---
title: "AI可視性の測り方：ChatGPTでの言及と引用の確認 - Łukasz Rogala"
description: "ChatGPT、Gemini、AI Overviewでブランドの可視性を測る方法です。言及と引用を分け、パイロットテストで繰り返し回数を決め、ツールの落とし穴も紹介します。私の計測に基づきます。"
url: "https://rogala.pro/ja/blog/ai-kashisei-sokutei/"
language: "ja"
author: "Łukasz Rogala"
published: "2026-10-18T11:50:00+02:00"
modified: "2026-10-18T12:16:58+02:00"
---

[ブログ](https://rogala.pro/ja/blog/)

# ブランドのAI可視性：私の測り方と使うツール

[Łukasz Rogala](https://rogala.pro/ja/#about) · 2026年10月18日 · 読了時間 28分

**ブランドのAI可視性とは、お客様の質問に対するAIアシスタントの回答のうち、ブランドが名前で挙げられている、またはそのサイトが情報源として示されている回答の割合です。** 私は自分で作った質問セットで、アシスタントごとに、また言及と引用を分けて計算します。アシスタントの提供元以外は、人々がアシスタントに尋ねるすべての質問を知らないので、「AI市場でのシェア」は計算できません。AI可視性の数値は、何を基に計算したかが一緒に示されて初めて意味を持ちます。何個の質問で、どのアシスタントで、いつ計算したか、です。

**8月から10月にかけて3回、自分の確認で、よく見えた数値が思っていた意味と違うことがわかりました。**

1. 私が手がけているプロジェクトの1つのレポートにあった「ブランドの存在」は、ブランドの言及ではなく、サイトの引用でした。Perplexityでレポートは2%と示していましたが、ブランドは質問の37%で名前が挙がっていて、ブランド名を含まない質問だけでも21%でした。
2. サブクエリ（アシスタントが回答の途中で検索エンジンに自分で送るクエリ）での順位が、メインのキーワードでの順位より引用をよく予測するかを調べたテストは、レビュアーが精度の違う計測を比べていると指摘するまで、仮説どおりの結果でした。
3. あるツールでの引用数が、2つのブランドで1週間に5割増えましたが、シェアはほとんど変わりませんでした。増えたのは、おそらくツールが集めた回答のデータベース（インデックス）で、ブランドの可視性ではありません。

**AI可視性は、クライアント向けのレポートを出す前にこうした間違いを見つけられるように測っています。** 2つ目は[LLMO・GEO・AI SEO](https://rogala.pro/ja/blog/llmo-geo-taisaku/)の記事で書きました。残りの2つは、以下で扱います。

**この記事の私の数値は、すべて2026年7月、8月、10月の私自身の計測と確認によるものです。** AI可視性のツールの数値は、そう明記しています。最初の計測は繰り返しのテストで、1つのプロジェクトの1,410件の回答です（94個の質問、5つのAIの画面、つまりモデルが回答する場所。詳しくはステップ4。各質問を3回ずつ送信）。8月29日に取得し、2026年10月14日に分析し直しました。ほかに、同じツールの2つの確認結果を1週間の間隔で比べたもの（2026年7月26日と8月2日）と、ポーランドのSEO代理店1社に対する2026年10月のAIの回答の計測があります。クライアント名は伏せています。

## ブランドのAI可視性とは何ですか？

**ブランドのAI可視性とは、GoogleのAI OverviewとAIモード、ChatGPT、Gemini、Perplexity、Copilotが生成する回答にブランドが登場することで、そうした回答の割合として計算します。** ブランドが回答に登場する形は2つあり、私は別々に数えます。

1. 言及：ブランド名が、ユーザーが読む回答の本文にあります。
2. 引用：ブランドのサイトが情報源として示されています。たいていは脚注や、回答の横にあるリンクの一覧です。

**一方からもう一方は導けません。** アシスタントは、記憶や他人の文章から知っているブランドを、名前で薦めてもサイトを挙げないことがあります。逆に、一般的な情報の情報源としてブランドのサイトを挙げながら、その名前は一度も書かないこともあります。[LLMO・GEO・AI SEO](https://rogala.pro/ja/blog/llmo-geo-taisaku/)の記事では、アシスタントがブランドについての知識をどこから得るのか、検索からか、モデルの記憶からかを書いています。

