Brand Radarを一言で説明すると、AIエンジンを「同じ質問にも毎回答えが変わる対象」として扱い、同一の質問を繰り返し投げかけ、自社ブランドが言及・引用される確率を測る仕組みです。キーワード順位やWebサイトへの検索流入を調べるものではありません。潜在顧客がAIに相談したとき、「自社がどの程度候補に挙がり、どれほど信頼できる情報源として扱われるか」を可視化します。この測定の精度を左右するのは、背後の技術以上にサンプル設計です。
まずは、Brand Radarが何を測定しているのかを整理しましょう。
従来のSEOツールなら、Google検索で特定のURLが何位に表示されるかを確認できます。しかし、AIエンジンの回答には固定順位がありません。ChatGPTに「台湾でB2B SaaSに強いGEO支援会社は？」と尋ねても、今日は3社、明日は5社が挙がり、掲載順も変わる可能性があります。したがって、AI上の可視性は一度の順位ではなく、「多数の反復質問のうち、どの程度の確率で候補に含まれるか」で捉える必要があります。Brand Radarでは、この確率を言及率、引用率、平均掲載位置、センチメント、競合とのシェア・オブ・ボイスに分解し、定量化します。
ステップ1：購買担当者の実際の質問をプロンプト群にする
プロンプト群を作る際に最も多い失敗は、自社が検索されたいキーワードから考え始めることです。購買担当者は「GEO監査サービス」と入力するとは限りません。実際には、「AI検索で自社がまったく出てこない。誰に相談すればよいか」「ChatGPTが自社製品を推奨しているか、どう確認すればよいか」といった聞き方をします。そこで、プロンプトは3つの情報源から作成します。商談で顧客から実際に受けた質問、顧客や営業担当者が会話で使った表現、各AIエンジンが示す補完候補や関連質問です。安定した比率を得るには十分な件数が必要ですが、多ければよいわけではありません。増やしすぎると、本来の商談課題が埋もれてしまいます。リード獲得型のB2Bビジネスであれば、認知、比較、意思決定にまたがる40〜120個の主要プロンプトが通常の目安です。重要なのは、すべてのプロンプトに具体的な購買シーンがあることです。
ステップ2：なぜ同じ質問を繰り返す必要があるのか
AIエンジンの回答にはランダム性があります。同じ質問を同じモデルで10回実行しても、挙がる企業が8社に分かれたり、その順序が変わったりします。1回の回答から得られるのは一つの観測結果であり、傾向を示すシグナルではありません。Brand Radarでは、各プロンプトをそれぞれのAIエンジンで繰り返し実行し、その統計分布を確認します。たとえば10回中7回言及されれば、言及率は70%です。この比率なら、意思決定に使える指標になります。さらに、ChatGPT、Perplexity、Gemini、Google AI Overviewsでは参照する情報源の傾向が大きく異なるため、複数エンジンを横断してサンプリングします。同じブランドでも、エンジンによって可視性に大きな差が生じることがあります。
ステップ3：回答を取得し、「言及」と「引用」を分ける
サンプリングで得た回答は、2つの観点から判定します。1つ目は言及です。回答本文に自社名、製品名、主要人物名が登場しているかを確認します。2つ目は引用です。回答内の出典リンク、脚注、参考資料一覧が自社サイトを参照しているかを確認します。この2つは混同されがちですが、意味は大きく異なります。本文での言及は、モデルがブランドを認識していることを示します。一方、引用は、自社コンテンツが回答を裏づける根拠として使われていることを示します。健全な状態では、その両方が確認できます。言及は多いのに引用が少ない場合、過去の評判で認知されている一方、現在の情報源としてのカバレッジが不足している可能性があります。判定時には、ブランド名の誤認にも注意が必要です。同名企業が混在したり、モデルが社名を誤記したり、一部だけを記載したりすることがあります。そのため、実際に自社について述べている回答と、単なる名称の一致を切り分ける判定ルールが欠かせません。ここが曖昧だと、後から算出するスコアも実態を反映しなくなります。
ステップ4：集計する——可視性スコアはどう算出するのか
言及と引用のデータを整理したら、追跡可能なスコアへ変換します。基本となるのは単純集計ではなく、複数指標の重み付けです。
- 言及率：全サンプルのうち、回答本文でブランドが言及された割合。
- 引用率：出典を伴う回答のうち、自社サイトが参照された割合。自社コンテンツが根拠として採用されている度合いを示します。
- 掲載位置：ブランドが回答の前半に掲載されているか、主要な推奨候補として説明されているか。
- センチメント：AIがブランドを肯定的、中立的、否定的のどれとして説明しているか。露出の実質的な価値を左右します。
- シェア・オブ・ボイス：同じプロンプト群で主要競合と比較し、どのブランドがAIにより頻繁に選ばれているかを示します。
これらの指標には、各プロンプトの商業的価値に応じて重みを付けます。購買計画が明確な意思決定段階の質問を、一般的な認知段階の質問より優先するためです。最終的には、社内で共有しやすい総合的な可視性スコアに集約します。ただし、実際の施策判断で重要なのは、指標別の内訳です。言及率が低ければコンテンツと構造化された根拠を強化し、シェア・オブ・ボイスが低ければ競合が頻繁に引用されるテーマを優先するといったように、指標ごとに必要な改善策が異なります。
ステップ5：一時点のスナップショットをトレンドに変える
一時点のスコアから分かるのは現状だけで、原因や施策の効果までは判断できません。そこで、同じプロンプト群を毎週など一定の周期で再実行し、スコアを時系列で追跡します。これにより、「先月、比較記事を3本追加した」という施策と、「2週間後からPerplexityでの引用率が上昇し始めた」という変化を結び付けられます。トレンド分析はリスクの早期発見にも役立ちます。競合のシェア・オブ・ボイスが3回連続で上昇し、自社が回答候補から押し出されつつある場合、Webサイトの検索流入に影響が表れる前にその兆候を把握できます。
では、これらの数値を実務でどう使えばよいのでしょうか。
可視性スコアは、レポートを飾るための虚栄指標ではありません。次にどのテーマの記事を作るべきか、どのAIエンジンに最も大きなギャップがあるか、投じた工数によってAIでの露出が本当に増えたかを判断するための指標です。
Brand Radarのロジックをたどると、その本質は、回答が変動するAIエンジンにサンプリング型の測定手法を適用することだと分かります。難しいのはデータの取得そのものではありません。適切なプロンプトを設計し、回答データを正確に整理し、スコアを実行可能な施策へ結び付けることです。主要なAIエンジンで自社がどのように語られ、競合と比べてどこに差があるのか分からない場合は、30分のGEO診断をご利用ください。貴社の事業に即した実際の質問を一巡させ、可視性が落ちている箇所と優先的に改善すべきポイントを整理します。
