要点： AI検索は単一のチャネルではありません。4つの主要モデル（Claude、Gemini、Perplexity、OpenAI）全体で1720万件のAI引用を分析した結果、AIによる情報の入手方法に構造的な違いがあることが明らかになりました。「AI可視性」を1つの数値として測定しているなら、真のリスクと機会を見落としている可能性があります。
マーケティングリーダーの視点からすると、「AI検索」を単一のプラットフォーム、または戦略が必要な個別のチャネルというように1つのものとして考えたくなるのは無理もありません。
しかし、実際にはそうではありません。ここでは、それを説明するデータについて説明します。
最新のAI引用レポートで、Yext Researchは2025年第4四半期に4つの主要モデル（Claude、Gemini、Perplexity、OpenAI）全体で1,720万件のAI引用を分析したところ、 各AIモデルは基本的に異なるソースタイプを引用しており、それが一貫して起こっている ことが判明しました。
言い換えると、「AI」を単一のチャネルとして最適化すると、存在しない平均値を最適化することになります。たとえば、ある小売ブランドがすべてのAIプラットフォームで表示されているように見えても、実際はGeminiでは表示される可能性が高い一方、Claudeではほとんど表示されていない可能性があります。それを平均にすると、可視性は安定しているように見えます。ですが実際の露出度は弱く、不均一です。
AIでも従来の検索でも、顧客が利用する あらゆる 場所でブランドの可視性を確保したいなら、「AI」を単なる一項目として扱うのはもはや時代遅れです。
集計報告が危険な理由
ダッシュボードに毎月安定した可視性が示されていたら、安心しますよね？
しかしGeminiの引用は増加していても、Claudeでは低下していたらどうでしょうか？または、OpenAIの回答が全国的に優勢なのに、地域レベルではまったく表示されないとしたら？
モデル固有の引用パターンは、露出にばらつきを生じさせます。そのため、細分化しなければ、経営陣は変動性がある場所に安定性を見出すことになります。これは重要な点です。なぜならAIモデルはウェブを要約するだけではないからです。AIモデルは異なる方法でソースを取得し、重みを付け、引用します。つまり、モデルによって顧客の発見と競争力のある露出は異なります。
「AI可視性」指標を集計することで、モデルレベルと場所レベルの弱点が隠れてしまう可能性があります。数百または数千の拠点を持つ業界では、その変動性はさらに複雑になります。
各モデルの動作の違い
よい知らせは、各AIモデルによる要約と引用方法の相違は測定可能であることです。私たちの調査では、以下が判明しました。
Gemini は、ブランド所有のウェブサイトや構造化されたリスティングなど「完全制御」のソースに大きく依存しています。
Claude は競合他社の2～4倍の割合でユーザー作成コンテンツに依存しており、「限定的制御」の引用が大幅に増加しています。
OpenAI は業界特有の急増を示しています。例えば、ホスピタリティ業界では、38.08%の引用がフルコントロールに該当します。
Perplexity はセクター間で比較的安定しており、情報源の組み合わせにおいても激しい変動はありません。
現実的に述べると、これは企業が行う投資には互換性がないことを意味します。レビューやフォーラムの指標を重視するClaudeでは、評判やサードパーティの信頼性がより重要になります。ファーストパーティの情報源を重視するGeminiでは、企業所有のコンテンツや構造化データがより重要になります。
つまり、「AI最適化」は1つの戦略があればいいのではなく、モデル別に用意する必要があります。
業界ごとの違いを把握する
この断片化を垂直方向から見た場合、何が起こるでしょうか。
（ほとんどが）さらに深まります。
医療分野 においては、モデルは稀な収束を見せ、ソースタイプ間の差は約6ポイントです。これは引用行動がより予測可能であることを示唆しています。
しかし、それとは対照的に 食品・飲料業界 ではかなりの相違があります。Claudeが限定制御の情報源から引き出す引用は24.35%ですが、Geminiは同じカテゴリでわずか2.57%にとどまっています。
さらに、ディレクトリが主流の 銀行・融資業界 を見てみましょう。引用の58.52%は、「部分的制御」、つまりブランドに影響力があるものの完全に所有していないサードパーティのリスティングに該当します。
これらのパターンは無作為ではありません。モデルアーキテクチャと検索ロジックを反映したものであり、ブランドが焦点を置くべき箇所に直接影響を与えます。
CMOが今やり直すべき点
ここでは、各モデルがブランドの情報を理解して引用する実際の方法に適応するために、チームが今日から実行できる確実な手順をご紹介します。
1. AIを単なる1項目として扱うのをやめる。 AI可視性は二元的ではありません。「AI検索」がただ「最適化されている」か「最適化されていないか」に焦点を置くのではなく、
モデル別および場所別に分類して露出度を測定する必要があります。実際に顧客がブランドと出会う方法を反映した報告書を求めてください。
2. 予算をモデルおよび場所のパターンに合わせる。 モデルの違いは話の半分にすぎません。可視性は場所によっても異なり、時には劇的に変化します。レビューを過度に重視するモデルもあれば、ファーストパーティコンテンツを優先するモデルもあります。さらに、これらの優先傾向は市場によっても異なります。
リスティング、所有コンテンツ、評判は、互換性のある投資ではありません。しかし、これらはすべて重要です。包括的なブランド可視性戦略における異なる手段として扱いましょう。
Yext Scoutを使用すると、ブランドは全国平均を超え、場所レベルで引用のパフォーマンスを確認し、可視性が安定している部分、不安定な部分、予算を再割り当てすべき部分を特定できるようになります。
3. 競合ベンチマークを再評価する。 競合他社は1つのモデルでは優位性があっても、別のモデルではまったく存在性がないかもしれません。しかし細分化していなければ、特にハイパーローカルレベルで、実際に勝利を収めている場所を特定することができません。
全国的な「AI可視性」の平均は地域の弱点を隠す可能性があります。
競合調査では、単一の総合スコアではなく、モデルごと、市場ごとの可視性が求めらるようになりました。
4. ランキングから引用シェアに移行する。 従来のSEOは順位を追跡していましたが、AI可視性は引用の頻度と情報源の多様性が重要です。
これには新しいKPIと報告フレームワークが必要となります。（詳細については、最近の「可視性の概要」エピソードでこれらの指標に対する考え方について説明しています）。
5. 断片化を新しい常識として受け止める。 モデル間の断片化は一時的なものではなく、新たな現実です。「AI戦略」は今や「AIエコシステム戦略」を意味します。つまり、モデルの動作、業界の特性、地域ごとのパフォーマンスを考慮に入れた戦略です。
適応するブランドは平均を追いません。自社が引用される場所や理由、その組み合わせに影響を与える方法を理解しようとします。なぜなら、明確さは常に推測に勝るからです。
調査結果の詳細にご興味をお持ちですか？Yext Researchレポートの全文をお読みください。
