AI検索の普及により、検索順位やクリック数だけで自社の成果を把握することが難しくなっています。AI Overviewsの表示によってオーガニッククリックが減少する一方で、AI回答の中で自社が言及されることが新たな接点となりつつあります。こうした変化に対し、従来のSEO指標をそのまま経営判断に用いることには限界があります。経営の視点では、どの層の指標が事業貢献につながっているかを切り分けて把握することが求められます。本記事では、AI検索対策のKPIを可視性・検討・成果の3層で設計する考え方と、測定基盤の整備、月次での運用方法を解説します。戦略として投資判断を下すための指標設計を、実務に落とし込める形で整理してまいります。
AI検索時代のKPIが従来のSEO指標と異なる理由
検索順位とクリックだけでは成果を捉えられない構造変化
従来のSEOでは、検索順位とオーガニッククリック数を追えば施策の成否を概ね判断できました。しかし、AI検索の普及によって利用者の情報収集行動は大きく変わっています。利用者は検索結果の一覧を比較する代わりに、AIが生成した回答を読んで意思決定に近づくようになりました。この構造変化により、順位が上がってもクリックが増えない、あるいは自社サイトを訪れないまま自社ブランドが選ばれるといった現象が起きています。順位とクリックという既存指標は、AIの回答内で企業がどのように扱われているかを捉えられません。
AI Overviewsがオーガニッククリックに与える影響
AI Overviewsの表示は、オーガニッククリックに直接的な影響を与えています。AI Overviewsが表示された検索結果では、オーガニッククリックが58%減少したという報告もあります。ただし、クリックの減少をそのまま施策の失敗と捉えるのは適切ではありません。AIの回答に引用されることで、利用者に自社の存在を認識させる機会が生まれているためです。経営判断においては、クリック数の増減だけでなく、AI回答の中での露出と、その後の指名検索や問い合わせへのつながりを合わせて評価する視点が求められます。AI検索の影響を測る指標はまだ確立されていないため、企業は自社に合った測定の枠組みを設計する必要があります。
経営判断に必要なのはビジネス貢献の可視化である
AI検索対策は、従来のSEOと比べてビジネス貢献の測定がより重要になります。AI経由の流入は全体の約1%にとどまる場合もあり、流入数だけで投資の妥当性を説明するのは困難です。一方で、ある調査では2026年8月にナイルの問い合わせの32.3%が「AI」で知ったと回答しており、AI検索が見込み顧客の初期接点として機能していることが分かります。経営層が求めているのは、AI経由の売上やVOC、AI経由コンバージョン率といった事業成果への寄与です。マーケティング、ブランディング、営業が連携し、AI検索時代に適した仕組みと体制を構築することが、中長期の競争優位につながります。
AI検索対策のKPIを3層で設計するフレームワーク
可視性・検討・成果の3層構造
AI検索対策のKPIは、可視性・検討・成果の3層で設計することが有効です。可視性層は、AI回答の中で自社がどの程度現れ、言及されているかを捉えます。検討層は、利用者がAIや検索を経て自社を想起し、指名で検索するといった関心の深まりを捉えます。成果層は、AI経由の流入や問い合わせ、売上といった事業への貢献を捉えます。3層を分けることで、施策の効果がどの段階で止まっているかを特定できます。例えば可視性は高いのに成果が伸びない場合は、回答後の導線やサイト内の訴求に課題がある可能性が高いと判断できます。
各層に設定すべきKPIの選定基準
各層のKPIは、事業への影響度と計測の再現性を基準に選定します。計測のたびに結果が大きくぶれる指標は、経営判断の材料としては不向きです。また、指標の数を増やしすぎると運用が形骸化するため、各層で本当に意思決定に使う指標に絞り込むことが重要です。最初に置くKPIは各層1つ、合計3つで十分です。選定の際は、そのKPIが改善された場合に、どの施策を行うべきかを具体的に説明できるかを確認してください。説明できない指標は、運用段階で活用されにくくなります。
業務目的に応じたKPIの優先順位付け
