生成AIを使った検索や対話型のAIアシスタントで情報を集める購買担当者が増えるなか、「自社のサービスがAI検索でどう扱われているのか」「施策の効果をどう測ればよいのか」という相談がマーケティングやDX推進の現場で増えています。
ところが、AI検索の効果測定は、検索順位やクリック数を中心に組み立ててきた従来のSEOの評価方法だけでは捉えきれません。AIの回答の中で自社名が挙がっても、ユーザーがサイトを訪れないまま検討を進めることがあるためです。
この記事では、BtoBサイトを運営する担当者に向けて、AI検索での露出や引用を計測するための指標設計、定点観測の方法、そして商談・リードへの貢献をどう評価するかの判断基準と進め方を、実務の手順に沿って整理します。
AI検索の効果測定が難しい理由
まず、なぜAI検索の効果測定が難しいのかを押さえておくと、指標の設計で迷いにくくなります。
回答の中で完結し、サイトへの訪問が起きにくい
AI検索では、ユーザーの質問に対してAIが複数の情報源をまとめた回答を返します。ユーザーはその回答だけで疑問を解消できることも多く、引用元のリンクをクリックしないまま次の行動に移る場合があります。そのため、「サイトへの流入数」だけを見ると、実際の影響を過小評価してしまいます。
回答が毎回同じとは限らない
同じ質問でも、聞くタイミングや質問の言い回し、利用するAIサービスによって回答内容や引用される情報源が変わります。検索順位のように一つの値で状態を表すことが難しく、一定の条件で繰り返し観測する仕組みが必要になります。
BtoBは検討期間が長く、経路が複雑
BtoBの購買では、情報収集から問い合わせ、商談、受注までに時間がかかり、複数の担当者が関わります。AIの回答で自社を知った担当者が、後日社名で検索して来訪したり、展示会や紹介経由で接点を持ったりすることもあります。AI検索の影響は、アクセス解析上では「指名検索」や「ノーリファラー」に紛れて見えにくくなりがちです。
こうした特性を前提にすると、AI検索の効果測定は「一つの指標で白黒をつける」ものではなく、「複数の層の指標を組み合わせて傾向を読む」ものとして設計するのが現実的です。
指標設計の考え方：露出・引用・流入・成果の4層で捉える
AI検索の効果測定では、ユーザーの行動の流れに沿って指標を層に分けると整理しやすくなります。ここでは「露出」「引用」「流入」「成果」の4層で考える方法を紹介します。
第1層：露出（AIの回答に自社が登場しているか）
最初の層は、自社が狙うテーマの質問に対して、AIの回答の中に自社名やサービス名が登場するかどうかです。代表的な指標は次のとおりです。
- 言及の有無：観測対象の質問に対して、回答内に自社名・サービス名が出てくるか
- 言及率：観測した質問のうち、自社が言及された質問の割合
- 言及の位置：回答の冒頭で紹介されているか、補足的に触れられているだけか
- 競合との並び：同じ回答の中で、どの競合が一緒に挙げられているか
露出の指標は、AI検索における「認知の入口」に立てているかを確認するためのものです。
第2層：引用（自社サイトが情報源として扱われているか）
次の層は、AIが回答の根拠として自社サイトのページを参照・リンクしているかどうかです。
- 引用の有無：回答の出典として自社ドメインのURLが表示されているか
- 引用されたページ：どのページ（サービス紹介、コラム、FAQなど）が引用されているか
- 説明の正確さ：回答に書かれた自社の説明が、事業内容や提供範囲と食い違っていないか
BtoBでは特に「説明の正確さ」が重要です。言及されていても、提供していないサービスを提供しているかのように説明されていたり、古い情報が使われていたりすると、商談の場で誤解を解く手間が生まれます。露出の量だけでなく、質も評価の対象に含めておきましょう。
第3層：流入（AI経由でサイトに訪問があるか）
3つ目の層は、AIサービスからのリンクをたどってサイトに訪れたユーザーの行動です。アクセス解析ツールで参照元を確認し、次のような指標を追います。
- AIサービスを参照元とするセッション数
- AI経由で最初に訪れたページ（ランディングページ）
- エンゲージメントの状況（閲覧ページ数、滞在時間、主要ページへの遷移など）
AI経由の流入は数としては小さく見えることがあります。しかし、AIの回答で比較検討を済ませたうえで訪れるユーザーは、目的意識がはっきりしている場合も多いため、量だけでなく「その後どのページを見たか」という質の面もあわせて確認します。
