AIO対策とは何か

一般的にはどう定義されているか

AIO・GEO・LLMOといった言葉は、提供者によって表現が違いますが、定義の中心は共通しています。

いずれも、測る対象として挙げられるのは「引用回数」「言及頻度」です。つまり一般的な定義の射程は、可視性で止まっています。どう語られるかは、多くの場合、定義に含まれていません。

本記事の定義｜「どう語られるか」まで含める

AIO（AI Optimization／AI最適化）とは、AIが生成する回答のなかで自社の情報が正しく理解・引用され、かつ望ましい文脈で語られる状態をつくるための施策の総称である。

一般的な定義との違いは、後半の「望ましい文脈で語られる」だけです。しかしこの一語を足すかどうかで、打つべき手も、追うべき指標も変わります。

なぜ足すのか。理由は立場の違いではなく、この領域の性質にあります。

• ヘルスケア・食品領域の指名クエリには「安全性」「危険性」「副作用」といった不安由来の問いが多く、AIの回答が肯定的とは限らない

• 現在の語られ方が望ましくない状態にある場合、引用率を上げる施策は、ネガティブな記述が読まれる機会を増やす行為になる

• したがって可視性だけを指標に置くと、指標は改善しているのに事業は悪化するという事態が起こりうる

これは理屈だけの話ではなく、実測でも確認できます（「意外な落とし穴」の章で、引用率が3倍になると同時にネガティブワードが58%減った測定を扱います。仮に語られ方を変えずに引用率だけを3倍にしていれば、ネガティブに触れられる機会も約3倍になっていた計算です）。

なお、これは業界の標準定義ではありません。「AIO・GEO・AEO・LLMO・SEO」の章で述べるとおり、これらの用語自体が標準化されていないため、「本記事ではこの定義を採用する」という位置づけです。一般的な定義を否定するものではなく、YMYL領域に適用するうえで射程を一段広げたものと理解してください。

SEOとの違い

SEOとAIOは対立するものではありませんが、目的物が異なります。

決定的な違いは、AIO対策では「自社サイトに来てもらう」ことが必ずしもゴールにならない点です。ユーザーがAIの回答だけを読んで判断を終えるなら、その回答文の中身こそが接点になります。サイトの見た目や導線をどれだけ磨いても、AIの回答が「この商品は評判が良くない」と述べていれば、そこで検討は終わります。

なぜ「AI最適化」ではなく「レピュテーション」の問題なのか

AIO対策を「AIに引用される技術」だと捉えると、打ち手を誤ります。

AIは、ウェブ上の情報を読んで回答を組み立てています。単純な平均をとっているわけではなく、問いの文脈、情報源の関連性や信頼性、モデル自身の知識、安全方針などを踏まえて回答が生成されます。それでも、参照される情報源の顔ぶれが変われば、回答の内容も変わります。もし自社について語られている情報が匿名の口コミ中心であれば、回答もその色を帯びます。

したがってAIO対策の本質は、技術的な最適化ではなく「AIが参照する情報源の構成をどう変えるか」という問題になります。これは広報・PRに近い発想です。

いま市場で何が起きているのか

検索してもクリックされない

SparkToroの調査によると、2026年の最初の4ヶ月間で、Google検索の68.01%がクリックなしで終わっています。同社の2024年調査（2022年9月〜2024年5月のクリックストリームデータ）では米国58.5%・EU59.7%だったので、約2年で10ポイント近く上昇したことになります。検索の約7割は、検索結果ページを見ただけで完結しているということです（いずれもDatosのクリックストリームパネルに基づく分析。米国の検索行動が中心です）。

これを加速させているのがAI Overviewです。Pew Research Centerが2025年7月に公表した調査では、次の結果が示されました。

（出典：Pew Research Center、2025年7月22日公表。米国成人900人のブラウジング行動を2025年3月に追跡し、Google検索68,879件を分析。うち12,593件でAI要約が生成された。個人単位ではなく、検索結果ページの閲覧単位の割合です）