AI検索対策のKPIは、業務目的によって優先順位が異なります。ブランド認知を重視する企業は可視性層を、新規の商談創出を重視する企業は検討層や成果層を優先して設定するのが一般的です。BtoBでは、AI回答内での言及が意思決定者の情報収集に寄与するため、可視性と指名検索の関係を重視する傾向があります。BtoCでは、AI経由の流入や購買につながる導線を重視する傾向があります。経営層と現場が目的を共有したうえで優先順位を決めることで、AI検索対策が組織全体の取り組みとして機能しやすくなります。
各層の主要KPIと測定方法
可視性層:言及率・引用率・AI回答内での露出
AI検索対策のKPIは、可視性・検討・成果の3層で設計することが基本となります。その起点となるのが可視性層です。可視性層では、生成AIの回答のなかで自社がどの程度取り上げられているかを測定します。代表的な指標は、AI回答内に自社名が登場する割合である言及率、AI回答の参照元として自社サイトがリンクされる割合である引用率、そしてAI回答内での露出の3つです。言及率は30〜60%が一つの目安とされ、業界内での相対的な位置づけを把握する材料になります。
測定にあたっては、業務上重要な質問群をあらかじめ選定し、ChatGPT、Gemini、Google AI Overviewsなど主要なAIサービスに定期的に入力して結果を記録します。同一の質問を継続して投げ続けることで、施策の効果を時系列で比較できます。
検討層:指名検索数・指名検索割合・AI Botアクセス
検討層は、AIの回答を見たユーザーが自社を具体的に意識し始めた段階を捉える層です。ここでは、社名や製品名での指名検索数を重要な指標として扱います。とくに指名検索割合が15%を超えると、AI検索の文脈において強いポジションを確立していると判断できます。指名検索はAIの回答から流入した後の行動を示すため、可視性層の施策が検討段階に波及しているかを確認する役割を担います。
あわせて、AI Botによる自社サイトへのアクセス数も確認対象です。AI Botがサイトを巡回しているかどうかは、生成AIの学習や参照の対象になっているかを推測する手がかりになります。ただし、これは直接の成果指標ではなく、可視性層の施策を補完するための観測指標として位置づけることが適切です。
成果層:AI経由流入・AI経由コンバージョン率・問い合わせ経路
成果層は、ビジネス貢献を直接示す層であり、経営層への報告で最も重視すべき領域です。AI経由の流入数はトラフィック系のKPIとして測定し、そのうえでAI経由のコンバージョン率を算出します。さらに、問い合わせ時にどこで自社を知ったかを確認する問い合わせ経路の把握も欠かせません。ある事例では、2026年8月時点で問い合わせの32.3%が、AIで知ったと回答していました。
一方で、AI経由の流入は全体の約1%にとどまるという報告もあり、流入量だけで効果を判断すると過小評価につながります。AI検索では直接のセッション数が減少する傾向もあるため、問い合わせ経路の把握によって実態を補完する設計が求められます。
測定基盤の整備とデータ取得の実務
Search Consoleとアクセス解析の役割分担と限界
Google Search Consoleは検索順位や表示回数、クリック数を把握するうえで有効なツールです。しかし、AI回答内での表示や言及は、Search Consoleだけでは十分に捉えられません。AI Overviewsの表示によってオーガニッククリックが大きく減少した事例もあり、クリック数の推移だけで成果を判断すると、実態を見誤るおそれがあります。
そのため、Search Consoleは検索面の状況把握、アクセス解析は流入後の行動の把握、そして定点観測による可視性の測定という役割分担が現実的です。各ツールの限界を前提としたうえで、組み合わせて判断する体制を整えることが重要です。
AI回答の定点観測とプロンプト設計
AI回答の可視性を把握するには、定点観測の仕組みが欠かせません。ここで重要になるのが、プロンプト設計です。自社の事業領域において、顧客が実際に投げかける質問を洗い出し、それを特定の質問群として固定します。質問の表現を都度変えると結果を比較できなくなるため、文言は変更せず継続して記録することが原則です。
加えて、質問の種類を情報収集、比較検討、課題解決などの段階に分けて設計すると、どの段階で自社が取り上げられているかを立体的に把握できます。顧客の質問の見直しは、マーケティングや営業の企画にも直結する知見となります。
