Google検索で上位にいるのに、「おすすめのサービスは？」とChatGPT、Gemini、Claudeに尋ねると自社名が出てこない。

‍

こうした差は、検索順位が急に無意味になったからではありません。検索結果と生成AIの回答では、観測しているものが違うためです。

‍

検索順位は、特定の検索語に対するページの位置です。

一方、AI回答では、質問の解釈、候補の選択、ブランドの説明、根拠となる情報源、最終的な文章生成が組み合わさります。

ブランド名が出ても説明が誤っている場合があり、引用されても推奨候補には入らないこともあります。

‍

そこで必要なのは、曖昧な「AIでの知名度」を一つの点数にすることではなく、モデルごとにブランドがどう扱われたかを分解する監査です。

本記事では、無料で始められる最小構成として、10個の購買プロンプトを3つのAIで確認する方法を紹介します。

Googleは、AI機能でも従来のSEOの基本が引き続き有効であり、特別なAI専用マークアップは不要だと案内しています。

‍

ただし、AI回答は一つの検索結果をそのまま読み上げる仕組みではありません。

Googleの説明では、AI機能が関連する複数の検索を行う「query fan-out」を使う場合もあります。

つまり、元の質問から派生した複数の観点が候補ページやリンクの選択に影響します。

‍

研究分野でも、生成AI上の可視性は従来の直線的な順位とは異なり、引用位置、言及量、回答への影響など複数の次元を持つと整理されています。

ただし、GEO研究で示された改善率を、そのまま自社サイトの成果予測に使うことはできません。評価環境、質問、分野、モデルが違えば結果も変わるためです。

‍

監査では、少なくとも四つの状態を区別します。

‍

第一は「ブランドが挙がらない」。

第二は「名前は挙がるが、説明やカテゴリが違う」。

第三は「自社ページは引用されるが、ブランドは候補にならない」。

第四は「候補に入るが、競合より弱い理由で説明される」です。

‍

表示の有無だけを数えると、この違いを見失います。

‍

また、ChatGPT、Gemini、Claudeは検索と引用の見せ方が同一ではありません。

ChatGPT Searchはインライン引用やSources表示、GeminiはSourcesボタンやインラインのリンク、ClaudeのWeb検索は回答内の引用リンクを提供します。