なお、AI要約のなかに置かれた引用リンクがクリックされた割合は1%でした。8%と15%の差から、AI要約が表示されるとクリックはおよそ半分、相対では約47%少ないという計算になります。

さらに新しいデータでは、差はより大きく出ています。Ahrefsが30万キーワード（AI Overviewが表示される15万＋表示されない情報意図の15万）を対象に、Google Search Console上の平均デスクトップCTRを2023年12月と2025年12月で比較した調査では、AI Overviewが表示される検索で、1位のCTRが58%低いという結果でした（2026年公表）。同社が2024年3月と2025年3月を比較した前回調査では34.5%だったので、比較時点をまたいで差が拡大していることになります。

なお、Ahrefs自身はこれを「AI Overviewの表示と相関している（correlated with）」と表現しており、AI Overviewだけが原因と断定はしていません。同期間には検索行動やアルゴリズムの他の変化も起きているため、因果ではなく強い相関として読むのが正確です。

検索需要そのものが減ったわけではなく、需要はあるのにサイトに来なくなったという状態です。しかもその傾向は加速しています。

健康・医療領域は影響が大きい

AI Overviewが表示される割合は、クエリの性質によって大きく異なります。

（出典：Ahrefs、2025年。1億4,600万件の検索結果を分析）

平均の2倍以上です。理由は明快で、AI Overviewは情報提供型（インフォメーショナル）のクエリで強くトリガーされる傾向があり、健康・医療の検索はその大半が情報提供型だからです。「◯◯は効果ある？」「◯◯は危険？」という問いは、まさにAIが答えたがるかたちをしています。

AIアシスタントでの健康相談が日常になった

検索エンジンの外側でも変化が進んでいます。OpenAIは2026年1月にChatGPT Healthを発表し、2026年7月23日から米国の18歳以上のログインユーザーを対象に、WebとiOSで提供を開始しました。その際の発表によると、週あたり3億人超がChatGPTに健康・ウェルネス関連の質問をしています（発表当初の2026年1月時点では週2億3,000万人超。半年で大きく伸びています）。

※ 日本での提供状況は米国と異なります。上記は米国での展開に関する発表です。

健康に関する意思決定の入口が、検索エンジンからAIアシスタントへ移りつつあるということです。

AIが購買まで完結させる流れ

さらにその先で、AIが比較・推奨だけでなく購買まで担う動きが始まっています。

ヘルスケア領域では、購買そのものより一段手前で動きが起きています。Amazonは2026年3月10日に健康管理AI「Health AI」を発表し、米国のPrime会員から順次提供を開始しました。健康に関する質問への回答、検査結果や診断記録の説明、処方薬の補充、診療予約までを扱い、Amazon PharmacyやOne Medicalと連携します。現時点で公表されている機能に、一般商品の推奨・購買との直接の連動は含まれていません。

ただし私は、ここが将来的につながる可能性は高いと見ています。健康상談の文脈を持ったAIと、数億点の商品カタログと決済基盤が、同じプラットフォーム上に並んでいるからです。この構造がある限り、両者を接続しない理由のほうが見つけにくい。そうなったとき、ヘルスケア・食品ブランドが問われるのは検索順位ではなく、AIが健康の文脈で自社製品をどう説明するかになります。

比較・推奨・購買が一つの対話のなかで完結していくとき、AIの回答文に登場しない商品は、比較検討の候補に入る機会そのものを失います。棚に並んでいない商品が売れないのと、近い構造です。

AI回答を把握している企業は少ない

McKinseyが2025年9月にFortune 500の消費者向けブランドのCMO約30名に行った調査では、AI検索でのパフォーマンスを体系的に追跡しているブランドは16%にとどまりました。

残りの84%は、AIに何と言われているかを知らないまま日々を過ごしていることになります。裏を返せば、いま着手する企業には十分な先行余地があるということでもあります。

