AI検索は、顧客がブランドを評価する方法を変えつつある。顧客は企業のウェブサイトを訪れる前に、AIシステムに要約や比較、注意喚起を求め、それが第一印象を形づくることができる。
筆者の会社では、AIにおける可視性（バイジビリティ）、SEO、レピュテーション、ウェブサイト戦略に関する業務の一環として、主要なAIプラットフォームが実際のブランドをどのように説明しているかを調査した。最初のテストでは、ChatGPT、Gemini、Perplexity、Claude、Grok、Microsoft Copilotのログインしていない公開バージョンを使用し、「［ブランド名］について教えてください」というシンプルなプロンプトを入力した。そして、各回答に1つ以上のネガティブなコメントが含まれているかどうかを記録した。
最初の手動による調査では、優先度の高いクライアント企業17ブランドを対象とした。その後の分析では、対象となるクライアントを拡大し、Rankscaleの感情（センチメント）分析データを取り入れた。その結果、顧客がどのAIシステムを使うかによって、ブランドに対するセンチメントが変わり得ることが示された。
AIプラットフォームごとに異なるブランド評価
最初の手動分析では、2つのLLM（大規模言語モデル）がブランドに関する最も批判的なコンテンツを多く提示した。一方、別の3つのLLMでは、ブランドに対する批判が含まれていたのはそれぞれわずか1回のみであった。
調査対象を拡大したレビューでも、同様の傾向が見られた。ネガティブな評価を下しがちなLLMは、さまざまなプロンプトやブランドに対しても一貫してネガティブな姿勢を維持し、それ以外のLLMはよりポジティブな姿勢を維持した。
Rankscaleのデータも、これに関連するパターンを示していた。一部のAIプラットフォームは予想通りブランドに対して厳しい傾向があったが、別のプラットフォームはポジティブな論調に傾く傾向があった。
あるAIのインターフェースではブランドが強力に見える一方で、別のAIでは賛否両論に見えることもある。だからこそ、ビジネスリーダーは結論を出す前に複数のAIシステムを監査すべきである。
ネガティブなAIの指摘は、日常的な顧客との摩擦に起因する
筆者らが発見したネガティブなコメントのほとんどは、業務運営（オペレーション）に関するものだった。
AIシステムは、納期、入手可能性、返品、配送、高価格、在庫切れ、およびそれらに類するサービス上の問題に対する懸念を浮き彫りにした。大麻や武器といった規制対象、あるいはデリケートなカテゴリーにおいては、AIシステムがGoogleや規制当局からの警告を提示する可能性も高かった。
主な情報源には、Reddit、Yelp、Quora、ベター・ビジネス・ビューロー（BBB）、Googleビジネスプロフィールのクチコミ、Clutch、および業界特化型のレビューサイトなどが含まれていた。
公開情報源で繰り返される苦情は、AIの回答がその企業を位置づける際の枠組みになり得る。
ポジティブな評価はブランドの自社サイトから
ポジティブなコメントは、オウンドメディア（自社所有のデジタル資産）から発信されていることが多かった。企業のウェブサイト、よくある質問（FAQ）ページ、会社概要、ホームページ、ブログ、ニュースリリース、顧客の声（推薦の声）のページなどが、ブランドの強みに関するコンテキスト（文脈）をAIシステムに提供していることがよくあった。
これは、ウェブサイトのコンテンツが依然として重要であるという実用的な事実を裏付けている。AIシステムが自社ソースとサードパーティソースを要約するようになるにつれ、SEO、レピュテーション管理、ウェブサイト戦略、およびブランドメッセージングはこれまで以上に密接に結びつきつつある。
主要なページでは、企業が何を行っているか、誰を対象にしているか、なぜ信頼できるのか、および顧客が何を期待できるのかを明確に説明する必要がある。ポジティブな主張は具体的で最新、かつ容易に検証できるものであるべきだ。
文脈の誤読によるネガティブ評価も
また、ネガティブな評価が、ニュアンスの誤読から生じているケースもあることがわかった。AIシステムやセンチメント分析ツールは、実際の記述がメリットを説明している場合であっても、リスクに関連する単語を「ネガティブ」としてタグ付けしてしまうことがある。
例えば、「隠れた手数料なし（no hidden fees）」、「アクセス損失の防止（prevent traffic loss）」、「重複コンテンツの修正（fix duplicate content）」といったフレーズは、表現自体がポジティブであっても、リスクに関連する言葉が含まれている。今回の調査でも、メリットや解決策、防御策を説明しているにもかかわらず、一部のフレーズがネガティブにタグ付けされていた。
