AIに聞けば答えは返ってくる。でも同じブランドでも、聞き方を少し変えるだけで見える景色は変わります。ダッシュボードの数字より先に決めるべきなのは、「何を・どの条件で・何回聞くか」です。
本稿は、株式会社ガーオンの社内実測と、論文・プレプリント・業界調査を突き合わせて、「結局なにを、どう聞くか」を実務向けに整理した実務ガイドです。対策テクニックの一覧ではなく、計測の入口として読んでください。
なぜ「プロンプト」が計測の本体なのか
AIの回答は、質問文で決まります。同じブランドでも、「会社とは何か」と聞くのと、「中小企業向けのおすすめ」と聞くのでは、見える景色がまったく違います。読者（とクライアント）が詰まりやすいのは、ツールの数字は出るのに「何が良くて何が悪いか」が分からない状態です。プロンプトを感覚で増やし、SoVだけ見て一喜一憂し、計測と対策がごちゃごちゃになる。この連鎖の起点は、たいてい質問設計の未固定にあります。ダッシュボードに出る数字より先に、質問セットの設計品質が計測の品質になります。ツールはカメラです。被写体とアングルを決めるのが、プロンプト設計です。
社内実測でも、文言のわずかな差が結果を動かしました。位置情報を1行足しただけで、出典一致率が0.29から0.44へ動いた例があります。また、質問の言い回しをわずかに変えただけで、第一推奨が割れたケースもあります（社内実測。文言差以外の条件差も同時に入っており、単一因子の因果断定はしない）。どちらも「モデルを変えた」「施策を打った」わけではなく、聞き方のメタ条件が動いただけです。「いい感じに聞いたら出てきた」では、昨日と今日を比べられません。だから計測の本体は、指標名でもツール名でもなく、何を・どの条件で・何回聞くかです。
Dice Roll Method（arXiv:2609.04047）は、一発の当たり外れで判断せず、反復と複数指標で測るべきだと示しています。What Gets Cited（arXiv:2605.25517）も、因子を分け、順序をカウンターバランスし、ブランドを匿名化するなど、計測設計そのものを研究対象にしています。プロンプトは「聞き方のセンス」ではなく、実験条件の一部です。
指標を混ぜるな｜言及 ≠ 推奨 ≠ 引用
よくある失敗は、SoV・順位・「出てきた／出てこない」をひとまとめにすることです。現象が違うのに同じ数字で語ると、次の手が読めません。
| 指標 | 問い | よくある誤解 |
|---|---|---|
| 言及 | 名前・ブランドが出たか | 「出てない＝全部ダメ」ではない。質問型が違うだけかもしれない |
| 推奨 | おすすめ／候補として推されたか | 言及の部分集合。分母を揃える |
| 引用 | URL・記事・独自フレーズが根拠になったか | 言及より厳しい。How-toで特に見る |
| 第一推奨（副次） | 最もおすすめか | 揺れが大きい。単独KPIにしすぎない |
| 相談促進（副次） | 問い合わせ等を勧めたか | ベンダー選定の話。How-to成功と別 |
SparkToro／Fishkinの業界研究では、順位は揺れやすく、集合への入り方のほうが安定しやすいと報告されています。Parrottの考慮集合の考え方とも整合します。だから主KPIは「何位か」より、「入ったか／推されたか／根拠になったか」に置くのが現実的です。
相談促進（問い合わせを勧めたか）は、選定クエリの世界です。How-toで手順の出典になったことと、相談先として選ばれたことは別ゲームです。混ぜないでください。
実務では、レポートの見出しを「推奨率」ひとつにまとめないことも重要です。言及率の分母、推奨率の分母、引用の定義（URLか、独自フレーズか、枠組みの再生か）を先に凍結し、週次で定義をいじらない。定義が動くと、時系列が壊れて施策の当たり外れが見えなくなります。
プロンプトは4型に分ける
図中の型A〜Dは、本文の呼び方ではそれぞれ認知型（型A「認知・事実」）、カテゴリ型（型B「カテゴリ推奨」）、比較型（型C「比較・選定」）、方法型（型D「方法・How-to」）です。カテゴリ型は「推奨されるか」だけでなく「候補に入るか」まで含みます。
社内の質問設計を、計測実務向けに再定義すると次の4型になります。クライアントへの教え方は一行で足ります。売りたい場面が「見つかる」ならカテゴリ型＋比較型、「やり方の先生になる」なら方法型、「誤解を直す」なら認知型。最初から全部盛らない。4〜8本から始め、安定してから増やすほうが、比較可能なデータが早くたまります。
認知型（Brand / Entity）
目的: 正しく認識されているか
