システムを学ぶ
可視性・影響・収益の各指標が答えられる範囲を学びます。
モデルを作る
段階 02 · 診断
ベースライン測定：現在の可視性を確定する
変更前に、モデル回答、分析データ、自己申告、事業推論を分けた監査可能な起点を作ります。
成果
質問、引用、回答シェア、適格訪問、Pipelineを過度な確実性なしに追跡します。
- 前提
- 前段階を完了または復習：GEO基礎
- 作業量
- 学習60–90分 + 1回の作業
- 成果物
- 版管理された質問群、証拠ログ、指標辞書、不明点一覧。
学ぶ → 実行 → 証明
作業を行う
モデル、市場、日付、回答、引用を記録する再実行可能な標本を作ります。
成果物を作る
結果を証明
別の担当者が方法と限界を再現できることを確認します。
証拠を確認
Concept boundaries
基本概念
まず買い手の問い、収集条件、期待する結果を定め、情報源から回答、次の行動まで ベースライン測定 を順に確認します。各段階の原記録を残し、推測を事実として扱わないようにします。
ベースライン測定 は単独の数値ではなく、記録・確認・振り返りを行う一連のプロセスです。 担当者、版、日付、市場、言語、既知の制約を記録に含めます。同じルールで再実行し、変化があれば差分と次の判断への影響を明記します。
実行方法
担当者、版、日付、市場、言語、既知の制約を記録に含めます。同じルールで再実行し、変化があれば差分と次の判断への影響を明記します。
ベースライン測定 は単独の数値ではなく、記録・確認・振り返りを行う一連のプロセスです。 担当者、版、日付、市場、言語、既知の制約を記録に含めます。同じルールで再実行し、変化があれば差分と次の判断への影響を明記します。
証拠の境界
担当者、版、日付、市場、言語、既知の制約を記録に含めます。同じルールで再実行し、変化があれば差分と次の判断への影響を明記します。
ベースライン測定 は単独の数値ではなく、記録・確認・振り返りを行う一連のプロセスです。 担当者、版、日付、市場、言語、既知の制約を記録に含めます。同じルールで再実行し、変化があれば差分と次の判断への影響を明記します。
Core lesson
01
ベースライン測定 の流れを理解する
ベースライン測定 は単独の数値ではなく、記録・確認・振り返りを行う一連のプロセスです。
まず買い手の問い、収集条件、期待する結果を定め、情報源から回答、次の行動まで ベースライン測定 を順に確認します。各段階の原記録を残し、推測を事実として扱わないようにします。
担当者、版、日付、市場、言語、既知の制約を記録に含めます。同じルールで再実行し、変化があれば差分と次の判断への影響を明記します。
- ベースライン測定 について検証可能な問いを書く。
- 情報源、方法、未確認事項を記録する。
- 別の担当者が同じルールで再確認する。
02
ベースライン測定 を再現できる実務にする
ベースライン測定 は単独の数値ではなく、記録・確認・振り返りを行う一連のプロセスです。
まず買い手の問い、収集条件、期待する結果を定め、情報源から回答、次の行動まで ベースライン測定 を順に確認します。各段階の原記録を残し、推測を事実として扱わないようにします。
担当者、版、日付、市場、言語、既知の制約を記録に含めます。同じルールで再実行し、変化があれば差分と次の判断への影響を明記します。
- ベースライン測定 について検証可能な問いを書く。
- 情報源、方法、未確認事項を記録する。
- 別の担当者が同じルールで再確認する。
Decision framework
ベースライン測定 の観察 → 判断 → 行動
現在の証拠から、どの次の判断ができますか。
- 01
入力
十分で適切な入力を取得できていますか。
不足していれば情報源、サンプル、技術条件を補います。
- 02
観察
記録は現象を直接示していますか。
示せなければ表現を弱め、未確認として残します。
- 03
検証
再実行や別担当者の確認で再現できますか。
できなければルールと収集方法を直します。
- 04
行動
次の証拠を変える最小の行動は何ですか。
担当者と停止条件のある可逆的な行動を選びます。
Worked non-client example
チームは ベースライン測定 に優先的に扱うべき不足を見つけ、作業会議で判断しようとしています。
- 原記録に日付、市場、方法が残っています。
- 確認者によって一つの結果の分類が異なります。
- 流入、引用、売上への影響を示す資料はまだありません。
ベースラインを固定し、分類ルールをそろえて管理された再確認を行ってから ベースライン測定 への投資を決めます。
観察は診断には十分ですが、因果や市場全体の主張には不十分です。
この記録が支えるのは次の確認と優先順位だけです。ベースライン測定 の改善や単一施策の効果を証明するものではありません。
Reusable work template
ベースライン測定 の作業記録テンプレート
優先する問いごとに一行を記入し、要約の前に原記録を保存します。
- 01
問いと目的
誰がどの判断をするのか、ベースライン測定 が何を助けるのかを書く。
- 02
範囲と版
市場、言語、プラットフォーム、ページ、クエリ版を記録する。
- 03
原観察
回答、レスポンス、情報源、画面を保存し、点数だけにしない。
- 04
判断ルール
分類、分母、除外条件、確認者を明記する。
- 05
次の行動
担当者、最小変更、再実行日、停止条件を決める。
- 06
未知と制約
欠落、失敗、個別化、帰属できない部分を残す。
Failure modes and corrections
一つの点数だけを見る
単一の数字で ベースライン測定 全体を表す。
修正すべき箇所が見えなくなります。
