column

LLMO対策の効果測定|AI検索の表示・引用・流入を測る指標とツール、レポートの作り方

LLMO対策の効果測定とは、ChatGPTやGoogleのAIモードなどAI検索の回答に自社がどれだけ表示・引用され、そこからどれだけの訪問と成果が生まれたかを、決めた指標と手順で毎月記録することです。LLMOはLarge Language Model Optimizationの略で、生成AIの中核技術である大規模言語モデルに向けて情報を整える取り組みを指します。順位という一つの物差しで足りるSEOと違い、LLMOでは複数の物差しを組み合わせます。

何を指標にするかは、企業ごとにまだ分かれています。PRIZMA(2026年7月実施、LLMO対策を外注中の企業担当者418名)の調査では、重視する指標の最多は「生成AIやAIによる概要での自社情報の引用・掲載順位」の36.4%でした。「AI経由の自社サイトへの流入数」が32.8%で続きます。

この記事の読者は、AI検索の施策の成果を社内に説明する立場にあるマーケティングの担当者や責任者です。測定が難しい理由、4層のKPI(成果を測るための指標)、手作業のプロンプト調査、GA4(アクセス解析ツール)とSearch Consoleの設定、サーバーログ、月次レポートの型、原因の切り分け、90日の計画を順に説明します。

目次
  1. LLMO対策の効果測定が難しい理由と、それでも測れるもの
  2. KPIは4つの層に分けて設計する
  3. 可視性の測り方:固定プロンプトの定期調査と専用ツール
  4. 流入の測り方:GA4の「AIアシスタント」チャネルとカスタムチャネルグループ
  5. Google検索のAI機能の測り方:Search Consoleの2つのレポートを月次で回す
  6. 成果とブランドの測り方:キーイベント、指名検索、調査
  7. 先行指標の測り方:サーバーログでAIのクローラーを数える
  8. 月次レポートのテンプレート:1枚に6つのブロックを置く
  9. 数字の読み方:原因の切り分け、目標の置き方、よくある間違い
  10. 90日で計測の仕組みを立ち上げる計画
  11. よくある質問(FAQ)
  12. まとめ:4つの層を1枚に並べ、同じ手順で3か月記録する
  13. 出典・参考資料
LLMO対策の効果測定|AI検索の表示・引用・流入を測る指標とツール、レポートの作り方。可視性・流入・成果・ブランドの4層とクロールの先行指標を示すイメージ図

LLMOの効果測定、5つの結論を先に

  • 指標は、可視性、流入、成果、ブランドの4層に分け、クロール(AIがページを読みに来た回数)を先行指標として添えます。1つの数字で成果を語りません。
  • GoogleのAI機能に自社リンクが載った回数は、Search Consoleの専用レポート(生成AIパフォーマンスレポート)で確かめられます。表示回数以外の指標はなく、クエリ別の内訳もありません。
  • AIサービスからの訪問は、GA4の標準チャネル分類にある「AIアシスタント」で分けて見られます。カスタムチャネルグループを重ねれば、対象のサービスを自分で決められます。
  • AIの回答は実行のたびに変わります。手作業で測るなら、30〜50問の固定プロンプトを月1回、各3回ずつ実行し、「名前が出た割合」で記録します。
  • 国内に公開されたベンチマークはなく、目標は自社の基準値からの方向(増えたか、減ったか)で置きます。他社との絶対値の比較は避けます。

LLMO対策の効果測定が難しい理由と、それでも測れるもの

LLMOの効果測定が難しいのは、AIの回答が毎回変わること、公式の表示データを得られるAIサービスが限られること、AIの影響の多くがクリックとして残らないことの3つが重なるためです。とはいえ、表示回数、引用、流入、指名検索の4つは、再現できる手順で記録できます。

LLMOの効果測定が難しい理由と関連データ。LLMO外注企業が重視する指標は引用・掲載順位36.4%、AI経由の流入数32.8%(PRIZMA、418名)。AIの提案を検索エンジンで確かめる人87.4%(PLAN-B、500名)。AIによる概要の月間利用者25億人超(Google)

図:LLMOの効果測定に関わる4つの数字(PRIZMA、PLAN-Bマーケティングパートナーズ、Googleの公表値をもとに作成)

理由1:同じ質問でも回答が変わる

AIの回答には、検索順位のような固定した並びがありません。OpenAIのヘルプによると、ChatGPTの検索は利用者の質問文を検索用の語句(1つとは限らない)に書き直してから検索事業者に送ります。結果にはIPアドレスから推定したおおよその位置情報が使われることがあり、メモリー機能がオンなら保存されたメモリーが書き直しに使われることもあります。検索結果や引用が不完全だったり、古かったり、誤っていたりすることがある、との注記もあります。

GoogleのAI機能の解説も、AIによる概要とAIモードは関連する複数のサブトピックに対して検索を実行して回答を組み立てる「クエリ ファンアウト」を使うことがあると説明しています。1回の回答は「ある日、ある人、ある条件」での標本にすぎず、測るべきは何度も聞いたときに名前が出る割合です。

理由2:公式の表示データを得られるサービスが限られる

本記事で確認できた範囲では、表示回数を公式に教えてくれるのはGoogleだけです。Search Consoleには、AIによる概要とAIモードの中で自社へのリンクが画面に出た回数を示す専用のレポート(生成AIパフォーマンスレポート)が用意されています。指標はインプレッション数(表示回数)のみで、切り口はページ・国・日付・デバイスです。クエリとクリック数の項目はなく、AIによる概要の分とAIモードの分を区別する手段もありません。以下では「AIレポート」と呼びます。