**AIの回答には順位がないので、私は場所ではなく割合を測ります。** アシスタントの回答は毎回新しく作られ、10件の結果の一覧ではありません。Eli Schwartzは、これを一文で言い表しています。

> 「Rankings don't exist in LLMs.」
>
> Eli Schwartz, Product-Led SEO, 2026年4月9日（「大規模言語モデルには順位が存在しません」）

**そのため、順位の代わりに、私の質問セットに対する回答のうち、ブランドが出てくる回答がいくつあるかを数えます。** 「ブランドはChatGPTで3位」という数値は、ある日の1つの回答を表しているだけで、同じ質問への次の回答は、別のブランドを別の順番で挙げるかもしれません。

## ChatGPTなどのAIアシスタントで、ブランドの可視性を確認するには？

**確認は6つのステップで行い、数えるのは5番目です。** それまでのステップは、最後の数値が正しいブランドと正しい質問についてのものになるようにするためです。

**AI可視性の測り方：6つのステップ、数えるのは5番目**

6つのステップを並べた時間軸。アシスタントがどのブランドか知っているか、ブランド名のGoogleの検索結果、需要からの質問セット、各質問10回のパイロットテストと条件の記録、言及と引用を別々に数える、診断を無効にしうるものの確認。ステップの間に2つのゲートがあります。アシスタントがブランドを別の会社と取り違える場合と、質問セットの固定です。

*前のステップは、数値が正しいブランドと正しい質問についてのものになるかを確認します。数えるのは5番目です。*

### ステップ1. アシスタントが、どのブランドのことかを知っているか確認する

**何かを数える前に、ブランド名だけの質問を送り、回答を読みます。** アシスタントがブランドを別の会社と取り違えていれば、その後のどの数値も、別の会社についてのものかもしれません。あるポーランドのネットショップでは、AI可視性のツールが100点中55点、シェア100%と示しましたが、その計算の基になった回答は、すべて同じ名前の別の有名な会社についてのものでした。別のツールでは、名前が辞書にある普通の単語のブランドが、その単語が使われるたびに数えられたため、40万ページ以上で言及されたことになりました。比較対象のブランドは7千ページ足らずでした。

**同じ名前を使っているのが同じ業界の会社なら、計測は意味を失い、別の分野の人なら、計測が難しくなるだけです。** 前者の場合、何かを数える前に、サイトとプロフィールのブランドの説明を整え、アシスタントが区別できるようにします。私と同姓同名の人には、俳優やパイロットなどがいます。そのため、私のブランドの計測には意味がありますが、言及のたびに、それが私のことかを確認しています。

### ステップ2. ブランド名のGoogleの検索結果を読む

**AI OverviewとAIモードはGoogleのインデックスを使うので、まず、ブランド名だけでGoogleが何を表示するかを確認します。** 上位10件の各結果について、そのページを全体として管理しているか、一部だけか（たとえば他社サイトのプロフィール）、まったく管理していないかを記録します。2026年10月3日、私の名前のポーランドのGoogleでの検索結果10件のうち、全体を管理しているものは1件もなく、一部を管理しているものが1件ありました。

**次に、そのページの中から、アシスタントがブランドについて繰り返している文を探します。** その文が検索結果にあれば、アシスタントがどこから得ているかがわかり、そのページの修正を依頼できます。ない場合は、おそらくモデルの記憶の中にあり、ページを直してもすぐには変わりません。

### ステップ3. 質問セットを作り、変更しない

**質問は、ブレインストーミングではなく、需要のデータとSearch Consoleから取ります。** Search Consoleから、サイトがすでに表示されているクエリを選び、残りはキーワード調査のツールのキーワードで補います。ページの順位帯による質問の分け方は、[SEO戦略](https://rogala.pro/ja/blog/seo-senryaku-tatekata/)の記事で書きました。質問を取る期間にSearch Consoleでのサイトの表示回数が約1,000回未満、またはクエリが100種類未満の場合は、そこから質問を作りません。そんなに小さな標本からは、市場について何かを語る質問を選べないからです。これは私のプロセスでの目安のしきい値であり、テストの結果ではありません。

**質問の大半は、ブランド名を入れずに作ります。理由は、[LLMO・GEO・AI SEO](https://rogala.pro/ja/blog/llmo-geo-taisaku/)の記事に書いたとおりです。** 「Xは良いか」という質問は、アシスタントがXについて何を知っているかを測るもので、Xを知らない人にXを薦めるかは測りません。ブランド名のない質問は、3つの形で作ります（例はあくまで説明用です）。