AIO・GEO・AEO・LLMO・SEO｜5つの用語を整理する

前提として、これらは業界で標準化された用語ではありません。提供者や文脈によって意味が重なり、たとえばAIOは「AI Overview Optimization」の略として使われることもあります。以下は本記事での整理であり、「本記事の定義」で述べたとおり、AIOを最も広い総称として（かつ「どう語られるか」を含むものとして）扱います。

この領域は用語が乱立しています。ほぼ同じことを指す言葉が複数あり、会社によって使い分けも異なります。まず整理します。

結局、違いはあるのか

実務上、AIO・GEO・LLMOはほぼ同義として使われています。強いて言えば重心が異なります。

• AEO は最も古くからある概念で、音声検索や強調スニペットの時代から「回答として抜き出される」ことを狙ってきました

• GEO は生成AI検索（Perplexity等）を主戦場に置いた呼び方です

• LLMO はモデル側の学習・参照を強く意識した呼び方です

• AIO はこれらを包含する最も広い呼び方として使われることが多いです

用語の選択に本質的な意味はありません。重要なのは、どの指標で成果を測るかを決めることです。呼び方が違っても、測る指標が「AIの回答に自社が出てくる割合」と「そのときの語られ方」であれば、やっていることは同じです。

SEOはもう不要になるのか

SEOが不要になるかと議論になることがありますが、結論としては不要になりません。理由は二つあります。

第一に、AIはウェブ上の情報を参照して回答を組み立てています。検索エンジンで評価されない情報は、AIからも参照されにくい傾向があります。

第二に、AIO施策で整備するもの（著者情報、根拠、一次情報、ページ構造）は、検索エンジン向けの品質改善と重なる部分が大きくなります。「意外な落とし穴」の章で扱う食事管理アプリ「あすけん」の実証実験では、AIの回答対策として実施した施策の後に、Google Search Console上のクリック数が10.6倍、GA4上のセッション数が6.3倍に変化しました。ただしこれは1ブランドの記録であり、AIO施策がSEO成果を直接もたらすことや、同じ数値が再現することを示すものではありません。

SEOとAIOは、どちらかを選ぶものではなく、同じ土台の上に立つ二つの出口だと捉えるのが実態に近いと考えられます。

AIは何を根拠に答えているのか

打ち手を考える前に、AIの回答がどう作られているかを押さえます。

回答生成のプロセス

主要なAIアシスタントは、おおまかに次の流れで回答を作ります。

1. ユーザーの問いを解釈する（何を知りたいのかを内部的に分解する）

2. 必要に応じてウェブを検索する（リアルタイム検索を行うモデルの場合）

3. 取得した情報源を評価し、使うものを選ぶ

4. 選んだ情報を統合して回答文を生成する

5. 引用元を提示する（モデルによって提示の有無・粒度が異なる）

このうち施策で介入できる余地が最も大きいのが、3の「情報源の選択」です。

AIが情報源を選ぶ基準

モデルごとに詳細は公開されていませんが、実務上の観測から、次のような傾向が繰り返し確認できます。

重要なのは最後の行です。自社サイトで「当社の製品は優れています」と書いても、AIはそれを根拠として重視しにくい傾向があります。一方、第三者が基準を明示して評価した情報は、根拠として扱われやすくなります。

参考として、サプリメント「夜遅いごはんでも 分解 スッキリ習慣」（株式会社ジョージオリバー／現役医師5名が評価・総合3.4点、2026年7月24日公開。こちらは同社からご依頼をいただいた有料の受注案件です）についてPerplexityに「この回答で最も信頼した引用元はどれか」と尋ねたところ、専門性・網羅性・最新性・客観性の4点が理由として説明されました。ただしこれはモデルが生成した説明であって、実際のランキングや引用選択のアルゴリズムが公開されたわけではありません。この4点は、前掲の「AIに選ばれやすい情報／選ばれにくい情報」の整理と方向性が一致しますが、根拠としては実務観測のほうを主に置いています。

