Method — 測定方法
測定方法｜mirurunn（みるるん）
AI検索の評価は、誰がどんな条件で測ったかで変わります。
このページでは、何を測り、どう設計し、どんな条件で実行し、
何ができないかを開示します。
何を測るか — 3つの軸
「AIに載っているか」を一つの数字にまとめません。
企業がAIの回答に現れる現れ方には段階があり、段階ごとに打つ手が違うためです。
次の3軸に分けて観測します。
- 認知
-
社名を名指しで尋ねたとき、AIがその企業を具体的に説明できるか。
「説明できる／知らない・一般名詞として解釈した／別の企業や人物として説明した」の3値で判定します。
回答内容の正誤は判定しません。正しく認知されているかは、別途人手で確認する領域です。
- 一般推奨
-
社名を出さず業種だけを尋ねたとき、おすすめとして名前が挙がるか。
指名されなくても候補に入るかを見ます。
- 条件付き推奨
-
地域や顧客像といった条件を添えて尋ねたとき、名前が挙がるか。
実際の検討行動に近い形の問いです。
認知は「AIに判定させる」方式、一般推奨と条件付き推奨は「AIに回答文から挙がった企業名を抽出させ、
その一覧に自社名が含まれるかをプログラムで照合する」方式です。
判定方式が違うため、3軸の数字は互いに直接比較できません。
どう設計するか
測定対象のペルソナとクエリは、案件ごとにヒアリングして設計します。
固定のクエリセットを全社に当てることはしません。
業種と検討プロセスによって実際に打たれるクエリが違うため、
汎用のセットを当てても実態が出ないからです。
指名クエリと非指名クエリを分ける
同じ「AI検索での評判」でも、名指しで正しく答えられるかと
探されたときに出てくるかは別の問題です。
前者が悪ければ情報源の整備、後者が悪ければ第三者上での言及の設計と、打つ手が変わります。
分けずに測ると、どちらの問題なのか判別できません。
目的の異なる軸を分けて設計できる
営業軸と採用軸のように、想定する読み手が違えば打たれるクエリも違います。
目的ごとに軸を分けて設計し、それぞれで測ります。
有料分析の標準設計
有料の「AI検索評判分析」では、4つの検索環境（ChatGPT・Gemini・Perplexity・Google検索）に対し、
3種類の質問を各10回ずつ投げ、合計120回の回答を集計します。
各指標は40回答中の回数として記載します。
環境ごとの取得経路は分かれています。ChatGPT・Gemini・Perplexity は
各モデルのAPIを web検索を有効にした状態で呼び、Google検索は検索APIから結果を取得します。
どの環境でも、回答本文と引用元URLの両方を記録します。
この120観測という設計は固定です。案件ごとに設計するのは、
誰に向けた、どの質問を投げるかであって、環境数や試行数ではありません。
無料チェックとの違い
無料の「AI検索評判チェック」（/check/）は、
この簡易版として ChatGPT・Gemini の2環境・合計30観測で実施しています。
各指標は「10回中◯回」の形で表示します（画面上の表記と同じです）。
無料チェックと有料分析の数字は直接比較できません。
環境数と分母が違ううえ、質問文も異なります。無料チェックは定型文を機械的に当てはめるのに対し、
有料分析ではヒアリングにもとづいて設計した質問を使います。
同じ会社を測っても値が一致しないのは、この設計差によるものです。
無料チェックのクエリ構造
無料チェックは自動実行のため、3軸それぞれに定型のクエリを用います。
実際に投げている文面は次のとおりです。
認知 ： {社名}について教えてください。どんな会社ですか？
一般推奨 ： {業種}のおすすめを教えてください
条件付き ： {地域}で{顧客像}に対応できる{業種}を教えてください
（地域の指定がない場合）{顧客像}に強い{業種}を教えてください
条件付き推奨は、地域の指定があるかどうかで2つの文面のうち一方だけが使われます。
個別案件では、この定型文ではなくヒアリングにもとづいて設計したクエリを用います。
測定条件
過去の文脈や利用者ごとの設定が結果に混ざらないよう、次の条件で実行します。
- API経由で実行します。ブラウザのチャット画面は使いません。
- 会話履歴を持ちません。1回の問いかけごとに新しいリクエストを送ります。
- システムプロンプトを与えません。役割やトーンの指定を挟まず、素の状態で尋ねます。
