AIに引用されるために必要なのは、ブログの本数を増やすことではありません。この工作機械メーカーは、サイトを大幅に作り替えることも、広告費を増やすこともなく、90日でAI引用率を0％から34％へ伸ばしました。成果を生んだのは、買い手がAIに尋ねる疑問を具体的な粒度まで分解し、それぞれの回答をAIが明確に抽出できる段落として整えたことです。
出発点：AI上では、ブランドが存在していないも同然だった
このメーカーは五軸CNCマシニングセンターを手がけており、同製品が売上の70％を占めています。顧客の中心は、東アジア、東南アジア、欧州の金型メーカーや上位サプライヤーです。Tentenへの相談当初、状況は典型的でした。Googleの自然検索では一定の順位を獲得し、サイトには月間数千件のアクセスがある一方、商談では海外の買い手から「まずChatGPTに聞いた」という声が増えていました。ところが実際に同じ質問をすると、AIの回答に同社の名前はまったく出てきませんでした。
そこで、実際の購買場面を想定した固定の質問セットを用意し、ChatGPT、Perplexity、Geminiでそれぞれ三回ずつ検証しました。ブランド名が言及されたか、推奨候補に入ったか、リンクが付いたかを記録します。初回のベースライン測定は明快で、38問に対する引用回数はゼロでした。一方、「台湾製五軸マシニングセンター」や「少量・中量生産向け加工設備の推奨」といった質問では、日本企業二社と台湾企業一社を含む競合ブランドが安定して挙がっていました。
実際の購買プロセスで生じる38の質問を洗い出した
製造業のWebサイトには、会社沿革や社内行事、受賞・表彰といった、自社目線のコンテンツが多く掲載されがちです。しかし、買い手がAIに「御社は何年創業ですか」と尋ねることはほとんどなく、こうしたページだけでは引用につながりません。GEO監査の出発点は、意思決定の過程で買い手が実際にAIへ投げかける質問を整理し、引用できるだけの回答がサイト内に用意されているかを確認することです。
38の質問を、以下の三層に分類しました。これが、その後の施策全体の骨格になりました。
- 状況別の質問：「少量・中量の合金部品には三軸と五軸のどちらを使うべきか」「5軸マシニングセンターの搬入前に、工場側でどのような条件を整える必要があるか」など、要件が具体化した段階で買い手が尋ねる質問。
- 比較検討の質問：「台湾の五軸マシニングセンターには、どのようなブランドがあるか」など、候補を絞り込む段階で尋ねる質問。
- 仕様確認の質問：「難削材の高速切削には、どの程度の主軸回転数が適しているか」「精度±0.005 mmは実務上どの程度を意味するか」など、仕様を精査する段階で尋ねる技術的な質問。
これに対し、従来のWebサイトで回答できていたのは、この階層のごく一部でした。しかも回答はカタログ形式のPDFに埋もれ、AIが読み取りにくい状態です。AIへの質問が最初に集中しやすい状況別・比較検討の情報は、完全に欠けていました。引用率がゼロだった構造的な理由は、ここにあります。
90日で引用率を動かした三つの施策
一度に百カ所を変更したわけではありません。質問リストに対応する施策のうち、効果が見込める三つに優先順位を絞りました。
一、回答を「AIが引用しやすい形」に変える
状況別・比較検討の各質問に対して、それぞれ80〜150語の回答を用意しました。結論から書き始め、モーダルや動画の中ではなく、該当するWebページの本文に掲載します。重要なのは長く書くことではなく、回答を独立して成立させることです。論点を明確にし、前後の文脈に依存させず、画像内に埋め込まないようにしました。比較コンテンツでは、競合についても誠実に記述しています。たとえば、要求水準の高い用途ではSunriseの設備が優位になることを明記した結果、AIは同社を「高価格帯の選択肢」として紹介しやすくなりました。
ii. 構造化データと検証可能な事実を補強する
AIは情報源を引用する前に、その信頼性を確かめようとします。そこで、製品仕様、認証、実際の導入事例を構造化データとして整理し、精度、対応素材、加工寸法の範囲など、検証可能な事実をページ上に明示しました。「卓越した品質」のような曖昧なマーケティング表現は削除し、具体的な数値へ置き換えています。AIエンジンが検証しやすい内容に整えたことで、仕様確認に関する質問の引用率が最も早く回復しました。
三、AI可視性を毎週測定し、引用されたページだけを改善する
AI可視性モニタリングを使い、同じ38問を毎週検証しました。どの質問でブランド名が出始めたか、回答内のどの位置に表示されたか、リンクが付いたかを記録します。これにより、チームは感覚でコンテンツを修正しなくなりました。AIに取り込まれたページの回答はさらに強化し、引用されないページには不足している段落を追加できます。GEOの改善速度を左右するのは、反応をどれだけ早く把握できるかです。この目的では、Google Analyticsを週に一度眺めるよりも有効でした。
同社の営業責任者は、こう話しています。「以前は、書いたコンテンツをブラックホールに投げ込んでいるような感覚でした。今は毎週、どこがAIに拾われ、どこがまだ拾われていないかを確認できます」。チームが次に何をすべきか判断できるようになったのは、この可視化があったからです。
90日後の数値
90日後にベースライン測定を再実施したところ、38の購買関連質問に対するAIのブランド引用率は34％に達しました。特に引用率が高かったのは、内容を最も充実させた仕様確認の質問です。副次的な効果として、公式サイトへの自然検索流入もわずかに増えました。AIが抽出しやすいコンテンツは、従来の検索意図にも合致しやすいためです。さらに商談面でも変化があり、海外の買い手が初回の電話で「AIのおすすめを見た」と話しました。90日前にはなかった反応です。
この方法を自社で再現するには
製造業やB2B SaaSで、自社の現在のAI引用率を把握したい場合、始め方はシンプルです。顧客が実際にAIへ尋ねそうな購買関連の質問を30〜40件挙げ、ChatGPTとPersonalで一つずつ質問し、ブランド名が何回出るかを数えます。初めて測定する企業の多くは、直視したくないほど低い数値になります。しかし、そこにこそ改善機会があります。競合の多くも、まだこの情報の空白を埋めていないからです。
試行錯誤を減らしたい場合は、30分のGEO診断を直接ご予約いただけます。同じ方法で現在の引用基準を測定し、最も重要な情報の不足を特定します。90日間で最初に着手すべき三つの施策が明確になります。
