AI可視性最適化に数ヶ月間取り組み、スキーママークアップを追加し、コンテンツを再編成し、権威信号を構築した。その成果はどのように測定するのか。
ほとんどのビジネスは、実施した施策のうち何が機能したのかを把握していない。Generative Engine向けに最適化を行いながらも、ChatGPT、Perplexity、Geminiが実際に自社を顧客に推奨しているか測定できないのである。
これがGEO測定ギャップの実態だ。AI検索最適化については各所で議論されるが、結果の測定方法について語る者はほぼ皆無である。
本稿では、把握すべき事実とその改善方法を解説する。
GEOとは何か—測定が不可欠な理由
Generative Engine Optimization（GEO）とは、AI駆動型回答エンジンにおける表示形態のことである。ChatGPTで「Austin 最高の引越し会社」と検索するか、Perplexityで「信頼できるローカル会計士」と検索するかで、ビジネスが回答に表示されるか否かが決まる。
従来のSEOはランキング順位を提供していた。3位か15位かを特定でき、週ごとに順位変動を追跡できた。
GEOは不確実性をもたらす。AIツールは確率的であり、同じ質問に複数回答えると異なる応答が生成される。競合他社がある応答には表示されても、次の応答では消える可能性がある。
この不確実性が、多くの中小企業とエージェンシーが高額ツールまたは大規模な手動テストなしでは解決できない測定課題を生じさせている。
AI Visibilityは7つのプラットフォーム全体において、AIツールがビジネスについてどのように言及するかを検証する。$50/jobからの料金体系で、推測ではなくデータに基づいた判断が可能だ。顧客がビジネスと同様の企業について検索するとき、AIが実際に何を述べるかが明確になる。
当社はAIリスティングサービスではない。ChatGPT、Gemini、Claudeその他のモデルにサイトを登録することはないし、特別な掲載や提携を販売することもない。これらのツールが既にビジネスについてどう言及しているかを検証し、改善計画を提供するだけだ。
従来のSEOメトリクスがAI可視性に機能しない理由
検索ランキングはバイナリで追跡可能だ。表示されるか、されないか。時系列で順位の変動を観察できる。
AI推奨は流動的でコンテキスト依存である。同じビジネスは「安い配管工」では表示されるが「緊急配管工」には表示されない可能性がある。「ベスト」を検索する際は表示されるが、「最寄り」を検索するときは消える場合がある。
従来のSEOツールが測定する項目：
- キーワードランキング
- バックリンク数
- ドメイン権威スコア
- クリックスルーレート
これら全てが、顧客が助言を求める際にChatGPTが自社を推奨するか否かを示すわけではない。
必要な別種のデータ：
- 複数のAIプラットフォーム全体での可視性
- 実際の顧客質問に基づくペルソナテスト
- 表示される際の引用頻度
- 同一応答における競合他社の言及度
- 自社ビジネスに関するAI説明の品質
AI可視性テストはこれらを測定する。顧客がカテゴリーのAI推奨を検索するとき、実際に何が表示されるかを示すのだ。
AI可視性で重要な7つのプラットフォーム
多くのビジネスはChatGPTのテストだけで終わる。これは盲点をもたらす。
顧客が実際に利用するプラットフォーム：
ChatGPT – アクティブユーザー1億8000万人。最大規模のAIプラットフォーム。説明付きの詳細な推奨を提供することが多い。
Perplexity – 調査志向のユーザーの間で急速に成長中。直接ソースを引用する。技術とプロフェッショナルサービスに強い。
Claude – 開発者と技術意思決定者で人気が高い。思慮深く詳細な応答を志向する。
Gemini – GoogleのAI。検索とマップと統合される。ローカルビジネスに強力だ。
Meta AIのLlamaモデル – Facebook、Instagram、WhatsAppのAI機能を支える。消費者向けビジネスのリーチが大きい。
xAI（Grok） – Twitter統合。顧客がX上で活動する場合、重要となる。
DeepSeek – 技術ユーザーを抱える新興プラットフォーム。注視の価値がある。
単一プラットフォームのテストだけでは不完全なデータが得られる。ローカルベーカリーはGeminiで優位だが、ChatGPTに存在しないかもしれない。B2Bコンサルティング企業はClaudeで表示されても、Perplexity全体を逃す可能性がある。
顧客が実際に使用するプラットフォーム全体での可視性が必須だ。