一方、検索パフォーマンス レポート、すなわち従来のレポート(以下、検索レポート)には、AI機能で生じた表示とクリックが混ざって入ります。Googleの解説には、AI機能に表示されるサイトもSearch Consoleの全検索トラフィックに反映され、検索タイプが「ウェブ」のレポートに含まれるとあります。AI機能に限って絞り込むフィルタは、この解説にはありません。ChatGPTやPerplexityについて、表示回数を示す公式レポートは本記事の執筆時点で確認できません。

理由3:AIの影響は、クリックとして残りにくい

AIの回答を読んだ人の多くは、リンクを押さずに次の行動へ移ります。PLAN-Bマーケティングパートナーズ(2026年5月、生成AIで検索する習慣のある500名)の調査では、AIが提案した商品を検索エンジン(Googleなど)で確かめた人が87.4%でした。生成AI以外では検証しなかった人は2.7%です。この行動は、アクセス解析ではAIからの訪問ではなく、検索経由や社名での検索として記録されます。AI経由の参照流入だけを見ていると、効果の大半を見落とします。なお、この数字は生成AIの利用者に限ったもので、生活者全体の割合ではありません。

公式データと自社の記録で測れる4つのもの

3つの難しさを踏まえても、次の4つは毎月同じ手順で記録できます。AIの回答を読んだ人の数や、回答内での「順位」は直接測れないため、測れるものを積み上げます。

測れるもの 出どころ 性質
GoogleのAI機能での表示回数 AIレポート 公式の実測値。ページ別に見られる
AIの回答での言及・引用 固定プロンプトの定期実行、専用ツール 自社で集める標本。割合で読む
AIサービスからの訪問と成果 GA4のチャネル、utmパラメータ 公式の実測値。リンクを押した人だけ
指名検索の増減 Search Consoleのブランドフィルタ、正規表現 公式の実測値。AI以外の影響も混ざる

KPIは4つの層に分けて設計する

LLMOのKPIは、可視性、流入、成果、ブランドの4層に分け、クロールを先行指標として添えると、施策から成果までの流れを追えます。層ごとにデータの出どころと確認の頻度が変わります。

LLMOのKPIを4つの層に分けた表。可視性(言及率・引用率・SOV・AIレポートの表示回数)、流入(AIサービスからのセッション)、成果(キーイベント)、ブランド(指名検索)と、先行指標のクロール(サーバーログ)。各層の出どころと頻度

図:LLMOのKPI 4層と先行指標(本記事の整理)

層 主な指標 データの出どころ 頻度 何が動かすか
1. 可視性 固定プロンプトでの言及率、引用率、シェア・オブ・ボイス、引用されたページ、GoogleのAI機能での表示回数 手作業の記録、専用ツール、AIレポート 月1回 ページの内容、第三者の言及、事業情報の正確さ
2. 流入 AIサービスからのセッション数、着地ページ、指名・非指名の検索流入 GA4のチャネル、検索レポート 月1回 可視性、リンクの出やすさ
3. 成果 AI経由セッションのキーイベント数、問い合わせ、受注 GA4、営業管理の記録 月1回 流入の質、受け皿のページ
4. ブランド 指名検索数の推移、認知度調査、口コミの件数 検索レポート、調査、レビューサイト 月1回〜四半期 露出の総量。AI以外の施策も影響
先行指標:クロール AIのクローラーが取得したページ数と頻度 サーバーログ、CDNのログ 週1回〜月1回 クローラーの許可設定、サイトの更新

層1:可視性は「選ばれているか」を測る

可視性の層では、AIが答えを出すときに自社が候補として選ばれているかを測ります。言及率は、自社名が出た回答数を全回答数で割った値です。引用率は、自社サイトのURLが出典に示された回答数を全回答数で割った値です。シェア・オブ・ボイス(以下SOV)は、自社と競合を合わせた言及回数のうち自社が占める割合です。引用されたページの一覧と、AIレポートの表示回数も添えます。

層2〜4:流入、成果、ブランド

流入の層では、AIサービスから実際にサイトへ来た訪問を数えます。成果の層では、その訪問が問い合わせや資料請求に至った数を数えます。ブランドの層では、AIを含む露出の総量が名前での検索に表れているかを、指名検索数の推移で見ます。指名検索の調べ方は指名検索数の記事に、認知度調査の設計はブランドリフトの記事に譲ります。

先行指標:クロールは「読みに来たか」を示す

クロールの記録は、成果の前に動く先行指標です。AIのクローラー(AIがページを取りに来るプログラム)が自社のページを取得していなければ、そのページが回答の材料になる見込みは低くなります。取得が増えても引用が増えるとは限らず、取得の記録は引用の前提が整っているかを確かめる材料になります。4層は上から下へ流れ、可視性が上がり、数か月遅れて流入とブランドが動き、最後に成果が動く、という順序を本記事では想定しています。層ごとの数字を1枚に並べれば、どこで止まっているかが分かります。

可視性の測り方:固定プロンプトの定期調査と専用ツール

可視性は、あらかじめ決めた30〜50問のプロンプト(AIへの質問文)を月1回、同じ条件で3回ずつ実行し、名前が出た割合と引用されたURLを記録する方法で測ります。専用ツールは、この作業を自動化して規模を広げるものと位置づけます。

