AI可視性を 自分をごまかさずに測る。

可視性の数字とは、サンプルで測定した、あなたに言及する回答の割合です。この章では、どの質問をするか、何回尋ねるか、何を記録するか、そして結果をどう正直に読むかを説明します。

200件の回答。25 Prompts/質問。主要AIエンジン。2日間。無料。 カード不要。

どの購買者の質問を追跡すべきですか?

購買者があなたの名前を知る前に尋ねる質問を追跡しましょう。「Y に最適な X は?」「X の代替」「X vs Y」「無料トライアルがある X は?」といった質問です。候補リストはそこで作られます。

  • 小さく始める。5〜6個のトピックに、それぞれ最大3つの質問があればパターンは見えます。最初のセットに対応してから、質問を増やす価値が出てきます。
  • ブランドに関する質問は分けておく。あなたの名前を含む質問は、エンジンがあなたを知っているかどうかに関係なくあなたに言及するので、可視性についてはほとんど何もわかりません。代わりに正確性の確認に使いましょう。
  • 購買者と同じように書く。完全な文で、価格、チームの規模、連携など、購買者が気にする条件を入れます。

ブランド名を含む質問を混ぜると、数字は大きく動きます。220件の回答による私たち自身のベンチマークでは、カテゴリのリーダーは全体の59%で言及されましたが、ブランド名をまったく含まない16個の質問への回答では40%でした(ベンチマーク)。

リストの作り方はAIがあなたを薦める購買者の質問を見つける方法、言い回しは購買者の質問の言い回しをテストする方法、結果の読み方はPrompt カバレッジをご覧ください。

質問の言い回しで回答は変わりますか?

もう一度尋ねるよりも大きく変わります。96ブランドの13,994件の回答では、ある購買決定の1つの言い回しで言及されたブランドが、同じ日に姉妹となる別の言い回しでも言及されたのは55%でした。同じ言い回しを後でもう一度尋ねた場合は、78%でブランドが残りました(言い回しの調査)。

公開されている Tesla の例は、そのばらつきを示しています(2026年10月4日、8日、15日のスキャン)。系統用蓄電という1つの購買決定についての5つの言い回しのうち、2つは12件中12件の回答で Tesla に言及し、2つはまったく言及しませんでした。その2つは MWh あたりのコストと購入基準を尋ねるもので、エンジンは価格とチェックリストで答え、他の言い回しで言及された供給業者には一切触れませんでした。平均する前に、言い回しごとに分けてレポートしましょう。12件中12件と12件中0件を混ぜたトピックのスコアは、どちらも表していません。

21%〜100%

あなたに言及した1回のチェックの95%区間。5回に1回あなたに言及するエンジンとも矛盾しません。

計算、2026年9月20日
47%

1件の回答で起きた日々の変化のうち、翌日に元に戻った割合。4つのエンジンで40個の購買者の質問を対象にしています。

2026年10月5日〜13日
38 対 15

言及率がともに44%の2社が、同じ160件の回答で最初に言及された回数。

2026年10月4日〜9日

なぜ1回のチェックでは足りないのですか?

同じエンジンに同じ質問を2回すると、2つの異なる回答が返ってくることがあります。1件の回答は事実ではなくサンプルであり、少数のサンプルは誤解を招きかねません。あなたに言及した1件の回答の95%区間は20.7%〜100%、言及しなかった1件の回答は0%〜79.3%です(1件の回答からわかることが少ない理由)。

小さなサンプルから率を正直に報告するには、区間を付けることです。Tesla の例では、ChatGPT は25件中16件の回答で Tesla に言及しました。64%ですが、95%ウィルソン区間はおよそ45%〜80%です。Perplexity の25件中10件は、およそ23%〜59%です。2つの範囲は重なっているので、この差でさえ、一方のエンジンが Tesla を好むという証拠にはまだなりません。回答が増えれば範囲は狭まります。200件中60件なら、およそ24.1%〜36.7%です。変化に意味があるのは、それがノイズより大きいときだけです。その検証方法は第6章で、範囲そのものについては95%区間の意味で説明しています。

方法の全体は方法論のページに、用語は用語集にあります。

言及されたかどうか以外に、何を記録すべきですか?

  • どこで言及されたか。購買の質問への回答は通常いくつもの企業に言及し、私たちのサンプルでは中央値が5社でした。同じ160件の回答のうちそれぞれ70件で言及された2社は、最初に言及された回数が38回と15回でした(出現の有無だけでなく順位を)。
  • エンジンが検索したかどうか。何も調べずに答えた回答は、どのページの変更も反映できません(第1章)。
  • どのページを引用したか、そして代わりにどの競合に言及したか。それが第3章の材料になります。
  • エンジンごとに個別に。まとめたスコアは、取り組むべきエンジンを隠してしまいます。IAB の2026年8月の測定フレームワークは、順位を言及率と並ぶブランドの中核指標とし、50クエリ未満の分析は探索的なものと位置付けています。

AI シェア・オブ・ボイスとAI可視性スコアのページでは、これらが1つの数字にどうまとめられるか、そしてそれぞれが何を隠すかを示しています。

どのくらいの頻度で測定すべきですか?

個々の回答は毎日変わりますが、固定された質問のセットははるかに動きません。4つのエンジンで毎日尋ねた40個の購買者の質問では、回答に含まれていた名前のおよそ5つに1つが翌日には消え、その変化の47%は1日後に元に戻りました。それでも、1日の率はその週の平均から中央値で3.6ポイント以内に収まりました(頻度の調査)。

  • 大規模で固定された質問のセットで傾向を報告するなら、通常は週1回で十分です。
  • 追跡する質問が20個以下なら、毎日の実行を週で平均すると、区間がはるかに狭くなります。
  • 公開したばかりの変更をテストするなら、毎日の測定で、回答がどの日に動き、その動きが続いたかがわかります。

このトレードオフについて詳しくはAI可視性の毎日のモニタリングをご覧ください。

続きを読む

すべての章

関連する読みもの

情報源
  1. IAB: Measuring Visibility in the AI Era (August 2026) www.iab.com/wp-content/uploads/2026/07/IAB_Measuring_Visibility_in_the_AI_Era_August_2026-1.pdf
  2. Brown, Cai and DasGupta: Interval Estimation for a Binomial Proportion, Statistical Science 16(2), 2001 projecteuclid.org/journals/statistical-science/volume-16/issue-2/Interval-Estimation-for-a-Binomial-Proportion/10.1214/ss/1009213286.full
  3. ウィルソンのスコア区間 en.wikipedia.org/wiki/Binomial_proportion_confidence_interval#Wilson_score_interval

Proofsource の数値には、それを測定した記事や調査へのリンクを、日付と手法とともに付けています。古くなっている情報があればお知らせください。

AIがあなたを見落とす場所を見つけて、直す。

どの購買者の質問があなたのブランドに言及しているか、代わりにどのブランドに言及しているか、何を改善すべきかを確認。200件の回答。25 Prompts/質問。主要AIエンジン。2日間。無料。 カード不要。

200件の回答。25 Prompts/質問。主要AIエンジン。2日間。無料。ChatGPTPerplexityClaudeGoogle AI OverviewsGoogle AI ModeGeminiMicrosoft CopilotGrokDeepSeekMeta AI