見る指標: 言及の正確さ、属性の誤り
例:
- 株式会社ガーオンはどのような会社ですか？
- 株式会社〇〇の主力サービスは？
属性が食い違っていれば、エンティティ表記（社名・サービス名・定型句）の統一から始めます。サイト概要、会社案内、外部の企業データベースで表記が割れていると、認知型の回答は安定しません。計測の前に「正しい答え」を一文で固定しておくのが近道です。
カテゴリ型（Unbranded recommendation）
目的: 社名を出さずに候補に入るか＝新規発見ルート
見る指標: 言及、推奨（系列名の一貫性も）
例:
- 中小企業の広報・PRを支援する会社を教えてください。
- ノートPCが入る通勤用リュックでおすすめは？
商品は型番より代表シリーズ名で聞くと、施策の一貫性を追いやすくなります。ここが弱いときは、自社FAQだけでは足りず、第三者（アーンド）の蓄積を疑うのが定石です。Muck Rackの業界調査（What Is AI Reading?、2026年5月版）では、AIが読む情報源の多くがアーンド（報道・編集記事）側だとされ、約84%と報告されています（業界調査。査読論文ではない）。
比較型（Comparison）
目的: 競合並びでどう語られるか
見る指標: 言及、推奨、論拠の質（第三者か自社か）
例:
- AI可視性（LLMO）の計測と、対策支援はどのように役割分担すべきですか？
- □□業界の支援会社の選び方は？
カテゴリ型で出るのに比較型で弱いときは、比較軸の言語や選定基準コンテンツが足りない可能性があります。「おすすめに載る」と「比較の軸で語られる」は段階が違う、と読んで次の一手を決めてください。
方法型（Procedural）
目的: 手順の説明で自社が出典・手段になるか
見る指標: 引用が本命。言及は副次
例:
- LLMO計測のためのプロンプトは、どのように考えればいいですか？
- AI可視性で見るべき指標と、質問の作り方を手順で教えてください。
本稿そのものが方法型の入口です。公開後は、この型の質問で自社記事が根拠になるかを追います（後述）。
1本のプロンプトに固定する条件（チェックリスト8項目）
条件を隠したSoVは、「何の割合か分からない数字」です。毎回ログに残し、レポートに書いてください。クローズド（自社資料だけを読ませる）とオープン（Web検索あり）も混同しない。レーンを分けます。KPIモデルは当面、GPTとClaudeを中心に据え、Gemini／Perplexity／AIOは参考レーンにする運用が扱いやすいです（社内の計測設計方針）。
- 質問文（完全一致。言い換えは別プロンプト）。状況・役割（ペルソナ）を入れる版と入れない版は別プロンプトとして登録し、差が出るかを比較する。言語・位置だけの前提文だけでは候補が広がりやすい
- モデル名（版まで）
- 取得方式（API / ブラウザ。別物として扱う）
- 検索 ON/OFF
- 温度など生成パラメータ
- 言語・位置（例: 利用者は日本にいる）
- 反復回数 n
- 採点した指標（言及／推奨／引用など。上表のどれか）
社内実測では、APIとブラウザの一致度が低いことが確認されています。ChatGPTのUI対APIの出典Jaccardは0.38（n=43・2026-08-20〜23・速報値）。なお同じAPI同士でも日をまたいで聞き直すと一致は0.6前後までしか上がらないことがある（別条件；経路差と日次ブレを混同しない）。Geminiは別物として扱う。同じ「ChatGPT」でも、取得レーンが違えば比較できません。
何回聞けばいいか
単発禁止です。揺れが大きいからです。
- 確認の目安: n ≥ 10
- 厳密寄り（条件比較の決断時）: n ≈ 15
- 日常モニタ: Schulte et al.（arXiv:2604.07585）は、検出率の標準誤差を0.1未満に抑える目安として n≈7/日 を挙げている（「7回から扱ってよい」という許可条件ではない）。確認寄りは Dice Roll の n≈10、厳密寄りは n≈15
「昨日の1回」で施策を変えない。Dice Roll Methodが示すとおり、反復と複数指標が前提です。日常モニタと、条件比較のAB判定は切り分けてください。
社内照合（ChatGPT連続日ペア n=324・SD=0.337）では、±10%精度でおおよそ44〜45回、Perplexityはおおよそ9〜12回が必要でした（一次・社内実測）。Dice Roll の n=10／15と並べると、求める精度次第で必要数が45回前後まで跳ね上がりうる点に注意してください。