プラットフォーム固有の戦略—各プラットフォームで機能する施策
各AIプラットフォームは異なる引用パターンと推奨ロジックを持つ。ChatGPTで機能する施策はPerplexityで失敗する場合がある。
ChatGPT：幅よりも深さ
ChatGPTは包括的で構成の整ったコンテンツを持つビジネスを優遇する。詳細なサービス説明、ケーススタディ、専門知識シグナルから引き出す。
機能する施策：
- 明確なセクション階層を持つロングフォームコンテンツ
- 具体的な事例とケーススタディ
- 著者認証と専門知識マーカー
- 成果を示す詳細なサービス説明
失敗する施策：
- 一般的な説明のみの短いコンテンツ
- 文脈と事例のないリスト
- 競合他社との明確な差別化なし
- 専門知識シグナルの欠落
テスト発見： ChatGPTは推奨に企業を含める傾向があるが、明確な差別化がなければ埋もれる。10社中8位に表示される場合、存在するが明確な価値提案を持つ競合に敗れる。
Perplexity：引用と権威
Perplexityは直接ソースを表示する。強い外部検証と引用価値のあるコンテンツを持つビジネスを優遇する。
機能する施策：
- プレスメンション
- 業界出版物での引用
- 実質を持つサードパーティーレビュー
- 明確で引用可能な専門知識
失敗する施策：
- バックアップなき自己宣伝コンテンツ
- 外部検証の欠如
- 弱いまたは不足するレビュー
- 信頼性マーカーの不明確さ
テスト発見： Perplexityは推奨と共にソースリンクを表示する。強いバックリンクプロファイルとメディアメンションを持つビジネスが優遇される。優質なコンテンツだけでなく、外部検証が必須だ。
Gemini：ローカルと統合
GeminiはGoogleエコシステムから多く引き出す。Google Business Profile の品質、マップデータ、Search Console信号は全て重要である。
機能する施策：
- Google Business Profileの最適化
- 強いローカルSEO信号
- Web全体でのNAP（名前、住所、電話番号）の一貫性
- Googleサービスとの統合
失敗する施策：
- ビジネス情報の矛盾
- 弱いまたはGoogleプレゼンスの欠落
- 構造化ローカルデータの不足
- モバイル体験の不備
テスト発見： Geminiは、一般的なWeb上の存在が弱い場合でも、ローカルクエリでビジネスを推奨することが多い。ローカル可視性が重要なら、Googleエコシステムから始めるべきだ。
Claude：技術と詳細
Claudeは技術的正確性と詳細な説明を好む。B2B、プロフェッショナルサービス、技術製品に適している。
機能する施策：
- 技術ドキュメンテーション
- 詳細なプロセス説明
- 明確な方法論の説明
- プロフェッショナル認証
失敗する施策：
- 曖昧なマーケティング言語
- 技術的詳細の欠落
- プロセスまたは方法論の不明確さ
- 一般的なサービス説明
テスト発見： Claudeはより長く思慮深い推奨を提供することが多い。アプローチを明確に説明できるビジネスを採用する。最高のSEOを持つビジネスだけが選ばれるのではない。
Meta AI：消費者とビジュアル
Meta AIはFacebook、Instagram、WhatsAppを通じて消費者向け推奨を提供する。ビジュアルコンテンツとソーシャルプルーフがここではより重要だ。
機能する施策：
- 強いソーシャルメディアプレゼンス
- ビジュアルコンテンツと事例
- ユーザー生成コンテンツとレビュー
- 明確な消費者ベネフィット
失敗する施策：
- ソーシャルメディアプレゼンスの欠落
- テキストのみのコンテンツ
- B2B中心のメッセージング
- 消費者レビューの不足
テスト発見： Meta AI推奨はアクティブなソーシャルプロファイルとビジュアルな実績の証拠を持つビジネスに流れる。InstagramとFacebookを軽視すると、Meta AI可視性を逃す。
クロスプラットフォームパターン
全プラットフォーム横断で機能するパターンがある。
共通の成功要素：
- 競合他社からの明確な差別化
- 一般的主張よりも具体的事例
- 外部検証と証拠
- 構造化された走査可能なコンテンツ
- Web全体での一貫した情報
共通の失敗要素：
- 一般的なマーケティング言語
- 専門知識シグナルの欠落
- ビジネス情報の矛盾
- 実質を欠くシンコンテンツ
- モバイル最適化の不備
AI可視性を支配するビジネスは単一プラットフォームだけを最適化しない。全プラットフォームで機能する基盤を構築し、その後プラットフォーム固有の最適化層を追加する。