固定プロンプト調査の流れ。5種類から30〜50問を決める、2〜3サービスで3回ずつ実行、6項目を記録、言及率・引用率・SOVを集計。90回答では読み取れる差が約±9.5ポイントという注意

図:固定プロンプト調査の進め方と、標本数による誤差の目安(二項分布による計算上の目安)

プロンプトは5つの種類から30〜50問を決める

プロンプトは、買い手が実際にAIへ入力しそうな文章にします。種類は5つに分け、合計30〜50問にそろえます。問数は本記事の目安であり、どこかの公式基準ではありません。例として挙げる文面は、いずれも架空のものです。

種類 文面の例 分かること 目安の問数
カテゴリの推奨 「中堅企業向けの採用管理システムでおすすめは」 候補として挙がるか 8〜12問
条件付きの相談 「年間の採用が50名、面接官が20人の会社に向くのは」 どの条件なら候補に入るか 8〜12問
比較 「△△と□□はどちらが使いやすいか」(△△と□□は競合) 競合同士の比較で自社が挙がるか 4〜8問
課題・方法 「応募者への連絡を自動化する方法は」 解説記事が引用されるか 6〜10問
社名の確認 「〇〇の料金はいくらで、評判はどうか」(〇〇は自社) 事実が正しく語られているか 4〜8問

社名の確認以外の問いに自社名を入れると、AIはその名前に触れるほかなく、選ばれているかが判別できません。

実行の条件をそろえ、6項目を記録する

結果を月ごとに比べるには、毎回同じ条件で実行します。

  1. 対象のAIサービスを2〜3つに固定する(例:ChatGPT、Gemini、GoogleのAIモード)
  2. ログアウトするか、メモリー機能を切ったうえで、毎回新しいチャットから始める
  3. 検索機能をオンにする(オフだと学習データだけで答え、出典が付かない)
  4. 同じ問いを3回ずつ、同じ拠点の同じ端末から実行する
  5. 実行日、サービス名、問いの番号を記録に残す

回答ごとの記録は、自社名が出たか(1か0)、自社URLが出典にあるか(1か0とそのURL)、回答に出た他社名、自社についての記述の誤り、出典の他サイトURL(上位3件)、回答の要旨の6項目です。名前だけ出てリンクがない回答はブランドの層には効いても流入の層には効かないため、名前とURLは分けて記録します。

集計:言及率、引用率、SOVの出し方

集計は、種類ごとと全体の2段階で行います。

  • 言及率 = 自社名が出た回答数 ÷ 全回答数
  • 引用率 = 自社URLが出典に含まれた回答数 ÷ 全回答数
  • SOV = 自社の言及回数 ÷(自社と比較対象の競合すべての言及回数の合計)
  • 誤り率 = 誤りを含む回答数 ÷ 社名の確認の回答数

SOVの比較対象は、事前に決めた競合4〜6社に固定します。回答に出た会社をその都度足すと、分母が月ごとに変わってしまいます。引用URLはページ別に回数を数え、上位10件を一覧にします。

標本の数と、読み取れる差の目安

回数が少ないと、本当の変化と偶然のぶれを区別できません。名前が出る割合を30%と仮定し、各回答を独立した試行とみなして二項分布で計算した95%信頼区間の幅は、次のとおりです。実際の回答は同じ問いの繰り返しの間で似通うため、ぶれはこれより大きくなり得ます。

全回答数 内訳の例 読み取れる差の目安(±)
90 30問×3回×1サービス 約9.5ポイント
150 50問×3回×1サービス 約7.3ポイント
300 50問×3回×2サービス 約5.2ポイント
600 100問×3回×2サービス 約3.7ポイント

30問を3回ずつ1サービスで実行した場合、言及率が25%から30%に上がっても、ぶれの範囲に収まります。3か月の移動平均で読み、10ポイント以上の変化だけを「動いた」とみなす運用が現実的です。

専用ツールでできること、確かめること

専用ツールは、多数のプロンプトを定期的に自動実行し、言及、引用されたページ、競合とのSOVを集計します。導入前には、日本語のプロンプトと日本からの実行に対応しているか、プロンプトを自社で登録できるか、回答の全文と出典URLを書き出せるかを確かめます。

ツールの数値は、ツールが独自に実行した回答の集計で、推定値です。Googleは最適化ガイドで、外部のツールはGoogle内部の順位付けの仕組みやAIシステムに触れることはできないと述べ、上位獲得を約束するツールや、Googleの内部の指標を使うとうたうツールに注意を促しています。料金は提供元ごとに異なるため、各社のページを確かめます。

流入の測り方:GA4の「AIアシスタント」チャネルとカスタムチャネルグループ

AIサービスからの訪問は、GA4が標準で持つチャネル分類にある「AIアシスタント」で見られます。対象のサービスを自分で決めたい場合や、過去のデータにもさかのぼりたい場合は、カスタムチャネルグループに「AI検索」のチャネルを作ります。

GA4でAI検索の流入を分ける手順。標準チャネルのAIアシスタント、カスタムチャネルグループの6手順、参照元の正規表現(本記事の提案)、AIによる概要とAIモードはオーガニック検索に入る注意

図:GA4でAIサービスからの訪問を分けて見る設定(Googleアナリティクスのヘルプをもとに作成。正規表現は本記事の提案)