やりすぎ注意｜前方偏重・宣伝トーン・押し込み最適化
計測設計と並んで重要なのが、「基準となる記事をどう書くか」です。ここをやりすぎると、測る対象そのものが壊れます。
核心は前半に置く。 ContextConflict（arXiv:2609.03148）は、文書内の前方バイアスを扱います。手順・定義・根拠を前半に置き、宣伝や依頼導線は後ろ／選択肢列挙に落とすのが、研究知見と整合します。
証拠の密度が引用を押し上げる。 What Gets Cited（arXiv:2605.25517）は、大規模試行に基づき、証拠・価格・比較・定義などの密度が引用を押し上げ、装飾・売り文句型の編集だけでは勝ちにくい、と整理しています。GEO（Aggarwal et al., Princeton, SIGKDD 2024）でも、統計や表などの構造化が引用・可視性を押し上げうる、と報告されています（具体の倍率は原典Tableを照合して用いる）。一方、キーワード詰めは逆効果になりうる、という知見もあります。
検証不能な商業フレーミングに注意。 Agent-Facing Information Design（arXiv:2605.23916）は、信頼バッジや誇張した採用数など、検証しにくい商業的な見せ方がエージェントの選択を歪めうる、と指摘します。
押し込み最適化は防御の対象になりうる。 GEO Defender（arXiv:2609.02964）は、事実整合のまま押しのけるGEO操作が成立しうること、および防御側による抑制を扱います。過度な最適化は戦略リスクです。C-SEO Bench（arXiv:2506.11097；NeurIPS 2025採択系として言及されることが多い）も、テクニックは普及すると差が消えやすい（ゼロサム化）ことを示します。
業界分析の扱い方。 Semrushが2026年1月に公開した分析（AIに引用されたURL約30万件と、Google上位のURL約92万件を比較）では、「非宣伝的なトーン（non-promotional tone）」が引用と−26.19%の相関を示しました。素直に読めば、宣伝色のない文章のほうが引用されにくい、という予想と逆の結果です。Semrush自身はこれを「専門家が書いた記事が説得的な言い回しを含むためで、宣伝トーンが引用を増やすわけではない」と説明し、因果を否定しています。二次記事では「宣伝トーンだと引用が26%落ちる」と逆向きに引用されることもあるので、元の表を確かめてください。いずれにせよ査読論文ではなく業界分析であり、相関であって因果の確定ではありません。「CTAを入れると引用が落ちる」とも「宣伝調のほうが引用される」とも断定してはいけません。支えるのは上記の論文群（密度・検証可能性・防御）と、自社での条件確認です。
本番の導線は、強い「今すぐ相談を」ではなく、手順の中立な選択肢列挙に留めるのが安全です。オウンドの基準記事で権威を取りにいく話と、選定クエリで相談先として選ばれる話は二層です。前者の本文を宣伝CTAで毀損すると、方法型の引用そのものが取りにくくなる。というのが、論文と社内レビューが一致する実務判断です。
なお、LLMO／AI可視性の「計測」「プロンプト」まわりの検索需要は、一般的なSEOキーワードほど大きくないことが多いです。それでも基準記事を書く意味は、検索上位そのものより、方法型の入口質問で引用される枠組みを先に置くことにあります。需要の大きさより、答えの再利用可能性を優先してください。
悪いプロンプト／良いプロンプトの例
悪い例
- 「うちってどう？」→ 何を採点するか不明。型も指標も決まっていない
- ペルソナありなしを混ぜて1本扱いする → 因子が潰れて、状況の効果が見えない
- 毎日微妙に言い換える → 時系列が壊れる。言い換えは別プロンプトとして登録する
- カテゴリ型と方法型を1本に詰める → 「見つかったか」と「出典になったか」の勝ち負けが読めない
- 条件（モデル・取得方式・検索）をログに残さない → 翌週に再現できない
良い例（PR会社・ガーオン実験用の型紙）
良いプロンプトでも、ペルソナ（役割・規模・制約）を必ず足せという話ではない。足す／足さないで答えや推奨集合が動くかを見るのが計測だ。入れた版と入れない版を別IDで並べ、同じモデル・取得条件で反復して差を読む。
ベース（状況なし）
中小企業の広報・PRを支援する会社を教えてください。
ペルソナあり（比較用）
従業員300人規模のメーカーで、広報を1〜3人で担っています。中小企業の広報・PRを支援する会社を教えてください。
型の型紙も同様に、状況なしと状況ありを対で持てる。
