AI検索での可視性監査：実践的な7ステップ・チェックリスト

Googleに特化して検証する場合は、検証を起点にしたGemini SEOワークフローで、検索での掲載適格性と、Geminiアプリ、AIによる概要、AIモードで実際に観測したリンク・言及を分けて確認します。

SEO監査では、ページがクロール・インデックス可能か、内部リンクが通っているか、技術的に健全かを確認できます。AI検索での可視性監査はその基盤を引き継ぎつつ、別の成果を問います。購入検討者が回答エンジンに助言を求めたとき、自社ブランドは言及されるのか、自社ドメインは引用されるのか、説明は正確か、それとも競合が推奨されるのか、という問いです。

この区別は重要です。アクセス可能なページが必ず情報源として選ばれるわけではなく、ブランド名が出ても自社サイトが引用されるとは限りません。すべてのシグナルを1つのスコアにまとめると、弱点の理由が見えなくなります。

AI検索での可視性監査で残すべき成果物

有用な監査は、1回の回答スクリーンショットでも謎のスコアでもありません。チームには次の5つを残します。

1. 対象プラットフォーム、市場、言語、エンティティ、観測日を明記した監査範囲
2. 再実行できる固定の購買検討プロンプト群
3. 言及、引用、推奨、センチメント、競合を回答単位で確認できる証拠
4. アクセス、インデックス、構造、アイデンティティを分けて確認したサイト準備状況
5. 担当者、根拠、優先度、再測定日を含むアクションバックログ

この監査は技術的なサイトチェックより広く、マーケティング戦略全体よりも限定的です。次に直すべき観測可能なギャップを特定することが目的です。

AI検索での可視性監査とSEO監査の違い

両方を実施してください。サイト準備状況はSEOと重なりますが、回答の観測はSEO監査だけでは扱えません。

ステップ1：回答を集める前に監査範囲を固定する

まず設定を書き出します。最低限、次を記録します。

• 観測するAIプラットフォーム
• 国・市場と回答言語
• 対象ブランド、製品、表記ゆれ
• 比較対象の競合
• 収集期間と再測定予定日

市場や言語を1つの平均値にまとめないでください。同じテーマでも、台湾の繁体字中国語ユーザーと米国の英語ユーザーでは、表示されるブランドや情報源が異なる可能性があります。

ステップ2：バランスの取れた購買検討プロンプト群を作る

ブランド名が最初から入った質問だけでなく、候補選定を変え得る質問を使います。最初は次の4グループが実用的です。

• カテゴリープロンプト：「AI検索でのブランド可視性を監視できるツールは？」
• 課題プロンプト：「ChatGPTが競合を推奨しているか確認する方法は？」
• 比較プロンプト：「AIでの言及と引用を追跡するツールを比較して」
• ブランドプロンプト：「ExampleCoは何を提供し、誰に向いている？」

カテゴリー、課題、比較は発見性を、ブランドプロンプトは正確性を検証します。後で比較できるよう文面を固定し、除外した範囲も記録します。詳しい作り方は購買検討プロンプトの見つけ方で解説しています。

ステップ3：観測回答のベースラインを作る

対象プラットフォームで同じプロンプト群を実行します。回答全文と引用元を保存し、プラットフォーム、プロンプト、市場、言語、時刻を記録します。各回答について、次を別々に確認します。

• ブランドが言及されたか
• 自社ドメインが引用されたか
• 推奨されたのか、単に列挙されたのか
• どのような文脈・センチメントだったか
• どの競合が登場したか
• どの第三者ページが引用されたか

1回の回答を「順位」にしないでください。回答はモデル更新、取得状態、地域、質問文によって変動します。観測を繰り返し、各比率の横にサンプル定義を明記します。

ステップ4：サイト準備状況を別に監査する

次に、回答を支えるべきページが取得・理解される条件を満たしているか確認します。ホームページだけでなく、対象の公開URLを検査します。

1. 有効なHTTPレスポンスで、意図しない noindex がない
2. canonical、リダイレクト、サイトマップが同じ安定URLを指す
3. 対象の検索・引用取得クローラーがアクセスできる
4. 重要な本文がレンダリング後のHTMLにあり、不安定な操作の背後に隠れていない
5. H1／H2構造が明確で、直接的な回答文がある
6. メタデータと構造化データが表示内容と一致する
7. 組織、製品、著者、情報源の文脈が明確である