標準チャネル「AIアシスタント」で分かること

デフォルトチャネルグループのヘルプ(GA4)には、ChatGPT、Gemini、Deepseek、Copilot、Grokなどのソースから利用者がサイトにアクセスする際のチャネルとして「AIアシスタント」が載っています。ルールは「メディアが『ai-assistant』と完全に一致」で、参照URLがGoogleの持つAIアシスタントのリストと一致すると、メディアがai-assistantに自動で設定されます。

気をつける点が2つあります。GoogleのAIによる概要とAIモードからの訪問は、このチャネルではなくオーガニック検索に含まれると同じヘルプが示しており、GA4ではGoogleのAI機能からの流入を通常の検索と分けられません。もう1つは、対象のサービスが説明文の5つで確定ではないことで、PerplexityやClaudeが含まれるかは、ヘルプから配布されている参照元の一覧で確かめます。

ChatGPTからの訪問には、utm_source=chatgpt.comが付く

公開者向けのFAQでOpenAIは、OAI-SearchBotにアクセスを許可している公開者はGoogleアナリティクスなどでChatGPTからの参照トラフィックを追跡でき、ChatGPTは参照URLにutm_source=chatgpt.comというUTMパラメータを自動で含める、と説明しています。他方、ChatGPTの検索機能そのものを解説するヘルプにはUTMパラメータの記載がなく、ほかのAIサービスについて同様の案内も確認できていません。

カスタムチャネルグループで「AI検索」を定義する手順

自社の定義で数えたいときは、カスタムチャネルグループを作ります。ヘルプの記載では、作成は「管理」の「データの表示」にある「チャネルグループ」から行い、標準のプロパティでは2つまで持てます。過去にさかのぼって適用できるため、過去の月も同じ定義で見られます。

  1. 「チャネルグループ」で「新しいチャネルグループの作成」を選び、標準の定義を複製する
  2. 「新しいチャネルの追加」で、チャネル名を「AI検索」にする
  3. 「条件グループを追加」で、ディメンションに「参照元」、条件に「正規表現に一致」を選ぶ
  4. 下の正規表現を貼り付ける
  5. 「並べ替え」で「AI検索」を「参照」より上、「オーガニック検索」より上に移す
  6. 「グループを保存」し、「トラフィック獲得」でディメンションをこのグループに切り替えて確かめる

Googleのヘルプにも「例: AIアシスタント」として、同じ考え方の手順と正規表現の例が載っています。ただし例の式は「^.*ai」で始まり、末尾が「ai」の参照元をすべて拾う広い書き方です(GA4の正規表現は標準で完全一致)。AIアシスタント以外の「.ai」ドメインなども一致し得るため、本記事では参照元のドメインを列挙する次の式を提案します。公式の定義ではなく、本記事の提案です。

  • 参照元の正規表現(本記事の提案):.(chatgpt.com|openai.com|perplexity.ai|copilot.microsoft.com|gemini.google.com|claude.ai|grok.com).

ディメンションを「参照元」にするのは、メディアがreferralでもai-assistantでも、utm_sourceが付いていても同じ行に集めるためです。トラフィックは並び順で先に一致したチャネルに入るため、「参照」より上に置かないと、そちらに吸われます。

探索レポートで、AI経由の訪問が何をしたかを見る

チャネルができたら、自由形式のデータ探索で成果までを1枚にします。「探索」の「新しいデータ探索を開始」で「自由形式」を選び、行に作ったチャネルグループ、列に月、値にセッション数、キーイベント数、セッションのキーイベント率を置きます。「ランディングページ」を足すと、AIが送客しているページが分かります。

AI経由の訪問は、多くのサイトで全体のごく一部です。割合の小ささで施策の是非を決めず、訪問1件あたりの成果率をサイト平均と比べます。参照情報を送らないアプリ内ブラウザからの訪問は「直接」(Direct)に入るため、実際より少なく見えることもあります。

Google検索のAI機能の測り方:Search Consoleの2つのレポートを月次で回す

Google検索のAI機能は、AIレポートで表示回数を、検索レポートでクリックと指名・非指名の内訳を、毎月同じ日に控える運用で測ります。2つは数えているものが違うため、1枚の表に並べて読みます。

AIレポートの月次ルーティン

AIレポートは、Googleの発表によると2026年8月31日をもって世界中のサイトに行き渡りました。同じ発表によれば、AIによる概要を月に使う人は25億人以上、AIモードは10億人以上です。月初の作業は2つです。

  1. 期間を前月の1か月にし、サイト全体の表示回数を控える
  2. 「ページ」の切り口で上位20ページを書き出し、前月の一覧と並べて増減の大きいページを確かめる

ヘルプによると、一覧は検索レポートと同じく1,000行までで、「検索タイプ」で文字だけの検索と画像を伴う検索(マルチモーダル)を切り替えられます。レポートが出てこないときは、生成AI機能での表示回数が足りないか、「検索の生成AI」設定で除外を選んでいる可能性があります。

検索レポートでの数え方を知っておく

クリック数を見る検索レポートでは、AI機能の中のリンクに固有の数え方があります。AIによる概要やAIモードの中の外部リンクが押されると、クリック1回として計上されます。AIによる概要に付く掲載順位は検索結果内で1つだけで、概要の中のすべてのリンクに同じ順位が割り当てられます。AIモードで利用者が追加の質問をすると、新しいクエリとして表示回数、順位、クリックが数えられます。

