールで4つの状態すべてをカバーできるものはなく、ほとんどはCitedレイヤーに偏っています。ブランドモニタリングツールと公式プラットフォームレポート、自社のログを組み合わせてください。

• Ahrefs Brand Radar — 検索連動型プロンプト4億件以上（今年前半の3億5 000万件以上から増加。増え続けるライブ更新型インデックスであり、正確な数値は目安として扱ってください）。ChatGPT、Perplexity、Gemini、Copilot、AI Overviews、AI Mode、Grok全体での言及、引用、インプレッション、Share of Model Voiceを追跡。会話型プラットフォームは毎月更新、AI Overviewsは継続的に更新。「見つかったが引用されていない」フィルターあり。正確なトラフィック数ではなく、方向性を示す指標です。
• Semrush AI Visibility Toolkit — 大規模なLLMプロンプトコーパス全体での引用頻度／順位、シェアオブボイス、競合のAI市場シェア追跡。
• Profound — エンタープライズ向けで、Share of Model Voice追跡のためのLLMエンドポイントへのプログラム的APIクエリに加え、AIクローラー分析を提供。
• Scrunch — 引用追跡、ボットクロールの可観測性、AI回答向けコンテンツ最適化を備えたAI検索可視性プラットフォーム。ブランドの幻覚（ハルシネーション）低減が成果の1つとして挙げられています。
• Peec AI — より小規模なプロンプトセットでの毎日更新とソースギャップ分析。軽量なエントリーポイント。
• Waikay.io — 複数プラットフォーム（ChatGPT、Gemini、Claude、Perplexity）を統合し、AI Brand Scoreとして集約。
• Bing Webmaster Tools — AI Performance （公式・無料） — 引用、グラウンディングクエリ、平均引用ページ数。Copilotの引用状態を確認する最適な窓口。
• Google Search Console — AI features / Gen AI Performance （公式・無料） — AI Overviews／AI Mode／Discoverのインプレッション。クリック数はなし。

AI可視性の測定ミス

単一のプロンプト実行を市場シェアとして報告する

出力はプラットフォーム、モデル、時間、場所、表現によって異なります。トレンドを説明する前に、定義されたプロンプトプールと繰り返しの観測を使用してください。

取得（Retrieval）、言及（Mention）、引用（Citation）を混同する

システムはブランド名を挙げずにページを取得したり、リンクせずにブランド名を挙げたり、URLを引用したりすることがあります。測定ソースとビジネス上の意味が異なるため、各状態を個別に追跡してください。

パネルが同一であるかのようにツールを比較する

可視性プラットフォームは、プロンプト、モデル、スケジュール、スコアリング方式が異なります。トレンドレポートでは1つの方法論を安定して維持し、それが何を観測でき、何を観測できないかを開示してください。

管理された可視性プロンプトプールを構築する

検証済みの顧客ジョブ、カテゴリ用語、比較ニーズ、ファネルステージを貼り付けます：

Create a balanced AI-visibility prompt pool using only the supplied research. Group
prompts by informational, comparison, recommendation, and problem-solving intent.
Keep wording neutral, avoid naming our brand unless the task is branded measurement,
and flag prompts that depend on location, freshness, or user context. Return a stable
prompt ID, wording, intent, audience, and reason for inclusion.

キャプチャしたAI回答を分類する

回答テキスト、引用、プラットフォーム、モデル/バージョン、クエリ時間、プロンプトIDを貼り付けます：

Classify our brand as absent, mentioned, or cited. Record cited URLs exactly, describe
position and sentiment without assigning a numerical score, and separate observable
facts from interpretation. Flag hallucinated claims and ambiguous brand references.
Do not infer retrieval unless server-log evidence is supplied.

プール、キャプチャ、分類、トレンドのフレームワーク

1. プール: 安定したID、インテント、オーディエンスコンテキストを持つ代表的なプロンプトセットを固定します。
2. キャプチャ: 一貫した条件下で、各実行のプラットフォーム、モデル/バージョン、日付、回答、引用を記録します。
3. 分類: 見えない検索を推測せずに、不在、言及、引用、感情、事実の正確性、競合の存在を区別します。
4. トレンド: 経時的に同等の観察結果を比較し、連続性を壊す方法論や製品の変更に注釈を付けます。

このフレームワークは方向性のある可視性の証拠を生成します。プロンプトの観察結果を正確なトラフィックや市場シェアの推定値に変換するものではありません。

自分をテスト：LLM可視性

時間をかける価値のあるリソース

私の講演

• GEO、AEO、LLMO — このAI関連のすべては何なのか？ (Ahrefs Evolve 2025) — Ahrefsの相関研究（ブランド付きウェブ言及 0,664 vs. DR 0,326）について議論し、「インターネットがあなたについてどう話すかを最適化する」という枠組みを提示したスライド。ビデオ · ウェビナー版。

