AI時代のコンテンツマーケ！ 現場の「一次情報」「独自の経験」から最高のコンテンツを作る方法【SEOまとめ】

illustration by つきのあめだま

今のコンテンツには「一次情報」や「独自の経験」が重要だから、トップ営業やプロダクト担当者などの社内専門家にブログ記事を書いてもらおう ―― そのやり方は失敗する。現場に文章を書いてもらうことなく、最高のコンテンツを作り出すやり方を、コンテンツマーケのプロに学ぼう。

今回は、AIネタとSEOネタが混在している。

1ページ目は、ピックアップ以外はAIネタだ。AI検索の挙動を知るリアルな調査データ、「AI検索の露出率」を正しく使う2つの記事、そして、ランドによる「AIが進化していく方向」、いずれも見逃すにはもったいない良記事だ。

2ページ目には、SEO系のネタを置いてある。XMLサイトマップのあるあるミス、GBP、「かこって検索」のSCデータ、WordPressのグーグル公式プラグイン新機能などだ。

今週も、あなたのSEO・AI・ビジネスの力を養う「良質な情報」というごちそうを召し上がれ！

• AI時代のコンテンツマーケ！ 現場の「一次情報」「独自の経験」から最高のコンテンツを作る方法
• 【AI検索のリアル】ChatGPTやGoogleは商品をおすすめするとき何を見ている？ SEO担当者が知っておくべきAIの挙動
• AI検索の露出率は2段階以上で考えるべき ―― 買い物は1問1答ではなく「対話」だから
• 生成AIはGoogle検索と同じ進化をして小細工は通用しなくなる ―― ランド・フィッシュキン氏予測
• AI検索でウチが出た！ でも上司は「出てないよ？」 AI露出の効果測定で失敗しないための基本
• 超有名企業でもミス連発？ XMLサイトマップの落とし穴と今すぐ見直すべきポイント
• ユーザーからのGBP編集提案は4日以内に承認・拒否を示すこと
• Search Consoleに新機能： カメラや画像を使った検索結果を計測する「マルチモーダル」が新登場
• WordPressのSite KitプラグインにSite Goals機能が追加、アクションを自動計測しレポート
• 2026年9月のGoogle検索オフィスアワー： SCの表示回数と順位の仕組み、Googlebot によるサーバー負荷対応、サイトマップがダウンロードされない、など
• GoogleのAI検索で引用されるには？ 130人超のSEO専門家が重要要因を評価
• AI Modeの掲載順位は基本「上から下、左から右」——Googleが説明

今週のピックアップ

AI時代のコンテンツマーケ！ 現場の「一次情報」「独自の経験」から最高のコンテンツを作る方法
社内の専門家に「記事を書いて」と頼むのはもうやめよう （Content Marketing Institute） 海外情報

今のSEOでは、現場の「一次情報」や「独自の経験」がますます重要になってきている。

ここに異論をもつ人はいないだろう。これに対応しようとして多くのマーケティング担当者がやりがちなのが、社内のエンジニアや営業トップ、プロダクト担当者などのその道の専門家（SME: Subject Matter Expert）にコンテンツを依頼することだ：

中村さん、営業のプロとして、ブログの記事を1本書いてくれませんか？

だが、この依頼はたいてい失敗する。締め切りを過ぎても原稿は上がってこないし、仮に上がってきても専門的すぎて読みにくい。なぜなら、たとえば、営業担当者は「そんな暇があったら商談に行きたい」と内心思っているに違いないからだ。

問題は、彼らが非協力的なことではない。頼む仕事が間違っているのだ。専門家の仕事は文章を書くことではない。彼らに期待するべきことは「現場の知見」という情報の提供であり、原稿としてのアウトプットを作ることではない。

では、どうすればいいのか。専門家に一切文章を書かせず、社内から最高のコンテンツを引き出すステップをContent Marketing Instituteのイブ・チェン氏が解説している。

ポイントは次のようなものだ：

それぞれ主要なポイントを把握しておこう。

「何か話して」はNG。下調べをして具体的な質問をぶつける

社内の専門家から話を聞くとき、「30分時間を取ったので、最近の業界動向について何か話してください」と丸投げしてはいけない。これでは相手も何を話せばいいか困ってしまう。