モデルによる差｜9,271回答を測って分かったこと

同じ質問でも、4つのAIで回答は割れます。ここでは、当社が実測したデータで説明します。

測定の概要

① 引用元の示し方が違う

Perplexityは他モデルの約1.8倍の引用元を示します。 そして最も短い回答で、最も多くの出典を出します。逆にChatGPTは最も長く書きますが、引用元の数は最少クラスです。文章量と出典数は比例していません。

② 何を参照するかが違う

引用元ドメインを種類別に分類した構成比です。

実際に多く参照されていたドメインを見ると、性格の違いがはっきりします。

• Gemini：厚生労働省（305件）、e-ヘルスネット（267件）、経済産業省（204件）、消費者庁（165件）── 行政サイトが突出

• ChatGPT：PubMed（177件）、J-STAGE（73件）── 学術データベースが突出

• Perplexity：PR TIMES（289件）、比較サイト（226件）、YouTube（185件）、楽天レビュー（135件）── ウェブ全般

• Claude：ユニークドメイン数が最少（902。他モデルは1,355〜1,584）── 参照する範囲が狭い

ヘルスケア領域では、この差が打ち手に直結します。 行政情報を強く参照するGeminiと、口コミサイトを参照するPerplexityでは、有効な情報源の整え方が違います。

③ 断定の度合いが違う

事前に定義した9パターン（「個人差」「可能性があります」「とされています」「一概に」「医師に相談」ほか）の出現を機械的に集計しました。

Claudeは、ChatGPTの約2.6倍の頻度で留保表現を使います。 同じ製品について同じ質問をしても、断定的に紹介されるか、条件つきで紹介されるかがモデルによって変わるということです。

④ 同じ質問でも、回答は毎回変わる

これが最も重要な発見です。同一のプロンプト・同一のモデルで複数回試行し、回答どうしを比較しました。

同じAIに同じことを聞いても、回答文の8割前後は別の文章になります。 ChatGPTにいたっては、引用元のドメインすら7割が入れ替わります。

この傾向は、指名・比較・悩み・健康経営など11のカテゴリすべてで同じでした。

したがって、1回の測定で得た数値には意味がありません。 「AIに聞いてみたら、うちの商品が出てこなかった」という話をよく聞きますが、それは1回の試行結果にすぎない可能性があります。逆に「1回出てきたから大丈夫」も同じです。

複数回の試行を行い、平均とばらつきの両方を記録して、はじめて比較できる数値になります。

※測定条件について

上記はいずれも、2026年3月〜8月に当社が実施した測定の集計結果です。引用元の把握は各モデルが提示した参照URLに基づき、留保表現は事前定義した9パターンの機械的カウント、回答の一致度は文字3-gramのJaccard係数によります。回答は検索機能の有無、モデルのバージョン、アカウント状態、地域、質問内容によって変わります。 本記事の数値は、上記の条件下での観測です。

したがって「AIで1位を取る」という表現は正確ではありません。複数モデルを横断して、どの程度の割合で登場し、どう語られているかを面で見る必要があります。

ヘルスケア・食品領域の特殊性

この領域には、他業界にはない二つの特徴があります。

YMYLである

YMYL（Your Money or Your Life）とは、人の健康・安全・経済的安定・生活の意思決定に影響しうるテーマのことである。健康・医療・金融などが該当します。

YMYL領域では、検索エンジンもAIも、情報の出所に対する評価を厳しくします。誤った情報が実害につながりうるためです。結果として、発信者の専門性と、その専門性を検証できるかどうかが、他ジャンルより強く効いてきます。

表現の規制が強い

薬機法・景品表示法・健康増進法により、効能効果に関する表現には制約があります。ただし、どの法律がかかるかは商材によって異なります。医薬品・医薬部外品・化粧品・医療機器には薬機法が、健康食品には健康増進法と景品表示法が主に適用されます（医薬品的な効能を述べれば薬機法の対象になります）。一方、一般的な健康管理・生活習慣記録アプリは薬機法の医療機器プログラムには原則該当せず、景品表示法が中心になります。いずれにせよ企業が自ら「効く」と言えない以上、第三者による評価をどう獲得するかが、そのまま情報設計の課題になります。