El Tianguis事例：AI可視性でゼロから#1へ
El Tianguisはサンディエゴのグルテンフリーメキシコレストランだ。家族経営で、セリアック家族のために安全に調理された本物レシピで地元で知られている。
彼らは課題に直面していた。Googleで「San Diego gluten-free Mexican food」と検索する顧客は彼らを見つけた。だがChatGPTやPerplexityで同じ質問をする顧客は競合他社の推奨を得た。El TianguisのAI可視性はゼロだったのだ。
初期の問題
初回のAI可視性レポートが示した数字は厳しかった：
Authority Score：12/100 AIシステムは彼らをめったに言及せず、言及する場合も弱く一般的な説明しか提供しなかった。
Presence Rate：0% ターゲット顧客を想定した有機テスト質問54全体で、AIプラットフォームはEl Tianguisをゼロ回言及した。
Category Share：0% AIがグルテンフリーオプション付きメキシコレストランを推奨する場合、El Tianguisは決して表示されなかった。競合他社がカテゴリーを独占していた。
Ghost Influence：78% ここが痛点だった。AIシステムはグルテンフリーメキシコ料理の調理、安全なキッチン実践、本物レシピの話をしばしば説明したが、これらの特性をEl Tianguisに帰属させるか、企業名なしの一般的アドバイスにした。
レストランは専門知識を持つが、AIはそれを彼らのブランドに結びつけなかった。
レポートが明かしたもの
レポートは具体的ギャップを特定した：
コンテンツ構造の問題： ウェブサイトには「グルテンフリーメニュー」というページがあったが、料理をリストするだけで、セリアック安全キッチン実践、調理方法、家族がなぜ信頼するかを説明していなかった。
差別化ギャップ： AIはEl Tianguisを「グルテンフリーオプション」を提供する競合他社から区別できなかった。彼らのコミットメントの深さが見えなかった。
権威シグナルの欠落： プレスカバレッジなし。グルテンフリー料理関連のブログなし。顧客ストーリーなし。AIが把握できる専門知識マーカーがなかった。
プラットフォーム分散： GeminiはGoogleビジネスプロファイルのため時折言及した。ChatGPTとPerplexityは決して言及しなかった。Claudeは企業名なしで「グルテンフリーオプション付きレストラン」と述べることがあった。
実施した変更
AI可視性レポート発見とStrategy reportに基づき、El Tianguisはコンテンツを再構築した：
専門知識コンテンツを追加： セリアック安全キッチン、材料調達、調理プロトコルを説明する詳細ページを作成した。彼らを特別たらしめる要素を記録した。
権威マーカーを構築： ローカルセリアックサポートグループニュースレターで紹介された。グルテンフリーライフブログでゲスト投稿を発表した。具体的な安全事例を持つ顧客証言を追加した。
情報を明確に構成： サイトを明確な階層で再構成した。各料理ページは材料、調理方法、安全対策を説明した。レストラン詳細についてスキーママークアップを追加した。
比較コンテンツを作成： 「グルテンフリーメニュー項目」対「セリアック安全キッチン」を比較するページを追加した。AIが差別化を理解するのに役立った。
ペルソナに最適化： セリアック家族が実際に検索する方法に合わせてコンテンツを改訂した。「グルテンフリーメニューあり」ではなく「セリアック家族向け安全なメキシコ料理」と表現した。
6週間後の結果
第2回AI可視性レポートは劇的な改善を示した：
Authority Score：84/100 AIシステムはEl Tianguisをセリアック焦点のレストランとして、専用の安全実践で説明するようになった。
Presence Rate：67% 同じ54テスト質問中36の応答に表示された。主要プラットフォームは頻繁に言及するようになった。
Category Share：18% AIがサンディエゴのグルテンフリーメキシコレストランを推奨する場合、El Tianguisはほぼ全ての応答に表示され、#1または#2位に躍進した。
Ghost Influence：22% AIは時に一般的に安全なキッチン実践を説明したが、今は大部分の専門知識提及がEl Tianguisの名前に直結した。
ビジネスへの影響
AI紹介から のトラフィックは3ヶ月間で340%増加した。予約時に新規顧客に「どこで見つけたか」と質問して追跡した。