大切なのは、事前に顧客の悩みや現場の課題をリサーチし、具体的なテーマを用意することである。

• NGな聞き方 ―― 「AIの活用についてどう思いますか？」
• 効果的な聞き方 ―― 「最近、お客さんから『生成AIを使うと自社のブランドイメージが崩れるのでは？』と3回聞かれたのですが、これにどう答えますか？」

もし専門家が「その心配は前提がズレているね」と言ったら、そこが一番面白いポイントになる。「なぜそう思うのか」「お客さんが見落としていることは何か」を深掘りしていく。

他にも、次のような質問は独自の視点を引き出すのに効果的である：

• お客さんが一番勘違いしていることは何ですか？
• ここ数年で、自分の中でガラリと考えが変わったことはありますか？
• 業界では常識とされているけれど、実は反対したい意見はありますか？

教科書どおりの回答ではなく、「その人の経験からしか出てこない本音」を引き出すことが、他社と差別化できるコンテンツの種になる。

メモを取るより録音する。「生の説明」をそのまま活かす

インタビューをするときは、手書きでメモを取るのではなく、必ず録音・録画する。

手元のメモに集中すると要約された事実しか残らない。しかし、録音しておけば、専門家ならではの口調や自然なたとえ話、熱量のこもった説明が丸ごと残る。ときには、専門家がサラッと話した90秒の説明が、ライターが数日悩んで書いた文章よりずっと説得力を持つことがある。

また、取材に入る前に「この記事で何を目的とするのか」を決めておくことも欠かせない：

• 深い解説記事にするなら、根拠や失敗事例を詳しく聞く
• ショート動画やソーシャルメディア投稿にするなら、ズバッと簡潔に答えられる質問を用意する
• 営業資料にするなら、商談でよくある反論への切り返しを聞く

台本でガチガチに縛る必要はないが、「何に使う素材を集めるか」は取材する側がコントロールしておく必要がある。

1回の取材から無理に多数のコンテンツを量産しない

「1回のインタビューから、記事1本、ソーシャルメディア投稿8本、ショート動画6本、メルマガ3本を作ろう」といった再利用術（リパーパス）がしばしば語られる。

だが、数を増やすだけの効率化は、誰も必要としないコンテンツを高速で量産するだけになりがちだ。大切なのは「数」ではなく「本当に関連性があり役立つか」である。

30分の取材ならば、本当に使える核心は得られて2個〜3個だろう。それだけあれば、次のように使える：

• じっくり説明が必要な深い話 → 検索流入を狙うブログ記事にする
• 1問1答で伝わる話 → 60秒のショート動画にする
• 商談でよく出る疑問の答え → 営業チームが使う資料ライブラリに入れる

無理に全チャネルにバラまくのではなく、「検討中の顧客」「契約直後の顧客」「営業現場」など、その知識を一番必要としている場所に届けることを考える。

なお、取材した内容は、公開前に専門家に確認してもらうのが筋だ。ただし、1,500文字の原稿を丸ごと読ませてはいけない。「この2行の技術説明が合っているかだけ確認してください」と、確認の負担を最小限にしてあげるのが、次回も気持ちよく協力してもらうコツだ。

AIは「最初の執筆」ではなく「取材の後」に使う

コンテンツ制作でAIを使う場合、順番を間違えてはいけない。

最初からAIに「〇〇についての記事を書いて」と指示しても、ウェブ上にある既存の情報をかき集めた、どこかで見たような記事しか出てこない。競合のブログにも載っていない「自社だけの知見」は、社内の専門家の頭の中にしかないからだ。

AIの正しい使い方の順番はこうだ：

1. 人間が専門家に取材し、独自の一次情報を引き出す
2. その文字起こしデータをAIに読み込ませる
3. 記事の構成案、要約、別フォーマットへの書き直しをAIに任せる

素材さえ良ければ、AIは極めて優秀な編集アシスタントになる。「このインタビューから読者の悩みを解決する切り口を3つ出して」「この説明を初心者向けのトーンに整えて」といった指示を出せば、質の高い記事が一気に仕上がる。

新しい分析ツールは不要。「社内で再利用されたか」で成果を見る

ここまで説明した取り組みを始めたら、新しい分析ツールを契約する必要はない。普段使っているコンテンツの管理シートに、次の項目を付け足すだけで十分である：

• 情報源になった社内専門家の名前
• 取材の録音データまたは議事録へのリンク
• そこから作ったコンテンツ
• 配信した場所（ブログ、営業資料、メルマガなど）

数か月運用したら、再利用率をチェックする。たとえば、専門家の知見から作った20本のコンテンツのうち、8本が別のチャネルや営業の商談で使われていれば、再利用率は40%だ。つまり、「社内で取材した素材が、社内でどのくらい再利用されたか」で成果を測るのだ。