測定の前提となるWebサイトの計測設計
測定の精度を支えるのは、Webサイト側の計測設計です。AI経由の流入を正しく識別するには、参照元の分類ルールを整備し、AIサービス由来の流入を独立して集計できる状態にする必要があります。また、問い合わせフォームや資料請求などのコンバージョンを流入元と紐づけて記録し、成果層の指標を算出できるようにしておくことが求められます。
計測設計は一度整えて終わりではなく、施策の変化に応じて見直すことが必要です。計測の前提を経営、マーケティング、営業、Web担当が共通理解として持つことで、AI検索時代における新たな仕組みづくりの土台が整います。
大企業におけるKPI設計・運用の進め方
最初に置く3つのKPIと目標値の考え方
AI検索対策のKPIを設計する際、大企業の多くは指標を網羅的に並べようとして運用が破綻します。まずは可視性・検討・成果の3層から各1つずつ、合計3つのKPIに絞り込むことを推奨します。可視性層では生成AIの回答内で自社名が登場する割合である言及率を、検討層では指名検索数または指名検索割合を、成果層ではAI経由の流入からつながるコンバージョン率を置きます。言及率については、AI回答内の目安として30〜60%が一つの基準とされていますが、業界や事業領域によって水準は大きく異なるため、外部の数値をそのまま目標に据えるのではなく、初期の計測値を起点に段階的に引き上げる発想が現実的です。指名検索割合については、15%を超えると強いポジションにあると判断できるという見方もあり、ブランド認知の度合いを測る材料になります。重要なのは、目標値を単独で追うのではなく、3つの指標の連動を見ることです。言及率が上がっても指名検索が伸びていなければ、認知は得られていても想起や検討にはつながっていないと読み取れます。
月次レビューによるKPI運用と改善サイクル
AI検索の回答は日々変化するため、KPIは一度設定すれば終わりというものではありません。定点観測を前提に、月1回の頻度で指標を確認し、施策の改善につなげる運用体制が必要です。月次レビューでは、言及率や引用率の推移に加え、AI経由流入の変化、そして自社が参照されている質問群と参照されていない質問群の差分を整理します。特に、顧客が実際に投げかけている質問の傾向を、営業部門やカスタマーサポート部門から収集し、AI回答の観測対象に反映させることが重要です。そのうえで、言及されていない質問に対してはコンテンツの拡充や構造化データの整備を検討し、次月に効果を検証するという循環を回します。Search Consoleで把握できるクリック数やAI Overviewsの影響も、この月次レビューの中で他の指標と突き合わせて読み解くことで、施策の打ち手をより精緻にできます。
経営層への報告と組織横断の推進体制
AI検索対策は、マーケティング部門のWebサイト運用だけでは完結しません。商品情報の正確性、顧客からの問い合わせ内容、営業現場での指名獲得などは、広報、営業、カスタマーサポート、経営企画など複数部門にまたがるためです。そのため、KPIの管理主体を明確にしたうえで、部門横断の推進体制を設けることが不可欠です。経営層への報告においては、従来のSEO指標であるセッション数や検索順位をそのまま示すのではなく、AI経由の問い合わせ数や受注への寄与といったビジネス貢献の可視化を軸にすることが求められます。ある事例では、問い合わせの約32.3%がAIで企業を知ったと回答しており、AI検索が意思決定の起点として既に機能していることを示しています。こうしたデータを経営判断の材料として提示できれば、投資の優先順位や組織の再編に関する合意形成を進めやすくなります。
効果測定を外部パートナーと進める意義
自社内製と外部支援の切り分け
AI検索対策の効果測定は、すべてを自社で内製するか、すべてを外部に委託するかの二択で考えるべきではありません。定点観測の仕組みやKPIの定義、社内向けの報告体制などは、自社の事業理解が不可欠であるため内製が適しています。一方で、AI回答の網羅的な観測、競合を含めた言及状況の比較、AIに参照されやすいコンテンツ構造の設計といった領域は、専門的な知見と計測ツールを必要とするため外部の力を借りる合理性があります。特に大企業では、社内の人材リソースに限りがあるなかで、測定の精度と運用の継続性を両立させることが課題になりがちです。自社が保有すべき知見と、外部に任せることで効率化できる業務を明確に切り分けることが、長期的に持続可能な体制づくりの第一歩となります。