さらに重要なことに、AI経由の顧客は高く適格化していた。グルテンフリーオプション一般を尋ねるカジュアルダイナーではなく、具体的に安全食を求めるセリアック家族だった。
AI紹介からの平均チケットはGoogle検索トラフィックより40%高かった。意図が高く、適合度が高く、経済性が優れている。
違いを生じさせた施策
3つの具体的変更が成果をもたらした：
専門知識ドキュメンテーション： メニュー項目列挙ではなく、プロセスと約束を示すことで、AIが引用できる具体的差別化をもたらした。
外部検証： プレスメンションとコミュニティーフィーチャーはAIシステムが信頼する権威シグナルを提供した。
ペルソナアライメント： 一般的SEOキーワードではなく実際の顧客のために執筆することで、全プラットフォーム横断の関連性が向上した。
測定層が重要だったのだ。初期データなくしては、彼らは自分たちの立場を知り得ず、再テストなくしては、何が機能したかを知り得なかった。
ペルソナベースのテスト方法論と汎用プロンプトの限界
ほとんどのビジネスは汎用的なプロンプトでAI可視性を評価している。ChatGPTに「サンディエゴのベストレストラン」と入力し、結果を確認する程度だ。
このアプローチは根本的な欠陥を抱えている。実際の顧客がAIをどう活用するかを全く反映していないからだ。
汎用プロンプトの本質的な問題
汎用プロンプトは汎用的な結果しか返さない。「最高のXをY場所で」という質問をすれば、AIは主流で有名なオプションを優先する。小規模企業や専門家は埋もれる。
汎用プロンプトの事例： 「オースティンのベスト引越し会社は？」
AIが返す結果： 膨大なマーケティング予算と大量のレビューを持つナショナルチェーンが表示される。より優れたサービスを提供していても知名度が低いローカル企業は埋もれるか、完全に言及されない。
実際の顧客行動を測定しているわけではない。なぜなら、実際の顧客はそのような方法では検索しないからだ。
実際の顧客がAIに求めるもの
実際の顧客は文脈と具体性を伴う質問をする。自分たちの状況を説明し、ニーズに合致した推奨を求める。
実際の顧客プロンプトの事例： 「南オースティンの2ベッドルームアパートからラウンドロックの家に来月引っ越します。古い家具があり、慎重な取り扱いが必要です。予算は約2,000ドルです。どの引越し会社を検討すべきでしょうか？」
AIが返す結果： 住宅移動を専門とする業者、家具の丁寧な取り扱いに定評がある企業、オースティン～ラウンドロック間の輸送を手掛ける地域事業者が表示される。結果は全く変わる。
ペルソナベーステストが測定する対象はまさにこれだ。実際の顧客が提示する質問パターンを基準に置く。
AI可視性が実際に測定する内容
AI Visibilityは顧客ペルソナをビジネスおよび業界に基づいて構築する。実際の人間が支援を求める際の質問パターンに合致させたプロンプトを生成する。
引越し会社の場合、テスト質問例：
- 予算スペシフィック（「学生向けの手頃な引越し会社」）
- サービス特化（「ピアノ運搬対応の引越し業者」）
- 時間軸シナリオ（「この週末の緊急引越し対応」）
- 距離の変動（「50マイル以下のローカル移動」対「カリフォルニアへの長距離」）
- 特殊ニーズ（「梱包サポート付きのシニア対応引越しサービス」）
各質問の変動は異なる結果を生み出す。これらを体系的にテストすることで、可視性ギャップの具体的な所在地が明らかになる。
9つの質問フレームワーク
AI Visibilityは顧客ペルソナ中心に設計された9つのオーガニック質問を実行する：
質問1～3：コアサービス発見 顧客が自社のようなビジネスを最初に見つけるプロセス。汎用的ではなく、実用的で広範だ。
質問4～6：ニード固有のシナリオ 特定の制約を持つ顧客を想定。予算、期限、特殊なニーズが絡む。
質問7～9：比較と検証 選択肢を絞り込み、差別化要因を探索する顧客を想定。
質問10：直接競争比較 競合他社を明確に指定して比較を求める質問。設計上バイアスがあるため、オーガニックメトリクスから除外されている。
総テスト規模：56レスポンス（6プラットフォーム × 9つのオーガニック質問 + 質問10用に2プラットフォーム）。
複数プラットフォーム測定の必要性
異なるAIプラットフォームは異なる結果傾向を示す。ChatGPTのみのテストでは、Perplexityが研究クエリをどう処理するか、Geminiがローカル推奨をどう提供するかは見落とされる。
プラットフォーム差異の実例： B2Bコンサルタント企業はClaude上で80%の存在感を持つ（技術系視聴者）が、Meta AI上では20%（一般消費者視聴者）だ。マルチプラットフォーム測定なしには、誤ったチャネルに最適化するリスクがある。