実務で起きやすいのは、平均掲載順位が良いのにクリック率が低い組み合わせです。概要に引用されたページは概要の位置の順位で記録されるため、順位が上がったと受け取る前に、AIレポートの表示回数が同じ時期に増えていないかを見ます。

ブランド・非ブランドの切り分け

指名検索の推移は、検索レポートのブランドフィルタで取ります。ヘルプでは、クエリのフィルタから「ブランド」または「非ブランド」を選ぶと、トラフィックを2つに分けて見られます。サブプロパティや表示回数の乏しいサイトでは出ず、見られるのはフィルタの導入時点以降のデータに限られます。それより前は、同じヘルプが説明するクエリの正規表現での照合を使い、社名を含むクエリを絞り込みます。

LLMOの文脈で見るのは、非ブランドの表示回数とクリック数の組み合わせです。非ブランドの表示が伸びる一方でクリックが落ちる月はAI機能での露出が増えていると考えられ、ブランドのクリックが増える月はAIを含む露出の総量が名前の検索に変わっていると見られます。どちらも可能性にとどまるため、可視性の層の数字と並べて判断します。

Search Consoleの数字で押さえる2つの決まり

  • プロパティ単位の表示回数は、同じ結果画面に自社ページが2回出ても1回です(データについて)。最新のデータ(通常は当日分)は暫定値です
  • 2つのレポートの表示回数は足し算できません。生成AI機能での表示は、検索レポートの「ウェブ」にすでに含まれています

成果とブランドの測り方:キーイベント、指名検索、調査

成果の層はGA4のキーイベントと営業記録で、ブランドの層は指名検索と調査で測ります。どちらもAI以外の施策の影響を受けるため、AIの効果を単独で取り出すことはできません。できるのは、可視性と同じ時期に同じ方向へ動いたかを確かめることです。

AI経由セッションのキーイベントを数える

流入の章で作ったカスタムチャネル「AI検索」を使い、セッション数、キーイベント(ヘルプの定義では「ビジネスの成果にとって特に重要なアクションを測定するイベント」)の数と率を毎月控えます。比べる相手は、サイト全体の平均と、オーガニック検索のキーイベント率です。AI経由の訪問は少数でも、1件あたりの成果率が高ければ、質の高い入口として説明できます。キーイベントは、問い合わせや資料請求など事業にとって意味のある行動に限り、ページの閲覧やスクロールは入れません。

営業記録と突き合わせる:「何で知りましたか」

リンクを押さずに社名で検索した人や、営業に直接連絡した人は、GA4に「AI経由」とは残りません。これを補うのが、問い合わせフォームや商談の冒頭で尋ねる「何で知りましたか」という設問です。選択肢に「ChatGPTなどのAIの回答」を加え、毎月の件数を数えます。自己申告ですが、増減の傾向は分かります。AIで名前を知り、検索で確かめ、広告から問い合わせる経路では最後の接点が広告になるため、GA4の「広告」にある経路のレポートで「AI検索」が途中に入る経路も数えます。

指名検索と調査、口コミ

ブランドの層の中心は、ブランドフィルタで取った指名検索のクリック数、表示回数で、前年の同じ月と比べます。可視性が上がった後の数か月で指名検索が増えていれば、2つの関係を疑えます。因果の証明にはなりませんが、施策の日付と並べて読むと手がかりになります。既存顧客のログイン目的の検索を除いて「新規の関心」だけを取り出す分け方は、指名検索数の記事をご覧ください。

認知度や好意度の変化は、調査でしか分かりません。年1〜2回の認知度調査やブランドリフト調査に「AIの回答で知った」という選択肢を加えておくと、AIが認知の入口になっているかを確かめられます。

先行指標の測り方:サーバーログでAIのクローラーを数える

サーバーログに残るAIクローラーのアクセスは、ユーザーエージェント(アクセス元が名乗るプログラム名)の文字列で数えます。名前は各社の公式ドキュメントにあります。

数えるユーザーエージェントの名前

OpenAIのクローラー解説によると、同社には用途の異なる3つの名前があります。OAI-SearchBotはChatGPT検索の表示用、ChatGPT-Userは利用者の操作をきっかけにページを取得するもので自動クロールには使われず、GPTBotは基盤モデル用です。それぞれのIPアドレスの一覧も公開されています。robots.txt(クローラーの受け入れ可否を記す設定ファイル)を変えると、検索側への反映に約24時間かかるとしています。

Googleのクローラー一覧(2026年9月に更新)によると、Google検索の全機能に使われるのがGooglebotです。Google-Extendedは、Geminiのモデルの学習やGeminiアプリなどでのグラウンディングに自社の内容を使わせるかどうかを管理する名前で、Google検索への登録や順位には影響しないと断っています。AIによる概要とAIモードの材料を集めるのはGooglebotなので、ログで分けて数えることはできません。

集計の考え方と読むときの注意

集計は、前月分のログを1つにまとめ、「OAI-SearchBot」「GPTBot」「ChatGPT-User」「Googlebot」のそれぞれでユーザーエージェントに名前を含む行数を数え、同じ行からURLの列を取り出してURL別に集計し、上位20件を前月の一覧と並べるだけです。Linuxのサーバーであれば、grepで名前を絞り、awkでURLの列を取り出し、sortとuniqで数える、という4つのコマンドのつなぎ合わせで済みます。CDN(配信の高速化サービス)を使っている場合はログがCDN側に残るため、管理者に書き出しを依頼します。