企業は、AIシステムがポリシー、リスク、保証、制限事項、あるいは問題解決に関するコピーをどのように解釈しているかを検証し、システムにさらなる文脈を与えるような、より明確な表現を使用するべきである。
B2C企業や規制対象ブランドが直面する高いリスク
消費者向けのビジネス（B2C）は、クチコミの量や公の場での議論が多い傾向にあるため、よりリスクにさらされやすい。飲食店、eコマースブランド、サービス業などは、B2B企業と比較して、公開されているクチコミのフットプリント（痕跡）が広いことが多い。
また、規制対象やデリケートなカテゴリーも、AIが慎重な言葉遣いをする要因となる。そのカテゴリーに広告規制、コンプライアンスに関する警告、安全性への配慮、あるいはプラットフォームのポリシー上の問題がある場合、AIシステムはブランドの要約においてそうした注意喚起を提示することがある。
積極的なクチコミ監視、より明確なポリシーページ、より強力なオウンドコンテンツ、およびより一貫した公開情報の提供が極めて重要となる。AIシステムがオープンウェブを要約するようになった現在、レピュテーション管理、SEO、コンテンツ、およびPRはより直接的に重なり合っている。
ブランド名やブランドの認知度も重要
類似した名前や一般的なキーワードに似た名前を持つ企業は、AIシステムに混同されやすい。一般的な用語、神話の登場人物、製品カテゴリー、あるいは他の企業と重複するブランド名は、不正確な要約を招く原因となる。
歴史があり知名度の高いブランドは、一般的にセンチメントが安定している傾向にあった。これは、信頼できる参照元が多く、実体認識（エンティティ認識）が明確であり、公開情報が一貫しているためと考えられる。
小規模なブランドは、ユニークなネーミングを採用し、自社ウェブサイト、Googleビジネスプロフィール、ソーシャルメディア、クチコミプラットフォーム、サードパーティの登録情報において、一貫したプロフィールと明確なエンティティシグナルを発信することで改善を図ることができる。
企業が今すぐ取り組むべきこと
1. 複数のプラットフォームでAIの回答を監査する。 ChatGPT、Gemini、Perplexity、Claude、Grok、Copilot、およびGoogleのAIインターフェースをテストする。
2. 批判的な意見が表示されるかどうかを記録する。 回答にネガティブなコメントが1つだけ含まれているのか、それとも複数の異なるネガティブなコメントが含まれているのかを追跡する。
3. ネガティブな主張の情報源を特定する。 そのコメントが、クチコミ、Reddit、Yelp、BBBのようなプロフィール、製品ページ、ポリシーページ、あるいは古くなったサードパーティのコンテンツのいずれに起因しているかを突き止める。
4. 繰り返し発生する業務上の問題を解決する。 納期、返品ポリシー、在庫状況、価格設定の混乱、配送に関する不満などは、AIの可視性の問題となる前に、ビジネスそのものの課題である。
5. オウンドメディアのコンテンツを強化する。 FAQページ、会社概要、顧客の声、製品ページ、ポリシーページ、サービスページで、正確かつ具体的で最新の情報を提供する。
6. 曖昧なリスク表現を書き換える。 割引、返金、手数料、制限事項、問題解決に関する主張は、顧客とAIシステムの両方にとって明確なものにする必要がある。
7. ブランドレポートの一部としてAIのセンチメントを監視する。 AIによる引用、ブランドへの言及、クチコミの傾向、センチメントの要約は、現在、SEO、PR、カスタマーエクスペリエンス（CX）の指標と並んで管理されるべきものとなっている。
今回の調査結果がブランドに意味するもの
筆者らの分析により、AIプラットフォーム間には大きな差異が存在し、一部のプラットフォームでは他よりも頻繁にネガティブな要素が表面化することが明らかになった。こうした偏りは、レピュテーション（評判）に対するAIのレンズが不均一であることを示しており、企業発のポジティブな要素よりもユーザーの批判を増幅させがちである。
情報の主導権を握るために、ビジネスリーダーはAIをレピュテーション管理の中核的なインフラとして扱う必要がある。クチコミのシグナルに対処し、ウェブサイトのメッセージを洗練させることで、不当な批判を招く原因となるニュアンスの誤読に対抗しなければならない。
現在こうしたインプットを適切に管理しているブランドは、将来的にAI主導の可視性を有利に形成できるポジションを築くことができるだろう。
