Proofsource がAI可視性を測る方法。
Proofsource は、購買者と同じ聞き方でChatGPT, Perplexity, Claude と Google AI Overviewsに尋ねた実際のAIの回答のうち、あなたのブランドに言及した割合として AI可視性を測定します。すべての割合に95%ウィルソン区間が付き、すべての数値から裏付けとなる回答を開けます。十分な根拠でまだ裏付けられない数値は、推定せずに表示を控えます。
すべての数値を支える3つのルール
すべての割合にウィルソン区間を付けるので、真の率が測定値からどれだけ離れうるかがわかります。
ウィルソン（1927）、比率の標準的な区間同じ質問をしたエンジン：ChatGPT, Perplexity, Claude と Google AI Overviews。
無料トライアルを含むすべてのプランの数値で、その裏にある回答を全文と、各エンジンが引用したすべてのページとともに開けます。
すべてのプランで、すべてのレポートProofsource は何を数えるのか？
- 言及率：ある質問への回答のうち、あなたのブランドを挙げたものの割合。エンジン別と全体で示します。
- 代わりに言及されたのは誰か：同じ回答に含まれる他のすべてのブランドを、登場頻度の順に並べます。
- 順位：名前が挙がったとき、回答の中であなたのブランドが登場する位置。
- 引用：各エンジンが情報源として挙げるウェブページと、そのうちあなたに言及しているもの。
すべての回答を全文と情報源ごと保存するので、どの数値も集計元の回答までたどれます。用語はAI可視性用語集で定義しています。
質問はどのように尋ねられますか？
ブランド名を含まない「Xに最適なツールは？」のようなカテゴリーの質問と、ブランド名を含むいくつかの質問からなる購買者の質問セットを承認します。各質問はパネルのすべてのエンジンに、それぞれ同じ文言で尋ねるので、エンジン同士を比較できます。
毎日のプランでは、すべての質問がエンジンごとに毎日 1 回実行されます。毎週・毎月のプランでは実行頻度が下がります。無料トライアルは 2 回のスキャンを今日と明日、各エンジンで 25 個の質問について実行します。本当の試金石はブランド名を含まない質問です。ブランド名を含む質問では、エンジンがあなたを知っているかどうかに関係なく言及されます。
各数値はどのくらい確かですか？
AIエンジンは、1分違いで同じ質問に別々の回答を返すことがあります。つまり一つの回答は事実ではなくサンプルです。少数の回答から出したパーセンテージは、本当の率から大きく外れることがあります。
Proofsource はすべての割合に95%ウィルソンスコア区間を付けます。20件中6件で言及されれば30%で、区間は約14.5%〜51.9%です。200件中60件でも30%ですが、区間は約24.1%〜36.7%に狭まります。区間を狭めるのは毎日のサンプリングで、変化は区間を超えたときにだけ知らせます。
ウィルソン区間は1927年に提唱されたもので(Wilson, Journal of the American Statistical Association)、0%や100%付近でも誠実さを保つため、小さなサンプルの比率では標準的な選択です。わかりやすい意味、計算式、推奨している論文は95%区間の意味にあります。
主要スコアはどのように計算されますか？
各レポートでは、領域ごとに0〜100のスコアを1つ表示します。どれも測定できた要素の加重平均です。測定できなかった要素は除外して明記し、0点として扱うことはありません。根拠が少なすぎる場合、スコアは「データ不足」と表示されます。
テクニカルスコア
計算式。round( sum(重み x 領域スコア) / sum(測定した領域の重み) )、各領域スコア = round(100 x (合格 + 0.5 x 警告) / 判定済みチェック数)
- クロールとインデックス（重み25）。サイト監査による領域スコア。入口となる条件：取得、正規化、インデックスのいずれかができないページは、順位も付かず引用もされません。
- リンクとサイト構造（重み10）。サイト監査による領域スコア。内部リンクはクローラーが到達するページを決めます。リンク切れの損失は、インデックスされないページより小さくて済みます。
- 構造化データと共有（重み15）。サイト監査による領域スコア。機械が推測せずにページを読めるかどうか。
- パフォーマンス（重み15）。サイト監査による領域スコア。速度と Core Web Vitals は順位と離脱に直接影響し、測定されています。
- セキュリティと信頼性（重み10）。サイト監査による領域スコア。ほとんどのサイトが満たす信頼性の基準のため、サイト間の差はあまりつきません。
- オンページとコンテンツ（重み15）。サイト監査による領域スコア。タイトル、説明文、見出し、本文は、ページが照合される対象そのものです。
- AI検索からのアクセス（重み10）。サイト監査による領域スコア。AIクローラーがサイトを読めるか、llms.txt があるか。
欠損データ。判定済みチェックが3件未満の領域は除外し、重みを再正規化します。測定できた重みが100点中60点未満の場合、またはクロールとインデックスがない場合、レポートはデータ不足と表示し、スコアを出しません。
不確実性。監査はクロールしたページの全数調査であり、サンプルではないため、サンプリング区間はありません。範囲は決定論的な上下限です。未判定のチェックがすべて不合格だった場合と、すべて合格だった場合のスコアです。
SEOスコア
計算式。round( sum(重み x 要素スコア) / sum(測定した要素の重み) )、測定した要素のみ
- 検索での可視性：順位が付いたキーワード（重み10）。log10(1 + 順位が付いたキーワード数)、10,000キーワードで100。サイトがどれだけ幅広く見つかるか。対数スケール。
- 検索での可視性：順位帯（重み15）。順位が付いたキーワードの順位帯別の平均クリック重み、0.25で100。見つかる場面で、サイトがどれだけ上位にいるか。