  • ユーザーエージェントは名乗りにすぎず、偽れます。Googleのクローラーの概要は、確認の方法としてユーザーエージェント、送信元IPアドレス、逆引きDNSのホスト名の3つを挙げています。本物かどうかが問題になる場面では、公開されたIPの一覧と照合します
  • ChatGPT-Userの件数は「利用者の質問をきっかけにChatGPTが自社ページを読みに来た回数」に近い意味を持ち、クロールとは分けて読みます。OpenAIは、この取得にはrobots.txtが適用されないこともあると書いています
  • 取得の多さは引用を意味しません。取得は「材料になる可能性」、引用は「実際に使われた結果」で、この順に並べると、取得はあるが引用がないページ、つまり内容の見直しが必要なページが見つかります

月次レポートのテンプレート:1枚に6つのブロックを置く

月次レポートは、要約、可視性、引用されたページ、流入と成果、指名検索、次の打ち手の6ブロックを1枚に収めます。以下は、架空のX社(採用管理システムを販売)を例にした想定例で、数値はすべて架空です。

LLMO月次レポートの想定例。言及率15.6%(前月12.0%)、引用率5.7%、AI検索経由セッション142で資料請求6件(率4.2%、サイト平均1.8%)、AIレポート表示回数3,480、指名検索クリック1,260(前年同月比+23.5%)、次の打ち手3つ。数値は架空

図:月次レポートの6ブロック(想定例。数値はすべて架空)

前提(想定例)

X社は、40問のプロンプト(カテゴリの推奨と比較12問、条件付きの相談10問、課題・方法10問、社名の確認8問)をChatGPTとGeminiで各3回、月1回実行しています。社名の確認を除く32問は、2サービス×3回で192回答です。GA4にはカスタムチャネル「AI検索」を作り、資料請求をキーイベントにしています。

ブロック1:要約(3行)

  • 社名を含まない192回答のうち自社名が出たのは30回答で、言及率は15.6%(前月12.0%、+3.6ポイント)
  • AI検索経由のセッションは142(前月118、+20.3%)、資料請求は6件(前月4件)。資料請求率4.2%はサイト平均1.8%を上回る
  • 指名検索のクリック数は1,260(前年同月1,020、+23.5%)。言及率の変化はぶれの範囲内のため、来月の数字と合わせて判断する

ブロック2:種類別の言及率とSOV

種類 回答数 自社名が出た回答 言及率 前月
カテゴリの推奨・比較 72 18 25.0% 19.4%
条件付きの相談 60 9 15.0% 10.0%
課題・方法 60 3 5.0% 5.0%
合計(社名を含まない問い) 192 30 15.6% 12.0%
社名の確認(誤りを含む回答) 48 6 12.5% 20.8%

社名の確認の行には誤り率を載せます。誤りを含む回答は6で、前月の10から減りました。SOVはカテゴリの推奨・比較の72回答で数え、自社18回、競合A社41回、B社33回、C社22回、D社15回の合計129回のうち自社は14.0%でした。

ブロック3:引用されたページ

192回答のうち自社サイトのURLが出典に入ったのは11回答で、引用率は5.7%です。内訳は料金ページ5回、導入事例3回、機能一覧2回、ブログ記事「採用管理システムの選び方」1回でした。言及率15.6%に対して引用率5.7%ですから、名前は出るがリンクは出ない回答が多い状態です。

ブロック4:流入と成果

参照元 セッション 資料請求 率
ChatGPT 97 4 4.1%
Perplexity 21 1 4.8%
Copilot 14 1 7.1%
Gemini 10 0 0.0%
AI検索の合計 142 6 4.2%

サイト全体のセッションは38,500で、AI検索の割合は0.37%です。割合は小さい一方で、資料請求率はサイト平均の2倍を超えます。着地ページの上位は料金ページと導入事例でした。

ブロック5:指名検索とAI機能での表示

  • AIレポートの表示回数:3,480(前月2,910、+19.6%)。上位は料金ページと「選び方」の記事
  • 指名検索のクリック数:1,260(前月1,180、+6.8%。前年同月1,020、+23.5%)
  • 非指名検索のクリック数:6,900(前月7,150、−3.5%)

非指名のクリックが減り、AI機能での表示が伸びていますが、季節の要因も含むため断定はしません。

ブロック6:次の打ち手(3つまで)

  1. 条件付きの相談で名前が出ない問いの上位5つを選び、条件別の比較表を機能一覧に追加する
  2. 引用が1回だった「選び方」の記事に、自社の利用データにもとづく数値を加える
  3. 来月は言及率の3か月移動平均を出し、10ポイント以上の変化があるかを確かめる

打ち手は3つまでに絞ります。レポートの目的は、次の1か月に何をするかを決めることです。割合の差は「ポイント」、実数の差は「%」で書き分けると、読み手の誤解が減ります。

数字の読み方:原因の切り分け、目標の置き方、よくある間違い

数字が動いた原因は、前後の比較だけでは決められません。対照トピックを置き、季節と検索エンジンの更新の影響を切り分け、それでも残った変化を施策の効果の候補とみなします。公開されたベンチマークがない以上、目標は自社の基準値からの方向で置きます。

