AIによる参照のアトリビューションが難しいのは、技術的に不可能だからではありません。ChatGPT、Perplexity、Google AI Overviewsをはじめとする多くの回答エンジンが、追跡可能なクリックを残さないためです。ユーザーは会話の中でブランドを知り、名前を覚え、翌日に社名を検索したり、そのまま商談予約フォームを送信したりします。しかしGA4上では、この一連の行動がAIとは無関係な「ダイレクト流入」や「ブランド名の自然検索」に見えます。商談を逃しているのではなく、商談への貢献が誤って計上されているのです。
B2B、とりわけSaaSチームにとって、これは予算配分に直結する問題です。マーケティング責任者はGEO投資の成果を証明したくても、レポートには「AIが生み出した売上」という列がありません。AI上の可視性を示しても、経営陣から「それが当社のパイプラインとどう関係するのか」と問われます。本記事では、プラットフォームが完全な流入元データを提供するのを待つのではなく、台湾のチームが実際に運用している方法を基に、「AIに引用された」という事実を商談までつなげる方法を解説します。
AI引用では、なぜアトリビューションの空白が生まれるのか
従来のSEOでは、検索→クリック→訪問→コンバージョンという一連の経路がリファラーによってつながり、各段階にデジタル上の足跡が残ります。一方、AI引用では途中のクリックが抜け落ちます。回答エンジンは「会話の中で答えを得る」ことを前提としているため、ユーザーは回答を読んだ時点で離脱することが少なくありません。リンクが表示されていても、その場ではクリックせず、ブランド名だけを覚えるケースも多くあります。
さらに、技術面には3つの障壁があります。第一に、AI経由のトラフィックはリファラーが空欄になったり、ダイレクトに分類されたりしやすく、chat.openai.comのような参照元もレポートに表示されない場合があります。第二に、意思決定までの期間が長いことです。見込み顧客が3月にPerplexityで自社を知っても、再訪するのは2カ月後の5月かもしれません。ラストクリック型のモデルでは、貢献が最後の接点に付与されます。第三に、B2B購買はチームで進みます。AIの推奨を見た人（エンジニア）と、最終的にフォームを送信した人（購買担当者や上司）が異なることも多く、Cookie単位の計測では両者を結びつけられません。
計測可能な3つのシグナルに分解する
アトリビューションを100%正確にすることはできません。しかし、十分な確度を持って判断できる状態はつくれます。私たちがクライアント向けにBrand Radarを構築する際は、シグナルを3つの層に分け、それぞれ異なる方法で計測します。
- 可視性シグナル：特定の質問に対して、AIが自社ブランドを引用・推奨した頻度と掲載位置です。売上からは最も遠い層ですが、定期的に同じ質問を検証すれば、最も安定して計測できます。
- 流入シグナル：AI関連の参照元から訪れたセッションの質を見ます。滞在時間、閲覧ページ数、料金ページや事例ページへの遷移などが対象です。可視性を具体的な関心へ変換できたかを示す橋渡しの層です。
- コンバージョンシグナル：フォーム送信、商談予約、デモ申請のうち、「AIで知った」と明示されたもの、またはAIとの関連を確認できたものです。件数は少なくても確度が高く、商談に最も近い一方、能動的に取得する必要があります。
AIの影響をつなぎ直す4つの実践手法
すべてを網羅できる単独の手法はありません。複数のデータを重ね、相互に裏付けることが重要です。以下の4つのうち、少なくとも3つを同時に運用することを推奨します。
I. フォームで流入経路を尋ねる
商談予約フォームや問い合わせフォームに「当社を何で知りましたか？」という設問を追加し、「ChatGPT／AIアシスタントの推奨」「Perplexity」「Google AI Overview」を選択肢に含めます。これは最も直接的で、低コストでありながら過小評価されている施策です。台湾のB2B顧客は、まさに解決策を探している段階にあるため、通常は率直に回答してくれます。1カ月の回答数は2桁にとどまるかもしれません。それでも、AIで知った本人から得られる唯一の一次データであり、長期的にはどの推測よりも信頼できます。