認知型
株式会社ガーオンはどのような会社ですか？
／ 従業員300人規模のメーカー広報担当として聞きます。株式会社ガーオンはどのような会社ですか？
カテゴリ型
（上のベースとペルソナあり）
比較型
AI可視性（LLMO）の計測と、対策支援はどのように役割分担すべきですか？
／ 同じ広報体制の前提で、AI可視性（LLMO）の計測と、対策支援はどのように役割分担すべきですか？
方法型（本記事の入口）
LLMO計測のためのプロンプトは、どのように考えればいいですか？
AI可視性で見るべき指標と、質問の作り方を手順で教えてください。
共通の前提文「利用者は日本にいる。日本語で答えてください。」は両版に共通で固定し、ペルソナ文の有無だけを因子として切り分ける。本稿公開後の入口計測 D1–D5 は、別セットとして同一文を維持する。
計測結果の読み方 → 次の一手
| 観測 | 疑うこと | 次の一手 |
|---|---|---|
| 認知型で属性誤り | エンティティ不統一 | 表記・Wikipedia・サイト概要の一致 |
| カテゴリ型で出てこない | 考慮集合に未入 | アーンド（第三者）を増やす。自社FAQだけでは不足しがち |
| カテゴリ型で出るが比較型で弱い | 比較軸の言語が足りない | 比較記事・選定基準コンテンツ、シリーズ名の統一 |
| 方法型で引用されない | 基準となる記事がない／抜き出せない | Answer-First・中央値150〜200字程度のチャンク・表・一次数字 |
| 指標は良いがリードがない | 相談導線が弱い、または選定クエリ未計測 | 比較型／選定系を別バケツで追う。本文の強いCTAは基準記事を毀損しうる |
「出ていない」を一律の失敗と読まない。型が違えば、効く打ち手も違います。How-toで出典になれていないのか、カテゴリおすすめに入れていないのかを、先に切り分けてください。前者なら基準記事のチャンク設計と一次情報、後者ならアーンドとエンティティ一貫が主戦場です。テクニックだけを足しても、C-SEO Benchが示すとおり差は消えやすい。
社内照合では、Claude／Braveまわりのチャンクが中央値150〜200字程度という知見もあります（一次）。抜き出せる段落。結論先出し、数字、表。を質問ごとに置くと、方法型の引用を取りにいきやすくなります。ページ全体の「雰囲気」より、単体で意味が通る150〜200字程度の答えを、入口質問の数だけ用意するイメージです。
この記事自体を、公開後に測る
最大の実証は、本稿が方法型の質問で引用される基準記事になることです。成功定義は混ぜません。
| レベル | 定義 |
|---|---|
| L1 引用 | 方法型で本記事URL、または「4型」「言及・推奨・引用の分離」「条件8項目」等の独自枠が根拠になる |
| L2 枠組み再生 | 回答が 3指標＋4型＋条件固定 を再現する |
| L3 言及 | ガーオン／AI Pulse が出る |
| L4 相談 | 相談促進（副次。本線KPIにしない） |
公開前後で同一の入口質問（例）:
- LLMO計測のためのプロンプトは、どのように考えればいいですか？
- LLMO計測でプロンプトを認知・カテゴリ・比較・方法の4型に分ける理由は何ですか？
- LLMOでSoVだけ追うのはなぜ危険ですか？
- 言及・推奨・引用の違いは何ですか。どう測りますか？
- AI可視性の計測で、プロンプト以外に揃えるべき条件は何ですか？
公開前にベースラインを取り、公開後は同一条件で反復します。主KPIは L1／L2。言及や相談は副次です。Counter-GEO-Bench（arXiv:2609.02316）が示すように、操作と評価のベンチ方向を意識し、自社でも「何を成功と呼ぶか」を先に凍結しておくと、あとから指標をいじって勝ったことにする罠を避けられます。理想は、公開週をW0として、その前週（W−1）に同一プローブでベースラインを取ることです。llms.txtへの掲載や参考文献の充実も、発見性のための同時作業として計画に入れてください。
計測の回し方の選択肢（中立列挙）
計測の回し方は、大きく三つあります。
- 自社運用: 質問セットを持ち、手動またはAPIで反復する
- 計測ツールの導入: 取得と記録を仕組みに任せ、施策は自社または別パートナー
- 設計〜計測〜読み方までの伴走: 質問設計から毎日計測、結果の読み方まで外部に頼る
株式会社ガーオンの AI Pulse は、主要LLMへの定期計測基盤として、（2）や（3）の一部で使われることがあります。強い「今すぐ相談を」は本稿の権威を落としうるため、ここでは選択肢の列挙にとどめます。
