【ITニュース解説】AI Search Analytics: Tracking Brand Visibility in AI Search

システムエンジニアを目指す皆さんにとって、今のIT業界は常に変化しています。特にインターネット上での情報の見つけ方が大きく変わりつつあることは、見過ごせない事実です。これまで、ウェブサイトは主に検索エンジン最適化（SEO）という手法を使って、Googleなどの検索結果の上位に表示されることを目指していました。キーワードを意識してウェブページを作り、検索結果から多くの人が自分のサイトに訪れるように努力していたのです。しかし、最近ではAIアシスタントと呼ばれる新しい技術が、情報の発見の仕方を根本から変え始めています。

ChatGPT、Gemini、PerplexityといったAIアシスタントは、ユーザーの質問に対して直接的な回答を生成します。これは、従来の検索エンジンが検索結果のリストを表示し、ユーザーがそこからウェブサイトをクリックして情報を得るのとは大きく異なります。AIが直接回答を生成するため、ユーザーはウェブサイトを訪問することなく、知りたい情報を手に入れることが多くなりました。この変化は、企業やブランドにとって新たな課題を生み出しています。AIが生成する回答の中に自分のブランドが含まれるか、あるいは全く言及されず、存在しないも同然になるかのどちらかになるのです。

この新しい状況に対応するために必要となるのが「AIアナリティクス」です。AIアナリティクスとは、AIシステムがいつ、どのようにして自社のブランドに言及しているかを監視し、そのデータを分析することです。従来のSEOがウェブサイトへのクリック数や表示回数を追跡していたのに対し、AIアナリティクスではAIが生成した回答の中でのブランド名や製品名の言及回数、どのような質問の文脈で言及されているか、どの地域や言語で言及が多いか、さらには競合他社と比較してどうかといった点を追跡します。これは、人々の意思決定の拠り所となりつつあるAIシステムの中に、自社のブランドが確実に存在していることを確認するための重要な取り組みです。

なぜAIアナリティクスが今、これほど重要なのでしょうか。その理由は、AIアシスタントがスマートフォン、パソコンのソフトウェア、そしてウェブブラウザに急速に組み込まれているからです。もし自社のブランドがAIの回答に表示されなければ、顧客は競合他社の製品やサービスを選ぶかもしれません。自社のウェブサイトにたどり着くことすらなく、購買の意思決定が行われてしまう可能性もあります。特定の地域や言語圏において、ブランドがAIの回答で全く言及されないこともあり得ます。つまり、AI検索における可視性はもはや選択肢ではなく、ビジネスの競争力を維持するために不可欠な要素となっているのです。

AIアナリティクスを構築する際には、いくつかの主要なデータポイントを追跡することが推奨されます。一つ目は「リアルタイムのブランド言及」です。ChatGPT、GeminiなどのAIエンジンで、自社ブランドがどれだけ頻繁に言及されているかを把握します。二つ目は「地域と言語の内訳」です。国や言語によってAIの回答は異なるため、それぞれの地域での可視性を確認し、グローバルな戦略に役立てます。三つ目は「競合他社との比較」です。同じような質問に対して、自社がどれだけ言及され、競合他社がどれだけ言及されているかを比較することで、市場における立ち位置を把握できます。四つ目は「文脈分析」です。どのような種類の質問（例：「最高のワークフロー自動化ツール」や「最高のAI分析プラットフォーム」など）で自社ブランドが言及されているかを理解することで、顧客のニーズと自社の強みを関連付けられます。最後に「コンテンツの穴」を特定します。競合他社が言及されているにもかかわらず、自社が言及されていない領域を特定することで、今後どのようなコンテンツを作成すべきかを判断する材料となります。

では、自社のブランドをAI検索に表示させるにはどうすれば良いのでしょうか。これは偶然に起こるわけではありません。AIシステムは信頼できる情報源から情報を取得するため、高品質で構造化されたコンテンツを提供することが非常に重要です。技術文書、詳細なガイド、事例研究といったコンテンツは、AIに取り込まれやすくなります。また、企業名、製品の説明、詳細情報がウェブサイトや知識ベース全体で一貫していることも大切です。地域ごとの可視性を高めたい場合は、多言語でコンテンツを公開し、国別の情報を含めることで地域最適化を進めます。さらに、第三者からの引用や言及など、自社のブランドの権威性を高める取り組みも、AIが信頼性を判断する上で重要なシグナルとなります。

