AI検索でプロンプト設計を進める方法|購買検討と引用獲得の実践手順

独自のデータとアプローチ、AIを高度に活用し、
伴走型のプロジェクト支援を得意とするコンサルティングファーム

生成AIによる検索が普及し、顧客が企業や製品を知る入口は従来の検索結果画面からAIの回答へと移りつつあります。SEOが主にキーワードを軸に順位を争う活動であったのに対し、AI検索ではユーザーがAIに投げかけるプロンプトを起点に、どの企業が推奨され引用されるかが決まります。これは単なる集客施策の変更ではなく、営業や商品開発、ブランド戦略にまで影響する経営課題です。本記事では、購買検討段階に沿ってプロンプトを設計し、モニタリングで施策効果を判断し、引用されるコンテンツを整えるまでの手順を解説します。自社の顧客が検討の過程で何を問い、AIがどのような情報を根拠に回答しているかを把握することが、事業戦略の見直しにもつながります。

AI検索時代のプロンプト設計とは何か

SEOからAI検索へ:検索行動の構造的変化

従来の検索は、利用者がキーワードを入力し、検索結果に並ぶ複数のWebページを比較して答えを探す行動が中心でした。一方、生成AIを組み込んだAI検索では、利用者が自然な文章で問いかけ、AIが複数の情報源を統合した回答を直接提示します。検索の起点が「単語」から「文脈を含む質問」へ移ったことで、企業が情報に触れる機会の設計も変わります。

この変化は、検索行動の終着点が「リンクをクリックすること」から「回答の中で言及されること」へ移ることを意味します。自社の情報がAIの回答に取り込まれなければ、利用者の検討段階で存在を認識されないおそれがあります。経営層にとっては、流入数だけでなく、AIがどのような文脈で自社を提示するかが重要な観点になります。

プロンプトが「新しいキーワード」となる理由

プロンプトとは、利用者が生成AIに入力する指示や質問の全体を指します。AI検索では、キーワードの組み合わせではなく、目的、前提条件、比較の観点、出力形式などを含んだ長い問いかけが一般的になっています。そのため、プロンプトは従来のキーワードに代わる、企業と利用者の接点を示す指標になります。

プロンプトを起点に考えると、顧客がどのような課題を抱え、どの段階で何を判断しようとしているかが明確になります。これは営業の仕組み化やブランディングの設計にもつながる視点です。ターゲットの言葉でプロンプトを捉え直すことが、AI検索時代のマーケティングの出発点になります。

経営課題としてのAI検索対策

AI検索への対応は、Webマーケティング担当の施策にとどまらず、顧客接点そのものの再設計を伴う経営課題です。どの事業領域でAIに選ばれるかは、将来の売上機会に直結します。特に売上高100億円以上の企業では、複数の事業部門や販売チャネルにまたがって情報の一貫性を保つ必要があり、全社的な推進体制が求められます。

AI検索とSEO対策の本質的な違い

キーワード中心のSEO対策の限界

SEO対策は、検索ボリュームの大きいキーワードを選定し、そのキーワードに対して検索順位を高める手法として発展してきました。この手法は、検索結果に表示されるページ数が多いことを前提としており、利用者はその中からクリックして情報を取捨選択します。しかし、AI検索では回答が要約された形で提示され、利用者が複数のページを比較しない場合が増えています。キーワードの順位だけを追う施策では、AIの回答への反映を十分に説明できない状況が生まれています。

プロンプト中心のAI検索対策の論理

AI検索対策では、ユーザーが生成AIに投げかける質問の意図を起点に、自社がどの文脈で回答に含まれるかを設計します。具体的には、顧客の検討段階ごとに想定されるプロンプトを洗い出し、そのプロンプトに対して自社の情報が根拠として選ばれる状態を目指します。重要なのは、単発の質問への対応ではなく、比較、選定、導入判断といった一連の流れの中で一貫した情報が提示されることです。

この論理は、ブランディングにも共通します。AIは複数の情報源を照合して回答を構成するため、自社の専門性や実績が複数のWebページや第三者の情報で一貫して語られていることが重要になります。プロンプト中心の対策は、営業資料、導入事例、専門家による解説などを横断的に整えるための指針として機能します。