第4層：成果（リード・商談につながっているか）
最後の層は、問い合わせや資料請求、セミナー申し込みといったリード獲得、さらに商談化や受注への貢献です。
- AI経由セッションからのコンバージョン（問い合わせ、資料請求など）
- 問い合わせ時の自己申告で「AIで知った」と回答したリード
- 商談化したリードのうち、AI検索との接点が確認できたもの
成果の層は最も重要ですが、計測できる範囲が限られる層でもあります。そのため、上位の層の指標と組み合わせて「AI検索での存在感が高まった時期に、成果の層でどんな変化が起きたか」を読み解く姿勢が求められます。
指標は「目的」から逆算して絞り込む
4層すべての指標を最初から揃える必要はありません。たとえば、まだAIの回答にほとんど登場していない段階であれば露出と引用を中心に、すでに言及が安定しているなら流入と成果を中心に、というように、現在の課題に応じて重点を置く層を決めます。社内報告では、各層から代表的な指標を一つずつ選び、少数の数字で状態を説明できるようにしておくと、関係者の理解を得やすくなります。
定点観測の方法：露出と引用を継続的に追う
露出と引用の層は、アクセス解析ツールだけでは把握できません。そこで、決まった質問をAIサービスに投げかけ、その回答を記録する「定点観測」を行います。
ステップ1：観測する質問セットを設計する
定点観測の精度は、どの質問を観測対象にするかで大きく変わります。BtoBでは、購買担当者が検討の各段階で投げかけそうな質問を想定し、次のような観点で質問セットを作ります。
- 課題認識の段階：「〇〇の業務を効率化する方法は」「〇〇の課題を解決するには」
- 解決策の比較段階：「〇〇の進め方の比較」「〇〇を外部に依頼する場合の選び方」
- 依頼先の選定段階：「〇〇に対応できる会社の特徴」「〇〇を依頼する際の注意点」
- 自社名を含む質問：「（自社名）はどんな会社か」「（自社名）の提供サービスは」
自社名を含む質問は、AIが自社をどう理解しているかを確認するために欠かせません。説明の正確さを評価する指標として活用できます。
質問の数は、毎回の観測で無理なく記録できる範囲に抑えるのが継続のコツです。最初から網羅を目指すより、重要なテーマに絞った質問セットで始め、運用しながら見直していく方が現実的です。
ステップ2：観測条件をそろえる
AIの回答は条件によって変わるため、観測のたびに条件をそろえることが重要です。
- 観測するAIサービスを固定する（自社の顧客が使っていそうなサービスを中心に選ぶ）
- 質問文は一字一句同じものを使う
- ログイン状態や過去の会話履歴の影響を受けにくい環境で質問する
- 観測日、使用したサービス、質問文を必ず記録する
条件がそろっていないと、回答の変化が施策の影響なのか、観測条件の違いなのかを判断できなくなります。
ステップ3：記録項目を決めて蓄積する
観測結果は、表計算ソフトなどで一覧化して蓄積します。記録項目の例は次のとおりです。
- 観測日、AIサービス名、質問文
- 自社の言及の有無と、回答内での位置
- 自社サイトの引用の有無と、引用されたページのURL
- 一緒に挙げられた競合や情報源
- 自社についての説明が正確かどうか（誤りがあればその内容）
- 回答全体の要旨や気づいた点
回答の全文を保存しておくと、後から変化の理由を振り返る際に役立ちます。
ステップ4：観測の頻度と体制を決める
観測頻度は、月に一度程度を基本とし、大きなコンテンツ更新やサイト改修を行った前後には追加で観測するといった運用が考えられます。毎週のような高頻度の観測は負荷が大きく、続かなくなりがちです。担当者を決め、記録のテンプレートを用意しておくと、属人化を防げます。
なお、AIの回答には揺らぎがあるため、一度の観測結果だけで良し悪しを判断しないことが大切です。複数回の観測を通じた傾向で評価しましょう。
流入とコンバージョンの計測：アクセス解析の整備
流入と成果の層は、アクセス解析ツールの設定を整えることで計測しやすくなります。ここではGoogleアナリティクス4（GA4）を例に、基本的な考え方を整理します。
AIサービスからの参照元をまとめて把握する
GA4では、セッションの参照元を確認することで、ChatGPTやPerplexity、Gemini、Copilotなど、主なAIサービスからの訪問を把握できます。カスタムチャネルグループを使い、こうしたAIサービスのドメインをまとめて「AI検索」のようなチャネルとして定義しておくと、他の流入経路と比較しやすくなります。