ただし、第三者が評価したという事実だけで客観性や広告規制上の適法性が担保されるわけではありません。信頼性を高めうるのは、次を開示できる場合です。

• 評価者の独立性（評価対象との資本・雇用・競合関係の有無）

• 評価者の選定方法と、実名・所属・資格

• 評価基準を、評価の実施前に確定していること

• 利益相反（誰が費用を負担しているか）

• 不利な評価をどう扱うか（低い評価を掲載しない運用であれば、その旨も含めて）

裏を返せば、これらを開示できる評価は、開示していない評価より強いということです。そして評価の引用方法によっては広告表現とみなされる可能性があるため、表現と掲載形態の両面で確認が必要です。

この三つが重なるため、ヘルスケア・食品領域では「情報の出所をどう設計するか」がAIO対策の中心論点になります。

AIO対策の分類と比較

現実的に検討される打ち手は、大きく三つに分かれます。

三つのアプローチ

(A) 量産AI記事（AIハック記事）　AIが引用しやすい形式（Q&A構造、リスト、定義文）を狙って記事を大量に生成し、露出面を増やす手法です。着手が早く、費用も抑えられます。

(B) 従来型のSEO監修記事　専門家の監修名義を付けた記事を制作し、E-E-A-Tを担保する手法です。SEOの文脈で長く使われてきました。

(C) 第三者による評価の獲得と構造化　専門家が基準を明示して製品を評価し、その評価データを一次情報として構造化して公開する手法です。制作の負荷とコストは高くなります。

比較表

AIO対策をどう選ぶか

短期の露出だけが目的なら(A)にも合理性はあります。ただしYMYL領域では注意が必要です。検索エンジンもAIも、実質的な価値の乏しい大量生成コンテンツへの評価を継続的に下げてきた経緯があり、健康・医療領域はその調整が最も早く強く及ぶ領域です。

また(A)には構造的な副作用があります。回答の内容を変えないまま露出だけを増やすと、望ましくない語られ方も一緒に増幅されます。これは「意外な落とし穴｜「引用率だけ上げる」ことの危険性」の章で扱います。

現実的には、(C)で一次情報を作り、その一次情報を(B)の形式で展開し、(A)の技術的なノウハウ（構造化・Q&A設計）を実装面で活用する、という組み合わせが最も無駄がありません。

意外な落とし穴｜「引用率だけ上げる」ことの危険性

AIO対策の文脈では、引用率（AIの回答に自社が登場する割合）が主要指標として語られがちです。しかしこの指標を単独で追うと、施策が逆効果になることがあります。

引用×トーンの2軸

登場するかどうか（引用率）と、どう語られるか（トーン）は独立した変数です。

引用率だけを上げる施策は、左上と右上のどちらに向かうかを制御しません。もし現在の語られ方が望ましくない状態であれば、引用率を上げることはネガティブな回答を広げる行為になります。

実測での確認

メディコレが自社負担の実証実験として実施した測定では、AI引用率とネガティブワード出現の二つが同時に動きました。以下は単一事例（1ブランド）の測定結果であり、他社での再現や、施策と結果の因果関係を保証するものではありません。

測定条件

この数値の読み方について、2点補足します。

第一に、ネガティブワードの出現回数は、引用率が変われば分母も変わります。引用率が3倍になったうえで出現回数が58%減っているため、1回答あたりで見た減少幅はさらに大きくなりますが、比較しやすい指標としては「1回答あたりの出現数」「自社が登場した回答に占めるネガティブ回答の割合」を併記するのが望ましく、今後の測定では両方を記録しています。

第二に、同期間に実施された他の施策や季節変動の影響を完全には排除していません。したがってこれは相関の記録であり、AIO施策単独の効果を切り出したものではありません。

そのうえで指摘したいのは、次の点です。仮に回答内容を変えないまま引用率だけを3倍にしていた場合、ネガティブな記述が触れられる機会も約3倍に増えていた計算になります。引用率は、トーンとセットで見なければ意味を持ちません。