- 条件付きのカテゴリ。たとえば「東京の個人事業主向けの会計事務所」。
- 競合の名前だけがある比較。たとえば「[競合]の代わりになるもの」。
- 特定の機能についての質問。たとえば「ネットなしで使えるメモアプリはどれか」。

**評判についての質問は別に数え、可視性には含めません。** 「Xは信頼できる会社か」や、「誰を選ぶか」と「誰を避けるか」の質問のペアは、アシスタントがブランドをどう見ているかを示すもので、薦めているかを示すものではありません。ステップ1で書いたショップでは、信頼できるショップかという質問に、アシスタントはお客様の苦情を引用して答えていました。

**ポーランドのブランドについての質問は、ポーランド語と英語で送ります。** 私のテストでは、ポーランド語の質問に対するサブクエリの一部が英語でした。これは[LLMO・GEO・AI SEO](https://rogala.pro/ja/blog/llmo-geo-taisaku/)の記事で書いています。

**質問セットは、計測の間で変更しません。** 新しい質問は別のグループとして加えます。リストを変えると、前回の計測との比較が成り立たなくなるからです。

### ステップ4. パイロットテストで繰り返し回数を決め、いつ、どこでかを記録する

**繰り返しの回数は先に決めません。新しい質問セットでは、まずパイロットテストとして、各質問を同時に10回ずつ送ります。** これは、ブランドについてモデルに繰り返し尋ねるためにDmitrij Żatuchinが提唱したDice Roll Methodのプロトコルが勧める方法です（arXiv、2026年10月14日のバージョン2）。パイロットテストから、同じ質問への回答のばらつきと、質問どうしの違いの大きさを計算し、そこから、必要な精度の結果に何回の繰り返しが要るかを求めます。この版で著者は、第1版にあった固定のしきい値（調査の種類によって5回から20回）を取り下げました。それが、実際の調査データではなく、合成データのジェネレーターのデータで計算されたものだったとわかったからです。

**パイロットテストからは、たいてい2つの違う数値が出ます。アシスタント全体の結果までに必要な繰り返しは少なく、1つの質問を変更の前後で比べるには、はるかに多く必要です。** 私のテストと、Żatuchinの研究の数値は、繰り返しについての部分で後述します。私のデータでは、AI Overviewが最も安定していました。94個の質問のうち77個で、3回の回答が同一だったので、通常は1回の取得で足ります。

**回答ごとに4つのことを記録します。アシスタント、画面、モデルのバージョン、日付と時刻です。** 画面とは、モデルが回答する場所で、チャットアプリ、API、GoogleのAIモード、AI Overviewのことです。APIの回答は、アプリでユーザーが見るものと同じとは限らないので、2つの画面の結果は1つの数値に合算しません。

**回答の時刻があると、ランダムさと、時間による変化を区別できます。** 繰り返しのテストで、Perplexityがプロジェクトのサイトを引用した質問数は、繰り返しの順に0件、2件、9件でしたが、言及はほぼ一定でした（33件、36件、35件）。おそらく計測の途中でサイトへのアクセスが変わったのですが、スプレッドシートに回答の時刻がなかったので、確かめられません。そのため、以降の計測では、繰り返しを同時に送り、各回答の時刻を記録しています。

### ステップ5. 言及と引用を別々に数える

**アシスタントの結果は、ブランドが登場した回答の、すべての回答に対する割合で、言及と引用を別々に出します。** 情報源は、すべての繰り返しから合計します。ブランドが回答の一部にしか登場しなかった質問は不安定として記録し、1つの質問についての結論は引き出しません。

### ステップ6. 診断を無効にしうるものを確認する

**クライアントに足りないものを伝える前に、診断が間違いになる状況を確認します。**

- そのカテゴリでアシスタントが誰も薦めない。たとえば、健康、金融、法律についての質問です。その場合、ブランドが埋められる穴はありません。
- アシスタントが、検索せずに記憶から答えている。その場合、サイトでの作業は長いあいだ何も変えません。
- 比較のために私が自分で入れた競合が機能していない。ある計測では、カテゴリが空だという仮説の根拠にしていた4つのドメインに、DNSレコードすらありませんでした。つまり、ドメインのアドレスがどのサーバーにもつながっていませんでした。サイトが動いていない競合の引用がゼロでも、カテゴリに空きがあることにはなりません。
- AI可視性が上がっているのに、同じ期間にGoogleからの流入が減っている。SearchPilotは、Omioのサイトで、ページの変更が大規模言語モデルからの流入に役立った一方、推計ではGoogleからの流入を約6.5%下げるテストを紹介していて、その変更は実装されませんでした（SearchPilot）。そのため、AIの回答のほかに、Googleからの流入も必ず見ます。