**重要な矛盾について**
ご指示には「本文は1500〜2000文字」と「絶対条件として1500文字以内(1501文字以上は不可)」の両方が含まれています。また、H3を4つ程度(2.3、3.1〜3.3、4.1〜4.3で合計7つ)に対し各200〜250文字とすると、本文は1,400〜1,750文字程度になります。両条件を同時に満たすため、本文は1,500文字以内に収めます。

以下、対象範囲(2.3〜4.3)の本文を作成します。

検索ボリューム調査が機能しない領域への対応

AI検索では検索ボリュームが可視化されない

従来のSEOでは、キーワードごとの検索ボリュームを基準に施策の優先順位を決めてきました。しかしAI検索では、ユーザーが生成AIに投げる質問は長文化・多様化しており、同一の意図でも表現が無数に存在します。そのため、検索ボリュームという単一の指標で需要を測ることは困難です。経営の視点からは、「どの数字を信じて投資するか」という判断基準そのものを見直す必要があります。

この領域では、検索ボリュームの代わりに、顧客が実際に抱く課題や意思決定の場面をもとに質問群を組み立てることが有効です。市場データでは見えない需要を、営業現場の問い合わせやカスタマーサポートの記録から拾い上げることが、AI検索対策の出発点になります。

購買検討段階に沿ったプロンプト設計の手順

リストアップは社内の知見を起点にする

プロンプト設計の第一歩は、想定される質問を網羅的にリストアップすることです。このとき、マーケティング部門の発想だけでは偏りが生じます。営業担当者が商談で受けた質問、顧客からの問い合わせ、社内の経験を持つ専門家の知見を統合することで、実際の購買行動に近いリストを作成できます。

購買フローマップで検討段階を可視化する

リストアップした質問は、購買検討の段階に沿って整理します。認知、比較、検討、意思決定といった段階ごとに、顧客がAIに投げかける問いの性質は変化します。購買フローマップを作成すると、どの段階でどのような質問が生まれるかが明確になり、施策を打つべき接点が特定できます。経営層にとっては、顧客の意思決定プロセスを可視化すること自体が、マーケティング投資の根拠になります。

優先順位は事業インパクトで判断する

すべての質問に同じリソースを割くことは現実的ではありません。質問ごとに、受注への影響度、競合との差別化余地、自社が回答できる専門性の強さを評価し、優先順位を決めます。プロンプトの優先順位付けは、問い合わせ増加に直結する施策を選び抜くプロセスであり、AI時代の営業活動を仕組み化するうえで欠かせない作業です。

AI検索のモニタリングと判断基準の設計

回答が毎回変わる前提で観測を設計する

AI検索の回答は、同じ質問であっても実行のたびに変わることがあります。そのため、一度の検索結果で施策の成否を判断することは適切ではありません。複数回の観測を前提に、自社が言及される頻度や引用される割合を統計的に捉える設計が求められます。単発の結果に一喜一憂しない運用体制が、経営判断の精度を高めます。

観測条件の統一と測定頻度を決める

観測結果を比較可能にするためには、観測条件を統一することが前提です。使用するAIサービス、質問文、実施時期、地域設定などを固定し、記録を残す必要があります。測定頻度は、施策の目的や意思決定のサイクルに応じて決めます。月次で経営会議に報告する場合は月次、施策の効果を短期で検証する場合は週次など、目的に合わせた設計が有効です。

指標と判断基準を事前に定義する

施策効果を判断するには、言及率、引用率、推薦の順位、問い合わせへの接続といった指標を事前に定義しておくことが重要です。どの水準を達成すれば成功とみなすか、どの場合に施策を見直すかという判断基準を、施策開始前に経営層と合意しておくことで、投資判断の透明性が高まります。指標は多く設定しすぎず、経営課題に直結するものに絞ることが実務上のポイントです。

