IABがもたらしたAI可視性の共通言語。ブランドに求められる意思決定への転換

要点： IABがAI可視性測定のための初のフレームワークを公開し、業界に共通の階層構造（プレゼンス、プロミネンス、描写、説得力）と、方向性を示すシグナルと意思決定レベルの測定との明確な境界線を提供しました。ただし、共通語彙の確立は始まりにすぎません。McKinseyの調査によると、AI検索を体系的に追跡しているFortune 500ブランドはわずか16%にとどまり、複数拠点を展開するブランドにとっては、一見健全に見える平均値が市場ごとの劣勢を見落とす原因となる可能性があります。Yextのプロダクトマネジメント担当VPであるJenette Simiskyは、AI可視性トラッキングを実行可能なアクションに変える方法について説明しています：一貫して測定し、Scoutで地域の競合他社と比較してベンチマークを行い、Knowledge Graphを通じてギャップを修正し、再び測定するのです。

---

マーケティングチームは、20年をかけて検索の測定を習得してきました。ランキング、インプレッション、クリック、トラフィック、コンバージョン：誰もが信頼した共通の語彙です。

そして、AI検索がそのすべてを解体しました。

顧客は今や、ChatGPT、Gemini、またはPerplexityに質問し、統合された1つの回答を得て意思決定を行い、自社のウェブサイトを一切訪れない場合もあります。

そのため、マーケターには「そもそも自社が表示されたのか」という困難な疑問が残り、それに答える標準的な方法もありません。長きにわたり、回答は20社以上の異なるベンダーから提供されており、それぞれが独自のやり方でAIの可視性を測定していました。4. McKinseyの調査によると、後れを取っている企業はトラフィックの半分を失うリスクがあるにもかかわらず、AI検索のパフォーマンスを体系的に追跡しているブランドはわずか16%にすぎません。

今月、状況は変わり始めました。IABは、AI駆動型プラットフォームにおけるブランド可視性を測定するための初のフレームワークを発表しました。これは、これまで各自が独自に模索していた分野における共通言語となるものです。これは、AI可視性を「注視すべきもの」から「体系的に測定、管理、改善できるもの」へと進展させる意義深い一歩です。

このフレームワークがブランドに実際どのような変化をもたらし、どこにさらなる課題が残されているのかを紐解くため、日々まさにこの問題に取り組むYextのプロダクトマネジメント担当VPであるJenette Simiskyに話を聞きました。

1. IABは、AIの可視性を測定するための初のフレームワークを公開したばかりです。なぜ今これが重要であり、ブランドにとってどのような問題を解決しているのでしょうか？

IABフレームワークがもたらす最大の意味は、AI可視性が実験的な指標ではなく、真のマーケティング分野になりつつあることを証明している点です。

長年にわたり、ブランドは検索を測定するための比較的確立されたプレイブックを持っていました。ランキング、インプレッション、クリック、トラフィック、コンバージョンがありました。AI検索はそのカスタマージャーニーを根本から変えます。消費者はChatGPT、Gemini、Claude、またはPerplexityに質問をし、回答を得て、意思決定を行い、ウェブサイトを一度も訪れないことがあります。

それは大きな測定ギャップを生み出します。ブランドが知るべきこと：自社は表示されたか？どの程度目立っているか？AIは自社について何と述べているか？競合他社よりも自社を推薦したか？そして重要な点として、その回答に影響を与えるために何ができるでしょうか？

これまで、ベンダーはそれぞれ大きく異なる方法でこうした質問に回答してきました。IABが20社を超えるAI可視性測定プロバイダーを特定し、その手法や結果に一貫性がほとんどないことが、この問題を如実に物語っています。

AIの可視性に関する共通言語を確立することは重要です。マーケターが、単に興味深いデータポイントと、実際のビジネス上の意思決定に活用できるものとを区別するためのフレームワークを得られるためです。

私にとって、それこそが重要な転換です。私たちは「AI検索は注視すべきもの」という段階から、「AI可視性は体系的に測定、管理、改善する必要があるもの」という段階へと移行しています。