**サイトやブランドの説明を変更するたびに、同じ質問セットでステップ4から6を繰り返します。** そうして初めて、変更の前後の結果を比べられます。

## AI可視性で、どの指標を測ればよいですか？

**アシスタントごとに2つの数値を測ります。ブランドの言及がある回答の割合と、そのサイトの引用がある回答の割合です。** さらに、同じ質問セットでの競合に対するシェアと、不安定な質問の数も見ます。アナリティクスでのアシスタントからの流入は、別の指標として扱います。流入元の情報なしで来る訪問があるため、常に実際より少なく出るからです。

**言及を別に数えると、「ブランドの存在」を測っていたレポートが、実は引用を測っていたことがわかりました。** 私が手がけているプロジェクトの1つで、2026年8月29日の計測は、94個の質問、5つのAIの画面、3回の繰り返し、合計1,410件の回答でした。それを計算したスクリプトは、情報源にブランドのサイトがあったときだけブランドが存在するとみなしていましたが、レポートの方法の説明は、回答でのブランドの存在と書いていました。10月に、同じ回答でブランド名そのものを数えました。

**PerplexityとGeminiはブランドを質問の3分の1超で言及し、サイトの引用は2%と0%**

4つのAIアシスタントの横棒グラフ。それぞれ2本の棒：回答の本文にブランド名が出た質問の割合と、ブランドのサイトが情報源として引用された質問の割合。ChatGPT 41.5%と27.7%、GoogleのAIモード 42.6%と18.1%、Perplexity 37.2%と2.1%、Gemini 38.3%と0%。

*1つのプロジェクト、94個の質問、各3回（2026年8月29日に計測、10月14日に分析）。グラフは、3回の回答のうち2回以上にブランドが出た質問の割合です。元のレポートがこの指標だけだったためで、ステップ5ではすべての回答に対する、より正確な割合を勧めています。言及にはブランド名を含む19個の質問が含まれ、名前のない75個の質問では21%から28%でした。5つ目の画面のAI Overviewでは、3回のうち2回以上でブランドが出た質問はなく、言及も引用もゼロでした。*

**PerplexityとGeminiでは、ブランドは質問の3分の1を超えて言及されていましたが、レポートは2%と0%と示していました。** 言及の数値は、ブランド名を含む19個の質問を含むので、ブランド名のない75個の質問だけでは、アシスタントによって21%から28%と、低くなります。それでも、レポートがほぼゼロと示していたアシスタントで、質問のおよそ5分の1です。この分析以降、2つの指標を別々に数え、受け取るすべてのレポートにも同じことを求めています。

**言及はあって引用がないことと、引用はあって言及がないことは、私にとって別々の仮説であり別々の作業で、それらについては可視性に穴があったときの節で書いています。** どちらの仮説も、変更と次の計測で確かめます。

### シェアは、引用ではなく回答で数える

**競合に対するブランドのシェアは、引用ではなく回答で数えます。回答によって情報源の数が大きく違うからです。** ポーランドのSEO代理店1社の計測では、代理店のおすすめについての23件の回答に、1件から13件の情報源がありました。引用で数えると、情報源が13件の回答は、1件の回答の13倍の重みになります。回答で数えれば、ユーザーは一度に1つの回答を読むので、どの回答も同じ重みです。

**ChatGPTの情報源の一覧は、モデルが見ただけの検索結果を取り除いて整える必要があります。** ChatGPTの回答を集めるのに使っているツールは、回答で引用された情報源のほかに、モデルが見た検索結果の全体のリストも返します。ある回答では、そうした検索結果が52件、引用された情報源が7件でした。同じ23件の回答で、そのリストを除くと、引用数は279件から181件に、出るべき場所のリストは10件から6件に減りました。

### 何回繰り返せば十分ですか？

**私のテストでは、各質問を3回繰り返せばアシスタント全体の結果には十分でしたが、1つの質問の評価には足りませんでした。** 繰り返しのテストでは、ブランドが1回でも登場した質問のおよそ半数で結果が不安定でした。ChatGPTでサイトの引用（94個の質問すべて）では36件中18件、AIモードでブランド名のない質問の言及では29件中16件です。ある実行で「ブランドがある」質問が、次の実行ではないことがあります。