—

**補足(文字数について)**
本文は1,500文字以内に収めています。対象範囲の見出しを忠実に再現するため、見出しの追加・削除は行っておりません。ご確認のうえ、必要に応じて調整をご指示ください。

引用元として選ばれるためのコンテンツ設計

AI検索の回答に自社の情報が引用されるかどうかは、コンテンツの書き方と構造によって大きく左右されます。従来のSEOでは検索結果の一覧で上位に表示されることが目標でしたが、AI検索では回答文の中で参照元として取り上げられることが新たな評価軸になります。経営層にとっては、この引用の獲得が認知と比較検討の初期段階で自社を選択肢に入れてもらうための重要な接点となります。

AIに引用されやすい記事構造の要件

AI検索に引用されやすい記事には、情報が簡潔に整理された構造があります。文章が明快で、主張と根拠の対応が読み取りやすいことが前提です。また、見出しの階層が論理的に組まれ、各セクションが単独で意味を持つ構成であれば、AIは必要な箇所だけを抽出しやすくなります。ガイドラインでは、文章が簡潔で構造が明確な記事ほど引用されやすいとされており、これは記事の設計段階から意識すべき要件です。

冒頭結論・質問形式見出し・信頼性根拠の実装

引用されやすさを高めるために、冒頭には結論を置くことが重要です。読み進めなくても主旨が分かる記事は、AIにとって要点を抽出しやすい素材となります。さらに、見出しを実際のユーザーの問いに近い質問形式にすると、プロンプトと見出しが対応し、該当箇所が回答として選ばれやすくなります。加えて、数値や一次情報、出典を明示した信頼性の根拠を示すことで、記事の主張が検証可能な情報として評価されます。

AIモード時代の具体的なプロンプト例と検証の進め方

AIモードの利用が広がる中、ユーザーは背景や条件を具体的に伝えた長めのプロンプトで質問する傾向を強めています。そのため、自社が想定する顧客の検討場面を言語化し、「どの業界の大企業が、どのような課題を抱えているときに何を比較するのか」といった形でプロンプト例を設計する必要があります。設計したプロンプトは、実際にAIモードや他の生成AIサービスへ投げかけ、自社や自社の記事が回答に含まれるかを確認します。その結果をもとに記事の構成や見出しを改善する、という検証のサイクルを回すことが、実効性のある引用獲得につながります。

AI検索対策の推進をお考えの方へ

AI検索対策は一度の施策で完結するものではなく、生成AIの回答傾向の変化に応じて継続的に見直す必要があります。プロンプトの設計、回答の観測、記事の改善、社内での情報共有までを一連の業務として運用できるかどうかが、成果の差を生みます。

プロンプト設計・モニタリングを自社で進める場合の課題

自社だけでAI検索対策を進める場合、まず課題となるのは専門人材の確保です。プロンプト設計には顧客理解と生成AIの特性への知見が求められ、モニタリングには条件を統一した観測と結果の分析が欠かせません。また、AI検索では検索ボリュームによる優先順位付けが難しいため、どのプロンプトを重視すべきかの判断にも経験が必要です。加えて、日々変化する回答を追い続けるには相応の工数がかかり、本業との兼ね合いで運用が止まってしまうケースも少なくありません。

成果報酬型AIOサービス「コネクタブルー」の活用について

コネクタブルーの成果報酬型AIOサービスは、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ことを特長としています。AI検索の回答で自社がどのように扱われるかは、事業戦略や営業の動きと切り離せないため、両面の視点で設計することで施策の効果を実際の事業成果につなげやすくなります。また、成果報酬型の仕組みを採用しているため、投資リスクを最小化しながらAI検索対策に取り組むことができます。さらに、AI推薦獲得率70%以上という実績を目標に掲げ、経営判断に資する成果を追求しています。年間の費用相場は1000万円から5000万円程度が目安となります。

継続的なAI検索対策を実現する体制づくりの方向性

AI検索対策を継続させるためには、マーケティング、営業、経営企画などの部門が共通の指標を持ち、定期的に結果を検証する体制が必要です。プロンプト設計で得られた顧客の言葉を営業現場の知見と結び付けることで、Webと営業の双方で活用できる資産が蓄積されます。外部の専門サービスを活用しながら、社内に知見を残す役割を明確にすることが、中長期的な競争優位の土台になります。経営層がAI検索時代のマーケティング、ブランディング、営業の仕組み化を重要な経営課題として位置付けることが、体制づくりの第一歩となります。

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

私たちは少数精鋭を是とし、お客様の課題に合わせた進め方を設計し、伴走支援を行うことを特徴としています。その上で、独自のAIツールを用いてコンサルティング×AI活用により唯一無二の価値提供を行います。

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。
私たちは少数精鋭を是とし、お客様の課題に合わせた進め方を設計し、伴走支援を行うことを特徴としています。その上で、独自のAIツールを用いてコンサルティング×AI活用により唯一無二の価値提供を行います。

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。

Contact

よくある質問(FAQ)

AI検索でプロンプト設計とは何ですか?