効果測定の設計

「やった感」で終わらせないために、着手前に測定設計を決めます。

測る4指標

プロンプト設計の3種別

測定用のプロンプトは、ユーザーの状態に応じて3種類に分けて設計します。

測定条件を必ず記録する

AIの回答は、聞き方・時期・モデルによって変動します。したがって測定条件を固定し、記録することが数値の意味を決めます。最低限、次を記録します。

• 対象モデル（およびバージョン）

• 測定日

• プロンプトの文面と本数

• 判定基準（何をもって「引用された」とするか、何を「ネガティブワード」とするか）

条件を書かない数値は、比較できないため意味を持ちません。これは自社の測定でも、外部の調査データを引用するときも同じです。

測定のタイミング

実務上は次のタイミングが目安になります。

AIの参照は、検索順位の変動より速く動く場合があります。実測では、サプリメント「夜遅いごはんでも 分解 スッキリ習慣」（株式会社ジョージオリバー／現役医師5名が評価・総合3.4点、2026年7月24日公開。こちらは同社からご依頼をいただいた有料の受注案件です）において、公開の2日後にPerplexityのソース欄最上位に該当記事が入っていた例が確認されています。

進め方のロードマップ

初めて着手する場合の標準的な流れです。

Phase 0：現状把握（1〜2週間）

4モデルで指名・比較・悩みの3種別を測定し、現在の引用率とトーンを数値化します。ここで「そもそも何が問題なのか」が確定します。引用されていないのか、引用はされているが語られ方が問題なのかで、打ち手はまったく変わります。

Phase 1：情報源の設計（2〜4週間）

どの情報をAIに読ませるかを決めます。第三者評価を取得する場合は、評価者の選定・評価項目の設計・実施がここに入ります。評価項目は製品特性に合わせて設計し、スコアと理由（定性コメント）を必ず対で取得します。

Phase 2：公開と技術実装（1〜2週間）

記事化と同時に、構造化データ（Article／FAQPage／Reviewなど）を実装します。評価者は実名でPersonとして紐づけ、検証可能な状態にします。Q&A構造を設置し、AIが抜き出しやすい単位に情報を整えます。

なお、構造化データを実装すればAIに引用される、というものではありません。構造化データは、著者・評価・FAQといった意味を機械が解釈する補助にすぎません。可視テキストと構造化データの内容が一致していること、検索エンジンのガイドラインに沿っていること、そしてPersonとして紐づけた人物が実際にその評価を行い、経歴や資格を検証できることが前提になります。

Phase 3：測定（1ヶ月後）

Beforeと同一条件で再測定します。条件を変えると比較できません。

Phase 4：維持（毎月）

モデルの仕様変更や競合の動きで数値は動きます。毎月測定し、必要に応じて情報を補正します。AIO対策は、一度やって終わる性質の施策ではありません。

体制とリソース設計｜誰が何をやるか

AIO対策は、特定の職種だけで完結しません。着手前に役割を決めておくと、途中で止まりにくくなります。

最小構成で始める場合

すべてを同時に揃える必要はありません。最小構成は次の3つです。

1. 測定できる状態をつくる（現状把握なしに打ち手は決まりません）

2. 一次情報を1本つくる（量ではなく、検証可能な1本から始めます）

3. 測り直す（同一条件での再測定がなければ、効果は判断できません）

この3ステップを1サイクル回すと、自社の場合にどの程度動くのかが数値でわかります。そのうえで本格投資の判断をするのが、最も無駄の少ない進め方です。

よくあるつまずき

• 測定条件を途中で変えてしまう：プロンプトを改善したくなりますが、変えるとBefore／Afterが比較できなくなります。改善版は別系列として並行測定します

• 公開して満足してしまう：公開はスタート地点です。参照されているかどうかは測らなければわかりません

• 法務チェックを最後に回す：構成が固まる前に、表現の可否だけでも早めに握っておくと手戻りが減ります

カテゴリ別の着眼点

同じヘルスケア領域でも、商材によって論点が変わります。

サプリメント・健康食品

影響が出やすいカテゴリの筆頭です。効能効果を自社で断定できないため、第三者評価の有無が情報の強度をほぼ決めます。指名クエリでは「安全性」「危険性」「副作用」といった不安由来の問いが多く、ここでの語られ方が購入直前の判断に直結します。