AI Visibilityはプラットフォーム間の変動係数を計算する。高いCVは一貫性を欠く可視性を示す。低いCVはどのプラットフォームでも安定した存在を意味する。
レポートメトリクスの実際の意味
権威スコア（0～100）： AIがどの程度自社をポジショニングするかの加重測定値。言及率、説明の品質、ランキング位置、競争状況を統合的に評価する。
プレゼンス率： オーガニック質問で表示される割合。Q10はバイアスがあるため、Q1～Q9のみを計上する。
カテゴリシェア： 自社の言及数を、すべてのレスポンス全体の競合他社言及総数で除した値。AI推奨内でのマーケット支配力を示す。
ゴースト影響： AIが自社の主要機能について論じながら、それを競合他社に帰属させたり、自社の名前を明かさず汎用的なアドバイスに留める頻度。
これらのメトリクスは推定値ではない。実際のAI応答から計算された数値だ。
優れたAI可視性の実態
ほとんどのビジネスはAI検索で成功が何を意味するのかを理解していない。最適化は進めるが、勝利を判定できない状態にある。
優れたAI可視性の実態を示す：
高い可視性： ビジネスがプラットフォーム全体の関連クエリの60%以上に表示される。顧客がカテゴリで支援を求めるたびに、AIツールは一貫して自社を言及する。
質の高い言及： AIが自社ビジネスを正確に説明する。重要な差別化要因が盛り込まれている。競合他社と混同されることはない。
表示位置と頻度： 15個オプションのリストに埋もれない。早期に表示され、文脈を伴う。
競争上の位置： どの競合他社と並んで表示されるか、AIはどう比較するかを把握できる。
カテゴリカバレッジ： 複数の顧客意図で表示される。「最高のX」だけでなく、「手頃なX」「信頼できるX」「緊急対応のX」、顧客が実際に検索する多様なバリエーションで対応できている。
悪い可視性は単なる低頻度ではない。誤った情報での表示、弱い説明、競合他社が優位に見える文脈での表示である。
AI Visibilityは表示頻度と品質の双方を示す。表示される頻度、AIが自社について何を述べるか、同じレスポンスに表示される他企業を把握できる。
業界別の可視性パターン
AI可視性戦略はビジネスモデルによって異なる。ローカルサービスで奏功する手法はB2Bコンサルタンシーでは失敗する。
ローカルサービスビジネス
可視性を駆動する要因：
- Google Business Profile の最適化
- ローカル引用の一貫性維持
- レビュー量と鮮度
- サービス対応エリアの明確定義
- サービス説明の具体性
一般的なギャップ：
- ローカル文脈を欠く汎用的なサービスページ
- フランチャイズからの明確な差別化がない
- モバイル体験が不十分
- レビュー管理が弱い
最適なプラットフォーム： Gemini はGoogle統合により、ローカルクエリで優位に立つ。ChatGPTは次点。Perplexityは研究集約的なローカル検索で3番目だ。
テスト知見： ローカルビジネスはGemini上で強い存在感を示すことが多いが、ChatGPT上での可視性は弱い。修正はローカルSEOだけでなく、コンテンツの深さが必要だ。
専門サービス（法務、会計、コンサルティング）
可視性を駆動する要因：
- 専門知識ドキュメントと認証資格
- ケーススタディと具体的な成果実績
- 発表された思想的リーダーシップ
- 業界認識と受賞歴
- 方法論の明確説明
一般的なギャップ：
- 曖昧な能力ステートメント
- 具体例や成果の不足
- 汎用的な「ビジネス支援」メッセージ
- 技術的深さの欠如
最適なプラットフォーム： Claude および ChatGPT は B2B意思決定者向け。Perplexity は研究集約的な顧客向け。Gemini はローカル関連がない限り重要ではない。
テスト知見： 専門サービスはAI結果に表示されることが多いが、説明は弱く汎用的だ。可視性より差別化が大きな課題である。
SaaS およびテク企業
可視性を駆動する要因：
- 技術ドキュメンテーションの品質
- 統合とAPI の詳細度
- ユースケース例の充実
- 代替製品との比較情報
- 価格の透明性
一般的なギャップ：
- 技術実質に欠けるマーケティング主導コンテンツ
- ユースケースや例の不足
- 機能説明の曖昧さ
- 統合ドキュメンテーションの欠落
最適なプラットフォーム： Claude は技術系視聴者向け。ChatGPT は一般ビジネスユーザー向け。Perplexity は製品リサーチ向けだ。
テスト知見： テク企業は技術ドキュメンテーションは充実していることが多いが、マーケティングコンテンツが弱い。AIは技術適合度が高くても、ビジネスユースケースではスキップされることがある。