AI検索でプロンプト設計とは、ユーザーが生成AIに投げかける質問文(プロンプト)を起点に、自社の情報が回答に取り上げられるよう、質問の想定と回答の構造を計画することです。従来のSEOはキーワードを中心に対策を行いますが、AI検索ではプロンプトが中心となります。そのため、AI検索対策ではSEOのようにキーワードだけを見るのではなく、ユーザーが実際に使う言葉で質問を組み立てることが重要です。

AI検索はユーザーの質問に対して直接回答を生成します。そのため、質問がどのように要素分解されて検索されるかを理解し、目的、対象、条件、視点、情報源、出力形式といった要素を意識して設計することが求められます。プロンプト設計の第一歩は、対象となるプロンプトをリストアップすることです。プロンプトは購買検討段階に沿って設計し、ターゲットユーザーの理解を深めることが鍵となります。

また、AI検索の回答は毎回変わることがあるため、一度の確認で判断せず、定期的に観測しながら改善していくことが大切です。このように、AI検索でプロンプト設計を進めることは、ユーザーの質問を起点に自社の露出と引用を高めるための基盤づくりといえます。

AI検索対策とSEO対策の違いは何ですか?

AI検索対策とSEO対策の最も大きな違いは、対策の起点がキーワードかプロンプトかにあります。SEOはキーワードを中心に検索ボリュームを調査し、検索結果での順位を高めることを目指します。一方、AI検索対策ではプロンプトを中心に対策を行います。AI検索では検索ボリュームの調査が難しいため、ユーザーがAIに投げかける質問の内容や文脈を想定することが重要になります。

また、AI検索はユーザーの質問に対して直接回答を生成します。そのため、検索結果の順位だけでなく、回答の中で自社の情報が取り上げられるか、引用元として示されるかが評価の軸となります。冒頭に結論を置くこと、見出しを質問形式にすること、FAQセクションを含めることなどは、引用されやすい記事の特徴として挙げられています。信頼性の根拠を示し、文章を簡潔で構造が明確なものにすることも効果的です。

なお、AI検索対策とSEO対策は対立するものではなく、両方を組み合わせて進めることが現実的です。SEOで培った情報設計の考え方を活かしつつ、プロンプトを起点とした観点を加えることで、検索とAI検索の双方で露出を高めることができます。

AI検索でプロンプト設計を進める手順を教えてください。

AI検索でプロンプト設計を進める際は、まず対象となるプロンプトをリストアップすることから始めます。プロンプト設計の第一歩はリストアップであり、自社の商材やサービスに関して、ユーザーがAIに投げかけそうな質問を洗い出します。その際には、顧客との商談や問い合わせ内容、社内で受けている質問などを参考にすると、実際のユーザーの言葉に近いプロンプトを集めやすくなります。

次に、購買フローマップを作成することが推奨されます。購買フローマップを作ることで、ユーザーがどの段階でどのような情報を求めているのかを可視化できます。購買担当者や意思決定者が、課題を認識する段階、情報収集をする段階、比較検討する段階などで、それぞれ異なるプロンプトを投げかける可能性があります。プロンプトは購買検討段階に沿って設計し、各段階で必要な情報を整理することが重要です。

その上で、リストアップしたプロンプトに対して、自社の情報がどのように回答されるかを確認し、優先順位をつけます。優先順位の高いプロンプトから順に、回答に取り上げられるための記事構成や情報の整理を行います。また、プロンプトの優先順位は問い合わせ増加に直結するため、事業の成果に結びつくものから着手することが効果的です。設計後は定期的に観測を行い、結果に応じて改善を重ねていきます。