2. プレゼンス、プロミネンス、描写、説得力について分かりやすく解説し、これらが4つの独立した指標ではなく階層構造として機能する理由を教えていただけますか？

消費者がAIの回答を実際に体験するプロセスを反映しているため、この階層構造は非常に理にかなっていると考えています。

• プレゼンスとは、「そこに存在しているか」ということです。 ユーザーがAIエンジンに自社のビジネスに関連する質問をしたとき、自社のブランドはそもそも表示されているでしょうか？競合他社と比較して、言及や引用がされているか、またその頻度はどのくらいでしょうか？
• プロミネンスとは、「そこに存在する場合、どこに表示されているか」ということです。 最初の推奨事項になってるか？言及されている複数のブランドの一つか？競合他社が一貫して上位に表示されているか？
• ポートレイアル（描写）とは、「自社がどう語られているか」ということです。 表示されていることが、必ずしもポジティブであるとは限りません。AIが古い情報を使ってブランドを描写したり、ネガティブなテーマを強調したり、単に競合他社をより好意的に取り上げたりする可能性があります。センチメント、正確性、そして文脈のすべてが重要です。
• パースエージョン（説得力）とは、「その回答によって、実際に自社を選びたくなるかどうか」です。 最終的には、可視性が消費者の意思決定に影響を与える必要があります。Iエンジンは単にブランドに言及しているだけでしょうか、それとも積極的に推奨しているでしょうか？

階層構造が重要な理由は、手順をスキップすることができないからです。回答に表示されていない場合、AIを通じて顧客に影響を与えることはできません。そして、競合他社の下に埋もれていたり、否定的に描写されていたりする場合、単に表示されているだけでは十分ではありません。

だからこそ、ブランドは1つの指標にとらわれるのではなく、最終的にはAI可視性をシステムとして捉える必要があると考えます。

3. 方向性を示す測定と意思決定レベルの測定の実用的な違いは何であり、ブランドは自身がどちらを見ているのかをどのように見極めるべきでしょうか？

方向性を示す測定により、どこに注目すべきかが分かります。意思決定レベルの測定により、何をすべきかを判断するのに十分な確信が得られます。

方向性を示すデータは、非常に役立つ場合があります。競合他社よりも表示頻度が低いこと、ブランドに関するセンチメントが変化していること、あるいはAIエンジンによってパフォーマンスが異なって見えていることなどを把握できます。

しかし、予算を配分し直したり、コンテンツ戦略を変更したり、何千ものロケーションで最適化戦略を展開するのであれば、その結論にははるかに高い厳密さが必要です。

そこで、サンプルサイズ、プロンプトの網羅性、地理的条件、テスト頻度、再現性、競合コンテキストといった要素が極めて重要になります。

すべてのマーケターが自社のAI可視性ベンダーに尋ねるべき質問の1つは、「 この数値の根拠には一体何があるのか？ 」ということです。

何個のプロンプトがテストされたか？どのプロンプトか？どのモデルか？どのくらいの頻度か？どのロケーションを対象にするか？プロンプトはブランド検索のものか、それとも非ブランド検索のものか？競合他社はどのように選ばれるか？経時的に結果を再現できるか？

見栄えの良いダッシュボードがあるからといって、必ずしも意思決定レベルのデータが揃っているとは限りません。

4. McKinseyの調査によると、後れを取っている企業はトラフィックの半分を失うリスクがあるにもかかわらず、AI検索のパフォーマンスを体系的に追跡しているブランドはわずか16%にすぎません。なぜこれほどのギャップがあるのでしょうか？

ユーザーの行動変化のスピードが、現在の測定インフラの進化を上回ったからです。

マーケティング組織は、クエリ、検索結果ページ、クリック、ウェブサイトという、予測しやすい従来の検索ジャーニーを中心に何十年もかけてシステムを構築してきました。AIはそのモデルを根本から覆します。今や、回答そのものが最終目的地になりつつあります。