さらに、PVや検索順位だけでなく、「営業チームが顧客へのメールに添付してくれたか」「ダウンロードされたか」といった現場での使われ方を見る。完璧な計測を目指すより、「専門家に時間をもらって作ったものが、社内外でちゃんと役に立っているか」を確かめることが何より大切だ。

専門家は「ライター」ではなく「語り手」

社内の専門家に対して、「記事を書いてくれない」と嘆くのをやめる。彼らにライターとしての役割まで期待するのは間違っている。「貴重な経験を持つ情報源」として協力を仰ぐのだ。

コンテンツ制作チームの役割は、彼らの頭の中にある知識をインタビューで引き出し、それを読者や顧客が一番読みやすい形に整えてあげることにある。

自社の過去1か月のコンテンツを見返してみてほしい。社内の生きた知見が入った記事がどれだけあるだろうか。もし少なければ、まずは社内の専門家に「ちょっと聞きたいことがあるのですが」と声をかけるところから始めてみよう。

さすがCMIという良質のガイドだ。Web担編集部に聞いてみたところ、プロの編集者が行う取材での注意点と近いものが多いという。

ぜひ、ここに書かれた手法でAIをうまく使い、社内の専門家から「独自の経験」「オリジナルの意見」を引き出してコンテンツにしていってほしい。

グーグル検索SEO情報①

【AI検索のリアル】ChatGPTやGoogleは商品をおすすめするとき何を見ている？ SEO担当者が知っておくべきAIの挙動
4つの衝撃的な事実 （arXiv） 海外情報

「実際のユーザーが行う買いもの相談に、AIはどう答えているのか？」をChatGPT、Gemini、グーグルのAI Overviews（AIによる概要）を対象に調査した最新の調査論文が公開された。そのハイライトを紹介する。

ChatGPTとグーグルでは「引用されるサイト」が異なる

まず最もSEOに関係するのが、「どのウェブサイトを情報源（ソース）としてAIが採用しているか」という点だ。

同じ質問を投げた場合、ChatGPTとGeminiが共通して表示したドメイン名は、平均でわずか5.4%しかなかった。全体の約77%では、共通するサイトが1つもなかったのだ。

さらに興味深いのは、プラットフォームごとに「好むサイトの種類」がハッキリ異なる点である：

• ChatGPT ―― TechRadar（テックレーダー）やTom’s Guide（トムズ・ガイド）といった、「大手専門レビューサイト」やメディアの記事が半分以上（56.7%）を占める。

• AI OverviewsとGemini ―― 専門メディアよりも、Reddit（レディット）やYouTubeなどのUGC（ユーザー生成コンテンツ）を圧倒的に多く引用している。AI OverviewsではRedditが35%、YouTubeが30%に達していた。

この結果から、「AI検索の最適化」とひとくくりにはできないと言えそうだ。ChatGPTでの露出を狙うなら、有名な比較サイトや専門メディアに自社商品を取り上げてもらう施策が効果的な可能性が高い。一方、グーグルのAI Overviewsを狙うなら、YouTubeのレビュー動画やソーシャルメディア、コミュニティサイトでの口コミの存在感を高める施策がカギになるだろう。

同じ質問でもおすすめ商品がコロコロ変わる

「AIに聞いたら自社商品が1位でおすすめされた！」と単純に喜ぶのは早計だ。

この調査では、同じ質問を時間を置いて3回ずつ投げて検証している。その結果、同じAIであっても、質問するたびにおすすめされる商品がガラリと入れ替わることが判明した。

特にブレが激しかったのがChatGPTだ。おすすめ商品の一致度（Jaccard係数）を見ると、AI Overviewsが「0.421」、Geminiが「0.287」だったのに対し、ChatGPTは「0.178」とダントツで低かった。

これは要するに、「ChatGPTに同じ質問を2回投げたときのブレ幅は、ChatGPTとGoogleという完全に別モノのAI同士の違いと同じくらい大きい」ということだ。