- 13%ChatGPTで、ブランド名のない質問のうち、3回の繰り返しで誤って評価される（ブランドが言及されているかどうか）割合。1回だけ送る場合は21%、5回なら9%、7回なら8%。1,410件の回答のデータからのモデルによる推定、2026年10月14日
- 1.5ポイントChatGPTで、ブランド名のない質問について、3回の繰り返しでの、ブランドを言及した回答の割合の典型的な誤差（標準偏差）。5回では1.2ポイント。1,410件の回答のデータからのモデルによる推定、2026年10月14日
- 0.33ChatGPTとAIモードで、同じ質問の2回の繰り返しの間の、引用されたドメインのリストの類似度の中央値。共通部分を、2つのリストのドメインの合計で割った値（1は同一のリスト）。Perplexityでは0.92。繰り返しのテスト、2026年10月14日
- 94件中77件AI Overviewが、3回の回答を同一にした質問の数。繰り返しのテスト、2026年10月14日

**3回から5回に増やしても、私のテストではアシスタント全体の結果の改善は1ポイント未満だったので、この結果には通常3回のままにします。** これは、1つのプロジェクト、1つの計測期間、2つのアシスタント（ChatGPTとAIモード）に当てはめた統計モデルの推定であり、計測ではありません。そのため、新しい質問セットでは、パイロットテストで確かめます。Żatuchinも似た結果を得ています。250個の異なる質問で、1回か2回の繰り返しですでに信頼性係数が0.80、5回では0.96でした（1は、繰り返しの平均が誤差なく質問どうしを区別できることを意味します）。

**変更の前後で1つの質問を比べるには、3回ではなく15-25回の繰り返しが必要です。** Żatuchinのシミュレーションでは、5回の繰り返しで、1つの質問での大きな変化を検出できる確率は15-19%にすぎず、80%に届くのは15-25回の繰り返しになってからです。彼のデータは、APIで問い合わせたモデルによるブランドの推薦についてのものなので、検索を使う回答については、この数値もパイロットテストで確かめます。

**1回の繰り返しの情報源リストは使いません。ChatGPTとAIモードでは、同じ質問の2回の繰り返しの共通部分が、通常、両方で引用されたドメイン全体の3分の1ほどしかないからです。** ブランドが登場すべき場所のリストは、すべての繰り返しから、各ドメインの出現回数付きで作ります。

**情報源は、週ごとにも変わります。** SISTRIXは、6か国（ポーランドを除く）で82,619個の質問を17週間追跡し、ChatGPTでは、引用された情報源の最大74%が週ごとに入れ替わっていました。これは平均ではなく最大値です（SISTRIX、2026年5月1日）。そのため、情報源の変化は、次の計測でも繰り返された場合にだけ、変化と認めます。

## AI可視性の計測ツールはどう動き、どう選べばよいですか？

**AI可視性のツールは、手作業の計測と同じことをします。アシスタントに質問のセットを送り、回答を保存して、ブランドが登場する場所を数えます。** 違いは、誰の質問か、何回送るか、何を数えるかです。データは、3種類の情報源から取ります。

| 種類 | 例 | 得られるもの | 注意すること |
|---|---|---|---|
| 検索エンジンの無料レポート | Bing Webmaster Tools、Google Search Console | CopilotとBingでの引用、AI OverviewとAIモードでの表示回数 | 1つの検索エンジンのデータだけで、ChatGPTはない |
| 有料のプラットフォーム | Ahrefs Brand Radar、Semrush、SE Ranking、Peec AI、Profound | 複数のアシスタントでの言及と引用、独自の質問、一部は競合との比較 | 言及と引用が別になっているか（AhrefsとSE Rankingは明記）。提供元の質問データベースの数値は、そのインデックスとともに増える（Ahrefsで確認）。対象の国と言語への対応 |
| APIでの自前の計測 | モデルのAPI、DataForSEO | 質問、繰り返し、記録を完全に管理できる | 準備の時間がかかる。APIはユーザーが見るアプリではない |

### 絶対数は、ツールのインデックスとともに増える

**ツールでの引用数は、ブランドのシェアが変わらなくても、1週間で5割増えることがあります。** Ahrefsの、あるドメインを引用するAIの回答数のレポート（Ahrefsの質問データベースに基づくもの）で、ドイツの大手ネットショップ2社について、2026年7月26日と8月2日の2つの確認結果を比べました。ChatGPTでの引用数は、この間に両社とも50%増えましたが、2社の引用の合計に占める一方のシェアは、ほとんど変わりませんでした（34.2%と34.1%）。Perplexityでは、68%と185%増えました。おそらく増えたのはツールのデータベースで、これらのブランドの可視性ではありません。2つのブランド、1つのツール、1週間の話です。