前後比較に対照トピックを足す

施策の前後で数字を比べるだけでは、施策と無関係に変わるAIの回答と区別できません。そこで、プロンプトの一部を「手を入れないトピック」として固定し、対照にします。想定例で言えば、40問のうち課題・方法の10問は施策の対象にせず、推奨・比較と条件付きの22問だけにページの改善を当てます。施策後に22問の言及率が上がり、10問が動いていなければ、施策の効果である見込みが高まります。両方が同じように動いたなら、AI側の変化か季節の影響と考えます。

季節性と検索エンジンの更新を切り分ける

指名・非指名の検索は季節で動きます。前月比ではなく前年同月比を基本にします。検索エンジンのアルゴリズム更新(順位の決め方の見直し)も、AI機能の表示と検索の流入を同時に動かします。更新の時期と自社の数字の変化が重なっていたら、施策の効果とは切り離して書きます。

AI機能がクリックに与える影響についても、見方は分かれています。Googleの検索責任者は2025年8月に公式ブログで、Google検索からサイトへ送られる自然検索クリックの総量は前年と比べておおむね安定し、質の高いクリックはわずかに増えたと述べ、大幅な減少を示す第三者の報告は方法に問題があるものが多いとしました。

「効果があった」と言える3条件

次の3つがそろったとき、施策の効果があったと報告してよいと考えます。

  • 施策の対象にしたトピックの言及率または引用率が、対照トピックより大きく上がり、その差が3か月続いている
  • AIレポートの表示回数か、AI検索の流入のどちらかが、同じ時期に増えている
  • 増えた流入のキーイベント率が、サイト平均を下回っていない

1つしか満たさない月は「変化の兆し」として書きます。

ベンチマークは存在しない。目標は方向で置く

言及率やSOVについて、国内の業種別ベンチマークは本記事の執筆時点で公開されていません。海外のツール提供元が集計を公開することはありますが、プロンプトの選び方で値が大きく変わるため、他社の数字と比べることに意味はありません。目標は、「カテゴリの推奨の言及率を基準値から四半期で10ポイント上げる」のように、基準値からの方向で置きます。「言及率50%」のような絶対値の目標は、プロンプトの難しさで達否が決まってしまうため避けます。

よくある7つの間違い

間違い 何が起きるか 代わりにすること
1つのプロンプトの結果で判断する 偶然のぶれを効果や失敗と読み違える 30問以上を3回ずつ実行し、割合で読む
名前が出たことだけを数え、URLを見ない 流入につながらない言及を成果とみなす 言及と引用を別の列で記録する
AI経由の参照流入を効果の全体とみなす 検索で確かめる人の分を見落とし、効果を過小評価する 指名検索と「何で知ったか」の回答を並べる
誰も読まないダッシュボードを作る 数字はたまるが、打ち手が決まらない 月1枚のレポートと、3つまでの打ち手に絞る
途中でプロンプトや定義を変える 前月と比べられなくなる 変えるときは新旧を1か月並走させる
ツールのスコアを公式の数字と混同する 推定値を実測値として報告してしまう 出どころを表の見出しに書く
施策の直後に判断する 反映前の数字で「効果なし」と結論づける 最低3か月、同じ手順で記録してから判断する

もっとも多いのは最初の2つです。回答のぶれを知らずに1回の結果を社内に共有すると、翌月に逆の結果が出て信用を失います。

90日で計測の仕組みを立ち上げる計画

計測の仕組みは、最初の30日で基準値を取り、60日目までに2回目の計測とレポートの型を固め、90日目に3か月分を並べて目標を決める、という順で立ち上がります。施策の改善はこの計画の対象外で、計測だけを先に走らせます。

LLMO効果測定を90日で立ち上げる計画。1〜30日は基準値(プロンプト確定、GA4カスタムチャネル、Search Consoleの2レポート、ログ)、31〜60日はレポートの型と対照トピック、61〜90日は移動平均と四半期の目標、ツール導入の判断

図:計測の仕組みを90日で立ち上げる計画(本記事の提案)

時期 やること 残すもの
1〜30日 プロンプトの確定、GA4のカスタムチャネル作成、Search Consoleの2レポートの初回記録、ログの初回集計、名前リストの作成 基準値のシート1枚と、記録の手順書
31〜60日 2回目の計測、レポートの型を1枚に固定、対照トピックの指定、「何で知ったか」の設問追加 2か月分の表と、第1号のレポート
61〜90日 3回目の計測、3か月の移動平均、原因の仮説、四半期の目標設定、ツール導入の要否判断 四半期報告と、次の四半期の目標

1〜30日:基準値を取る

施策を始める前の状態は後から取り直せないため、ほかの作業より先に記録します。

  1. 営業と問い合わせの履歴から買い手の言葉を集め、5種類で30〜50問のプロンプトを確定する
  2. 競合4〜6社と、自社の名前リスト(社名、サービス名、表記ゆれ)を決める
  3. GA4にカスタムチャネル「AI検索」を作り、過去13か月分のセッション数を控える
  4. Search Consoleで、AIレポートの表示回数と、ブランド・非ブランドのクリック数を控える
  5. サーバーログかCDNのログで、AIクローラーの件数と上位URLを数える
  6. プロンプトを初回実行し、記録シートを埋める