AI検索の順位チェックを1回だけ実行して一喜一憂するのは危険だ。AIの出力はつねに揺らぐため、複数回の検証を重ねて「表示される確率」として捉える必要がある。

「これがベスト」と言い切るChatGPT、聞き役に回るGemini

おすすめの「言い回し（トーン）」にも、AIごとの性格が色濃く出た。

AI OverviewsとGeminiは「どんな用途で使いますか？」と追加の質問をして選択肢を並べる客観的な姿勢をとる。一方、ChatGPTはまるで一人の人間のように「私ならこれを選ぶ」「これがベストだ」と強い言葉で推してくる。

ChatGPTのように断定的なトーンで推薦されると、ユーザーの購買意欲や信頼感に与えるインパクトは極めて大きい。逆に言えば、ChatGPTの「イチオシ枠」に食い込めるかどうかが、今後のコンバージョンを大きく左右する可能性がある。

APIでのテストは「実際の画面」とは異なる

自社ツールを作ったり、API経由でAI検索の順位を自動追跡したりしているマーケターも多いはずだ。しかしこの論文は、こうした調査に警鐘を鳴らしている。

「開発者向けAPIの回答」と「一般ユーザーが見ているウェブUIの画面」は、中身がまったく別物だからだ。表示されるURLのドメイン名だけ見ても、ウェブUIとAPIで一致しているのはChatGPTでわずか12.0%、Geminiで14.8%しかない。ChatGPTのAPIを調べると、裏側ではウェブ検索で平均37ページを読み込んでいるのに、ユーザーの回答画面にリンクとして残るのはたったの3ページ程度（約9.5%）だった。

つまり、AIは検索で見つけたページの9割を「切り捨てて」おり、さらにその選別基準もAPIと実際の画面で異なっているのだ。

APIを使った順位計測ツールは便利だが、実際のユーザーが見ている画面とは大きなズレがある。競合調査や自社商品の露出状況を確実にチェックするなら、必ず「実際のブラウザ画面（推奨はシークレットモード）」で確認しなければならない。

調査結果が示唆すること

今回の研究から見えてくるAI検索のSEOのポイントは次の3つだ：

• 狙うプラットフォームごとに露出先の優先度を変える：
  ChatGPT＝レビューメディア攻略
  Google＝YouTube・コミュニティ

• 1回の回答結果で判断しない：
  AIのレコメンドは毎回変わる前提で、複数回テストして傾向を見る

• API任せにせず、実際のユーザー画面を自分の目で追う：
  APIのデータは一般ユーザーの検索体験と一致しない

AI検索の露出率は2段階以上で考えるべき ―― 買い物は1問1答ではなく「対話」だから
露出度をKPIに据えるのは見直すべき （SearchPilot） 海外情報

「AIの回答に自社ブランドが何％表示されたか（AI露出率）」を競うツールやレポートをよく目にする。しかし結論から言えば、この数字をKPIにするのは見直すべきだ。

なぜなら、ユーザーがAIを使って買い物をするとき、たった1回の質問（プロンプト）で決断することはまずないからだ。実際の購買は、条件を出し合いながら進む「会話」の形をとる。

このように主張する記事を紹介する。

英米のSEO支援会社SearchPilot（サーチパイロット）が、AI同士に対話させて検証した購買シミュレーション実験を行った。その結果は、注目に値するものだった。

「最初の回答でおすすめされたブランドが、会話を進めたあとの最終決定に選ばれた」ケースは、全体のわずか約17%（12回中2回）しかなかったのだ。

実験は、ランニングシューズと家庭用家具の2テーマで、各12回行われた：

• ランニングシューズ ―― 最初の回答で半数（6回）を占めたBrooks（ブルックス）は、最終的に選ばれたのは1回だけだった。逆に、最終的に最多（5回）だったSaucony（サッカニー）は、おすすめの最初の4回では一度も選ばれず、会話の途中で乗り換えられて勝利した。

  

  画像をクリックすると、詳細な分析レポートを表示（英語）

• 家庭用家具 ―― 初回最多（3回）のWayfair（ウェイフェアー）は最終決定で0回。逆に、最終最多（3回）だったBeliani（ベリアーニ）は、最初の回答には一度も登場していなかった。

  

  画像をクリックすると、詳細な分析レポートを表示（英語）

つまり、「最初の回答に出ているか」をどれだけ測定しても、ユーザーが最後に何を買うかまでは、まるで分からないのだ。

なぜ初期の露出率はアテにならないのであろうか？ SearchPilotは次のように考察している：

• 買い物には「条件のすり合わせ」が発生する
  実際の利用者は、「もう少し安く」「サイズはこれくらい」と条件を後から追加していく。検討項目が多い商材ほど会話は長引き、候補は最初のものからどんどん変化していく。