**そのため、ツールからはシェアを取り、絶対数は使いません。そのシェアも、私の比較でシェアが0.5ポイントを超えて変わらなかったアシスタントに限ります。** それは、ChatGPT、AI Overview、AIモード、Grok（xAI社のアシスタント）で、Perplexity、Gemini、Copilotではシェアが約3から11ポイント変わりました。これは1週間の1つの比較なので、次の確認で覆されるまでは、安定していると仮定しています。

### ツールを選ぶ前に確認すること

**ツールを選ぶ前に、7つのことを確認します。**

1. 言及と引用が別々に表示されるか。
2. 独自の質問を追加し、何か月も変えずに維持できるか。
3. 各質問を何回送るか、不安定な質問を示すか。
4. 回答ごとに、モデルのバージョン、画面、日付を記録するか。
5. 自分の市場と言語に対応しているか。
6. 回答の全文を表示し、正しいブランドかを確認できるか。
7. 絶対数だけでなく、同じ質問セットでのシェアを示すか。

**私が試した分類器のセンチメント評価は、報告しません。** あるケースでは、「Xはほとんどのチームにとってより良い選択です」という結論で終わる回答を、否定的と分類しました。センチメントは、回答の該当箇所を自分で読んで判断するか、何も書かないかにしています。

**ツールの「AI可視性スコア」1つを、私は目標にしません。** 言及、引用、複数のアシスタントを合算するので、そこから何が変わったかを読み取れません。ツールの数値は、必ずビジネスの指標と一緒に示します。顧客からの問い合わせ、売上、Googleからの流入などです。

### 無料の情報源：BingとGoogle

**Bing Webmaster Toolsでは、CopilotとBingのAIの回答があなたのページを何回引用したかを、無料で確認できます。** AI Performanceレポートは、2026年2月10日にプレビュー版として公開されました。引用数、1日に引用されたページ数、各アドレスの引用、AIが引用する前にコンテンツを探すのに使った語句のサンプルが表示されます（Bing Webmaster Blog）。BingとCopilotのデータだけなので、ChatGPTの計測の代わりにはなりません。

**Search Consoleは、AI OverviewとAIモードでのページの表示回数を示しますが、ブランドが名前で言及されたかはわかりません。** Googleは、このレポートを2026年6月に一部のサイトに公開し、2026年8月31日からはすべてのサイトに提供しています（Google Search Central、Search Consoleヘルプ）。レポートの説明は、ページ、国、日付、デバイス別の表示回数についてで、回答の本文での言及や、それを引き起こした質問には触れていません。Google側の確認としては有用ですが、言及の計測ではありません。

### APIでの自前の計測

**APIでの自前の計測は、費用は小さいものの、準備と確認に時間がかかります。** 4つの画面（検索付きのChatGPT、GoogleのAIモード、APIでのGeminiとPerplexity）での14個の質問の1回の実行は、合計56件の回答で、API利用料が0.82ドルでした。うち0.63ドルがGeminiです（最初の数値は、LLMO・GEO・AI SEOの記事で書きました）。これはSEO代理店向けの3回の計測の最初の実行で、全体で合計180件の回答に約2.8ドルかかりました。この単価なら、4つの画面で100個の質問を3回ずつ、つまり1,200件の回答は、1回の計測で約18-19ドル、大半はGeminiの分です。同じセットを10回ずつ繰り返すパイロットテストは、4,000件の回答で約60ドル、1回だけの費用です。時間がかかるのは、質問を作ること、アシスタントがブランドを取り違えていないか確認すること、回答を読むことです。そうした計測の数値をモデルではなくスクリプトで計算するようになったテストは、[SEOでのAIツール](https://rogala.pro/ja/blog/ai-seo-tsuru/)の記事で書きました。

