言及は、ブランド、Prompt、エンジンの組み合わせでほぼ決まった性質
ほとんどのAI可視性のダッシュボードは、最初に1つの数値を示します。あなたに言及した回答の割合です。その数値はスクリーンショットで取締役会の資料に貼られ、アラートの対象になります。そしてそれは、回答の中で最も動かない部分でもあります。
Ranqo の Pratyush Kumar が2026年6月に公開した論文は、その大きさを示しています。Ranqo は GEO のツールを販売しており、自社の本番データを報告しているので、どれくらい重みを置くかには注意が必要です。コホートは5つのエンジンにわたる102ブランドで、2026年3月から5月、10万件を超える Prompt の回答です。
ブランド名を含まないカテゴリの Prompts で、3回以上の実行にわたって追跡したブランド・Prompt・プラットフォームのすべてのセルについて、言及のパターンは次のように分かれました。一度も言及なし63.2%、常に言及14.3%、70%以上の実行で言及7.0%、30%未満で言及8.7%。30%〜70%の不安定な中間にあったのは6.8%だけで、セルの77.5%は厳密に「常に」か「一度もない」でした。
エンジンがカテゴリの質問であなたに言及するかどうかは、コイン投げというより、あなたについての事実に近いのです。そのコホートの大半のブランドにとって、その事実は「言及なし」でした。
言及されたセルの45.5%が、肯定と否定の間で反転していた
では、セルを固定したまま問いを変えてみましょう。回答があなたに言及したかではなく、何を言ったかを問うのです。Kumar は3回以上言及のあったセルに絞り、各実行の評価傾向を分類しました。
- 常に肯定的：29.9%
- 肯定と中立が混在：21.8%
- 常に中立：2.3%
- 否定と中立が混在：0.5%
- 常に否定的：0.0%
- 肯定と否定の間で反転：45.5%
誰もが報告しているのは、安定した方のシグナル
45.5%対6.8%、これが6.7倍の出どころです。同じセル、同じ実行です。ダッシュボードに載っている数値は安定した方で、誰も報告していない数値は、報告すべきことがあったセルのほぼ半分で揺れています。
その表には、見出しより私たちが気に入っている、目立たない発見があります。一貫して否定的だったセルは1つもありませんでした。ゼロです。ここでのエンジンが追跡対象のブランドを否定的に読むことで落ち着くことはなく、否定が現れても、それは過ぎ去っていました。モデルがあなたに背を向けたという理屈でAIの評判管理を売り込まれたら、この行は手元に置いておく価値があります。
「言及されても推奨されない」は、今や名前の付いた失敗の型
別のグループが、同じ溝に反対側から取り組んでいます。Unusual の Will Jack、Noah Lehman、Keller Maloney、Sarah Xu は、19のセクターにわたる商用の文脈の215の Prompts で約37,000回の本番実行を監査し、知名度で5段階に分けた533ブランドのカタログと照らし合わせました。Unusual もこの市場で製品を販売しています。
彼らは問題を3つの段階に分けました。モデルはまず、あなたに触れるページを取得し、次にあなたを取得の候補から回答の本文へ運び、そして見送った選択肢として並べるのではなく、推奨の集合の中であなたを推す必要があります。
カテゴリのリーダーは関連するほぼすべての取得に現れ、到達した枠の25%〜41%を獲得しました。彼らにとって、その場にいることは解決済みでした。選ばれることは解決していませんでした。知名度の階段を下るとこれが逆転し、最も小さいブランドの48%〜52%は、37,000回の実行のどれにも一度も現れませんでした。
同じチームは関連論文で、ChatGPT も Claude もブランドを推奨しなかった7,763件を取り出し、それぞれを3つの失敗のどれかに分類しました。モデルに届かなかった、届いたが言及されなかった、言及されたが推奨されなかった、の3つです。2つのプロバイダーが同じ診断をしたのは95.1%で、クラスター化した95%区間は94.3%〜95.7%でした。一致率はブランドが小さくなるほど上がり、カテゴリのリーダーでは81%、ロングテールの地域ブランドでは99.6%でした。何を選ぶかはプロバイダー間で分かれますが、なぜ負けたかはほとんど分かれないのです。
評価傾向の数値には、言及の数値よりはるかに大きな分母が必要
実務上の帰結は算数です。Kumar 自身の運用ルールでは、言及率には少なくとも3回の実行が、評価傾向で重み付けしたスコアには、安定するまでにブランドごと・プラットフォームごとに少なくとも10の Prompts が必要です。数回の確認から報告される評価傾向は、サンプラーの運を報告しているにすぎません。
だから私たちが公開するすべての可視性の割合にはウィルソン区間が付き、アラートは点推定ではなく区間で発出されます。評価傾向の系列を言及の系列と同じ深さで実行すれば、アラートはおよそ7倍の頻度で鳴り、そのほとんどすべてがノイズでしょう。
- 言及と描かれ方は、別々のサンプルサイズで別々の系列として扱いましょう。見出しの数値1つでは、安定したものと不安定なものが平均されてしまいます。
- 負けたときは、3つの失敗のどれだったのかを問いましょう。一度も取得されない場合の改善策と、2番手に終わる場合の改善策には、何の共通点もありません。
- エンジンごとに。Unusual のデータでは、プロバイダー間で選ぶものがおよそ3分の2の割合で食い違っていました。
- アラートのしきい値は区間から決めましょう。9件のサンプルでの揺らぎで、誰かが呼び出されることのないように。
私たちがしていること
Proofsource は、Prompt の追跡と競合のシェア・オブ・ボイスと並べて評価傾向と位置づけを追跡し、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ます。言及されたのに見送られたとき、レポートの仕事は、なぜ相手が勝ったのかを証拠付きで伝えることです。
私たち自身のサンプリングはもっと小さく、少し違うところを指しています。調べた1つのカテゴリでは、どの名前が登場するかについて、エンジンごとに日ごとの入れ替わりが9%〜27%あり、6.8%という反転率が示唆するより大きく動いていました。コホートも、実行の定義も違うので、きれいに整合しているふりはしません。
いずれにせよ私たちが擁護するのは、そこから導かれる指示です。言及数を成果として読むのはやめましょう。それは参加の条件です。
この分析が誤っている可能性がある点
どちらのグループもこの市場でツールを販売しており、どちらも自社の本番データを公開しています。それで失格になるわけではなく、私たちが自社のデータを公開するときも同じ立場です。どちらも独立した監査ではないので、そのようには読まないでください。
最大の限界は Kumar 自身が挙げています。評価傾向は、ブランドに触れる範囲をモデルが分類したものなので、45.5%には回答の本当のばらつきと分類器のノイズが混ざっており、論文はそれらを分けていません。6.7倍は、描かれ方がどれほど不安定かの測定値ではなく、その上限として扱ってください。
そのコホートは便宜的に抽出されたもので、SaaS、小売の実行支援、フィンテック、D2Cブランドに偏っています。Tier 1 のグループは11ブランドで、論文自身がセルの小ささを指摘しています。
Unusual の失敗の型のラベルもモデルが付けたもので、知名度の階段は公開されたシグナルから手作業で符号化したものです。それはブランドの規模ではなく、どれだけ知られているかの代理指標です。
期間は2026年3〜5月と2026年5月です。エンジンは絶えず更新されるので、形は受け取り、小数点以下はゆるく扱ってください。
一貫して否定的なセルがゼロというのは、1つのコホートの、カテゴリの Prompts における追跡対象のブランドについての記述です。モデルが誰についても悪いことを言わないという主張ではありません。