• 「文脈のない固定プロンプト」は実態とズレている
  ツールや実験では、人間が推測で作った定型プロンプトを、過去ログもツールの連携もない「まっさらなAI」に投げて測っている。しかしその手法では、個々のユーザーの好みを踏まえて動く実際のAI検索の再現にはならない。

• 数字が動いても、原因も売上インパクトもわからない
  露出率が43%から45%に上がったところで、「自社の施策が効いた」のか「AIモデル側の気まぐれ」なのかは判別できない。その2ポイントの上昇がいくらの売上につながるのかも不透明。

もちろん、AIが候補の絞り込みに絶大な影響力を持っているのは事実だ。露出をKPIに据えるのは、必ずしも間違っているとは言えない。しかしだからこそ、「1つの問いに対する1回の回答での露出率」という見せかけの数字に振り回されてはいけない。

固定プロンプトの露出率は「候補の土台に載っているか」の大まかな目安にとどめ、「対話を経て、最終的に自社サイトへのアクセスや実購買につながったか」という本来の事業成果をしっかり追うことが重要である。シンプルに言えば、露出割合ではなく、「実際のアクセスと購入」を見よう。

そして、その成果を改善する施策としては、初期のプロンプトだけでなく「自社の商材に関してどんな絞り込みのニーズがあるのか」を把握して、追加検索で露出されるようにする動きが重要になってくる。

生成AIはGoogle検索と同じ進化をして小細工は通用しなくなる ―― ランド・フィッシュキン氏予測
AIも過去のグーグルと同じ道をたどる （Rand Fishkin on LinkedIn） 海外情報

生成AIも、今後は推奨判断の要因として実際のユーザー行動を使うようになっていくだろう

こんな予測を、元Mozの創業者で現在はSparkToroを手がけるランド・フィッシュキン氏が述べている。

ChatGPTや、グーグルのAI OverviewsやAI Modeに自社の情報を取り上げてもらおうと、躍起になっているマーケターは多い。だがフィッシュキン氏は、そうしたAI対策に警鐘を鳴らしている。

フィッシュキン氏の主張の中心にあるのは、「AIも過去のグーグルと同じ道をたどる」という予測だ。

かつての検索エンジンは、検索順位をテキストの一致や見出しタグなどで判断していた。グーグルは、検索順位を決める最大の基準として「被リンク」を重視していたのが特徴だった。しかし、およそ12年を経て、順位決定の主役はクリックや閲覧といった「実際のユーザーの行動」へとシフトしていった。

フィッシュキン氏は、これとまったく同じ変化がAIの世界でも起こると見ている。

グーグルの変化の背景にあった事情は、「そのほうが適切な検索結果になる」であり、「そうしないとスパムを排除しにくい」といったものだ。これは、生成AIでも当然のように対処する部分になっていくはずだ。

現在、AIツールや各プラットフォームのAI機能は、「学習データ」と「その場のリアルタイム検索」に頼って回答を作っている。しかし、集められるテキストデータの価値はいずれ頭打ちになり、グーグルやBingの検索結果をただ拾ってくるだけでは回答の質が上がらなくなる。

そこでAIが次に頼るのが、「実際に人間が使っている・読んでいるかを表す利用実態」というシグナルだ：

• 本物の人間がたくさん読んでいる記事 ➔ AIも信用して回答に積極的に使う
• AIに拾われることだけを狙って作られ、誰も読んでいない記事 ➔ AIに完全にスルーされる

シンプルにも思えるが、検索エンジンがたどった進化の歴史そのものだ。

現在、多くのマーケターが「AIにどう評価されるか」に膨大な予算と時間を注ぎ込んでいる。フィッシュキン氏に言わせれば、そのリソース投下は得られるリターンに対して「10倍以上も過剰」だ。

機械を騙すような小手先のAI対策（いわゆるGEOやAI SEOと呼ばれるような小細工）の大半は、やがて役に立たなくなる。これは、グーグルSEOの歴史をふまえれば予測ではなく「確定した未来」だと考えるべきだろう。