それと同時に、AIの回答は確率論的なものです。似たような質問を2回行っても、異なる回答が返ってくることがあります。結果はモデル、プロンプト、ロケーション、コンテキストによって異なる場合があります。そのため、従来のSEO測定手法をAI検索に適用しても、実際には機能しません。

また実用的な問題として、多くのブランドはどこから始めればよいのか分かっていません。GEO、AEO、AI可視性、プロンプト最適化といった言葉を耳にしてはいるものの、その議論はすぐに抽象的・理論的なものになりがちです。

マーケターに向けてこれをシンプルに整理することにこそ、大きなチャンスがあると考えています。まずは次の3つの質問から始めましょう：

1. 自社のパフォーマンスはどうか？
2. 競合他社と比較するにはどうすればよいですか？
3. 次に何をすればよいですか？

測定が最終的にその3つ目の質問に答える役に立たないのであれば、その価値は限定的なものにとどまります。

5. IABは、方向性を示す測定の主要なユースケースとして競合状況の把握を挙げています。Yextは、現在のAIの回答においてブランドが競合他社に対してどのような立ち位置にあるかを把握できるよう、どのように支援していますか？

これこそが、Scoutが特に差別化されている領域です。

Scoutは単にブランドがAIの回答に表示されたかどうかを伝えるだけではありません。AIと従来の検索の双方で、消費者が実際に目にしている競合他社と比較して可視性をベンチマークし、それをローカルレベルにまで掘り下げて実施します。

そのローカルなコンテキストは、複数拠点を展開するブランドにとって極めて重要です。ボストンの医療機関における競合セットは、別の市場における同じ医療システムの競合セットとはまったく異なる場合があります。金融サービス、飲食店、小売、自動車など、拠点展開を行うあらゆるブランドにも同様のことが言えます。

Scoutはブランド検索クエリと非ブランド検索クエリを網羅し、AI勝率、シェア・オブ・ボイス、順位、引用元と引用数、センチメント、経時的なパフォーマンスといったシグナルを追跡します。ブランド全体から個別の市場やロケーションへとドリルダウンして確認することで、自社がどこで勝ち、どこで負けているのかを正確に把握できます。

そして私たちは、単なる指標の測定にとどまりません。

なぜ 競合他社が優位に立っているのか、その理由を解明し始めることができます。競合他社の方がレビュー数が多いのかもしれません。競合他社のローカルページにスキーママークアップが実装されているのかもしれません。競合他社の構造化データの方がより完全であるのかもしれません。AIエンジンが引用している情報源に、競合他社に関するより質の高い情報や、より一貫性のある情報が含まれているのかもしれません。

それこそが、AIを単にモニタリングすることと、実践的なAI可視性戦略を構築することの違いです。

6. 意思決定レベルの測定が業界の目指す方向であるならば、ブランドをそこへ導くうえでYextはどのような役割を果たし、ブランドはその備えとして何をすべきでしょうか？

意思決定レベルの測定を実現するには、 一貫性、スケール、そして実行可能性 が必要だと考えています。

一貫性が何よりも重要です。AIの回答は本質的に変動するため、時間の経過に伴う意味のある比較を行うには、管理された方法論が必要です。Scoutでは、意図的に一貫した一連の質問を使用し、その測定を繰り返しています。AIの回答も変化している中で質問を常に入れ替えていると、ブランドのパフォーマンスが実際に向上したのか、それとも単に別のものを測定しているだけなのかを把握することは非常に困難になります。

次にスケールが必要です。そしてここで言うスケールとは、必ずしも何千もの異なる質問を投げかけることを意味するわけではありません。つまり、一貫した手法を用いて（ロケーション、AIエンジン、競合他社、時系列にわたって）十分な観測データを生成し、生成AI固有のばらつきから実際の傾向を識別できるようにすることです。