私の関連記事

• AI可視性監査：ステップバイステップガイド — 8ステップの監査方法論（スコープ → ベースライン → 正確性/感情 → ブランドなしのギャップ → 最も引用されたページ → 言及 → 競合 → 戦略）。
• Brand Radarの仕組み（方法論） — プロンプトの選択、追跡されるプラットフォーム、更新頻度、「引用された」と「見つかったが引用されていない」の区別。
• 5,600万のAIオーバービューからの洞察 — オーガニックとの重複データ。
• AI検索トラフィックは23倍のコンバージョン — クリックが少なくてもAI可視性を測定する価値がある理由。
• 生成エンジンがウェブ解析を壊している — アトリビューション/ダークトラフィックの問題。
• GEO：ブランド言及 vs. DR相関研究。

その他の情報源

• Danny Sullivan / Google: “Good SEO is good GEO” (翻訳)「優れたSEOは優れたGEOでもある」— AI上の可視性はSEOの基本に支えられるという公式見解。
• Duane Forrester：生成AI検索のための12の新しいKPI — チャンクの取得頻度、帰属率、AI引用数などを含む、より広範な指標体系。
• OtterlyAI：2026年AI引用レポート — “99,6% of your AI influence is invisible” (翻訳)「AIへの影響の99,6%は見えない」（Bingのデータ）。引用に影響するクロール可能性の問題が73%のサイトにあると報告。
• SparkToro：ブランドを推奨するAIの回答は一貫性が低い — 同じChatGPTプロンプトを100回実行して同一のブランド一覧が得られる確率は100分の1未満。測定方法を考えるうえで重要な注意点。
• Superlines：2026年AI検索統計 — プラットフォーム別の引用率（Grok 27%、ChatGPT 0,59%）、ブランド言及を伴わないAI上の存在が73%を占める「ゴースト引用」、クエリごとにAI Overviewの内容が70%入れ替わる現象を記録。
• Discovered Labs：プラットフォームごとに異なる情報源の引用方法 — ChatGPTは取得したページの15%を引用し、B2B分野の引用の82,9%は第三者サイトから生じると報告。
• PrincetonのGEO論文（Aggarwalほか、KDD 2024） — 検索順位5位のページでは引用頻度が115,1%増えた一方、1位のページでは30,3%減少。どのコンテンツ属性がAI引用を促すかを検証した原データ。

引用に値する統計

• ブランド言及とAI Overview上の可視性の相関は0,664 — アンカーテキストは0,527、ブランド検索は0,392、Domain Ratingは0,326であり、サイト外のシグナルが際立ちます。（Louise LinehanとXibeijia Guanによる、75 000ブランドを対象としたAhrefsのGoogle AI Overview調査。）出典
• AI Overviewで引用されたページのうち、従来のトップ10にも入るものは約38%のみ — 2025年半ばの約76%から低下し、オーガニック順位はAI可視性の代用指標ではなくなりました。出典
• AIによる引用の82〜89%はアーンドメディアから生じる（Forbes、TechCrunch、WSJのような媒体）のであり、ブランド自身のページからではありません。ZapierにあるAhrefsへの言及ページ16件は、Ahrefsに関するAI回答1 431件で引用されました。出典
• 関連プロンプト全体での平均ブランド言及率は約17,2%。40〜70%なら強い水準です（AthenaHQ『State of AI Search 2026』）。
• 引用元の40〜60%は月ごとに変わる — AI可視性は不安定なので、単発の実行ではなく、プロンプトプールと一定期間の傾向で測定します（EMARKETER）。
• プラットフォーム間の差は約45倍： Perplexityは回答あたり約21,87件の引用（引用率約13%）である一方、ChatGPTは約0,59%。最も引用される上位50ドメインのうち、主要3プラットフォームすべてに現れるのは7つだけです。
• Brand Radarのコーパスは、検索に基づく4億件超のプロンプト（年初の3億5 000万件超から増加中で、常時更新される指標）。ChatGPT、Perplexity、Gemini、Copilotは毎月、AI Overviewsは継続的に更新されます。正確なトラフィック数ではなく方向性を示します。出典
• AIによる要約が表示されたGoogle訪問の1%で、利用者が引用元をクリックしたことが、Pewによる2025年3月の米国閲覧行動調査 で観測されました。Semrushによる別のクリックストリーム調査では、Google AI Modeセッションの92〜94%が外部ドメインへの訪問につながりませんでした。LLM可視性は主としてブランド認知の指標であり、トラフィックの指標ではありません。
• 同じChatGPTプロンプトを100回実行しても、同じブランド一覧が得られる確率は100分の1未満 — AIの推奨は一貫性が低く、単発の測定は統計的に信頼できません。（SparkToro）出典
• AIへの影響の99,6%は引用だけを測るツールからは見えないというOtterlyAIのBingデータ分析があります。取得と言及の状態は、量の面で引用状態を大きく上回ります。出典

変更履歴