しかも、今回はリンクの時のように12年も待つ必要はない。変化はすでに始まっているか、極めて近い未来にやってくるとフィッシュキン氏は見ている。AIの回答に取り上げられる確率に相関する要因として、「ソーシャルメディアでリアルに話題になっているか」「多くの読者がいる有力メディアに取材されているか」がすぐにでも強くなっていく可能性が高いというのだ。

AIの回答に選ばれたいなら、AIのアルゴリズムを攻略しようとするのではなく、「生身の人間が関心を寄せている場所で、人にしっかり届くマーケティングをする」ことに尽きる。

言い方を変えれば、「生成AIのシステムがそうした判断をしないまま時間が経てば、それだけ世の中に悪影響を及ぼす」というものなのかもしれない。

AI検索でウチが出た！ でも上司は「出てないよ？」 AI露出の効果測定で失敗しないための基本
1回だけで判断しない （iPullRank & SEOサブチャンネル on note） 海外＆国内情報

グーグルのAIモードやChatGPTなどのAI検索において、「自社ブランドが紹介されているか」を調べる機会が増えている。しかし、AIの回答を1回だけ調査して「出た」「出なかった」と一喜一憂するのは危険だ。

先に紹介した論文でも指摘されていたように、AI検索の回答は毎回変わり、ブレるのが当たり前だからである。

ここでは、米国のSEO支援企業のiPullRank（アイプルランク）による考察と、国内のSEO支援企業TechFabric（テックファブリック）の平大志朗氏による実証実験から見えてきた、「AI検索で正しく効果測定をするための重要ポイント」をまとめる。

「唯一の正しい露出率」は存在しない

AI検索の回答は、利用者の状況や確率的な仕組みによって毎回少しずつ変化する。そのため、「全員に共通する唯一の正解」、言い換えると「正確な露出率」を突き止めようとするのは無理がある（というか不可能だ）。

大切なのは、正しい数字を1つ決めることではなく、「同じ条件で調べたときに、どれだけ結果がブレないか」という再現性を高めることである。

1回だけの測定だと13ポイント以上もブレる

実際に、1回の測定結果がいかにあてにならないかは平氏の実験でも明らかになっている。

ワイヤレスイヤホンに関する151の質問をGoogleのAIモードで各20回（計3,020回）調べた実験では、最も多く登場したAnkerの出現率は、1回ごとの測定だと39.7%〜53.4%と、14ポイント近くも上下した。ある回で紹介されていたのに、別の回では約3分の1の確率で消えてしまう現象も起きている。

しかし、5回分の平均をとると46.3%〜48.8%（ブレ幅2.5ポイント）へと一気に安定した。施策の成果を見極めるには、1回ではなく「複数回測って平均を見る」ことが欠かせない。

実務で押さえるべきモニタリングの4原則

定期測定でブレを減らし、意味のあるデータを取るための方針は次の4つだ：

1. 測定条件を厳格に固定する：
   質問文はもちろん、「検索する国・言語」「PCかスマホか」「ログインの有無（パーソナライズの影響を避けるため）」を毎回統一する。

2. 「出方」を分けて数える：
   「本文でブランド名が書かれた」のか、「参考リンクとしてURLが引用された」のか、「商品カードが出た」のかをごちゃ混ぜにせず、区別して記録する。エラーで取得できなかった回を「露出ゼロ」と数えないことも重要。

3. 「平均値」と「ブレ幅」をセットで見る：
   「露出率が前週から3ポイント上がった」としても、それが施策の成果なのか、普段から起きる偶然の揺れなのかはわからない。レポートには平均値だけでなく、「普段どれくらい上下にブレるか」も併記して判断する。

4. 回答のテキスト（生データ）を残しておく：
   後から「やっぱり言及の基準を見直したい」となった際、集計済みの数字だけでは再計算できない。AIが返した生のテキストを保存しておくのが安全だ。

露出が増えても、売上につながらなければ意味がない

AIの回答に自社名が出たからといって、それだけでビジネスが成功したとは言えない。

露出率はあくまで目安にすぎない。「AI検索経由のアクセス数」「ブランド名の指名検索数」「実際の問い合わせ」「購入」といった本物の成果と連動しているかまで、必ずセットで検証する必要がある。

まとめると、AI検索の測定では、条件をそろえて複数回測り、普段のブレを織り込んで変化を見るのが鉄則だ。小さな数値の揺れに振り回されるのをやめ、複数回測定による安定したデータと、実際のアクセスや売上への影響を見て施策を評価していこう。