これは、エンタープライズ企業や複数拠点を展開するブランドにとって特に重要です。ブランド全体の平均値は健全に見えても、市場ごとの大きな格差を見落としてしまうおそれがあります。規模を拡大して検証することで、自社が一貫して勝っている領域や負けている領域、代わりに表示されている競合他社、そしてそれらのパターンが時間の経過に伴い実際に変化しているかどうかを把握できるようになります。

そして最後に、測定はアクションにつながるものでなければなりません。 目標は単なるダッシュボードではありません。 何が可視性を高めているのかを理解し、それを向上させるために何ができるかを把握することです。

まさにその点において、Yextは特に優位な立場にあると考えています。Scoutはブランドがどこで優位に立ち、どこで劣勢にあるかを特定でき、Yextはそれらのインサイトを、そもそもAIの回答に影響を与えるデジタルプレゼンスへと結びつけることができます。その機会がビジネス情報、レビュー、ローカルコンテンツ、その他の可視性シグナルに関連するものであれば、ブランドはYextを通じて対策を講じ、再び測定を行うことができます。

結局のところ、それこそが私たちが生み出そうとしているサイクルです。一貫して測定し、大規模に観測し、成果の要因を把握してアクションを実行し、そして再び測定するのです。

7. 他に何か追加したい点はありますか？

ひとつ補足するとすれば、AI可視性は単独で管理すべき独立した新チャネルではないということです。それは、デジタルプレゼンス全体の集大成として表れる結果です。

AIエンジンは、自社のウェブサイト、リスティング、レビュー、SNSコンテンツ、その他多数の情報源から得た情報を統合しています。単一のページをChatGPT向けに最適化しただけで成功を収めたとは言えません。

これが、Yextがこの領域で独自の強みを持つと考える理由でもあります。

Yextは長年にわたり、大規模で複雑なブランドがデジタルエコシステム全体で自社の基礎情報を管理できるよう支援してきました。現在、Scoutはそうしたブランドに対し、その情報がAIや従来の検索でどのように解釈されているか、また競合他社と比較してどうかを把握するためのインテリジェンスレイヤーを提供しています。YextのKnowledge Graphとブランド可視性製品は、得られた知見に基づいてアクションを起こす手段を提供します。

もう1つ強調したい差別化要因は、ローカルインテリジェンスです。

MOに対し「御社のブランドはこれらのプロンプトの37%に表示されました」と提示するツールは数多く存在します。それは興味深いデータです。

しかし、5,000件のロケーションを管理している場合、より価値のある問いは「どこで負けているのか？」ということです。誰に負けているのか？なぜ勝っているのか？最初に何を修正すべきか？そして、それを大規模に行うことはできるか？

それが、Scoutで私たちが取り組んでいる課題です。

IABフレームワークは、この新たな世界を測定するための共通語彙を業界に提供する重要な一歩です。次のステップは、それらの測定結果をマーケターが実際に活用できる具体的なアクションへと変えることです。

私にとって、真にエキサイティングなのはここからです。AI可視性は単に測定可能であるだけでは不十分です。管理可能でなければなりません。

結論

IABフレームワークが重要なのは、これまで20もの異なる語彙が併存していたAI可視性について、業界が共通の言葉で語るための枠組みをついに提供したからです。しかし、共通語彙の確立はスタート地点にすぎず、ゴールではありません。競争をリードするブランドは、最も多くのダッシュボードを抱えているブランドではありません。3つ目の問いである「次に何をすべきか？」に的確に答え、その施策が実際に効果を発揮したことを証明できるブランドです。

それこそが、AIを単にモニタリングすることと、実践的なAI可視性戦略を構築することの違いです。それは管理すべき対象です。一貫して測定し、大規模に観測し、結果をもたらしている要因を理解し、施策を実行し、そして再び測定するのです。このフレームワークにより、何に注目すべきかがわかります。ループを完結させることこそが、見ているだけの数値を、自分の成果に変えるのです。

AI可視性は、測定できるだけでなく、管理可能でなければなりません。Yextがどのようにループの完結を支援しているかをご確認ください。