湾岸地域のB2Bチームの多くは「AIを追跡している」と言います。しかし実際には、数週間おきにChatGPTを開いて社名を入力し、表示されたことに安心しているだけです。この確認方法では有用な変化を捉えられず、「管理できている」という感覚だけが残ります。
この問題が重要なのは、購買判断の最初のステップがAIエンジンへ移りつつあるからです。台湾のB2B購買担当者は、資料請求やデモの依頼に至る前に、ChatGPTやPerplexityへ適切な選択肢を尋ねます。そこで自社がどう説明され、候補として選ばれ、比較検討リストに入るかが、その後の商談を左右します。AIが自社をどう語っているか見えなければ、修正もできません。ところが追跡を始めた多くのチームは、同じ7つの失敗を犯し、誤ったシグナルに予算を費やしています。
- 単なる言及を引用とみなす
- ブランド名だけを検索する
- 一度スクリーンショットを撮るだけで、定期的に計測しない
- プロンプトが少なく、整いすぎていて、実際の質問とかけ離れている
- ChatGPTだけを見て、ほかのAIエンジンを無視する
- 表示の有無だけを記録し、どう説明されたかを見ない
- 大量に追跡しても、改善施策へつなげない
失敗1：一度「言及された」だけで「引用された」と判断する
「言及」と「引用」は異なります。言及とは回答文に自社名が登場すること。引用とは、AIが自社を情報源として示し、リンクを付ける、または自社ページの文章を直接利用することです。B2B SaaSにおいて、検索流入や信頼の移転につながるのは後者です。前者は一時的な表示にすぎない場合があります。改善するには、結果を「表示なし」「言及」「引用（参照元リンクを含む）」の3種類に分けて記録します。「言及」の状態が長く続き、「引用」へ進めないなら、AIは社名を見つけても引用に値する情報を見つけられていません。これは可視性ではなく、コンテンツ構造の問題です。
失敗2：ブランド名だけを検索する
購買担当者が社名を直接入力することは、ほとんどありません。検索するのは、「台湾のB2B向けCRMのおすすめ」「SaaS企業は顧客対応をどう設計すべきか」「特定ツールの代替製品」といった課題や状況です。ブランド名だけを確認するのは、すでに勝てている検索だけを見て、実際の競争市場を見ないようなものです。認知、比較検討、商談、導入判断など、購買プロセスごとの状況からプロンプトを逆算しましょう。台湾市場では、中国語と英語が混在する点にも注意が必要です。意思決定者が英語で一度尋ね、中国語でもう一度確認すると、それぞれ異なる回答が返ることがあります。
失敗3：一度スクリーンショットを撮るだけで、定期的に計測しない
AIの回答は安定していません。同じ質問でも3通りの回答が返ることがあり、モデルの更新時には結果が大きく入れ替わる場合もあります。スクリーンショット1枚で結論を出しても、曖昧な情報をトレンドと取り違えるだけです。意味があるのは、毎週または隔週の固定した計測です。同じプロンプト群を使って同じエンジンに質問し、日付とモデルのバージョンを記録します。同じプロンプトを3回実行して結果を増やせば、ランダム性の影響も抑えられます。時系列データがあれば、本当に可視性を失ったのか、その日だけモデルの回答が違ったのかを判別できます。
失敗4：プロンプトが少なく、整いすぎていて、実際の質問とかけ離れている
実際の利用者によるAIへの質問は、もっと入り組んでいます。最初は曖昧な質問を投げ、そこから業界、企業規模、予算、必要条件などを付け足しながら掘り下げていきます。整ったプロンプトを3つ用意しただけでは、理想的な状況しか測れず、実態を捉えられません。購買シナリオごとに少なくとも5〜8個のバリエーションを設け、英語での質問、比較検討、要件確認まで網羅しましょう。たとえば「50人規模のチーム向け候補」「予算に制約がある場合」「クライアント向けソフトウェア提案」では、提示される候補がまったく異なります。こうした条件付きの質問のほうが、実際の購買担当者の行動に近いのです。
失敗5：ChatGPTだけを見て、ほかのAIエンジンを無視する
ChatGPTの利用者は多いものの、意思決定に影響するAIエンジンはそれだけではなく、引用の提示にも慎重です。Perplexityはほぼすべての文章に参照元を示すため、自社が信頼できる情報源とみなされているかを確認しやすい場です。Google AI Overviewsは一般の検索ユーザーと最も直接的に接点を持ちます。Googleと連携するGeminiも、B2Bの意思決定者が想像以上に利用しています。1つのプラットフォームだけを追うのは、道路を1本だけ見て交通全体を判断するようなものです。少なくともChatGPT、Perplexity、Google AI Overviewsを対象にし、参照率を個別に記録してください。同じ記事でも、エンジンごとに結果が大きく異なることが分かります。
失敗6：表示の有無だけを記録し、どう説明されたかを見ない
自社が言及されたかどうか以上に重要なのが、AIにどう説明されているかです。回答に使われる形容や評価表現によって、購買担当者は検討前から自社を採点します。管理表に「あり／なし」だけを記録していては、最も重要な情報を取りこぼします。追跡のたびに、AIによる自社の説明、同じ候補として挙げられた競合、分類されたカテゴリーの3点を記録しましょう。誤ったカテゴリーに入れられている、あるいは古い情報で説明されているなら、それはコンテンツによって修正できるシグナルです。受け入れるしかない事実ではありません。
失敗7：大量に追跡しても、コンテンツ改善へ反映しない
追跡するだけではAIの回答は変わりません。多くのチームが見栄えのよいダッシュボードを作り、毎週更新しても、誰もギャップを施策に落とし込まず、残るのは期待外れの画面ばかりです。本当に役立つ運用では、ギャップの一つひとつを具体的なアクションへ結び付けます。AIが情報を抽出しやすいソリューションページを追加する、構成を見直す、比較表を更新する、といった施策です。追跡をコンテンツ制作の仕組みと連動させて初めてROIが生まれます。そうでなければ、「見つけられていない」と確認するためだけに費用を払い続けることになります。
AIの語り方は、毎週観測しているだけでは変わりません。AIが見つけ、抽出し、安心して引用できる情報を整えて初めて変化します。— Tenten GEO consultant team
