各ローカル市場でAIエンジンがお客様のブランドについてどのように言及しているかを確認する方法

要点： ChatGPT、Gemini、Perplexity、Claudeに直接尋ねることで、AIが自社ブランドについてどのように言及しているかをスポットチェックできますが、数百もの個別の場所がある場合、その戦略は機能しなくなります。ScoutのようなAI検索による可視性を高めるエージェントは、各市場のあらゆる検索エンジンが何を表示しているか、自社の代わりに誰が引用されているか、そして最初に何を修正すべきかを示します。

調査によると、現在、42.7%の人がAIでローカル検索を開始しているため、AIが生成した回答に表示されないということは、ほぼ半数の顧客層に対して存在しないも同然であることになります。

しかし、ChatGPT、Gemini、Perplexity、Claudeに直接尋ねて何が引用されるかを確認することでブランドのAIの可視性を 追跡 しても、あっという間に複雑になります。特に、4つのAIエンジンが推奨事項で一致するのはわずか4%であることを考えると、なおさら複雑です。さらに悪いことに、すべてのモデル、すべての場所についてこの同じ検索を行うことを考えると、人間が管理や拡大を行っていては手に負えなくなります。

ギャップは通常、まず直感として現れます。拠点のマネージャーが、競合他社のほうが推奨されているのではないかと疑問を持ったり、地域リーダーがAI主導のトラフィックが検索トラフィックと一致していないことに気づいたりするのです。しかし、 すべてのエンジンとすべての市場で一度にAI可視性モニタリングを実施する明確な方法は誰も持っていません 。

AI検索におけるブランドの可視性は、ほとんどのマーケティングスタックにおける新たな盲点となっており、複数拠点ブランドにとっては、それを監視するために開発されたツールよりも速いスピードで拡大しています。

複数拠点ブランドにおけるAI可視性追跡の限界

数十、数百、あるいは数千もの拠点 を持つブランドにとって、手動でのAI可視性追跡 はなぜ機能しなくなるのでしょうか？この例を見てみましょう。

4つの主要エンジンすべてを開き、1つの場所についてそれぞれのエンジンに4種類の質問を行います。

• ブランド（事実）（「オースティンの[ブランド]は午後9時まで営業していますか？」）
• 非ブランド（事実）（「オースティンのダウンタウン近くで24時間営業の薬局はどこですか？」）
• 非ブランド（主観的）（「オースティンのダウンタウン近くで最高の薬局はどこですか？」）、および
• ブランド（主観的）（「[ブランド]は近くで最高の薬局ですか？」）。

各回答において、各エンジンが引用している情報源を確認し、自社ブランドのプロパティ（リスティングやローカルページ）から情報を取得しているか、それとも競合他社のプロパティから取得しているかを確認します。

これは確認しておく価値のある点です。しかし、これは また 、計算が合わなくなる点でもあります。1か所の市場で4つのエンジンと4つのクエリタイプを確認すると16回のチェックとなり、翌月に再実行を考慮する前の数値になります。50か所の市場全体では、800回のチェックになります。500か所では、8,000回になります。

ブランドは本社からはAI検索で好調にパフォーマンスを発揮しているように見えても、実際にはある場所はその市場で認識されていないことがあります。しかし、何千回ものチェック項目にわたって調査するのは複雑過ぎて、時間もかかり過ぎます。

事態をさらに複雑にしているのは、質問者や、そのユーザーに関してモデルが有しているコンテキストや記憶によっても回答が変化するという点です。Marriott Bonvoyの履歴があるアカウントからカンファレンスセンター近くのホテルをClaudeに尋ねると、Marriott寄りの回答になり、IHGのアカウントから尋ねると回答が変わります。

AIの回答がローカルな性質を持つ理由の一部はここにあります。モデルがユーザーの現在地を読み取っているのです。また、各エンジンは異なるデータからも情報を取得するため、日常的に回答が一致しません。これが上記の4%という一致率の根本的な原因となっています。手動チェックで把握できるのは、1つのエンジンが特定のユーザーに対して、たった1回提示する回答のみです。

すべての市場を継続的に追跡するには、そのために真に構築されたトラッカー、つまり 真のインテリジェンス を提供するトラッカーが必要です。

真の知能とはどのようなものでしょうか？

AI検索のパフォーマンスに関する、深くて実行可能なインテリジェンスには、深度、幅広さ、そして競合コンテキストの3つが必要です。

深度： 全国平均ではなく、個別のロケーションにまで至る粒度。リーダーは、 どの特定の回答エンジンで、どの特定の競合他社に対して、どの特定の店舗が負けているのか を知る必要があります。