成果報酬型AIOサービスを検討されている方へ
AIOへの投資を検討する際は、年間1000万円から5000万円程度の費用規模を想定して判断する企業が多いと考えられます。投資額が大きくなるほど、施策の成果が見えにくいことへの不安は高まります。コネクタブルーが提供する成果報酬型AIOサービスは、こうした投資リスクに向き合うために設計されています。第一に、ビジネスとWebマーケティングの両方の視点から最適な対策を実施する点です。AI検索の回答に自社が選ばれるためには、コンテンツの技術的な整備だけでなく、事業の強みや顧客の意思決定プロセスを踏まえた設計が必要です。第二に、成果報酬型であるため、投資リスクを最小化できる点です。成果が生まれた部分に対して対価を支払う構造により、社内の稟議における説明責任も果たしやすくなります。第三に、AI推薦獲得率70%以上を目指す点です。AI検索時代においてブランドが推薦される割合を高めることは、認知から成果までの一連の流れを強化することにつながります。AIOの取り組みを経営課題として捉える企業にとって、成果を起点に投資判断できる選択肢として検討する価値があるといえます。
AI検索で、選ばれる企業へ。
-
AIO
AI Optimization
-
GEO
Generative Engine Optimization
-
LLMO
Large Language Model Optimization
AIO
AI Optimization
GEO
Generative Engine Optimization
LLMO
Large Language Model Optimization
成果報酬型
AI検索最適化サービス
ChatGPT・Gemini・Copilot・Claude・Perplexityなどの生成AIで
貴社が紹介・推薦される状態を実現します。
Get In Touch
もし、新たなテーマへの挑戦や、現状からの抜本的な改革などで悩まれている場合には、是非お気軽にお問合せ下さい。
ご面談においてサービス内容や費用感はもちろんのこと、課題解決に向けた初期仮説なども含めて、丁寧に、誠実にご説明させて頂きますので、それだけでも価値を感じて頂けると思います。
もし、新たなテーマへの挑戦や、現状からの抜本的な改革などで悩まれている場合には、是非お気軽にお問合せ下さい。
ご面談においてサービス内容や費用感はもちろんのこと、課題解決に向けた初期仮説なども含めて、丁寧に、誠実にご説明させて頂きますので、それだけでも価値を感じて頂けると思います。
よくある質問(FAQ)
AI検索対策のKPIとは何ですか
AI検索対策のKPIとは、AI検索の回答やAI検索からの流入が自社の事業成果にどの程度つながっているかを定量的に把握するための重要業績評価指標です。従来のSEO指標とは異なり、検索順位やオーガニッククリック数だけでは成果を捉えきれない点が特徴です。AI Overviewsの表示によってオーガニッククリックが58%減少したとする調査もあり、クリック数の変化だけで施策の効果を判断することにはリスクがあります。
AI検索では通常のSEOに比べてビジネス貢献の測定が重要になります。そのため、AI検索対策のKPIは、AI検索で自社が表示される頻度、AI回答内で自社がどの程度言及されるか、そしてAI経由の売上や問い合わせといった成果まで含めて設計することが求められます。ただし、AI検索の影響を測る指標はまだ確立されていないため、自社の事業目的に合わせて指標を選定し、継続的に見直していく姿勢が欠かせません。
AI検索の利用状況は、検索利用率や継続利用率などで測定されます。こうした指標を組み合わせることで、AI検索の市場における自社の立ち位置を把握し、施策の優先順位を判断できるようになります。
AI検索の効果測定はどのように行うのですか
AI検索の効果測定は、クリック以降の指標だけでなく、AI回答に自社がどの程度露出しているかを捉える指標と、最終的な成果につながっているかを確認する指標を組み合わせて行います。AI検索対策の効果測定には4つの指標が必要とされており、これらを定点観測することで施策の成否を判断しやすくなります。