- カスタム指示・メモリ機能を使いません。アカウントに紐づく個人設定の影響を排除します。
- セッションは使い捨てです。前の試行の結果が次の試行に影響しません。
- モデルIDを固定して実行します。「最新版」ではなくバージョンを特定した識別子を指定し、期間をまたいだ比較ができる状態にします。
- 同一条件で反復し、ばらつきを含めて観測します。1回の回答で断定せず、複数回の結果を「◯回中◯回」の形で示します。
1回の呼び出しは30秒でタイムアウトし、失敗した場合は1度だけ再実行します。
それでも失敗した試行は、エラーとして別に数えたうえで、
「名前が挙がらなかった」ものとして母数には残します。
母数から除くと成功した試行だけで見かけの数字が上がるためです。
サイト診断 — 6ドメイン44項目
AI側の観測と並行して、サイトが「AIに読まれ、引用される」準備ができているかを機械的に点検します。
判定できなかった項目は分母から除き、判定できた項目のうち条件を満たした割合をドメインごとに出します。
- 構造化データ（8）
- json_ld / organization / alternate_name / same_as / article_schema / faq_howto / breadcrumb_list / schema_content_match
- AIクローラー（8）
- robots_accessible / learning_bots / ai_search_bots / user_bots / deprecated_ua / llms_txt / sitemap_xml / feed
- 基本情報（7）
- title_10chars / meta_description / ogp_twitter / canonical / no_noindex / article_author / article_date
- 会社情報（7）
- about_page_link / address / contact / sns_links / wikipedia / wikidata / maps_link
- ページ構造（7）
- single_h1 / heading_order / three_h2_plus / faq_section / body_text_length / semantic_elements / image_alt_rate
- テクニカル基盤（7）
- https_redirect / www_canonical / viewport_meta / html_lang / compression / no_mixed_content / html_size
この測定でできないこと
手順を開示する以上、その手順で何が担保できないかも同じ場所に書きます。
以下は運用上の注意ではなく、方法そのものの限界です。
-
AIの回答は各社の非公開アルゴリズムに依存し、日々変動します。
同じ問いを同じ条件で投げても、日をまたげば異なる結果になり得ます。
測定値は「その時点でそう観測された」以上のことを意味しません。
-
レポートは観測時点のスナップショットです。
将来の状態を予測するものではありません。推移を見るには継続して測る必要があります。
-
同名エンティティの分離は自動化されていません。
自社名が挙がったかどうかの照合は、表記ゆれを吸収したうえでの文字列の部分一致で行っています。
そのため、ブランド名が一般語や他法人の名称と競合する場合、別のエンティティを自社と数えてしまう可能性があります。
該当する場合は、外部ドメインとの照合を人手で行い、結果を補正します。
自動判定の数字をそのまま使いません。
-
回答内容が事実として正しいかは判定していません。
認知の軸が見ているのは「具体的に説明したかどうか」であり、
説明の中身が正確かどうかは別に人手で確認する領域です。
-
同一条件での再測定は、一定期間は前回の結果を返します。
同じ条件での連続実行による負荷を避けるためのキャッシュを持っています。
測り直したい場合は再測定の指定が必要です。
-
順位・効果・到達時期を保証するものではありません。
AI検索での見え方は、当方が制御できない要因を多く含みます。
本ページの記載は2026年9月時点のものです。
当方が提供する分析は、AI検索・検索結果の観測時点のスナップショットにもとづくもので、
AIの回答は各社の非公開アルゴリズムに依存し変動します。個別の効果・順位・到達時期を保証するものではありません。