購入を検討すべき企業をChatGPTに尋ね、次にGoogleのAI Modeに同じ質問をしてみる。おそらく、同じ企業名が表示されることはないだろう。
これは不具合ではない。BrightEdgeは、ChatGPT、Google AI Overviews、Google AI Modeに対して数万件の同一プロンプトを比較し、3者がブランドの推薦で一致しなかったクエリが61.9％に上ることを明らかにした。3者すべてで同じブランドが返されたクエリはわずか17％で、不一致率はB2Bテックで61.7％、ヘルスケアで68.5％に達した。
筆者はジャカルタでデジタルマーケティング会社を経営しており、クライアントの監査を行うたびに、この現象を毎月のように目にしている。あるAIアシスタントの回答では常連となっている企業が、別のAIアシスタントではほとんど存在しないことがある。それにもかかわらず、経営陣が確認する多くのダッシュボードはいまだに、すべてのプラットフォームを単一のAI可視性スコアにまとめている。しかしその平均値こそが、見込み顧客が離脱しているまさにその場所を覆い隠してしまうのだ。
AIアシスタントが違えば、根拠も違う
理由の一部は、AIアシスタントが同じウェブを読んでいないことにある。Writesonicは、ChatGPT、Gemini、Perplexity、Google AI Overviewsに対して16万1286件のプロンプトを実行し、それぞれがどの情報源を引用したかを測定した。同じプロンプトに対して4つのエンジンすべてが共有した情報源はわずか3.8％で、引用されたドメインの72〜73％は1つのエンジンにしか登場しなかった。
同じ企業の2つの製品でさえ食い違う。Ahrefsは、数十万組のクエリペアについてGoogleのAI ModeとAI Overviewsを比較し、回答の意味は86％の割合で同じだったにもかかわらず、同じURLを引用した割合はわずか13.7％だったことを示した。Googleの公式ドキュメントでは、両機能が「クエリ・ファンアウト」という手法を用い、回答を作成する前に複数の関連検索を実行する場合があると説明している。つまり、質問の分解のされ方に小さな違いがあるだけで、異なる情報源が取り込まれる可能性がある。
クライアントのデータでも同じパターンが見られる。筆者が20カ月にわたり支援してきたインドネシアの構造用鋼材メーカーでは、Ahrefs Brand Radar上でGoogle AI Overviewsの回答が269件、AI Modeの回答が256件記録された一方、Geminiでは28件、ChatGPTでは26件にとどまった。同じ企業、同じ施策、同じ期間でありながら、表示面によっておよそ10倍の差が生じている。
2社目のクライアントは、統合された数値が何を隠すのかを示している。筆者が支援するコーヒー機器の販売会社では、12カ月間に確認済みのAI引用が334件記録された。その内訳は、Google AI Overviewsで219件、ChatGPTで67件、Perplexityで39件、Copilotで9件、Geminiではゼロだった。1つのスコアに平均化すれば、そのブランドは健全に見える。だが実際には、Geminiに尋ねた買い手は全員、代わりに競合と出会っていた。
一定の一貫性もある
公平を期すなら、状況は完全な混沌ではない。Ahrefsの調査では、AI Overviewで言及されたブランドは、AI Modeのより長い回答にも登場する確率が61％だった。BrightEdgeは、一致度が質問の種類に大きく左右されることを明らかにしている。「比較」クエリでは同一ブランドの一致率が80％だった一方、「ベスト」クエリではわずか23％だった。
筆者の見立てでは、深く一貫した情報網を持つカテゴリーリーダーは、AIアシスタント間で評価が収束しやすい。一方で、評価の格差にさらされるのはチャレンジャー企業や中堅ブランドであり、だからこそ統合スコアは、買い手の離脱を最も避けなければならない企業にとって、最も誤解を招く指標となるのだ。
プラットフォームごとに可視性を管理する方法
筆者が推奨するアプローチは次の通りだ。
1. AIアシスタントごとに個別に報告する。 ChatGPT、Gemini、Google AI Overviews、Google AI Mode、Perplexity、Copilot、Claude、Grokをそれぞれ別の項目として追跡する。あるプラットフォームでゼロであることは、平均値に埋もれさせず、可視化すべきだ。
2. 質問セットを固定する。 顧客が実際に尋ねる表現で書かれた、同じ買い手の質問セットを毎回使用する。質問を変えれば回答も変わり、トレンドは意味をなさなくなる。
3. 言及だけでなく情報源を調べる。 AIアシスタントが自社ではなく競合を推薦した場合、どのページを引用したのかを記録する。そうした引用は、自社ブランドの情報がどこで薄いのかを示している。それは業界メディアかもしれず、ディレクトリ、コミュニティフォーラム、比較コンテンツかもしれない。
言語もまた、別の分断を生む。国際成長を統括する同僚のニコラス・マゴールは、8つのAIアシスタントを対象にテストを行った。インドネシアの輸出業者に関する同じ買い手の質問を、英語とインドネシア語で尋ねたのである。対応する160組の回答で、2つの候補リストに共通していた企業は約5社に1社にすぎなかった。つまり、買い手が使う言語ごとに、ブランドは異なる評判を持ち得る。
4. 同じ質問セットを固定スケジュールで再実行し、生の回答を保存する。 AIアシスタントは予告なく取得内容を変えるため、単発の監査は基準線ではなくスナップショットにすぎない。後から数値を説明できるようにするのは、スクリーンショットやエクスポートデータである。
5. 買い手がいる場所に応じてプラットフォームに重み付けをする。 利用は均等に分かれておらず、市場によっても異なる。インドネシアでは、StatCounterの参照トラフィックデータによると、AIチャットボットからの参照トラフィックの80％超をChatGPTが送っており、Perplexityは大きく離れて約1割で2位となっている。他の市場では構成は異なり、時間とともに変化する。
まとめ
これは、すべてのプラットフォームを一度に追いかけるという話ではない。自社の買い手にとって重要なプラットフォームがどれかを知り、平均値に判断を委ねないという話である。マーケティングリーダーにとっての問いはもはや、AIアシスタントが自社ブランドに言及するかどうかではない。どのAIアシスタントが言及し、どれが言及せず、それぞれが何を語っているのかである。筆者らは、自社の引用追跡手法とデータをオープンアクセスのレポートで公開しているが、そこから得られる教訓は繰り返し同じだ。プラットフォームごとに個別に測定するブランドは、買い手が気づく前に自社のギャップを見つけることができる。
