台湾のある五軸加工機メーカーは、前年まで予算のほぼすべてを展示会とGoogle Adsに投じていました。ところが、買い手が初期の仕入先選定にChatGPTやPerplexityを使い、「台湾の五軸加工機メーカー」を尋ねるようになると、同社の名前は候補から消えてしまいました。それから90日後、同じ条件で調べると、同社は上位三社に安定して入るようになりました。広告費や外部リンクを増やしたのではありません。AIエンジンが読み取るブランド情報を、根本から組み直したのです。
問題は検索順位ではありません。「AIが自社を知らない」ことです。
「五軸加工機」でGoogle検索すると、この会社の公式サイトは2ページ目に表示されていました。しかし、本当の課題は別のところにあります。買い手が検索結果を一つずつ比較せず、AIに「台湾で信頼できる五軸加工機メーカーを挙げて」と尋ねると、モデルは明確に抽出でき、複数の情報源で裏付けられる事実を優先します。同社のサイトでは、仕様がPDFの型録に埋もれ、製品ページには「お問い合わせください」の一文しかなく、技術的な強みも構造化されていないマーケティング事例の中に書かれていました。AIから見れば、引用できる情報が存在しないのと同じです。
Brand Radarを使い、主要競合各社と同数の購入検討クエリを追跡しました。結果は明白でした。20件の質問に対し、競合は平均11回言及された一方、このメーカーが登場したのは一度だけ。しかも「その他の選択肢」として補足的に挙げられたにすぎません。製品力の問題ではなく、AIから見た製品情報の読み取りやすさに差があったのです。
ステップ1：AIが誰を、なぜ推薦しているのかを把握する
最初からWebサイトを改修したわけではありません。まず測定から始めました。この製品カテゴリーについて、買い手がAIに実際に尋ねそうな質問を整理します。仕様比較、納期、価格、業界ごとの適合性といった検討意図を洗い出し、複数のAIエンジンで一巡させました。そのうえで、どのブランドが挙げられたか、AIがどの情報源を参照したか、なぜ推薦したかを記録しました。
- 推薦される競合には、ほぼ例外なく構造の整った製品ページがありました。ストローク、速度、精度などの数値を型録に閉じ込めず、ページ上に直接掲載しています。
- 競合の強みは、業界メディアの記事、代理店サイト、フォーラムでの議論など、第三者の情報源でも繰り返し言及されていました。AIが複数の根拠を照合できる状態です。
- 「航空分野や医療分野の加工に適しているか」といった買い手の疑問に、ページ上で明確に回答していました。
この一覧そのものが改善のロードマップになります。推薦候補に入るために必要なのは、単なる検索流入の増加ではありません。抽出しやすい事実、検証可能な記述、そして購入検討時の質問に正面から答えるコンテンツ。この三つです。
ステップ2：埋もれている事実を、AIが読める場所へ移す
改修の中心に置いたのは、ビジュアルデザインではなくコンテンツ構造です。主要仕様をPDFから製品ページ本文へ移し、X/Y/Z軸のストローク、主軸回転数、位置決め精度、対応素材を明確な項目として掲載しました。さらに各ページの冒頭で、「この機械は誰に適しているのか」「どのような加工課題を解決できるのか」を明示しました。これは人間の買い手にとって読みやすいだけでなく、AIによる情報抽出にも重要です。モデルは、推測で補わなくてもそのまま引用できる、完結した記述を好みます。
AIが行間を読んで補ってくれることはありません。事実として書かれていなければ、AIの世界では存在しないのと同じです。— Tenten GEO consultant team
次に取り組んだのは、情報の裏付けです。同社が実際に手がけた内容を、公開可能な技術記事として整理しました。医療分野の顧客における加工事例や、航空部品の歩留まりを改善したデータなどです。さらに、代理店や業界メディアにも同じ事実を引用してもらいました。同一の内容が複数の独立した情報源に現れると、AIがその情報を信頼する確度は大きく高まります。これは、AIがブランド名を挙げるための前提条件でもあります。
ステップ3：自社を誇示するのではなく、買い手の疑問に答える
工作機械の購入検討では、よく挙がる質問があります。納期はどの程度か、特殊治具に対応できるか、アフターサービスの対象範囲はどこまでか、競合製品と何が違うのか。こうした質問を製品ページとFAQの構造に直接組み込み、それぞれに単独で引用しても意味が通る、完結した回答を用意しました。効果は二つあります。買い手がページ上で答えを見つけやすくなり、AIも回答を生成する際に、その記述を推薦理由として利用できるようになります。
90日後：言及一度から、上位三社の常連へ
90日目に同じ20件の質問を再度実行すると、このメーカーへの言及回数は1回から13回に増えていました。そのうち八回は上位三社として推薦され、五回は肯定的な比較候補として登場しました。さらに注目すべきは、言及される質問の種類です。「医療分野向けの台湾製五軸加工機」という質問でも名前が挙がるようになりました。まさに、追加した事実情報と導入事例が狙った成果です。商談の現場からも、「ChatGPTに御社を勧められた」と明言する新規の問い合わせが二件あったと報告されました。
ただし、AIのカテゴリー推薦対策は一度きりのプロジェクトではありません。競合も動き、モデルも更新されるため、推薦率を継続的に追う必要があります。このメーカーは現在、Brand Radarの月次追跡を業績レポートと同じ固定ダッシュボードとして扱っています。上位三社から外れた質問群があれば、そのテーマに必要なコンテンツを追加しています。
この事例から再現できる三つのポイント
- 施策より先に測定する。現在AIが誰を、なぜ推薦しているのかが分からなければ、どの改善策も推測にすぎません。
- 事実をPDFや抽象的なマーケティング表現から解放し、AIが抽出できる構造で記述する。
- 複数の情報源で実績を裏付ける。AIが必要としているのは自社サイトのURLだけではなく、そのブランドを信頼できる理由です。
買い手がAIに自社の製品カテゴリーについて尋ねたとき、自社が候補に入るのか、誰と比較され、どの順位で推薦されるのか。それを知る最短ルートは、実際に測定することです。私たちのGEO監査では、今回と同じ手法を用いて、自社と主要競合のAI推薦状況を比較します。まずは自社のギャップを把握したい方は、30分のGEO診断をご利用ください。実際のカテゴリー別データを見ながらご説明します。