エージェンシーおよびクリエイティブサービス
可視性を駆動する要因：
- ポートフォリオとケーススタディの質
- プロセスおよび方法論の明確化
- 具体的なクライアント証言
- 業界専門化シグナル
- ビフォーアフター例
一般的なギャップ：
- 汎用的な「フルサービスエージェンシー」ポジショニング
- 文脈や成果を欠くポートフォリオ
- 明確な専門分野がない
- プロセス説明の欠落
最適なプラットフォーム： ChatGPT はクリエイティブ・マーケティングサービス向け。Perplexity は一般的ではない。Claude は技術エージェンシー向けだ。
テスト知見： エージェンシーは差別化に苦戦している。AIは類似サービスの数百のエージェンシーを見て、最も具体的または最高の権威に集約される傾向がある。
**業界横断的パターン：具体性は包括性に勝る。**すべてに対応しようとするビジネスは汎用的なAI可視性を得る。明確なポジショニングを持つ専門企業はニッチを支配する。
エージェンシーがクライアント保持のためにAI可視性テストを活用する方法
エージェンシーは特有の課題に直面している。クライアントはコンテンツ施策がAI可視性を改善したかを尋ねるが、手動テストなしには証拠を示せない。
有能なエージェンシーはAI可視性テストを納品物として活用する：
最適化前： ベースラインテストを実施。AIが現在ビジネスについて何を述べているか（あるいは述べていないか）をクライアントに示す。
実施期間： 可視性ギャップに基づき変更を加える。コンテンツ構造を修正し、差別化を強化し、権威シグナルを構築する。
最適化後： 改善を実証するため再テストする。クライアントは具体的な可視性向上のビフォーアフターデータを見る。
これにより、主観的なコンテンツ作業が測定可能な成果に変わる。また、自然な保持ループが生まれる。新規競合他社やコンテンツドリフトをキャッチするため、クライアントは四半期ごとに可視性を追跡したいと考える。
エージェンシー実装パターン
ホワイトラベルレポート： エージェンシーはエージェンシー名でレポートを再ブランド化できる。PDFカバーページとPPTXタイトルはエージェンシーブランドを表示。基盤となるインテリジェンスはScoutから提供される。Portfolio で利用可能。
API 統合： システムからプログラム的に AI Visibility ジョブをトリガー。ジョブ完了時に JSON 結果が流入する。
Webhook 配信： AI Visibility は設計上非同期。レポートをリクエストし、完了時に Webhook を受け取る。ポーリングは不要。
ワークフロー事例：
クライアントが SEO パッケージに署名
→ エージェンシーが API 経由で AI Visibility ベースラインをトリガー
→ レポートは約 15 分で完了
→ Webhook がエージェンシーの CMS に JSON を配信
→ エージェンシーが発見を精査し、戦略を構築
→ コンテンツ作業が開始
→ 6 週間後、エージェンシーが再テストをトリガー
→ ビフォーアフターレポートが可視性向上を表示
→ クライアントが価値の証拠を見る
→ 保持が向上技術統合の詳細
エンドポイント： POST /v1/reports/signal
認証： ヘッダー内の API キー
必須フィールド：
brand_name: クライアントビジネス名brand_slug: URL 安全な識別子industry: ビジネスカテゴリlocation: 地理的焦点business_scale: サイズ指標tier: 「essential」または「pro」
レスポンス： 202 ACCEPTED および report_id
ステータスチェック： GET /v1/reports/{report_id}
Webhook ペイロード： メトリクス、競合他社データ、AI 引用を含む完全なインテリジェンスパッケージ
JSON スキーマ： バージョン管理され安定。予告なしの破壊的変更はない。
完全な API ドキュメンテーション surmado.com/api。
ダークファネル課題とその重要性
ほとんどの AI 駆動型リサーチは分析では捕捉されない。
誰かが ChatGPT に推奨事項を求める。短いリストが返される。そのリストから 2 つのサイトを訪問し、1 つで変換する。
分析に記録されるもの：参照元のないダイレクトトラフィック。AI 経由でユーザーを獲得したことすら認識できない。AI認識はウェブサイト外で発生するため、ファネル上部の AI 認識は測定できない。