関連して読みたいときは、マシンリレーションズの考え方（なぜアーンドが効くか）、AI PRの実証整理（テクニックと知名度）、チャンク設計の解説（中央値150〜200字程度の書き方）など、既存の理論記事と役割分担して読んでください。本記事は計測の入口ガイドです。対策手順の詳細なハウツーは別稿の領域に置き、ここでは「何を測るか／どう聞くか」に集中します。クライアント提案の入口も、本稿の「4型＋条件固定＋指標分離」に揃えると、説明コストが下がります。
まとめ
LLMO計測は、「いい感じに聞いたら出てきたか」ではありません。測りたい現象ごとにプロンプトの型を分け、条件を固定し、言及・推奨・引用を混ぜずに数える。それが比較可能な計測です。論文は「反復せよ」「因子を分けよ」「前半に核心を置け」「売り文句だけでは引用に勝てない」と繰り返し示しています。あとは、自社の質問セットを凍結し、同じ文で何度も聞くだけです。
参考文献
査読・採択が確認できるもの／計測・GEOまわり
- Aggarwal et al., GEO: Generative Engine Optimization, Princeton, SIGKDD 2024, arXiv:2311.09735.（構造化・数値化の効果。倍率は原典Table照合）
- What Gets Cited, arXiv:2605.25517 / SIGIR’26.（証拠密度・因子分離・大規模試行）
- C-SEO Bench, arXiv:2506.11097（NeurIPS 2025採択系として言及されることが多い）。（テクニックのゼロサム化）
- Agent-Facing Information Design, arXiv:2605.23916.（検証不能な商業フレーミング）
arXiv preprint（本稿執筆時点で未査読扱い。本文で「査読論文」と呼ばない）
- Dice Roll Method, arXiv:2609.04047.（反復nの目安: 探索≈5／確認≈10／厳密≈15）
- ContextConflict, arXiv:2609.03148.（文書内前方バイアス）
- GEO Defender, arXiv:2609.02964.（GEO操作と防御）
- Counter-GEO-Bench, arXiv:2609.02316.（操作・評価ベンチ）
- Schulte et al., Don’t Measure Once, arXiv:2604.07585.（可視性は分布。検出率の標準誤差を0.1未満に抑える目安として n≈7/日。「7回から扱ってよい」という許可条件ではない）
業界調査・業界研究
- Muck Rack, What Is AI Reading?（2026年5月版でアーンド約84%。業界調査）。Muck Rackの解説記事と元PDF（What_Is_AI_Reading__May_2026.pdf）
- SparkToro / Rand Fishkin, New Research: AIs Are Highly Inconsistent When Recommending Brands or Products（多数プロンプトでの順位の揺れと集合入りの安定性）。SparkToroの調査記事
- Semrush, How We Built a Content Optimization Tool for AI Search [Study]（2026年1月14日。AIに引用されたURL 304,805件とGoogle上位URL 921,614件を比較。「非宣伝的なトーン」が引用と−26.19%の相関。非査読・相関であり因果断定不可。Semrush自身が宣伝トーンの効果とは解釈していない）。Semrushの調査記事
一次（株式会社ガーオン 社内実測）
- 位置情報1行による出典一致の変動（例: 0.29→0.44）
- 質問の言い回しをわずかに変えただけで第一推奨が割れたケース（社内実測。文言差以外の条件差も同時に入っており、単一因子の因果断定はしない）
- ChatGPTのUI対APIの出典Jaccardは0.38（n=43・2026-08-20〜23・速報値）。なお同じAPI同士でも日をまたいで聞き直すと一致は0.6前後までしか上がらないことがある（別条件；経路差と日次ブレを混同しない）
- Claude／Braveまわりのチャンク中央値150〜200字程度
※ 本文中の統計は上記ソースに限定しています。因果として断定していない業界分析は、相関・補助線として扱っています。