## 可視性に穴があるとわかったとき、何をしますか？

**計測でブランドがどの状況にあるかがわかり、それによって何をするかが決まります。**

- 言及にも情報源にもブランドがなく、アシスタントがウェブを検索している。それらの質問とそのバリエーションでの、Googleでのサイトの可視性に取り組みます。最初に、[SEO監査](https://rogala.pro/ja/blog/seo-bunseki-yarikata/)と同じように、アシスタントのクローラーがそもそもサイトを受け取れているかを確認します。
- ブランドは言及されているが、サイトは引用されていない。ページのほかの部分を読まなくても質問に答えられるように、ページの該当部分を直します。
- サイトは引用されているが、ブランドが名前で言及されていない。他の人がブランドについて何を書いているかに取り組みます。誰を薦めるかをアシスタントが知るのは、おそらく他人の文章からだからです。[AI時代のリンクビルディング](https://rogala.pro/ja/blog/ai-jidai-hirinku/)の記事では、AIがすでに引用しているサイトでの言及をどう計画するかを書いています。
- アシスタントが記憶から答え、古い、または事実と違うことを言う。まず自分のチャネルでブランドの説明を1つにそろえ、その後、他の人が編集する場所への掲載に進みます。四半期のうちに効果が出るとは約束しません。

**これらの取り組みの効果は、同じ質問セットで次の計測を行って確かめます。どれにも保証がないからです。** どの取り組みに根拠があり、どれが計測のない一般的なアドバイスなのかは、[LLMO・GEO・AI SEO](https://rogala.pro/ja/blog/llmo-geo-taisaku/)の記事で書きました。そうしたアドバイスのいくつかを裏付けなかった私のテストも、そこにあります。

## AI可視性の計測でわからないことは？

**計測では、AIの回答でブランドを見た人が何人いたかはわかりません。** 割合は私の質問セットについてのもので、私が数を知らないアシスタントとのすべての会話についてのものではありません。

**アシスタントが、なぜそのブランドを選んだのかもわかりません。** 計測からの診断は仮説で、同じセットでの変更と次の計測で確かめます。

**1日の結果は、トレンドではありません。** 提供元はモデルや検索の方法を変更し、その変更は必ずしも公表されません。そのため、同じ画面、記録したモデルのバージョンでの計測だけを比べ、変化は、次の計測でも繰り返された場合にだけ認めます。

**ポーランドについては、人々がどのアシスタントを使っているかのデータがありません。** 個々のアシスタントがどれくらいの頻度で使われているかというポーランドの調査は見つからなかったので、それぞれでの結果にどれくらいの重みがあるかはわかりません。そのため、アシスタントごとに別々に結果を示し、平均にはまとめません。

## 自分のブランドでは何を測っていますか？

**rogala.proでも、クライアントと同じものを測っていますが、2026年7月26日の最初の計測（基準値）は、より弱い方法で行いました。** 質問ごとに回答は1つで、ChatGPTの結果は含まれていませんでした。基準値と、それ以降に変えたことは、[LLMO・GEO・AI SEO](https://rogala.pro/ja/blog/llmo-geo-taisaku/)の記事で書きました。8月25日には、Ahrefs Brand Radarで、基準値の4つの質問を、ポーランドのChatGPTで毎日確認するように設定しました。この毎日の確認の結果は、11月1日の計測と突き合わせるまでは書きません。この記事の方法による最初の計測は、2026年11月1日のパイロットテストとして計画しています。同じ4つの質問を、4つの画面で、それぞれ10回ずつ行います。結果は、ゼロだった場合も含めて、両方の記事に書きます。

**あなたのお客様の質問に対するAIの回答のうち、何件にブランドが登場するかを知りたいですか？** どの業界か、誰を競合と考えているかを書いてください。あなたの場合にどう測るかを返信します。

[私に連絡する](https://rogala.pro/ja/#contact) · [LinkedIn](https://www.linkedin.com/in/lukaszrogala/?locale=ja_JP) · [WhatsApp](https://wa.me/48570081225)

## ブランドのAI可視性に関するよくある質問

### ChatGPTでのブランドの可視性を無料で確認するには？

**お客様が尋ねる質問を、ブランド名を入れずにいくつかChatGPTに3回ずつ送り、誰が言及され、どのサイトが引用されるかを記録してください。** セット全体の最初の姿はつかめますが、1つの質問の確かな結果にはなりません。まず、ブランド名だけの質問を送り、ChatGPTがブランドを別の会社と取り違えていないか確認します。日付とモデルを記録しておくと、次の確認で、同じ条件の同じ質問だけを比べられます。

### AIの回答での言及と引用は、何が違いますか？

**言及は回答の本文にあるブランド名で、引用は情報源として示されたブランドのサイトです。** 一方からもう一方は導けません。私の計測の1つでは、Perplexityはブランドを質問の37%で言及し、そのサイトを2%で引用しました。

### 同じ質問をAIアシスタントに何回送ればよいですか？

**新しい質問セットでは、まずパイロットテストとして10回、その後はパイロットテストのデータから決まる回数です。** アシスタント全体の結果には、通常、同時に送る3回の繰り返しで足り、サイトの変更の前後で1つの質問を比べるには15-25回が必要です。AI Overviewは、私のデータでは同一の回答が最も多かったので、通常は1回の取得で足ります。