AI検索向けのプロンプト例を教えてください。

AI検索向けのプロンプトを設計する際は、ユーザーが実際に使いそうな具体的な質問文を想定することが重要です。良いプロンプトは具体的な条件を含むべきであり、背景や条件を明確に伝えることで、AIの回答が目的に沿った内容に近づきやすくなります。たとえば、業種や企業規模、解決したい課題、予算感などの条件を含めることで、より実践的な回答を得られる傾向があります。

プロンプトの具体例としては、「売上高100億円規模の製造業において、AI検索での自社露出を高めるために優先すべき施策を教えてください」のように、対象、条件、目的を組み合わせた質問が挙げられます。また、「BtoB企業の部長が社内説明に使える、AI検索対策の進め方を比較表で整理してください」のように、出力形式や視点を指定する方法も効果的です。

検索プロンプトには目的、対象、条件、視点、情報源、出力形式が含まれることが一般的です。これらの要素を組み合わせることで、ユーザーの検索意図に沿った回答が生成されやすくなります。自社の想定顧客がどのような言葉で質問するかを観察し、そのまま活用できるプロンプトを整理しておくと、設計の精度を高めることができます。

プロンプト設計で最初に何をリストアップすべきですか?

プロンプト設計で最初にリストアップすべきものは、ユーザーが生成AIに投げかける質問の候補です。プロンプト設計の第一歩はリストアップすることであり、ここでの作業がその後の設計全体の土台となります。リストアップの対象は、自社の商材やサービスに関して、顧客や見込み顧客が実際に抱く疑問や課題です。

具体的には、営業部門や問い合わせ窓口に寄せられる質問、商談で繰り返し聞かれる内容、Google検索で入力されている関連キーワードなどが参考になります。これらを集めることで、ユーザーの実際の言葉に近い質問候補を整理できます。また、購買担当者や役員などがどのような観点で比較検討するのかを想定し、その視点に沿った質問も加えることが大切です。

リストアップの際には、質問候補を購買検討段階ごとに分類しておくと、後の設計がスムーズになります。さらに、質問の重要度や事業への影響度を考慮して優先順位をつけることで、どのプロンプトから対策を進めるべきかが明確になります。最初の段階で網羅的に候補を集めておくことが、AI検索対策全体の精度を高める要点です。

購買フローマップはどのように作成すればよいですか?

購買フローマップは、顧客が課題を認識してから意思決定に至るまでの流れを可視化するものです。作成にあたっては、まず自社の商材やサービスを検討する主な人物を明確にし、そのうえで検討の各段階を整理します。購買担当者や意思決定者は、課題の認識、情報収集、比較検討、社内稟議といった段階を経ることが一般的であり、それぞれの段階で異なる質問を生成AIに投げかける可能性があります。

作成の手順としては、まず各段階ごとにユーザーが抱く疑問や目的を書き出します。次に、その疑問をユーザーが実際に使いそうな言葉で表現し、プロンプトの候補として記載します。プロンプトは購買検討段階に沿って設計することが重要なため、段階ごとに候補を分けて整理すると、どの場面でどの情報が必要かが分かりやすくなります。また、顧客のヒアリング結果や営業現場での声を反映させることで、より実態に近いマップになります。

完成した購買フローマップは、プロンプトの優先順位づけや記事構成の検討に活用できます。段階ごとに必要な情報が不足していないかを確認し、足りないプロンプトがあれば追加します。こうしてユーザーの行動を可視化しておくことで、AI検索対策の方向性が明確になり、社内での共有や施策の検証にも役立ちます。

AI検索のモニタリングはどのように行えばよいですか?