AI検索対策のKPIは可視性・検討・成果の3層で設定するのが基本です。可視性では、AI検索結果で自社が表示される頻度を品質指標として測定し、検討の層ではAI回答内での自社言及率やリンク引用率を追います。成果の層では、AI経由の流入数やAI経由コンバージョン率、AI経由の売上、VOCなどを確認します。
露出・認知系のKPIでは、ブランドメンション率やAI引用率を測定します。また、特定の質問群を用いて定期的にAIに出力させ、その結果をトラッキングすることで、回答内での変化を具体的に把握できます。さらに、Googleアナリティクスや自社の問い合わせ管理体制と組み合わせることで、測定結果を社内の意思決定に結びつけやすくなります。
AI検索対策で最初に見るべき指標は何ですか
AI検索対策で最初に見るべき指標は、検索順位だけでなく、指名検索、AI経由の流入、AI引用、問い合わせの4つです。難しいツールを導入する前に、この4つを月1回決まったタイミングで確認する運用から始めることで、現状を素早く把握できます。
最初に置くKPIは各層で1つずつ、合計3つで十分です。可視性の層ではAI検索結果での表示頻度、検討の層ではAI回答内の自社言及率、成果の層ではAI経由の問い合わせ数などを選ぶとよいでしょう。指標を増やしすぎると、担当者が何を改善すべきか判断しにくくなります。
AI検索対策のKPIを設定する際は、数値を増やすことを目的にせず、改善対象を決めるための材料として活用することが大切です。週次で確認し、変化の大きい指標から優先的に改善策を検討する流れを作ると、施策の精度を高めやすくなります。
LLMOのKPIにはどのような種類がありますか
LLMO(Large Language Model Optimization)のKPIには、大きく分けて露出・認知系、流入系、コンバージョン系の3種類があります。LLMOは大規模言語モデルによる回答の中で自社の情報がどう扱われるかを改善する取り組みであり、そのKPIも従来のSEO指標とは異なる観点で設計する必要があります。
露出・認知系のKPIでは、ブランドメンション率やAI引用率を測定します。AI回答に自社名が登場する割合を言及率と呼び、この数値はAI検索対策における重要な指標です。言及率は30〜60%が目安とされていますが、業界や質問内容によって適正な水準は変わります。
流入系のKPIでは、AI経由の流入数をトラフィック指標として測定します。コンバージョン系のKPIでは、AI経由コンバージョン率を確認します。さらに、AI検索の指名検索割合が15%を超えると強いポジションにあるとされるため、指名検索の推移も併せて追うと、ブランドの認知拡大を把握しやすくなります。
AI検索経由の流入はどこで確認できますか
AI検索経由の流入は、主にGoogleアナリティクスで参照元を確認することで把握できます。参照元の中から生成AIサービスからのアクセスを抽出し、その推移を月次で追うことが基本的な方法です。ChatGPTやGeminiなど、各サービスからの流入を分けて見ることで、どのAI検索で成果が出ているかを判断しやすくなります。
ただし、AI検索では直接のセッション数が減ることがあります。AI回答の中で情報が完結し、ユーザーが自社サイトを訪問しないケースがあるためです。そのため、流入数だけで効果を判断すると、実際には認知や検討が進んでいる場合を見逃すおそれがあります。
この点を補うために、Search Consoleの検索パフォーマンスと組み合わせて確認することも有効です。また、アクセス解析だけでは捉えにくい成果については、問い合わせ時にアンケートで認知経路を尋ねる方法もあります。複数の情報源を組み合わせることで、AI検索経由の流入の全体像をより正確に把握できます。
AI回答内の自社言及率とは何ですか
AI回答内の自社言及率とは、AIが生成する回答の中に自社名や自社ブランドがどの程度登場するかを示す指標です。AI回答に自社名が登場する割合を言及率と呼び、AI検索対策では特に重要な指標として扱われています。
AI検索では、ユーザーがAIに質問した際に、回答の中で複数の企業やサービスが紹介されます。その中に自社が含まれるかどうかが、ユーザーの認知や検討に直結します。そのため、言及率を追うことは、AI検索における自社の存在感を把握する上で欠かせません。