まず役割、情報源、条件を示し、その後で要約を計算します。
結果を見てルールを変える
結果の後で分類や分母を調整する。
基準は良く見えても監査できません。
ルールを固定し、変更は版を上げて旧データを残します。
推測を成果と呼ぶ
一度の観察を安定した改善や収益と報告する。
時系列だけでは影響や因果を証明できません。
観察、入力、推測、未検証の結果を分けます。
Practice exercise
ベースライン測定 を一度検証する
一つの実際の買い手の問いまたはページを選び、限定した市場と言語で ベースライン測定 を確認します。
- 01問い、範囲、版、期待する役割を書く。
- 02条件付きの原観察を二つ以上保存する。
- 03別の確認者に独立して分類してもらう。
- 04担当者と停止条件のある最小行動を提案する。
Proof artifact
原記録、判断ルール、未知事項、次の判断を含む ベースライン測定 の検証票。
Completion rubric
- 各結論が原記録に戻れる。
- 分類、分母、版のルールが明確である。
- 次の行動が観察された制約に対応している。
- 可視性、流入、収益について証拠を超える約束をしていない。
ACADEMY KNOWLEDGE LIBRARY
全ライブラリを見る
段階を選び、テーマと読者意図から必要な深さを決めてください。
considerationhubsearchable
AI Visibilityツール選定ガイド【総まとめ】：要件整理から引用元分析までの全体像
多くのチームは、ツール選定の順序を間違えています。要件整理から導入までを俯瞰できる、AI Visibilityツール選定の全体マップです。
記事を読むawarenessdatashareable
2026年 台湾AI検索引用動向レポート：ChatGPTが参照する情報源から繁体字中国語コンテンツを分析
繁体字中国語のコンテンツを参照する際、ChatGPTはサイトの検索流入だけで引用先を決めているわけではありません。台湾に関する質問群を追跡し、AIがどの情報源を引用しているのか、改善にはどこから着手すべきかを整理しました。
記事を読むconsiderationdataboth
AIに引用されやすい記事の長さと鮮度とは？実測データで見る500記事の実態
「コンテンツは長いほどAIに引用されやすい」という見方は正しくありません。複数の記事を調査した実測データでは、引用率は逆U字型を描き、鮮度が効くかどうかもクエリの種類によって異なりました。
記事を読むconsiderationdataboth
AI可視性は施策前後で比較できる──GEOの効果をどう測るか
「見える気がする」では評価できません。固定した質問セットを複数のAIエンジンで繰り返し検証し、4つの指標からAI可視性を比較可能な推移として捉えます。
記事を読むconsiderationdatashareable
AI引用の安定性を追跡調査：同じ質問への回答は3カ月でどれだけ変わるのか
まったく同じ質問でも、3カ月後にはAIが挙げるブランドの半数近くが入れ替わる可能性があります。本追跡調査では、AI引用がどれほど変動するのか、そして単発の順位より継続的な観測が重要である理由を明らかにします。
記事を読むawarenessdatashareable
B2B業界別・AI引用ベンチマーク：SaaS、製造業、プロフェッショナルサービスで最も言及されやすいのは？
AIに引用されやすいかどうかは、業界ごとの出発点に大きく左右されます。SaaS、製造業、プロフェッショナルサービスでは引用の前提条件が明確に異なるため、全業界の平均値で自社を評価すると、ほぼ確実に判断を誤ります。
記事を読む関連フィールドライブラリ
トピックを深める
白書・ガイド・方法論は登録不要で読めます。2026 GEO トレンドレポートのみ Email 登録が必要。
白書6 章 · 2026.06
引用・推薦・有望商談で GEO を測定する
引用、リンクのないブランド言及、購買質問での推薦率、有望商談を別々に定義します。サンプルと分母を示し、パイプライン金額、売上、証拠で支持できる貢献の解釈を区別します。
引用・推薦・有望商談で GEO を測定するレポート6 章 · 2026.06
Share of Model：明確な定義で AI 可視性を比較する
言及、資料リンク、推薦を定義し、質問、分母、収集条件をそろえてブランドを比較します。
Share of Model：明確な定義で AI 可視性を比較するガイド6 章 · 2026.06
AI 流入のアトリビューション：既知の流入元と欠損データ
GA4 のチャネル定義を読み、流入元の証拠を CRM まで保存し、自己申告の発見経路は別に比較します。リファラーの欠損だけでは AI 流入を識別できません。
AI 流入のアトリビューション：既知の流入元と欠損データレポート6 章 · 2026.06
AI 経由のコンバージョン：研究を読み、自社の成果を測る
行動、サンプル、期間別に AI 流入の研究を比較し、イベント率、有望商談、売上を分けて測定します。流入元の識別と貢献評価の限界も整理します。
AI 経由のコンバージョン：研究を読み、自社の成果を測るツールで段階を実行
Query Evidence Lab
モデル、市場、日付、回答、引用を記録する再実行可能な標本を作ります。
証拠の境界
Use the output for the decision it describes; do not treat a technical scan, self-assessment, or planning model as proof of live AI citations.
学びを適用
次の検査可能な判断へ
証拠基盤が判断に合う場合のみ、ツールやサービスを使います。