- 検索での可視性：推定月間訪問数（重み20）。log10(1 + 推定訪問数)、100,000で100。順位の結果。ベンダーの推定値です。
- 権威性：参照ドメイン数を指定の競合と比較（重み25）。50 x ブランドの参照ドメイン数 / 指定した競合の中央値、上限100。リンクは最も強いオフページのシグナルで、顧客が指定した競合と比べて評価します。
- オンページ（重み20）。サイト監査のオンページとコンテンツの領域スコア。ページがクエリとどう照合されるかについて、サイト側で管理できる部分。
- コンテンツ品質（重み10）。ページ品質ジャッジによる検証済みの平均スコア。完全な実行がある場合のみ。任意で有効にする、ページのサンプルに対する LLM の評価。最も決定論的でない入力です。
欠損データ。測定できなかった要素は除外し、推測はせず、残りを再正規化します。検索での可視性の要素が測定できない場合、または重みが100点中50点未満の場合、レポートはデータ不足と表示します。
不確実性。順位、トラフィック、被リンク数はベンダーによるある時点の推定値のため、サンプリング区間は計算も示唆もしません。各要素には情報源と基準日を表示します。
AEOスコア
計算式。round( (35 x 言及 + 25 x 引用 + 25 x シェア・オブ・ボイス + 15 x 順位) / 100 )、各要素は0〜100、測定した要素のみ
- 言及率（重み35）。ブランドの名前を挙げた回答の割合、50%で100。購買者にとって最初に必要なもの。ほかのすべての要素の前提です。
- 引用率（重み25）。ブランドのサイトを引用した回答の割合、40%で100。可視性からトラフィックへの測定可能な一歩。
- シェア・オブ・ボイス（上位10社の枠）（重み25）。名前が挙がった上位10ベンダーの中でのブランドのシェア、25%で100。横に名前が挙がったベンダーと比べて、ブランドがどうか。
- 名前が挙がったときの平均順位（重み15）。100 x (20 - 順位) / 19、1位で100。上位ほど先に読まれます。根拠となる回答が最も少ないため、重みは最も小さくしています。
欠損データ。回答が10件未満：データ不足、スコアなし。シェア・オブ・ボイスにはベンダーの言及が10件、順位には順位付きで名前が挙がった回答が5件必要です。満たさない要素は除外し、残りを再正規化します。
不確実性。回答はサンプリングしたものなので、スコアには各比率のWilson区間から求めた95%の範囲（モンテカルロ法、固定シード、保守的な依存関係）を付け、さらに5通りの別の重み付けでのスコアも表示して、重みの影響がわかるようにしています。
ブランド言及の分類器はどれくらい正確ですか？
回答があなたのブランドに言及しているかを判定する分類器の適合率、再現率、正解率を、エンジンごとに人手ラベルと照らして測定。各ラベルは実際に取得した回答を指し、分類器の最新の判定はレポート作成時に改めて結合されます。
すべての判定を、エンジンごとに人手でラベル付けした回答と照合します。ラベル付きのデータが最低件数を満たした数値だけをここで公開するので、どの数値にも十分な根拠があります。
適合率と再現率は、人手でラベル付けしたゴールドセットに対して、エンジン、トピック、ブランドごとに層別して測定します。各ラベルは実際に取得した回答を参照し、分類器の「現在の」判定をレポート作成時に結び付け直すため、モデルやプロンプトを変えても再ラベル付けなしで反映されます。最低ラベル数に満たない数値は公開しません。
これらの数値は、デプロイのたびに最新のラベル付き実行から再生成しています。
この手法の限界は？
- シルバーラベルは一致度の立ち上げに使いますが、人手で検証された正解ではありません。人手で検証された正解といえるのは、このページのゴールドセットの数値だけです。
- 評価傾向は3クラスでの一致度の数値であり、クラスごとの適合率・再現率ではありません。
- エンジンは記載のモデルバージョンでサンプリングしています。プロバイダーが告知なくモデルを差し替えると、次のキャリブレーション実行で記録されるまでに数値が動くことがあります。
- 引用までの時間は、Proofsource が管理するページ（固有トークンによるプローブ）でのみ測定しており、任意の顧客ページでは測定していません。
Proofsource の測定方法についてよくある質問
Proofsource は AI 可視性をどう測定しますか？
ChatGPT, Perplexity, Claude と Google AI Overviewsに購買者がする質問を尋ね、すべての回答を読んで、あなたのブランドが言及されたか、誰と並んでいたか、どのページが引用されたかを記録します。言及率はあなたに言及した回答の割合で、すべての率に95%ウィルソン区間が付きます。
質問はどのくらいの頻度で尋ねられますか？
プランで選んだ頻度で：毎日または毎週、各実行でエンジンごとに質問1回ずつ。無料トライアルでは 2 回のスキャンを 今日と明日 実行し、各エンジンで 25 問を質問します。
なぜすべての数値に区間を付けるのか
同じ質問でも1分後には違う回答が返ることがあるからです。20件の回答から出た言及率は真の割合から大きく離れている可能性があり、区間はそれがどれくらいかを示します。Proofsource は変化が区間を超えたときだけ知らせるので、ノイズの多い日がトレンドとして報告されることはありません。
ブランド言及の分類器はどれくらい正確ですか？
その適合率と再現率は、人がラベル付けした回答に対してエンジンごとに測定し、ラベル付きデータが誠実に評価できる規模になった時点でこのページに公開します。それまでは、推定値を出すのではなく数値を伏せています。
数値の裏にある回答を確認できますか？
はい。すべての数値から、その算出元の回答を全文と各エンジンが引用した情報源付きで開けるので、自分で数え直せます。
あなた自身の数値を区間付きで確認。
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。
Google AI OverviewsGoogle AI Mode