II. UTMと回答エンジンのリファラーを整理する
AIがリンクを表示し、ユーザーが実際にクリックしたケースについては、ChatGPT.com、Perplexity.ai、Geminiなどの参照元をGA4の独立したチャネルグループにまとめ、ダイレクトやオーガニックから切り分けます。全体から見れば小さなクリック群ですが、AIの影響全体を見積もる際の下限値として使える、確かなデータです。
III. ブランド検索数との相関を分析する
GEOコンテンツが引用され始めると、「ブランド名＋課題語」の自然検索が増えることがあります。これは弱いながらも安定したシグナルです。Brand Radarで検出した引用頻度と、Search Consoleに表示される関連クエリの推移を重ねます。高い引用頻度が続いた2〜4週間後にブランド検索が伸びていれば、波及効果を示す材料になります。個々の商談まで正確に結びつけることはできませんが、経営陣に因果の流れを説明するには十分です。
IV. 営業担当者による定性情報を記録する
営業チームには、リードや商談をCRMへ登録する際、顧客が「ChatGPTで御社を見た」などと話していたら記録する習慣をつけてもらいます。定量化しにくい粗い情報ですが、AIと「受注金額」を結びつけられる唯一の手掛かりになることも少なくありません。四半期に数十件集まれば、AIが売上の増加に与えた影響を推計するには十分です。
経営陣への報告に使えるKPIフレームワーク
次に考えるべきは、「詳細なレポートを読まない人に、どう伝えるか」です。私たちはクライアントに対し、単一の数字だけを急いで報告するのではなく、相互に補強し合う指標群として整理し、その価値をNT$で示すよう提案しています。
- AI引用シェア（Share of AI Voice）：中核テーマ群において、主要競合と比べて自社が引用された割合です。AI上の可視性を示す基本指標になります。
- AI影響リード（自己申告＋クリック）：フォームでAIを流入経路として選んだリード数に、リファラーで確認できたクリック数を加えます。
- AI影響パイプライン：AIの影響を受けたリードのうち商談化した分に、平均顧客単価を掛け、「AIが少なくともNT$Xの商談に影響した」と算出します。
- AI関与受注：営業からのフィードバックでAIへの言及が確認できた受注金額です。最も保守的で、最も説明しやすい下限値になります。
よくある因果関係の落とし穴
第一の落とし穴は、クリックだけを見ることです。AIに完全なリファラーを求め続ければ、影響の80%を捨てるのと同じです。第二の落とし穴は、ブランド検索の増加をすべてGEOの成果にすることです。同時期に別の営業・マーケティング施策を実施している可能性を無視してはいけません。相関分析では、大規模イベントやキャンペーンなど、明らかな押し上げ要因も記録し、都合のよい解釈を避けます。第三の落とし穴は、報告期間が短すぎることです。AIで引用されてから受注までには数週間から数カ月かかることがあります。月次レポートで単月の振れだけを見てもシグナルは曖昧であり、四半期単位で初めて傾向が見えてきます。
AIに引用されることはスタートラインにすぎません。その引用を売上につなげられてこそ、競争力になります。前者は自社の存在を証明し、後者は投資する価値を証明します。— Tenten GEO consultant team
今日から始める3つのステップ
完璧な仕組みを待つ必要はありません。まず、問い合わせフォームに「当社を何で知りましたか？」を追加する。次に、GA4でAI参照元を独立したチャネルとして切り分ける。そして、CRMに「AIへの言及あり／なし」の項目を追加するよう営業チームに依頼する。この3つを始めれば、3カ月後には「GEOには効果がある」と言い続けるだけでなく、経営陣へ最初のAI影響レポートを提出できます。
現在、自社ブランドがAIにどの程度引用されているのか、また、その引用から商談に至るまでのどこが欠けているのかを把握したい場合は、30分間のGEO診断をご予約ください。Brand Radarを使って実際の引用率を可視化し、アトリビューションの連鎖で不足している部分を洗い出します。次の四半期レポートに「AI経由の商談」という項目を、実数で示せる状態を目指します。