クローラーの用途は分けて扱います。ChatGPT検索での発見性はGPTBotではなくOAI-SearchBotを確認します。Googleの検索機能では通常のGooglebot適格性が引き続き重要で、別のコンテンツ利用制御は検索アクセスの証明にはなりません。AEO Mantisのサイト監査はアクセス、抽出可能性、アイデンティティの問題を見つけられますが、合格しても引用を保証しません。

ステップ5：引用元とエンティティ証拠を追う

競合が表示され、自社が表示されないプロンプトでは、回答を支える情報源を確認します。引用ページを次のように分類します。

• 自社ページ
• 競合ページ
• 独立した媒体・ディレクトリー
• コミュニティーやユーザー生成コンテンツ
• 古い、または不正確な情報源

その上で2点を確認します。同じ購買タスクに対して、より明確で根拠のある公開ページが自社にあるか。独立した情報源は、そのページを裏付ける形でブランドを一貫して説明しているか。

結論は「引用された競合を真似る」ではありません。明確な一次情報ページが足りないのか、第三者の裏付けが足りないのか、その両方なのかを特定します。

ステップ6：同じ証拠条件で競合を比較する

すべてのブランドに同じプロンプト、プラットフォーム、市場、日付を使います。比較項目は次の通りです。

• 言及率と引用率
• 定義したプロンプトサンプル内のシェア・オブ・ボイス
• 競合だけが登場するプロンプト
• 競合を繰り返し支える情報源
• ポジショニング、正確性、推奨文脈の違い

これで統制された比較になります。ブランドごとに質問を変えると、結果を解釈できません。

ステップ7：修正を優先順位付けし、再測定日を決める

目立つ問題からではなく、依存関係に沿って進めます。

1. **適格性の阻害要因：**アクセス不能、意図しないnoindex、レンダリング不良、canonical競合
2. **アイデンティティの誤り：**不明確な製品情報、名称の不一致、古い第三者説明
3. **回答ギャップ：**直接的な説明、比較、根拠、適切な公開ページの不足
4. **引用ギャップ：**弱い出典、独立した裏付けの不足、主張を支える権威あるページの欠如
5. **測定ギャップ：**不安定なプロンプト、回答保存の欠如、市場・言語の混在

各アクションに担当者、証拠リンク、期待する観測変化、確認日を付けます。修正後は同じ監査範囲で再実行します。プロンプト、プラットフォーム構成、市場を変えた場合は、トレンドではなく新しいベースラインとして扱います。

2層の証拠マトリクスを使う

次のマトリクスは、技術チェックを回答成果と混同するのを防ぎます。

例：不在という観測を検証可能な施策に変える

B2Bソフトウェア企業が、米国英語の20個の非ブランド購買検討プロンプトを3つの回答プラットフォームで監査したとします。60件の回答のうち、自社ブランドは4件に登場し、自社ドメインの引用は1件です。競合は18件に登場し、2つの比較ページが繰り返し根拠に使われています。

製品ページはクロール可能で自己canonicalも正しいため、チームは曖昧な「robots.txtを直す」タスクを作りません。調査すると、製品ページはプロンプトに含まれる比較条件へ回答しておらず、第三者プロフィールには古いポジショニングが残っていました。そこで施策を、根拠付き比較セクションの追加、公開プロフィールの修正、再クロール後の同じ20プロンプトの再実行に絞ります。

数値は説明用であり、業界ベンチマークではありません。重要なのは、観測回答から問題を定義し、準備状況の確認で原因の推測を避けることです。

よくある監査ミス

• **ブランドプロンプトだけを使う。**認知は確認できますが、発見性は測れません。
• **言及を引用として数える。**ブランド名が出ても自社ドメインへのリンクがない場合があります。
• **1つの回答を順位と呼ぶ。**回答順は安定した検索順位ではありません。
• **市場を混ぜる。**地域ごとに情報源や推奨が大きく異なる場合があります。
• **llms.txtを必須として採点する。**任意の発見用規約であり、普遍的な適格要件ではありません。
• **schemaをスイッチとして扱う。**構造化データは表示内容と一致すべきですが、選定を保証しません。
• **証拠なしのスコアを公開する。**プロンプト群、サンプル数、日付、回答を併記する必要があります。

AI検索での可視性監査はどの頻度で行うべきか

ベースライン作成、新市場への参入、ポジショニング変更、重要な製品群の公開時に完全監査を行います。日常運用では固定した中核プロンプトを継続的または定期的に監視し、より深い準備状況・情報源レビューは四半期ごと、または大きなサイト変更後に実施します。

公開、取得適格性、回答での可視性、AI経由の流入、コンバージョンは別の段階です。1つの改善が次の段階の改善を証明するわけではありません。