言及率は、特定の質問群を用いて定期的にAIに出力させ、自社が登場した回数を集計することで算出します。AI検索対策では、この言及率とリンク引用率を合わせて追うことが重要です。毎月の言及率を定期的に確認することで、施策の効果や市場での変化を把握しやすくなります。
中小企業がAI検索対策のKPIを設計する手順を教えてください
中小企業がAI検索対策のKPIを設計する際は、まず自社の事業目的を明確にし、そのうえで可視性・検討・成果の3層に指標を割り当てる手順が有効です。すべてを一度に整えようとせず、段階的に進めることが成功のポイントです。
最初のステップでは、AI検索で顧客がどのような質問をしているかを見直します。顧客の質問を把握することで、どの質問群を定期的にAIへ投げて言及状況を確認するかを決められます。次に、可視性・検討・成果の各層から1つずつKPIを選び、合計3つの指標から測定を始めます。
続いて、測定の方法と頻度を決めます。AI検索対策では月1回の指標確認が重要とされており、決まったタイミングで数値を確認する運用を作ることが大切です。最後に、測定結果をもとに改善対象を決め、施策の優先順位を見直します。このサイクルを繰り返すことで、AI検索対策の精度を少しずつ高めていけます。
Search Consoleだけでは AI検索の効果は測れないのですか
Search Consoleだけでは、AI検索の効果を十分に測ることはできません。Search Consoleは検索パフォーマンスを把握するための有用なツールですが、AI回答内での自社の扱われ方や、AI経由で生じた認知や検討の変化までは捉えきれないためです。
AI Overviewsの表示によってオーガニッククリックが減少する傾向があることを踏まえると、クリック数や検索順位だけで施策の成果を判断するのは不十分です。AI検索の影響は、既存ツールだけでは測れない部分があり、その点を理解したうえで評価することが求められます。
そのため、Search Consoleで検索パフォーマンスを確認しつつ、AI回答での言及率やリンク引用率、指名検索数、AI経由の問い合わせなどを組み合わせて評価することが現実的です。複数の指標を並べて見ることで、AI検索対策の全体像をより正確に把握できます。
AI検索対策の指名検索数はどのように計測すればよいですか
AI検索対策の指名検索数は、自社のブランド名や会社名を含む検索クエリの件数を、Search Consoleや検索データを用いて月次で集計することで計測します。指名検索は、AI回答を見たユーザーが自社名で改めて検索した結果として増えることが多いため、AI検索対策の間接的な成果を示す指標として活用できます。
計測の際は、ブランド名、会社名、サービス名などの表記揺れを事前に整理しておくことが大切です。表記揺れを含めて集計しないと、実際の指名検索数を過小評価するおそれがあります。また、指名検索数の推移だけでなく、指名検索の割合を算出して全体の検索に占める比率を確認すると、ブランドの強さをより客観的に把握できます。
指名検索の割合が15%を超えると、AI検索で強いポジションにあるとされています。この目安を参考にしつつ、自社の業界や規模に応じた水準を月ごとに追うと、施策の効果を判断しやすくなります。
AI検索対策のKPIを毎月どのように確認すればよいですか
AI検索対策のKPIは、毎月決まったタイミングで確認し、前月との比較と改善対象の判断を行う運用が基本です。月1回の指標確認を習慣化することで、担当者が施策の変化を把握しやすくなり、継続的な改善につなげられます。
毎月の確認では、可視性・検討・成果の3層それぞれのKPIを見ます。可視性ではAI検索結果での表示頻度、検討では言及率とリンク引用率、成果ではAI経由の流入やコンバージョン、指名検索数などを確認します。変化が大きい指標があれば、その原因を分析し、次月に取り組む施策の優先順位を決めます。
また、特定の質問群を用いてAIに定期的に出力させ、結果を記録しておくことも有効です。こうした定点観測のデータを蓄積することで、施策の効果を時系列で把握できます。月次の確認結果は社内で共有し、担当者や関係部署が同じ数値を前提に議論できる状態を整えておくことが重要です。