こんな場面を想像してみてほしい。ある消費者が生成AIツールに「オーストラリアで最高のシープスキンブーツ」と入力すると、4つのブランド名、価格帯、サイズに関する注意点が表示される。これらの検索結果のどれひとつとして、単一の商品ページから抽出されたものではない。AIツールはレビュープラットフォーム、ショッピングガイド、雑誌の特集記事などから情報の断片を収集し、そのカテゴリーに詳しい友人からのアドバイスのような文章を生成したのだ。
この1年間、アパレル関連の顧客と戦略についての議論を始めて20分ほど経つと、決まって同じ質問に行き着く。「なぜAIツールは、当社がGoogleで上位にランクインしている競合他社をおすすめするのか？」そして最近では、さらに難しい質問が寄せられる。「なぜあるAIプラットフォームでは自社の露出度が上がっているのに、別のプラットフォームでは下がっているのか？」
バラバラに分解される小売業者のデータ
主に国内顧客を対象とするオーストラリアのシープスキンフットウェアの小売業者であるクライアントの事例が、この点を明確に示している。
AIによる回答に関するAhrefs（エイチレフス）のデータを用いて分析を行った。その結果、2026年9月時点で、ChatGPTはこのクライアントのサイトを858個の異なるページにわたり869件の回答で引用しており、前月比で645件の回答、756ページの増加となっていた。一方、同じ30日間にGoogleの「AI Mode」での引用は385件減の678件に、「AI Overviews」での引用は106件減の569件に減少し、オーガニック検索トラフィックも2800セッション減の2万8200セッションとなった。
筆者の考えでは、絶対的な数値よりもその方向性が重要である。同じサイト、同じ月であり、参照ドメインからの被リンクプロファイルに有意義な変化がなかったにもかかわらず、このブランドのChatGPTにおける露出度は約3倍に拡大した一方、Google AIでの露出度は縮小し、従来のオーガニックトラフィックは減少した。ChatGPTの数値を押し上げた要因が何であれ、それはリンクではない。
ただし、単一の月のデータに基づいて計画を策定しようとする前に、注記すべき点がある。Ahrefsは最近オーガニックトラフィックモデルを更新したばかりであり、同社のAI回答データも比較的新しいため、期間を跨いだ比較には一定の方法論的なノイズが含まれる。当社の他の小売顧客でも同様のパターンが見られたが、1カ月のデータはシグナルであり、証明ではない。
より多くの人が追跡すべき集中度
引用されたユニークページ数を総回答数で割ると、注目すべき比率が得られる。このクライアントのサイトにおいて、ChatGPTの比率は約0.99であり、ほぼすべての回答が異なるページを参照していた。「AI Mode」は約0.75、「AI Overviews」は0.49、そしてGeminiとPerplexityはそれぞれ約0.20と0.25であり、非常に限られた一連のページを繰り返し再利用していることがわかる。
このことは、プラットフォームごとに異なる対策が必要であることを示唆している。このクライアントやその他の事例に基づく筆者の仮説では、PerplexityやGeminiで成果を上げるには、一握りのページを何度も引用させることが鍵となり、一方ChatGPTで成果を上げるにはコンテンツの深さが求められる。ChatGPTのモデルは、まだ使用していないページを探索し続ける傾向があるからだ。
多くのブランドは、価値の高い少数のページを最適化するリソースを備えている。しかし、一部のプラットフォームにおけるAIでの露出度は、より広範で有益なコンテンツ群を所有しているかどうかに依存する可能性がある。
バックリンクよりも重要視されるWeb上の言及
より広範な調査結果も同じ方向を示している。Ahrefsがスピアマンの順位相関係数を用いて7万5000のブランドを調査したところ、「Web上でのブランドの言及（メンション）は、AI Overviewにおけるブランド露出度と最も強い相関関係（0.664）を示した」ことや、「Web上の言及（0.664）は、被リンク（0.218）よりもはるかに強く相関している」ことなどが明らかになった。次に影響力の強かった2つの要因も自社サイト外のものであり、「ブランド名のアンカーテキスト」と「ブランド名の検索ボリューム」であった。
フォーマットも重要だ。Ahrefsの発見によると、ChatGPTにおいて「すべての情報源リンクのうち、『おすすめの〇〇』といったブログのリスト記事が全ページタイプの43.8%を占めていた」。さらに具体的には、「サードパーティのリスト記事で上位にランクインしているブランドほど、回答に取り上げられる可能性が高いという相関関係」が発見された。
言うまでもなく、相関関係は因果関係を意味するものではなく、広く言及されているブランドは通常、自社製品やPR活動に多大な時間と費用を費やしてきたブランドだ。データが示唆しているのは、その証拠は自社のドメイン上には存在しないということである。
本当の問題がある場所
クライアントのデータを分析したことで、構造的な問題も浮き彫りになった。
分析の結果、同サイトの月間オーガニック訪問数2万8200件のうち、2万5500件はブランド名を含む検索クエリから、2200件はブランド名を含まない一般クエリからの流入であることが判明した。エンティティ（実体）分析では、より顕著な違いが現れた。一般カテゴリー用語が同サイトのキーワードトラフィックの2万3968件を引き寄せているのに対し、小売業者自身のブランド名は5761件と、約30%にとどまっていた。
カテゴリーキーワードが主要な集客の役割を果たしているが、そのカテゴリーキーワードは他の誰かに属するものだ。筆者の経験上、AIモデルがその製品タイプに関するクエリを解決する際、カテゴリーについての豊富な資料を持っている一方で、特定の小売業者を独立した実体として明確に特定する情報はほとんど持ち合わせていない。OpenAIのドキュメントには、「加盟店は、在庫状況、価格、品質、およびその商品の製造元または主要販売者であるかといった要因に基づいて順位付けされる」と記載されている。これは、競合他社も取り扱う商品を販売するマルチブランドの小売業者にとって、極めて厳しい基準である。
AIレコメンド向けに最適化する小売業者のためのベストプラクティス
その解決策は華やかなものではない。筆者が推奨するのは、1つの統一されたブランド説明文を作成し、あらゆる場所でそれを使用することだ。例えば、拠点都市、カテゴリー、主な素材、サイズ展開、返品ポリシーをカバーする1つの文章を作成し、自社サイト、プレス報道、レビュー、業界メディアなどで繰り返し使用する。そうすれば、AIソリューションや検索エンジンが異なる場所でその企業に遭遇した際、繰り返し現れる事実情報に基づいて、それらの言及を同じブランドアイデンティティに結び付けることができる。「新鮮で現代的な視点を持つ」といった曖昧なキャッチコピーは、ほとんど役に立たない。
次に、各掲載情報をそれぞれ独自のものにすることだ。GoogleのAI機能に関するドキュメントでは、「回答を作成するために、サブトピックやデータソース全体にわたって複数の関連検索を実行する『クエリファンアウト』手法」について記載されている。さらに、Googleの最近の生成検索特許では、「完全性セットとしてすでに選択された部分と酷似しすぎていないこと」に基づいて、関連するソース資料の「追加部分」を選択することが説明されている。
ただし、まずは自社のサイト環境を確認すべきだ。GoogleのAI機能の対象となるための前提条件は、インデックス登録されていることだ。
筆者の結論として、獲得するメディア報道や記事のそれぞれに、他社が持っていない事実情報を盛り込むべきだ。例えば、返品率とその原因、実際のサイズ感、州別の配送時間などである。ジャーナリストは独自情報を好むものだが、筆者の調査に基づけば、生成AIモデルも全体として同様の傾向を示しているようだ。