これがダークファネル課題だ。顧客がウェブサイト訪問前に AI 経由でリサーチする場合、従来の属性分析は機能しない。
これは 2 つのデータソースで解決できる。
- AI 認識度テスト – リサーチクエリに表示されるかを示す
- ソース質問を含む変換トラッキング – 新規リードにどう見つかったかを尋ねる
ほとんどのビジネスは第 1 を無視し、第 2 のみに依存している。これは遅行指標を与えるが、先行指標がない。AI 利用者が変換した後に気づくが、AI 結果に見えなかった見込み客が 10 倍以上存在するかは知りえない。
AI 認識度テストは先行指標を提供する。顧客がサイト訪問前に検討対象に含まれるかを把握できる。
効率的に AI 認識度をテストする方法
手動テストはスケールしない。ChatGPT に数問尋ねて結果をスクリーンショットする。数時間の労力で逸話的データのみが得られる。
体系的なテストに必要な項目：
- SEO 専門家ではなく、実際の顧客のようなプロンプトを作成する
- 複数の AI プラットフォーム全体をテストする
- 確率的変動に対応するため同一プロンプトを複数回実行する
- レスポンス内に表示される他社を記録する
- AI が自社および競合他社について述べる内容を文書化する
- 異なる顧客ペルソナと意図をテストする
- 定期的に繰り返し変化をキャッチする
ほとんどのビジネスはこれを試して 10 時間以上を要することに気づき、断念する。
自動テストがこれを解決する。AI Visibilityは約 15 分で 7 つのプラットフォーム全体でペルソナベースのテストを実行する。認識度データ、競合他社分析、AI が実際に自社について述べる内容のレポートを得る。
基準値は 1 回のテストで確立できる。変更後に再テストして認識度の向上を確認する。週次モニタリングで新規競合他社や AI がマーケットをどう説明するかの変化をキャッチできる。
ダッシュボードはない。Scout は PDF、スライドデック、JSON を提供し、次のアクションを説明する。
AI 認識度テストのリズムを構築する方法
1 回のテストは有用だ。定期的なテストは戦略的である。
ほとんどのビジネスに最適なリズムは以下の通り：
月 1：基準値設定 初回 AI 認識度テストを実施。AI が述べた内容、表示頻度、AI レスポンス内の競合他社を文書化する。
月 2～3：最適化実行 基準値テストで判明した課題を修正。コンテンツ構造を改善。権威シグナルを構築。差別化を明確化する。
月 4：再テスト 2 回目のテストを実施し改善を測定。より高い認識度スコアと改善された説明が見えるはず。
四半期ごと：メンテナンス 90 日ごとに再テストして新規競合他社、コンテンツドリフト、プラットフォーム変化をキャッチ。AI モデルは頻繁に更新される。1 月に機能していた手法が 4 月では機能しない可能性がある。
大型変更後：スポットチェック 新規サービス立ち上げ、コアページの全面改稿、大規模プレスカバレッジ後に再テスト。変更が認識度を改善したか、新規ギャップを生じさせたかを確認する。
このリズムはコストとデータのバランスを取る。年間 200 ドル（四半期 50 ドル）のテスト投資で、常に AI 認識度ステータスを把握している。
AI 認識度レポートが答えるべき問いと設問
優れた AI 認識度テストは特定の問いに応える：
認識度に関する問い：
- 顧客が支援を求める際、自社はどの頻度で表示されるか
- どのプラットフォームが最頻で言及するか
- 高意図クエリに表示されるか、汎用クエリのみか
品質に関する問い：
- AI は実際に自社について何を述べるか
- 説明は正確で説得力があるか
- 差別化要因を強調するか、汎用機能のみか
競争上の問い：
- どの競合他社と並んで表示されるか
- AI はどう比較するか
- 弱い領域でどの企業が支配するか
実行可能性に関する問い：
- 認識度を改善する具体的変更は何か
- どのプラットフォームが最多の作業を要するか
- AI が明かすコンテンツギャップは何か
ほとんどのツールはチャート付きダッシュボードを提供する。AI Visibilityは文脈付きの回答を提供する。認識度スコアだけでなく、実際の AI レスポンスも見える。認識度が低い理由と修正方法を正確に知ることができる。
AI 認識度データの活用方法
テストなしで行動することは、単なる高額な好奇心である。データの使用方法は以下の通り：
認識度が低い場合（30%未満）：
- コンテンツ構造と明確性を監査
- ゲスト投稿、プレス、パートナーシップによる権威シグナルを構築
- AI が解析しにくい技術的課題を修正