プロンプトの実行は1回答あたり1〜2分が目安で、40問×3回×2サービスの240回答なら4〜8時間です。1週間に分けて実行すれば、日によるぶれも薄まります。

31〜60日:レポートの型を固める

2か月目は、同じ手順をもう一度回し、6ブロックを1枚に置いて前月の数字を隣に書く形を決めます。プロンプトの一部を対照トピックとして指定し、問い合わせフォームと商談の記録に「ChatGPTなどのAIの回答」という選択肢を加えます。

61〜90日:目標を決め、ツールと担当を固める

3か月目に、3か月分を並べて移動平均を出し、ぶれの幅を超えて動いた指標があるかを見ます。四半期の目標を方向で置きます。ツールの導入もこの時点で判断し、問数を100問以上に増やしたい、週次で見たいという要望があるなら、ツールの費用と手作業の人件費を比べます。あわせて担当者と予定日を決め、月初の第3営業日に集計、第5営業日に報告、という形で予定表に入れます。手順書があり、誰が実行しても同じ数字が出る状態が到達点だと考えてください。

よくある質問(FAQ)

GA4では、AIからの流入はどう見えますか?

標準のチャネル分類にある「AIアシスタント」に入ります。参照URLがAIアシスタントのリストと一致した訪問は、メディアがai-assistantに設定されて分類されます。「トラフィック獲得」レポートでディメンションを「セッションの参照元」にすると、chatgpt.comなどサービス別の内訳が見られます。

サーチコンソールでAIモードだけの数字を見られますか?

AIモードだけを取り出すことはできません。AIレポートはAIによる概要とAIモードの表示回数を合わせて示し、ヘルプには2つを分ける方法が載っていません。検索レポートでも、AI機能の表示とクリックは検索タイプ「ウェブ」に含まれ、AI機能だけのフィルタはありません。

何件のプロンプトで測れば十分ですか?

手作業なら、30〜50問を3回ずつ、2〜3サービスで実行するのが現実的な下限です。1サービス30問×3回の90回答では、読み取れる言及率の差は計算上およそ±9.5ポイントで、月ごとの小さな変化は見分けられません。問数より大切なのは、同じ問いを変えずに続けることです。

費用をかけずに測れますか?

測れます。Search ConsoleのAIレポート、GA4のチャネル設定、AIサービスへの手作業の質問、サーバーログの集計は、いずれも追加の費用なしで行えます。費用がかかるのは専用ツールと認知度の調査で、3か月分の基準値を取ってから不足する部分だけ検討します。

効果が出るまでの期間はどのくらいですか?

決まった期間はありません。検索を使って答えるAIは、直したページが検索エンジンに取り込まれれば数週間で回答が変わる場合があります。一方で、第三者の言及や学習データに左右される部分は、動くまでに数か月から数年かかると見ておくべきです。

ChatGPTからの訪問には、常にutm_source=chatgpt.comが付きますか?

公開者向けFAQ(OpenAI)には、ChatGPTが参照URLにこのパラメータを自動で含めると書かれています。ただし、検索機能の仕組みを解説する別のヘルプにはこの記載がなく、すべての経路で付くことまでは確認できません。パラメータが付かない訪問も参照元のドメインで見分けられるため、参照元にchatgpt.comを含む行をまとめて数えるのが確実です。

AIによる概要からの流入は、GA4ではどこに入りますか?

オーガニック検索に入ります。GA4のヘルプはAIによる概要とAIモードをオーガニック検索に含めるとしており、通常のGoogle検索と分ける方法はありません。露出を知りたいときはSearch ConsoleのAIレポートを使います。

競合のAIでの見え方も測れますか?

測れます。固定プロンプトの記録では、回答に出た他社名をすべて書き残すため、競合ごとの言及回数とSOVが同時に取れます。ただし競合のSearch ConsoleやGA4は見られないため、表示回数や流入は分かりません。比べられるのは、同じプロンプトでの言及と引用の割合までです。

まとめ:4つの層を1枚に並べ、同じ手順で3か月記録する

LLMO対策の効果測定は、順位の代わりに「割合」と「層」で考えると設計できます。要点を5つにまとめます。

  • 指標は可視性、流入、成果、ブランドの4層に分け、クロールを先行指標として添える
  • AIの回答は毎回変わる。30〜50問の固定プロンプトを3回ずつ実行し、言及率、引用率、SOVを割合で記録する
  • AIサービスからの訪問はGA4の「AIアシスタント」か、自社で定義したカスタムチャネルで数える
  • 原因の切り分けには対照トピックと前年同月比を使い、3条件がそろったときに「効果があった」と書く
  • ベンチマークはない。目標は基準値からの方向で置き、最低3か月は同じ手順で続ける

最初の一歩は、営業や問い合わせの記録から買い手の言葉を拾い、30問のプロンプトを書き出すことです。今月中に1回実行して記録すれば、以後の比較の基準値になります。

測る前に、答えに選ばれる条件を確かめる資料

計測を始めると、「出てこない問いが多い」「古い情報で語られている」といった状況が見えてきます。「【AIO・LLMO】AIが“答え”を出す時代、その答えに選ばれているか」は、よくある状況6つのチェック欄と、こうした3つの“あるある”、最初の90日(〜30日 可視化、〜60日 実体を作る、〜90日 分布を作る)の進め方をまとめた資料です。計測で見つけた課題をどの順で直すかを考えるときの手引きとしてお使いください。

資料をダウンロードする

出典・参考資料

記事内のデータは2026年10月10日時点で確認したものです。