ほんの一例を挙げると、レストランチェーンがChatGPTやGeminiで自社名検索で上位にランクインしていても、「個室のあるカジュアルダイニング」や「近くで最もおすすめのブランチスポット」ではパフォーマンスが振るわない場合があります。そのギャップは、ブランドレベルでは見えてきません。場所レベルであれば、それは明確に可視化されます。

幅広さ： あらゆるAIエンジンに関する情報 — および それらのAIエンジンが回答のソースとして参照する可能性のあるすべてのエンドポイント。（LLMは拠点に基づいた意図の明確なクエリについて、数十の情報源を確認します。その多くはロングテールのディレクトリです。）

競合コンテキスト： 各場所で実際に重要な競合他社と比較して測定されたブランドの指標。 スコアは、実際に存在する競合他社と比較して初めて意味を持ちます。 可視性は相対的なものです。リーダーは、自社の店舗が全国チェーン、地域の競合他社、あるいはその両方に負けているかどうかを把握する必要があります。

AIが自社の代わりにどの競合他社を引用しているかをモニタリング

この具体性を踏まえると、ブランドには 真に 1. 各エンジンにわたるAI検索可視性の追跡、そして、2. ローカルでのアクション実行が必要となります。だからこそ、当社はYext Scoutを開発したのです。

Yext Scoutは、1,200万以上の場所から収集したChatGPT、Gemini、Perplexity、Claude、Google全体にわたる100億件のシグナルを分析し、クチコミ、写真、掲載された属性、スキーママークアップを含む150の指標について、場所ごとに最大19社の競合他社と比較してベンチマークを行います。これは、解析の難しいページよりもAIが信頼するデータの一部となります。

手動によるチェックがトラッキングにおいて機能しない理由については説明しました。しかし、市場にあるほとんどのツールは、ブランド第一のアプローチをとっているために同様の問題に直面します。つまり、ブランドに関する一般的なプロンプトを生成し、どのように表示されるかを確認するだけであるため、 同じ場所レベルの盲点が生じるのです 。

Scoutは代わりに顧客を起点とし、すべての場所、すべてのエンジンで同じ4つのクエリタイプを継続的に実行します。

Scoutの主要な指標が100点満点のスコアではなく勝率である理由がここにあります。市場に現れる特定の競合他社にどれだけの頻度で勝っているかを経時的に追跡するため、リードに影響が出る前にAIの回答における市場シェアの低下を察知することができます。また、Scoutでは視点を切り替えて、同じ市場で競合他社がどのように表示されているかを確認することもできます。

すべて1つのプラットフォームから、見つけたものを優先順位付けされた行動計画に変換し、実行する

ギャップを見つけることは、それを埋めることができて初めて意味を持ちます。何かがおかしいと気づくだけならプラットフォームは必要ないかもしれませんが、1か所ではなく500か所で なぜ 起きているのか、どの変更を最初に行うべきかを把握し、実際にそれらの変更を行って成果を上げるにはプラットフォームが必要です。

その最後の部分が、Yextのアクションセンターの役割です。Scoutがギャップを発見し、アクションセンターがそれを解消します。すべてを同じプラットフォーム上で実行できるため、1つのツールで問題を指摘して修正方法を自分で考える必要がありません。Listings、Reviews、Social、およびKnowledge GraphはすべてYext内にネイティブに存在するため、修正は、影響を受けるあらゆる場所にわたってエンドツーエンドで完了できます。

例えば、競合他社がGoogleビジネスプロフィールの写真を5枚用意しているのに対し、お客様が2枚しか掲載していない場合、Scoutは同等の水準に達するようさらに多くの写真を追加するよう提案するので、リスティングエージェントがその修正を実行できます。1,000か所の場所のうち900か所で基本属性が不足している場合、エージェントが一括で正確に記入できます。競合他社が24時間以内にレビューに回答しているのに対し、お客様が2年間回答していない場合でも、監視と返信を行うエージェントを設定することで、今日から対応を開始できます。

管理の程度は自由に選択できます。公開前にすべての操作をレビューすることも、エージェントを実行してアクションセンターをあらゆる変更履歴のログとして扱うことも可能です。どちらの場合も、作業はScoutのハイパーローカルな競合インテリジェンスを起点として開始されるため、一般的なベンチマークではなく、各場所の実際に近くに存在する競合他社とのギャップを埋めることができます。ベータ版以降、Yextのエージェントはこれらの操作を100万件以上完了し、マーケティングチームに11,000時間以上の時間を還元してきました。修正が適用されると、一部のAI回答は24時間以内に反映されます。

それこそが、単なるスポットチェックと、あらゆる市場でAIの回答機会を継続的に阻んでいる要因を特定し、解消するために構築されたシステムとの違いです。

Scoutスキャンを実行して、AIの回答で自社ブランドが優位に立っている領域、代わりに競合他社が優位に立っている領域、そしてそのギャップを解消するために最初に修正すべき点を正確に確認しましょう。