### ツールの「AI可視性スコア」は、よい指標ですか？

**唯一の指標としては、よくありません。言及、引用、複数のアシスタントを1つの数値にまとめてしまうからです。** ツールからは、固定した質問セットでのブランドのシェアを、アシスタントごとに取り、ビジネスの指標と一緒に示します。引用の絶対数は、ブランド側に何の変化がなくても、ツールのインデックスとともに増えることがあります。

### AI可視性は、どれくらいの頻度で測ればよいですか？

**同じ質問セットで月に1回、さらにサイトの重要な変更の前後に行います。** 月次のサイクルは私のやり方で、テストの結果ではありません。1つの質問を毎日確認すると、点はたくさん得られますが、どれもランダムな1回の回答なので、トレンドは複数の繰り返しからしか読み取れません。

### AI可視性のツールは、自分の国のブランドでも使えますか？

**使えるものもありますが、購入前に確認してください。** ポーランドの場合、2026年10月18日の製品ページで、ポーランドを市場として明記していたのはSemrushだけでした。Ahrefs、SE Ranking、Peec AIは、国と言語の選択について、一覧なしで書いており、Profoundは、Enterpriseプランでの国と言語の選択を説明していました。ポーランドのSenutoは、ポーランドのGoogleで、どのキーワードでAI Overviewが表示され、自分のドメインが引用されるかを示しますが、ChatGPTでの質問の追跡は説明していません。自国のブランドでは、ツールがブランド名を普通の単語と取り違えないかも確認してください。

## 何から始めればよいですか？

**最初の計測は、有料のツールなしで、自分で1時間でできます。** アシスタントにブランド名だけの質問を1つ送り、どのブランドのことかを知っているか確認します。Search Consoleから、サイトが表示されているクエリを10個選び、ブランド名を入れずに、ChatGPTとGoogleのAIモードで3回ずつ送って、ブランドが名前で言及された場所と、サイトが情報源になった場所を別々に記録します。これでセット全体の姿はわかりますが、個々の質問については、10回ずつ繰り返すパイロットテストのほうが多くを教えてくれます。結果が意外だったなら、[相談](https://rogala.pro/ja/#contact)するのによい題材です。

外部の情報源（2026年10月18日確認）：

- arXiv, Dmitrij Żatuchin: The Dice Roll Method, 2026年10月14日のバージョン2 (arxiv.org)
- Product-Led SEO, Eli Schwartz: AEO is not SEO 2.0 (productledseo.com)
- SISTRIX: AI citation drift, how stable are sources in AI search results (sistrix.com)
- SearchPilot: GEO A/B testing, SEO and GEO are not the same (searchpilot.com)
- Bing Webmaster Blog: Introducing AI Performance in Bing Webmaster Tools (blogs.bing.com)
- Google Search Central: Generative AI performance reports (developers.google.com)
- Search Consoleヘルプ: AI機能のパフォーマンスレポート (support.google.com)

自社データ：1,410件の回答での繰り返しのテスト（2026年8月29日に計測、10月14日に分析）、2026年7月26日と8月2日のAhrefsの確認結果、2026年10月のポーランドのSEO代理店の計測（APIでの3回の実行、180件の回答）。

[Łukasz Rogala](https://rogala.pro/ja/#about)

SEOストラテジスト兼SEOコンサルタント

Łukasz Rogalaは、SEOストラテジスト兼SEOコンサルタントであり、VerticalSEOのCEO、Linkoの共同創業者である。2014年からSEOに携わり、SEO戦略・SEO診断、テクニカルSEO、コンテンツ、被リンク獲得（リンクビルディング）、Google Discover、セマンティックSEO、AI検索でのブランドの可視性（GEO）まで、360°のSEO対策を手がける。

[自己紹介](https://rogala.pro/ja/#about) · [講演・メディア](https://rogala.pro/ja/#featured)

あわせて読みたい

- [LLMO・GEO・AI SEOとは？俗説を除いた、根拠のある対策だけを解説](https://rogala.pro/ja/blog/llmo-geo-taisaku/)
- [SEO戦略の立て方：7つのステップで進める方法](https://rogala.pro/ja/blog/seo-senryaku-tatekata/)