AIサービスのドメインは追加や変更が起こり得るため、定義は定期的に見直す前提で運用しましょう。
コンバージョンは商談に近い行動に絞る
GA4のキーイベント（コンバージョン）を設定する際は、問い合わせフォームの送信や資料請求の完了など、商談につながりやすい行動に絞るのがおすすめです。ページの閲覧やスクロールなどまでキーイベントに含めると、AI経由の流入が本当に事業成果に結びついているのかが見えにくくなります。
見えない流入があることを前提に読む
アクセス解析で把握できるのは、AIサービスからのリンクをクリックし、参照元情報が引き継がれた訪問に限られます。次のようなケースは、AI検索の影響であっても「AI検索」チャネルには計上されません。
- アプリ版のAIサービスから遷移し、参照元が引き継がれなかった訪問
- AIの回答で社名を知り、改めて検索エンジンで社名検索して訪れた訪問
- URLをコピーしてブラウザに直接入力した訪問
- Google検索のAIによる概要（AI Overviews）から通常の検索結果と区別されずに計上された訪問
そのため、AI検索チャネルの数値は「AI検索の影響の一部」として扱い、指名検索の推移や、ノーリファラーの流入の推移もあわせて観察することが大切です。
商談・リードへの貢献をどう評価するか：判断基準
経営層や営業部門から最も問われるのは、「AI検索の取り組みが商談や売上にどう貢献しているのか」という点です。しかし前述のとおり、AI検索の影響をすべて正確に紐づけることはできません。そこで、複数の根拠を組み合わせて貢献を評価する考え方を紹介します。
直接の貢献と間接の貢献を分けて扱う
評価の際は、貢献を次の2つに分けて扱うと整理しやすくなります。
- 直接の貢献：AI経由のセッションから発生した問い合わせや資料請求など、アクセス解析上で紐づけられる成果
- 間接の貢献：AIの回答で自社を知った、あるいは比較検討に使ったことが、自己申告やヒアリングで確認できる成果
直接の貢献は数値として示しやすい一方で、実際の影響の一部にすぎません。間接の貢献は数値化しにくいものの、AI検索の実態に近い情報を含んでいます。両方を並べて報告することで、過大評価も過小評価も避けやすくなります。
自己申告と営業ヒアリングで「見えない影響」を補う
間接の貢献を把握するために有効なのが、問い合わせフォームや商談時のヒアリングで接点を確認する方法です。
- 問い合わせフォームに「当社を知ったきっかけ」の選択肢を設け、「AIアシスタント・AI検索」を加える
- 選択肢だけでなく、具体的に使ったサービスや質問内容を任意で書ける自由記述欄を用意する
- 初回商談で、情報収集の方法や比較検討の経緯を営業担当者が聞き取り、顧客管理システムに記録する
自己申告は回答者の記憶に頼るため厳密ではありませんが、アクセス解析では見えない経路を補う貴重な情報源になります。
評価のための判断基準
AI検索の取り組みが成果につながっているかを判断する際は、次のような基準で多面的に確認します。
- 露出・引用の層で改善の傾向が見られるか：定点観測で、狙ったテーマの質問に対する言及や引用が増えているか、説明の正確さが保たれているか
- 流入の質が保たれているか：AI経由の訪問者が、サービス紹介や事例紹介、問い合わせページなど検討に関わるページへ進んでいるか
- 成果の層で裏付けがあるか：AI経由のコンバージョンや、自己申告・ヒアリングでAI検索との接点が確認できるリードが出ているか
- 関連指標が同じ方向に動いているか：指名検索やノーリファラー流入など、AI検索の影響が表れやすい指標に変化があるか
- 他の施策の影響を切り分けられているか：同じ時期に広告や展示会など別の施策を実施していないか、季節要因がないか
一つの基準だけで判断するのではなく、複数の基準が同じ方向を示しているかを確認することで、評価の確からしさが高まります。
評価期間は中長期で設定する
AI検索での露出や引用は、コンテンツを公開・更新してすぐに変化するとは限りません。BtoBの検討期間の長さも考えると、短期間の数値の上下で判断せず、四半期や半期といった単位で傾向を評価するのが現実的です。あらかじめ評価の時期と基準を関係者と合意しておくと、途中で方針がぶれにくくなります。
AI検索の効果測定の進め方
ここまでの内容を、実際に社内で取り組む際の手順として整理します。
ステップ1：目的と対象テーマを決める
まず、AI検索の取り組みで何を達成したいのかを明確にします。「特定のサービス領域で検討候補に挙がるようにしたい」「自社についての誤った説明を減らしたい」など、目的によって重視する指標が変わります。あわせて、観測の対象とするテーマやサービスを絞り込みます。