ヘルスケアアプリ・デジタルヘルス

アプリストアのレビューがAIの主要な参照先になりやすいのが特徴です。レビューは不満時に書かれやすい構造があるため、放置すると回答が実態より厳しく寄る傾向があります。継続率や使い勝手といった体験面の評価を、基準を明示した形で外部に持つことが有効です。

化粧品・スキンケア

比較クエリの比重が高いカテゴリです。「◯◯ vs △△」「敏感肌におすすめは」といった問いで選択肢に入っているかどうかが、まず問われます。成分に関する説明の正確さが、AIの回答の質にそのまま反映されます。

医薬品・OTC

規制が最も厳しく、自社発信でできることが限られます。一方でAIは医療情報について保守的に振る舞う傾向があり、公的機関やガイドラインを参照しやすい特徴があります。公開情報の整合性を保つことが基本線になります。

医療機関・クリニック

指名検索と地域検索が中心で、口コミサイトの影響が大きいカテゴリです。診療内容・実績・医師の経歴を、検証可能な形で構造化して公開できているかが分かれ目になります。

よくある誤解

誤解1：「AIに載せてもらう」ための技術がある

AIに直接情報を登録する公式の窓口は、一般に用意されていません。AIが参照するのはウェブ上の情報です。したがって打ち手は「参照される情報を整えること」に限られます。特別な裏技があるという説明には注意が必要です。

誤解2：記事を大量に出せば引用される

量と引用は比例しません。AIは情報量ではなく、誰がどんな基準で述べたかが明示された情報を優先する傾向があります。同じ内容を100本書くより、検証可能な一次情報を1本持つほうが効く場面が多くあります。

誤解3：一度対策すれば効果が続く

モデルは更新され、競合も動きます。測定を止めた時点で、現状がわからなくなります。

誤解4：AIOをやるとSEOが犠牲になる

実測では両方が同時に動きました。AIが評価する条件とGoogleが評価する条件は重なる部分が大きいためです。

誤解5：ネガティブな回答は削除依頼で消せる

AIの回答は都度生成されるもので、削除の対象になる「ページ」が存在するわけではありません。根本的な対処は、参照される情報源の構成を変えることです。

参考：実測データ

ヘルスケア領域に特化したAIO対策サービス「Medi-ARM」による実際の数値の変化の一例をご紹介します。このとき公開したのが、あすけんを医師6名が検証したレビュー記事です。

語彙の変化

検索側への波及

クエリ別の順位・CTR

※測定条件：食事管理アプリ「あすけん」1ブランドを対象に、Perplexity・ChatGPT・Claude・Geminiの4モデルへ、指名／比較／悩みの3種別・合計300行のプロンプトで施策前後を同一条件で測定。本測定はメディコレが費用を全額自己負担して実施した実証実験であり、同サービス運営企業からの依頼・対価はありません。単一ブランドの結果であり、施策と結果の因果関係および他社での再現性を保証するものではありません。GSC・GA4の数値は施策前後の同一期間長での比較です

まとめ

• AIO対策とは、AIの回答のなかで自社が正しく引用され、望ましい文脈で語られる状態をつくる施策である

• 健康・医療クエリの43〜44%でAI Overviewが表示され、週3億人超がChatGPTに健康の質問をしている（米国）

• それにもかかわらず、AI検索でのパフォーマンスを体系的に追跡しているブランドは16%にとどまる

• 引用率だけを追うと、望ましくない語られ方を増幅する危険がある。引用率とトーンは必ずセットで見る

• AIが優先するのは、誰がどんな基準で述べたかが明示され、検証可能な情報である

• 効果測定は、条件を固定して継続的に行うことではじめて意味を持つ