- コアページの差別化を明確化
認識度が中程度の場合（30～60%）：
- 弱い立場の顧客ペルソナに最適化
- より多くの顧客意図をカバーするようコンテンツを拡張
- AI が好む異なるページ構造をテスト
- 業界ソースから更多くの引用を構築
認識度が高い場合（60%以上）：
- 自社を置き換える可能性のある競合他社の変化を監視
- 隣接カテゴリに拡張
- まだ最適化されていないプラットフォームをテスト
- 機能する手法を文書化して複製可能にする
レポートはギャップに基づいた具体的な推奨を含む。修正すべき内容の優先順位付きリストを得る。
AI 認識度を阻害するもの（回避すべきアンチパターン）
AI 向け最適化はアルゴリズム操作ではない。いくつかの戦術は逆効果を招く。
アンチパターン 1：キーワードスタッフィング AI モデルは不自然な言語を検出する。キーワード詰め込みは信頼シグナルを低下させる。
アンチパターン 2：薄いコンテンツ 1 段落のサービスページは AI に十分な文脈を提供しない。推奨する実質がないため、スキップされる。
アンチパターン 3：矛盾する情報 ウェブサイト、Google Business Profile、レビューサイトで異なる内容を提示すると、AI は混乱して回避する。
アンチパターン 4：差別化の欠如 サイトが全競合他社と同一に見える場合、AI が優先する理由がない。汎用的な説明は汎用的な結果を招く。
アンチパターン 5：技術的構造の不備 スキーママークアップの破損、遅いページ速度、不明確な階層により、AI はコンテンツを正確に解析できない。
アンチパターン 6：引用の軽視 AI モデルは外部検証を伴うコンテンツを好む。誰も言及しなければ権威シグナルがない。
これらの誤りは単に認識度を低下させるだけでなく、積極的に害をもたらす。テストはどのアンチパターンに該当するかを示し、修正を可能にする。
小規模ビジネスがエンタープライズより AI 認識度を必要とする理由
大企業はブランド認識を保有している。「会計ソフトウェア」について AI に質問すれば、QuickBooks と Xero は自動的に表示される。過度な最適化は不要だ。
小規模ビジネスはブランドサイズではなく、メリットで競争する。3 名代理店は全国チェーンより優れたサービスを提供できる。しかし AI が言及しなければ、顧客は見つからない。
AI は一方で競争場を平準化し、別の方法で傾ける：
利点： AI はブランドサイズだけでなく、関連性と品質シグナルに基づいて推奨する。優れたレビューと明確なコンテンツを持つローカル配管工はフランチャイズを破ることができる。
欠点： オンライン存在が弱い、不明確、構造化されていない場合、AI は言及しない。可視性を失うだけでなく、見えなくなる。
これにより、AI 認識度テストは大規模ビジネスより小規模ビジネスにより重要になる。会話に参加しているかを知る必要がある。
3 つのジョブタイプ、1 つのプラットフォーム
ほとんどのビジネスは AI 認識度データ以上のものを必要とする。SEO 監査と戦略ガイダンスも要する。
全プランに 3 つのジョブタイプが含まれる：
- Site Audit – SEO 監査
- AI Visibility – 7 つのプラットフォーム全体の AI 認識度テスト
- Strategy – マルチ AI 戦略顧問
価格は $50/ジョブ（従量制）、$100/月（Pro）、$500/月（Portfolio）。技術的 SEO 課題、AI 認識度ギャップ、複数の AI アドバイザーが最適施策を論じる戦略推奨の完全な図が得られる。
3 つのジョブタイプはすべて約 15 分で実行される。PDF、スライドデック、JSON、ウェブフック配信を得る。ダッシュボードはない。Scout は次のアクションを説明する。
次のステップ：今週 AI 認識度をテストする
複数月の計画は不要。約 15 分あれば足りる。
実施オプション：
オプション 1：単一ジョブ AI Visibility ジョブを実行。7 つのプラットフォーム全体で AI が自社について述べる内容を確認。基準値を取得。
オプション 2：完全な図 3 つのジョブタイプすべてを活用：AI Visibility、Site Audit、Strategy。完全な図を確認。
オプション 3：エージェンシーワークフロー API 経由でクライアント報告に Surmado を統合。AI 認識度テストを自動化し、戦略に集中。Portfolio には無制限ブランドとホワイトラベルが含まれる。
営業電話は不要。Scout を試し、約 15 分で結果を取得、データに基づき行動する。