ステップ2：現状のベースラインを取る
施策を始める前に、定点観測とアクセス解析で現状を記録します。この記録がないと、後から施策の効果を比較できません。露出・引用・流入・成果の各層について、現時点の状態を一覧にしておきましょう。
ステップ3：計測環境を整える
GA4のチャネル定義やキーイベントの設定、問い合わせフォームの「知ったきっかけ」の項目追加、営業部門とのヒアリング項目のすり合わせなど、計測に必要な仕組みを整えます。営業部門の協力が得られるよう、目的と記録方法をあらかじめ共有しておくことがポイントです。
ステップ4：施策を実施し、定点観測を続ける
AIに正しく理解され、引用されやすいサイトにするための施策を進めます。たとえば、サービス内容や対応範囲を明確に説明するページの整備、よくある質問への回答の充実、会社情報の一貫性の確保などが考えられます。施策の実施日を記録し、定点観測の結果と照らし合わせられるようにしておきます。
ステップ5：定期的に評価し、改善につなげる
あらかじめ決めた評価時期に、判断基準に沿って結果を振り返ります。言及や引用が増えないテーマはコンテンツの見直しを、引用されているのに流入や成果につながらないページは導線の見直しを検討するなど、測定結果を次の施策に結びつけていきます。
よくある質問
Q. AI検索経由の問い合わせはGA4で計測できますか？
AIサービスからのリンクをクリックし、参照元情報が引き継がれた訪問であれば、GA4で参照元を確認し、その後の問い合わせを計測できます。ただし、参照元が引き継がれない訪問や、AIの回答を見た後に社名検索で訪れた訪問は区別できないため、計測できるのは影響の一部だと考えておく必要があります。
Q. Google検索のAIによる概要（AI Overviews）経由の流入は区別できますか？
AIによる概要からの訪問は、通常のGoogle検索からの流入と区別されずに計上されることが一般的で、アクセス解析だけで切り分けるのは困難です。定点観測で、狙ったテーマの検索結果にAIによる概要が表示されるか、自社が引用されているかを記録し、検索経由の流入の変化とあわせて読み解く方法が現実的です。
Q. 定点観測はツールを使わないとできませんか？
専用ツールがなくても、質問セットと記録テンプレートを用意すれば手作業で始められます。まずは手作業で観測の型を固め、観測対象が増えて負荷が大きくなった段階でツールの活用を検討すると、自社に合った運用を見極めやすくなります。
Q. 効果が見えない場合、取り組みをやめるべきでしょうか？
短期間で判断するのは避けた方がよいでしょう。まず、露出・引用の層で変化があるかを確認し、変化がなければコンテンツや情報の整備状況を見直します。露出や引用は改善しているのに成果に結びつかない場合は、計測の仕組みやサイト内の導線に課題がある可能性があります。どの層で止まっているかを特定することが、継続か見直しかを判断する手がかりになります。
まとめ
AI検索の効果測定は、従来のSEOのように検索順位やクリック数だけで評価できるものではありません。BtoBサイトでは、次のポイントを押さえて取り組むことが大切です。
- 露出・引用・流入・成果の4層で指標を設計し、目的に応じて重点を決める
- 質問セットと観測条件をそろえた定点観測で、AIの回答の変化を継続的に記録する
- GA4などのアクセス解析を整備しつつ、見えない流入があることを前提に数値を読む
- 直接の貢献と間接の貢献を分け、自己申告や営業ヒアリングで見えない影響を補う
- 複数の判断基準を組み合わせ、中長期の傾向で評価する
完璧な計測を目指すより、まずは現状のベースラインを取り、少数の指標で定点観測を始めることが、AI検索で自社のサービスが正しく見つかる状態へ近づく第一歩になります。
無料マーケティング診断のご案内
ハイ・ヴァーチュ・ラボは、AI駆動開発・システムインテグレーション・マーケティングを一気通貫で提供するテクノロジーパートナーです。プロジェクトの立ち上げから収益化まで、すべての工程を網羅しています。
「AI検索で自社がどう扱われているのか分からない」「効果測定の指標や計測環境をどう整えればよいか迷っている」「商談への貢献を社内でどう説明すればよいか悩んでいる」といった課題をお持ちの方は、無料マーケティング診断をご利用ください。現状のサイトや計測環境を整理し、AI検索の効果測定に向けた進め方の方向性を一緒に検討します。