AI検索のモニタリングは、定期的にプロンプトを生成AIに投げかけ、自社の表示や言及状況を確認する運用です。まず観測するプロンプトを決め、そのプロンプトを一定の頻度で投げることで、自社の情報が回答に取り上げられているかを定点観測します。モニタリングの目的は施策の効果を判断することであり、記事の改善や構成の見直しが実際に成果につながっているかを確かめるために行います。

観測の際に重要なのは、条件を統一することです。同じプロンプトを同じ条件で投げることで、結果の比較がしやすくなります。ただし、AI検索は回答が毎回変わることがあるため、一度の結果で判断せず、複数回の観測を重ねることが望ましいです。その上で、言及の有無や引用元として示されているかなど、確認する指標を事前に定めておくと分析が進めやすくなります。

観測頻度は目的に応じて決めるべきです。施策の効果を早く確認したい場合は頻繁に観測し、中長期的な傾向を見たい場合は間隔を広げるなどの工夫が考えられます。結果は記録として残し、改善の検討に活用することで、モニタリングが継続的な施策の改善につながります。

AI検索で自社が引用されるための記事の書き方を教えてください。

AI検索で自社が引用されるためには、記事の構造と文章の書き方を工夫することが大切です。冒頭に結論を置く記事は引用されやすいとされており、ユーザーの質問に対する答えを最初に明確に示すことが効果的です。そのうえで、根拠や詳細を続けて説明する構成にすると、AIが情報を抽出しやすくなります。

また、見出しが質問形式だと引用されやすい傾向があります。ユーザーが実際に投げかける質問を見出しにすることで、プロンプトと記事の内容が対応しやすくなります。さらに、FAQセクションを含む記事は引用されやすいとされており、よくある質問と回答を整理して掲載することが有効です。FAQは想定プロンプトに直接対応するため、設計の段階から意識して作成するとよいでしょう。

加えて、信頼性の根拠がある記事は引用対象になりやすいです。調査データや事例、専門家の見解などを適切に示し、情報の出所を明確にすることが求められます。文章は簡潔で構造が明確であることも重要です。一文を短く保ち、一つの見出しで一つのテーマを扱うようにすると、AIが内容を正しく理解しやすくなり、引用につながりやすくなります。

AI検索の回答が毎回変わる場合はどう対処すればよいですか?

AI検索の回答は毎回変わることがあるため、一度の結果だけで施策の良し悪しを判断しないことが大切です。同じプロンプトを投げても、回答の内容や取り上げられる情報源が異なる場合があります。そのため、単発の確認で成果を判断するのではなく、一定期間にわたって複数回観測し、傾向を把握する姿勢が求められます。

具体的な対処法としては、まず観測条件を統一することが挙げられます。プロンプトの文言、投げる時間帯、使用するAIサービスなどをできる限り揃えることで、変動の要因を絞り込みやすくなります。次に、観測結果を記録し、言及の有無や引用の頻度を継続して蓄積します。回答の変動を一時的なものとして捉えるか、継続的な傾向として捉えるかは、この蓄積されたデータをもとに判断します。

さらに、プロンプトが不明確であると回答が安定しにくくなるため、具体的な条件を含む形に整えることも有効です。非明確なプロンプトは不正確な回答を引き起こす可能性があるため、目的や対象を明確にした設計を心がけるとよいでしょう。回答が変わることを前提に、複数のプロンプトで自社の情報が取り上げられる状態をつくることが、安定した露出につながります。

LLMOのプロンプト設計で測定すべき質問はどのように作ればよいですか?

LLMOのプロンプト設計で測定すべき質問は、Search Consoleのデータ、営業や問い合わせの記録、検索候補、顧客の検討段階などを手がかりに作成します。Search Consoleで確認できる検索クエリは、実際にユーザーが検索で用いている言葉を把握する材料になります。また、営業現場や問い合わせ窓口に寄せられる質問は、顧客が本当に知りたいことを示しており、測定すべき質問の良い出発点となります。

次に、検索候補を確認することで、ユーザーが入力途中で想定している内容を把握できます。さらに、顧客の検討段階に沿って質問を分類することが重要です。課題を認識する段階、情報を比較する段階、導入を判断する段階など、それぞれで投げかけられる質問は異なります。段階ごとに質問を作ることで、どの段階で自社が取り上げられていないかを確認しやすくなります。

測定用の質問は、目的、対象、条件、視点、情報源、出力形式の要素を意識して作成すると、実際の利用に近い形になります。全体で数十問程度の質問を用意し、テンプレートに沿って整理しておくと、継続的な測定がしやすくなります。作成した質問は、定期的に見直し、ユーザーの変化や事業の方向性に合わせて更新していくことが望ましいです。