AI可視性・引用率の測り方
AI可視性とは何を測ることか
AI可視性の計測とは、自社が「AIの回答に登場し、引用され、好意的な文脈で、競合より露出しているか」を段階的に確かめることです。登場と引用は別の段階で、混ぜると施策の評価を誤ります。
測る順序は4階層で考えると整理しやすくなります。可視性（登場したか）、引用（引用・参照されたか）、文脈（好意的で正確か）、競合（競合比の露出シェア）の順です。Geo Indexの6カテゴリ・29指標は、この考え方を体系化したものです。
4階層で何を見るか
各階層で見る問いと指標は次の通りです。上の階層を満たさないと下の階層は意味を持ちません。
| 階層 | 問い | 代表指標 |
|---|---|---|
| 可視性 | AI回答に登場するか | visibility_rate, prompt_coverage |
| 引用 | 登場を超えて引用・参照されるか | citation_rate, avg_citation_position |
| 文脈 | 好意的で正確な文脈か | positive_rate, context_accuracy |
| 競合 | 競合比の露出シェア | share_of_voice, competitive_win_rate |
引用は回答内の位置も見ます。Princeton大学らの論文（KDD 2024）も、回答の上部に出るほど高く評価する指標で効果を測りました（arXiv:2311.09735）。登場しても文末に小さく触れられるのと、冒頭で引用されるのとでは価値が違います。
なぜ単発の数字では足りないのか
AI可視性は1回測って終わりにできません。引用元が短期間で入れ替わり、参照モデルも数か月で世代交代するからです。
Digital Authority Partnersの調査では、28日で同じURLが引用に残る割合は10.6%でした（Digital Authority Partners, 2026）。だから単月の点でなく、数か月のローリングウィンドウで傾向を見ます。さらにエンジン間の引用重複は約11%で、1つのプラットフォームだけ見ても全体の25%未満しか捉えられません（AuthorityTech, 2026）。複数エンジンを横断する理由は1つのAIだけ見ても足りない・横断計測で詳しく扱っています。
計測値は「推定」として扱う
どのツールの数字も、外部からの推定です。内部のランキングは見えないため、測定時点とモデル名を付けて誠実に提示するのが前提になります。
Googleは2026年6月、第三者ツールの「AI可視性スコア」は測定ではなく推定だと注意喚起しました（Digital Applied, 2026）。Geo Indexが全計測値にモデル名と取得時刻を付けるのも、この限界を隠さないためです。スコアの信頼性そのものは「AI可視性スコア」は測定か推定かに、変動を前提にした運用全体は2026年最新のLLM最適化にまとめました。本記事の数値も2026年6月時点のものです。
参考文献
- Aggarwal, P. et al. "GEO: Generative Engine Optimization." KDD 2024. arXiv:2311.09735. https://arxiv.org/abs/2311.09735
- Digital Authority Partners. "AI Visibility Study 2026." 2026. https://www.digitalauthority.me/resources/ai-visibility-study/
- AuthorityTech. "Answer Engine Optimization Checklist." 2026. https://authoritytech.io/curated/answer-engine-optimization-checklist-chatgpt-perplexity-claude-2026
- Digital Applied. "Google official SEO docs: generative AI optimization." 2026年6月. https://www.digitalapplied.com/blog/google-official-seo-docs-generative-ai-optimization-june-2026