LLMOの成果は何で測るのか——AI検索の「引用」を追う現実的な方法
「効果はどう測るんですか」で止まる
AI検索対策の話は、たいていここで止まる。SEOには検索順位と流入数という共通言語があったが、LLMOにはそれがない。社内で予算を通す立場からすると、測れないものには判断のしようがない。
先に結論を書くと、SEOのような精密な計測は現時点ではできない。ただし「まったく分からない」わけでもない。粗いが継続的に追える指標はいくつかある。
指標1：指名クエリでの言及有無（手動でよい）
最も基本的で、最初にやるべきことだ。自社の領域でよく聞かれるであろう質問を10〜20個決め、主要なAIサービスで月に一度実際に聞いてみる。自社が出てくるか、競合が何社出てくるか、どの文脈で言及されるかを記録する。
手作業だが、これが一番確実だ。回答は毎回揺れるので、1回の結果に一喜一憂せず、数ヶ月の傾向として見る。質問文はいつも同じにしておくこと。
記録するのは「出た／出ない」だけではない
どう説明されているかも重要だ。事実と違う説明をされている、古いサービス名で言及されている、といった発見は、そのまま次の打ち手になる。順位のような数字より、この定性的な記録のほうが実務では役に立つことが多い。
指標2：AIサービスからの流入
ChatGPTやPerplexityの回答内のリンクから訪問があった場合、アクセス解析上は参照元として記録される。GA4であれば参照元ドメインでの絞り込みができる。
ただし数字は小さく出る。AI検索の性質上、ユーザーは回答を読んで満足し、リンクを踏まないことが多いためだ。「流入が少ない＝引用されていない」ではない点に注意がいる。これは補助的な指標として見る。
指標3：クローラーのアクセス状況
各社のAIクローラーが自社サイトを取得しに来ているかは、サーバーログやCDNのログで確認できる。引用の前段として「そもそも読まれているか」を確かめる指標だ。
取得されていないなら、内容以前にアクセス性の問題がある。robots.txt での拒否設定、認証、極端に遅い応答などが原因になっていることがある。
指標4：構造面のスコア
引用のされやすさは、構造化データの有無、見出し階層、FAQの整備状況といった「サイト側の状態」にかなり依存する。これらは自社の努力で完全にコントロールでき、月次で測れる。
成果指標（引用されたか）は相手次第で揺れるが、この構造指標は着実に積み上がる。予算を通す文脈では、こちらを主指標に置くほうが説明しやすい場合が多い。
報告の組み立て方
実務としては、構造スコアを主指標、指名クエリでの言及状況を補助指標、流入を参考値、という組み立てが扱いやすい。「順位が何位上がった」に相当する単一の数字はまだ存在しないので、無理に作らないほうがいい。断定的な数値効果を約束する提案には、根拠を確認したほうがよい。
構造面の現状把握には無料の診断ツールを用意している。初回のベースライン取得に使ってもらえればと思う。