システムエンジニアとして、AIアナリティクスを技術的に実装する方法も理解しておくと良いでしょう。AIアナリティクスを提供するプラットフォームの多くは、API（Application Programming Interface）を提供しています。APIとは、異なるソフトウェア同士がデータをやり取りするための窓口のようなものです。このAPIを利用することで、プログラムから直接、AIの可視性に関するデータを取得できるようになります。一般的なデータ収集のアーキテクチャは、まず「スケジューラ」というツールを使って、毎日や毎週といった決まった時間に自動で処理を開始させます。次に、プログラムがAIアナリティクスプラットフォームのAPIに「リクエスト」を送り、ブランドの言及数や競合他社のデータといった情報を要求します。APIからの「レスポンス」は、通常JSONという形式のデータで返ってきます。このJSONデータをプログラムで「解析」し、必要な情報を抽出します。抽出したデータは、AirtableやPostgreSQLのような「構造化されたストレージ（データベース）」に保存します。Airtableはスプレッドシートのように手軽に扱えるデータベースとして、初心者の方にもおすすめです。最後に、データベースに保存されたデータを使って「ダッシュボード」を作成し、データの傾向を視覚的に表示することで、マーケティング担当者や経営層が状況を把握しやすくなります。

具体的な例を挙げると、例えばAIアナリティクスプラットフォームが「/mentions」というAPIエンドポイント（特定の情報にアクセスするためのURLのようなもの）を提供しているとします。ここにブランド名、取得したい期間（開始日と終了日）といった「パラメータ」を付けてリクエストを送ると、AIによって言及されたデータがJSON形式の配列で返ってきます。このJSON配列の一つ一つの要素には、言及された日付、ブランド名、どのような質問の文脈か、何回言及されたかといった情報が含まれています。これらの情報をAirtableのようなデータベースに、それぞれの日付、ブランド、クエリ、文脈、カウントといったフィールドに対応させて保存していくのです。同様に、地域ごとのデータや競合他社のデータも取得して保存します。データがデータベースに流れ込むようになれば、そこから週ごとのAI言及のトレンド、国別の地域分布、特定の質問に対する競合他社との比較といった「ビュー」を作成し、常に最新の状況を確認できる「AI版サーチコンソール」のようなものを構築できます。

開発者として、まずはAPIのテストから始めることができます。多くのAIアナリティクスプラットフォームは、SwaggerやOpenAPIといった形式でAPIのドキュメント（仕様書）を公開しています。このドキュメントを見ることで、利用可能なエンドポイントや必要なパラメータ、返ってくるデータの形式などを確認できます。ドキュメントには「Try it out」のような機能が用意されていることも多く、APIキーを使って実際にリクエストを送信し、どのようなレスポンスが返ってくるかを試すことができます。必要なパラメータやレスポンスのフィールドを把握したら、curlコマンド、JavaScriptのfetch関数、Pythonのrequestsライブラリなどを使って、簡単なスクリプトを作成し、APIにリクエストを送信できます。そして、返ってきた結果を自社のデータベースに保存する処理を組み込みます。例えば、毎日実行されるジョブとして、その日のAI言及データをAPIから取得し、Airtableに保存するスクリプトを作成し、もし競合他社の言及数が自社を上回ったらSlackに通知するといった自動化も可能です。

AIアナリティクスを導入することで、企業やチームは多くの戦略的メリットを得られます。まず、「ブランドがAIの回答のどこで、いつ可視化されているか」が明確になります。次に、「どのようなコンテンツやキーワードがAIの言及を促しているか」についての深い洞察が得られます。さらに、「どの地域でブランドの存在感を強化する必要があるか」といったグローバルなリーチに関する情報も手に入ります。そして最も重要なのは、競合他社がAIの回答で優勢になっているクエリに対して「 proactively (先を見越して) 対応できる」という競争上の優位性です。これらの洞察は、コンテンツ作成計画やマーケティング戦略に直接的な影響を与え、より効果的な意思決定を可能にします。

AIアナリティクスの実践的なロードマップは、以下のサイクルで進めることができます。まず「AIによるブランド言及を監視」し、APIから毎日または毎週データを収集します。次に、そのデータを分析し、「どのような文脈で、どの地域でブランドが可視化されているか」を深く理解します。その分析結果に基づいて、「コンテンツを最適化」します。例えば、競合他社が言及されていて自社が言及されていない領域に対して、新しいガイドや事例研究、ランディングページを作成するといった対策を講じます。そして、これらの改善策によって「ブランドの可視性がどのように変化したか」を測定し、その結果を関係者と共有します。このサイクルを継続的に回すことで、AI検索におけるブランドの可視性を常に成長させることが可能です。

AIによる情報発見は、まさに新たなSEOの戦場です。この分野への取り組みを待っている間に、競合他社がAIの回答における存在感を確立し、自社は全く見えない存在になってしまう可能性があります。AIアナリティクスのパイプラインを自社で構築することで、ブランドの可視性をリアルタイムで監視し、データに基づいて戦略を調整し、地域ごとの洞察を活用してグローバルな規模で展開していくことができます。AI検索が競争で飽和状態になる前に、今すぐ自社の可視性を高めるための行動を始めるべきです。