指標の二つの系統
仕組み全体は一つのシンプルな区別の上に成り立っています。プレゼンス指標は LLM の回答内でのあなたの位置を測るもので、動きが速く、日々の作業の指針になります。成果指標はビジネスへの実際の効果、つまりリード、登録、売上を測るもので、数週間遅れて現れます。前者は労力を、後者は予算を正当化します。両方が必要です。
プレゼンス指標：プロンプトのモニタリング
まず、自社の事業と製品目標を代表するプロンプトライブラリを作ります。たとえば電子インボイスです。Peec、Profound、Otterly のようなプロンプト監視ツールが毎日各モデルでそれらを再実行し、三つの情報を集めます。メンション（回答にブランドが登場する）、サイテーション（ブランドが情報源として引用される）、ポジション（回答内でのメンションの平均順位）です。
この三つの生データから、私は五つの指標を導きます。
| 指標 | 計算方法 | 何が分かるか |
|---|---|---|
| シェアオブボイス | 全メンションに対する自社メンションの割合 | 他社と比べた成果。単独ではビジネス上の意味はないが、その推移が努力の成否を裏付ける。 |
| 可視性 | 実行した全プロンプトに対するメンション率 | プロンプトライブラリが定義する範囲のカバー度。良い作業指標。 |
| ポジション | 競合と比べたメンションの順位 | 私見では最も貴重。最初に名前が挙がるのは、より高い信頼の表れである可能性が高い。 |
| 加重メンション | 全プロンプトでの順位の逆数の平均を100点満点に換算（式は表の下） | 毎日追えば本物の運転指標。最も雄弁な一つ。 |
| 加重シェアオブボイス | 同じ計算を各競合に適用 | カバー度とポジションを市場と比較。従来のシェアオブボイスより豊かで、補完的。 |
加重メンションには式を示す価値があります。作業の指針となる指標だからです。各プロンプトで、メンションは順位の逆数として数えます。1位なら1、2位なら0.5、3位なら0.33、不在なら0。ライブラリ全体の平均に100を掛けると指標になります。プロンプト100件の例：1位30回、2位20回、3位10回なら、(30 × 1 + 20 × 0.5 + 10 × 0.33) / 100 × 100 ≈ 100点中43点です。
定性的な読み方を二つ加えます。まずサイテーション。引用されたURLはモデルの語りに影響するので、どれが効いているかを掘り下げ、投資の根拠や優先順位付けに使いましょう。最初に働きかける議論スレッドや、連絡すべき動画クリエイターなどです。競合の動きも観察します。次にセンチメント。モデルがあなたをどう語るかです。ブランドについて語ってくれる第三者に定期的に情報を提供しているなら、新しい認証の取得といった各出来事が、全体または製品別のセンチメントに与える効果を追跡しましょう。
四つの補完的な情報源
| 情報源 | 得られるもの |
|---|---|
| 検索エンジンのデータ | Bing と Google は独自の AI 関連データを公開しています。主に予算配分の根拠づけや、特定の論点の深掘りに役立ちます。 |
| サーバーログ | ログに残るクローラーの活動は具体的な問いに答えます。モデルがサイトを理解しやすくする技術改善を導入したら、クロール側で何が変わったか？ |
| サードパーティのデータ | Similarweb のようなパネルは、ある訪問者があなたのサイトと同じ日に LLM を訪れたかどうかを教えてくれます。慎重に扱うべきですが、貴重な視点です。 |
| AI Overviews のモニタリング | 施策やサイト変更の効果を測る良い作業指標です。新しいコンテンツ、新しい体裁。 |
成果指標：実際のインパクト
まず自己申告。「私たちをどこで知りましたか？」という質問は実際のビジネスインパクトを測り、その答えはアトリビューションモデルの結論としばしば食い違います。これがないと、最も一般的なシナリオを見逃します。誰かが LLM で推薦を読み、Google であなたのブランドを検索し、広告または自然検索のリンクをクリックする。この連鎖はどのアトリビューションモデルにも見えません。
次に分析ツール。GA4 で LLM 特有の参照元（chatgpt.com、perplexity.ai、copilot.microsoft.com、gemini.google.com、claude.ai）をフィルタします。回答内のリンクをクリックして来た訪問者は帰属できます。クッキーで補完しましょう。見込み客がサイトを訪れ、LLM を経由して戻ってきたなら、ファーストクリック、ラストクリック、混合という帰属の考え方に応じて見えるはずです。
最後に間接シグナル。説明のつかないブランド検索流入と直接流入の増加は、自己申告と同じ論理に従います。営業チームの会話記録を毎日分析させ、LLM を情報源として挙げる見込み客を拾いましょう。小さな自動化で十分です。そして、人々の検索行動を記録した公開・有償の調査にも目を配りましょう。常に示唆に富みます。
| シグナル | 捉えるもの | 限界 |
|---|---|---|
| 自己申告 | 見込み客があなたを知った実際の経路 | 回答者の記憶と誠実さに依存する |
| 分析ツール（GA4） | LLM の回答からの直接クリック | 推薦を読んでからのブランド検索は見えない |
| 間接シグナル | ブランド流入、営業記録、調査 | 相関にとどまり、単独では証拠にならない |
すべてをまとめる
最後の環が最も簡単です。すべてのデータを一箇所に集め、Claude に週次分析を任せ、トレンドの変化の短い要約を Slack メッセージで届けてもらう。測定は、毎週誰かが読んではじめて価値を持ちます。
2026年、LLM がリード獲得に与える影響は、出来合いのダッシュボードからは読み取れません。プレゼンス指標と成果指標を一つずつ積み重ね、二本の曲線が同じ物語を語るまで、再構築していくのです。
よくある質問
測定と生成検索に関するその他の分析はジャーナルでどうぞ。