自然な回答は、お金で買えない部分
OpenAI は2026年2月9日に ChatGPT で広告のテストを始め、8月11日の更新時点で試験運用は英国、メキシコ、ブラジル、日本、韓国に広がっていました。広告にはスポンサーと表示され、自然な回答とは分けて置かれ、OpenAI 自身の言葉では、回答には影響しません。
つまり推奨は売り物ではありません。すると、すべての挑戦者がすでに抱いている問いが残ります。モデルが競合のことは知っていて自社のことは知らないなら、入り込む方法はあるのでしょうか。
仕様が同じなら、知名度のあるブランドが670回の試行の100%で選ばれた
Trine University の Xi Chu と Texas A&M の YuPeng Hou は、2026年6月に投稿し8月に改訂した論文でこれを測定しました。スキンケア製品10個のセットを作り、1つは実在のブランド（CeraVe、Paula's Choice、EltaMD のいずれか）、9つはモデルが聞いたことがないと確認済みの架空の名前にしました。
最初の条件では、すべての製品が同じ評価、価格、レビュー数、成分の説明を持っていました。違うのは名前だけなので、公平なモデルならそれぞれを約10%の割合で選ぶはずです。有効な670回の試行すべてで、3つのモデル、4つのサブカテゴリのいずれでも、実在のブランドが勝ちました。架空のブランドが選ばれたことは一度もありません。
これは挑戦者にとって最も暗い読み方で、最も役に立たない読み方でもあります。なぜなら、この条件は、あなたがおそらく意図せず再現してしまっている状況だからです。
星0.075の優位で逆転し、その後のブランドの説明力は順位の1.2%
無名の製品に良い仕様を、実在の製品に悪い仕様を与えると、2,769回の試行でモデルが実在のブランドに忠実だったのは1.7%〜4.6%でした。優位を小さくしていくと、移行は坂ではなく段差であることが分かります。仕様が同じとき、無名のブランドが勝ったのは3.6%〜6.0%でした。テストした最小の優位で64%〜80%勝ち、さらに優位を積み増しても得るものはほとんどありませんでした。9,220回の試行を五分五分の点まで補間すると、しきい値は書き留められるほど小さいものです。
- 評価で星0.075の優位。星4.3と4.4の差より小さい
- 1.6倍多いレビュー数
- 7.3%安い価格
知名度は、何も伝えていないときにモデルが頼るもの
14,395回の試行にわたる分散分解が、何が順位を決めたかに決着をつけています。製品のパラメータが82.4%、リスト内の位置が6.5%、ブランドの識別が1.2%を説明していました。品質が明らかに高いときや明らかに低いときには、ブランドに測定可能な効果はありませんでした。その影響が最大になったのは中間、つまり情報があいまいなときでした。これは全体ではなくエンジンごとに問いましょう。最小の評価の優位で逆転した割合は、Claude が11%、GPT-4o-mini が94%、Gemini が88%でした。
見つかった最も強いテコは、実在しない臨床的な主張だった
すべての仕様を同じにして文面だけを変えると、権威を示す言葉は既存ブランドの優位を73.3%、社会的証明は50.7%の割合で崩しました。ベースラインは約4%です。アンカリング、希少性、損失回避はほとんど効果がなく、9.6%〜12.9%でした。モデルは緊急性を無視し、引用のような形の文を、評価で約0.17ポイント、あるいは15.3%の値引きに相当する証拠として扱いました。
要約では落とされるであろう部分を書いておきます。それらの刺激は、作り上げた臨床試験と偽の皮膚科医の推薦でした。著者らはそれを虚偽広告になりうるものと呼び、自分たちの推奨は実在する認証と公表された試験に限定しています。測定されたテコは捏造であり、それは戦術ではなく、モデルの証拠確認についての発見です。
すべてのブランドが最適化すると、回答は既存ブランドに戻る
3つ目の実験は、予算の組み方を変えるはずです。権威を示す文面を書く挑戦者の数を、ゼロから9社すべてまで増やし、4,800回呼び出しました。誰も最適化しないとき既存ブランドが生き残ったのは100%、挑戦者が1社のときは19.8%、9社すべてのときは93.8%でした。全員がそのシグナルを持つと、それはシグナルではなくなり、モデルは知っている名前に戻ったのです。
ブランドごとの効果は、先行した1社の0.802から、全員が採用したときの0.007まで減衰しました。半減期はおよそ競合1.4社分です。4,745回の試行で、最適化しなかった挑戦者が推奨されることは一度もありませんでした。著者らはこれを囚人のジレンマと呼んでおり、そのとおりです。競合が半日でまねできる戦術の効果は、半減期が競合およそ1社分です。証明できる本物の違いは、そうではありません。
現実では、モデルはまず事実を見つけなければならない
上のすべての条件は、Prompt の中できれいな仕様表をモデルに渡しています。実際のエンジンはそれを自分で組み立てるのであり、その溝にこそ実務があります。私たちが抽出したカテゴリでは、「おすすめ」の質問で ChatGPT が引用したもののうち、ランキング記事が44%、レビューサイトが24%、ベンダーのページが18%でした。これは私たちのサンプルに限った私たちの数値で、一般的な法則ではありません。
要点は形です。自社カテゴリの質問に答えるまとめ記事が、評価もレビュー数も、自社が勝っている唯一の仕様も載せずにあなたを並べているなら、モデルにとってあなたは「仕様が同じ」条件にいます。比較で負けているのではありません。比較の場にいないのです。
- カテゴリのリーダーに本当に勝っている1つの側面を見つけ、それが自社サイトだけでなく、エンジンが引用する第三者のページに数値として載っているかを確認しましょう。
- 競合が推奨された回答を取り出し、モデルが違いを何だと言ったのかを読みましょう。
私たちがしていること
Proofsource はエンジンを1回ではなく繰り返し抽出し、すべての可視性の数値をウィルソン区間で採点し、アラートをその区間で判定し、あなたの横でどのページが引用されているかを把握し、クローラーがそもそもあなたのページを読めるかを確認します。
範囲をはっきり言っておきます。私たちが測るのは、エンジンがあなたに言及するか、言及するとき何を引用するか、そしてAIクローラーとAI経由の流入があなたのサイトに届いているかです。販売が成立したかどうかは測っていません。
この分析が誤っている可能性がある点
対象は1つのカテゴリ、スキンケアで、購買者が購入前に品質を判断できないために選ばれました。検索型の商品での再現は最初の実験だけで、著者らは言語や複数ブランドの結果をそれ以外で検証していないとしています。クローズドなモデル3つ、購買者のペルソナ1つ、温度0.7で、主な効果は24ブロックのクラスタ・ブートストラップでも維持されています。
各セットの10製品のうち9つは架空でした。それはブランドの知名度をきれいに切り出しますが、実在の競合が持つものをすべて取り除いてしまいます。世の中のレビュー、第三者の報道、モデルが取得できるページです。100%は現実の市場ではありません。
この研究の大半は、モデルが取得するものではなく、モデルが知っているものをテストしており、購買者が使うエンジンは取得型のシステムです。論文自身の取得についての検証は最小限で、埋め込みモデル1つ、再ランキングなしであり、著者らはそこから一般化することを控えています。そしてそれは逆の方向を示していました。取得の層は、実在のブランドが有名であることを評価せず、その推奨率は0%に下がったのです。
私たちの44%は、私たち自身のサンプルでの1回の測定で、ウェブの性質としてではなく私たちのものとして公開しています。
