AI 検索における Share of Voice の測定方法
ChatGPT、Perplexity、Google AI Overview で Share of Voice を測る実践フレームワーク。複雑な計算を避け、使える指標に整えます。
従来の Share of Voice は、市場の会話の中で自社ブランドがどれだけ登場するかを問うものでした。AI 検索はフォーマットこそ変えますが、核となる発想は同じです。購買に関する質問が投げられたとき、自社ブランドは競合と比べてどれくらい登場するのか──それを知りたいはずです。
本ガイドでは、エンタープライズ級ダッシュボードをいきなり構築しなくても、AI 検索における Share of Voice をシンプルに算出する方法を紹介します。
AI 検索における Share of Voice の意味
AI 検索における Share of Voice とは、関連する AI 生成回答の中で、自社ブランドが登場する割合を指します。
具体的には以下のようなものを含みます。
- ChatGPT で推奨される
- Perplexity でリスト化される
- Google AI Overview で引用・言及される
重要なのは「言及されたか?」ではなく、「目に見える推奨セットのうち、自社ブランドと競合の取り分はどれくらいか?」という点です。
キーワードの羅列ではなく、クエリセットから始める
実際の評価意図を反映した 15〜30 個のクエリを使いましょう。
有効なカテゴリは次のとおりです。
| クエリの種類 | 目的 |
|---|---|
| ベスト系クエリ | カテゴリ可視性の測定 |
| 代替候補クエリ | 競合リプレース需要の測定 |
| ユースケース系クエリ | 課題解決適合度の測定 |
| 比較系クエリ | 直接対決のポジション測定 |
| 予算系クエリ | 価格感応型需要の測定 |
クエリセットが弱ければ、Share of Voice の数値は精緻に見えても意味をほとんど持ちません。
最もシンプルで使える計算式
初日から完璧な計算式は不要です。まずは次から始めましょう。
AI Share of Voice = 自社ブランド言及数 / 追跡対象回答全体のブランド言及総数
例:
- 自社ブランドの言及 18 回
- 競合 A の言及 22 回
- 競合 B の言及 10 回
- 競合 C の言及 10 回
追跡対象の合計言及数 = 60
自社の Share of Voice = 18 / 60 = 30%
これだけでも、カテゴリの会話における自社の立ち位置がわかります。
重み付けスコアで計算式を改良する
トップ推奨と軽い言及を同じに扱うべきではありません。軽量な重み付けモデルを使いましょう。
| 結果 | スコア |
|---|---|
| 第一推奨 | 3 |
| 第二推奨 | 2 |
| リスト内での言及 | 1 |
| 引用ソースのみ | 1 |
| 言及なし | 0 |
次に、重み付き Share of Voice を計算します。
重み付き AI SOV = 自社の重み付きスコア / 全ブランドの重み付きスコア合計
これにより、回答を支配するブランドとかろうじて登場するブランドを切り分けられます。
エンジン別に計測し、その後統合する
早い段階で単一の数値にまとめてはいけません。次のように追跡しましょう。
- ChatGPT の Share of Voice
- Perplexity の Share of Voice
- Google AI Overview の Share of Voice
- 全エンジンを統合したブレンド Share of Voice
各エンジンは挙動が異なるため、この区別が重要です。
| エンジン | 主に明らかになるもの |
|---|---|
| ChatGPT | ブランド想起と合成された推奨 |
| Perplexity | ソース裏付けのある言及パターン |
| Google AI Overview | Google 検索結果内部での検索意図可視性 |
ブレンド数値だけを見ていると、エンジン固有の弱点を見落としがちです。
シンプルなスコアリング例
3 つのエンジンで 20 のクエリを追跡し、重み付きスコアを割り当てたと仮定します。
| ブランド | 重み付きスコア |
|---|---|
| 自社ブランド | 42 |
| 競合 A | 51 |
| 競合 B | 27 |
| 競合 C | 20 |
合計スコア = 140
自社の重み付き Share of Voice = 42 / 140 = 30%
ここから 2 つの重要な事実がわかります。
- 市場の会話には確実に入っている
- ただしリードはしていない
次に問うべきは「どうすれば 100% になるか?」ではなく、「どのクエリクラスターがギャップの原因なのか?」です。
反応する前にデータをセグメント化する
全体の Share of Voice は重要な詳細を覆い隠すことがあります。セグメントに分解しましょう。
クエリタイプ別
比較系クエリには強いが、一般カテゴリ系クエリには弱いかもしれません。
ファネル段階別
購入直前の後期検索には勝っていても、教育段階の前期プロンプトには負けているかもしれません。
競合別
エンタープライズ意図のプロンプトをほぼ独占する競合がいる一方で、価格感応型検索にのみ強い競合がいる可能性もあります。
ここで初めて、数値がアクションへと変わります。
「良い」AI Share of Voice の目安
普遍的なベンチマークはありませんが、次のレンジが参考になります。
| レンジ | 解釈 |
|---|---|
| 0〜10% | ほぼ不可視 |
| 10〜25% | 存在はするが弱い |
| 25〜40% | 競争力のある存在感 |
| 40% 以上 | カテゴリ内で強いプレゼンス |
このベンチマークは自社市場の中でのみ意味を持ちます。3 社しかいないニッチな B2B カテゴリと、認知ブランドがひしめく混雑した消費者カテゴリでは話が違います。
Share of Voice が低いときの対処
期待値を下回っているなら、AI システムが実際に吸収できるインプットに集中しましょう。
- 強いユースケースページ
- 質の高い比較コンテンツ
- 構造化された明快な回答と FAQ
- 強い第三者リファレンス、レビュー、引用
見栄えだけの施策は避けましょう。ソーシャル投稿を増やしても自動的に AI 可視性は上がりません。明快で引用可能な関連コンテンツを増やすことが、通常は有効です。
AIRanked が自動化するもの
AIRanked は、チームがつい省略しがちな部分を支援します。
- 一貫したクエリ追跡
- 競合の抽出
- エンジン別の内訳
- 過去との比較
- 手動スプレッドシートに頼らない可視性スコアリング
これにより、1 枚のスクリーンショットで議論するのではなく、時間経過による変化を測ることが容易になります。
FAQ
AI 検索の Share of Voice は SEO 可視性と同じですか?
いいえ。SEO は従来の検索結果におけるランキングを測ります。AI Share of Voice は AI 生成の回答や要約内での登場度合いを測ります。
ブランド指名クエリは含めるべきですか?
含めて構いませんが、非指名クエリとは別に報告しましょう。そうしないと自社ブランドの強さが過大に見えてしまいます。
いくつのクエリが必要ですか?
最初の信頼できる測定には、通常 15〜30 個で十分です。複数の明確なユースケースやオーディエンスを持つカテゴリでは、後で拡張しましょう。
言及だけでなく引用も測定すべきですか?
はい。特に Perplexity と Google AI Overview では、引用が「なぜ一部のブランドがより頻繁に登場するのか」を説明することが多いです。
実用的なメトリクス
最良の AI Share of Voice モデルは、最も複雑なものではありません。チームが毎月実際に運用し、より良い意思決定に使えるものです。
手早く始めたい方は、AIRanked を利用して、主要な AI エンジン全体で自社と競合を再現可能なワークフローでスコアリングしましょう。