公開仕様が似ていても、同じ質問に同じ情報源を使うとは限りません。

したがって「AI全体で何位」とまとめず、モデル別に記録します。

監査用プロンプトは、ブランド名を入れない購買質問を中心にします。

‍

自社名を含む質問では、モデルがブランドを知っているかは確認できても、未指名の読者に候補として提示されるかは測れないからです。

‍

10問は、カテゴリ、課題、条件、比較の四系統に分けると偏りを抑えられます。

‍

たとえば業務用の議事録AIなら：

「議事録AIのおすすめ」

「日本語の会議を要約したい」

「少人数で使えて管理が簡単なサービス」「AとBの違い」

‍

上記のように、同じ需要を異なる入口から尋ねます。

価格、対象規模、地域、業界、セキュリティなど、顧客が実際に絞り込みに使う条件も含めます。

‍

質問文は、特定ブランドを正解へ誘導しないことが大切です。

‍

「最も優れた」といった断定を求めるより、「候補と選定基準を示して」と依頼したほうが、説明の中身を比較しやすくなります。

同じプロンプトでも回答は変動するため、一回の結果を確定評価にしません。

最初は10問で方向性を確認し、重要な質問だけ複数回試す設計が現実的です。

‍

プロンプト一覧には、想定検索意図、顧客段階、期待するカテゴリを付けます。

これにより、ブランドが出ない原因が「知名度不足」なのか、「質問とページ内容のずれ」なのか、「カテゴリ認識の違い」なのかを切り分けやすくなります。

監査時はChatGPT、Gemini、Claudeで新しい会話を開き、同じ10問を同じ順序で入力します。

‍

検索機能を利用できる状態か、ログイン状態、言語、地域、日付、モデル表示を記録してください。

完全に同一の環境を作ることは難しくても、条件を残せば翌月の差を解釈できます。

‍

記録する項目は、表示、説明、競合、引用元、カテゴリ認識の五つです。

表示はブランド名の有無と登場位置。説明は強み、弱み、対象者が正しいか。

競合は同時に挙がった企業。

引用元は自社、第三者メディア、レビュー、公式資料などの種類。カテゴリ認識は、意図した市場の候補として扱われたかを確認します。

‍

以下のHTMLは、監査結果をまとめる掲載用テンプレートです。

本文と同じ説明を繰り返さず、各モデルの差と次の判断を一画面で確認するために使います。

‍

‍

引用が表示されない回答もあるため、空欄を監査ミスと決めつけないでください。

回答にリンクがある場合は、実際に開いて該当箇所を確認します。

リンク先がブランドの主張を裏付けているのか、名称だけを含むのかでも意味が違います。

結果を集めたら、合計点より失敗パターンを見ます。

‍

ブランドが三モデルすべてで出ない場合、カテゴリとの結び付きが弱い、自社ページが意図に答えていない、第三者の比較文脈が少ない、クロールやインデックスに問題がある、といった仮説を分けます。

監査だけでは原因を確定できないため、Search Consoleやサーバーログ、サイトの掲載内容も併せて調べます。

‍

名前は出るもののカテゴリが違う場合は、トップページの抽象的な訴求を増やすより、製品が「誰の、どの課題を、どの条件で解くか」を公式ページで明示します。

利用例、対象外、仕様、料金の条件、更新日を確認しやすくし、会社説明と製品説明を混同させません。

‍

競合だけが推薦される場合は、回答で使われた比較軸を確認します。

第三者レビューや比較記事が競合の選定理由を具体的に説明しているなら、自社だけで同じ主張を繰り返すより、検証可能な導入事例、計測方法、制約を公開するほうが有効です。

第三者に肯定的な記事を書かせることではなく、評価できる材料を増やす発想です。

‍

自社ページが引用されるのにブランドが候補に入らない場合、そのページは一般知識の根拠として役立っていても、製品との関係が薄い可能性があります。

記事から関連する製品ページへ自然な内部リンクを置き、著者、更新日、一次データ、調査方法を明示します。

ただし、引用を保証するタグや文章形式はありません。

‍

技術面では、ページが検索でインデックス可能か、スニペット表示を許可しているか、robots設定で検索用クローラーを妨げていないかを確認します。

‍

Claude-SearchBotなど、検索結果の可視性に関係するクローラーを意図せず遮断すると、検索時の発見性や精度が下がる可能性があります。

ポリシーに基づく遮断が必要な組織では、露出とのトレードオフを記録します。

最初の一週間は、監査で見つかった誤認と情報不足を整理します。10問すべてに対応する記事を量産せず、複数モデルに共通する一つか二つの問題に絞ります。

‍

カテゴリ定義がずれているなら製品ページ、比較根拠が弱いなら導入事例や検証記事、引用元が古いなら更新履歴を優先します。

‍

二週目から三週目は、公式情報と第三者から確認できる材料を整えます。

自社調査を出す場合は、母数、期間、対象、除外条件を記載し、都合のよい数字だけを抜き出しません。

FAQは実際の選定質問に答え、本文と同じ説明を言い換えるだけにしないことが重要です。

‍

四週目に同じ10問を、同じ三モデル、できるだけ同じ条件で再実行します。

見るのは前月比の方向です。

表示回数だけでなく、説明の誤りが減ったか、競合との比較軸が変わったか、引用元が新しくなったか、正しいカテゴリに入ったかを確認します。

一度改善しても、モデル更新やWeb上の情報変化で結果は戻り得ます。

‍

月次監査はAIの機嫌を追う作業ではありません。

顧客が使う質問に対し、ブランドの公開情報が正しく、比較可能で、第三者から検証できる状態かを点検する編集工程です。

監査結果と実施条件を保存すれば、露出の変化をコンテンツ施策、広報、技術改善のどこで調べるべきか判断しやすくなります。

AI検索でブランドが出ないとき、SEO順位だけを見て原因を決めることはできません。

‍

生成AI上では、言及、説明、競合、引用、カテゴリ認識が別々に動きます。

まず10個の購買プロンプトをChatGPT、Gemini、Claudeで確認し、モデル別の差を記録してください。

‍

監査はランキング表ではなく、仮説を絞るための観測です。

自社ページの明確さ、第三者が検証できる根拠、検索・クロール上の発見性を分けて改善し、30日後に同じ条件で再監査します。

そうすれば「AIに好かれる文章」を探すのではなく、顧客の質問に対してブランドが正確に理解される情報環境を整えられます。