マーケター向け準備ガイド：LLMに影響を与えて顧客を獲得する方法

要点： LLMに影響を与えることは、今や顧客がブランドを見つけ、選ぶ方法の中心となっています。最初に取り組むべきことは、AIが自社のブランドを回答として提示するようにすることです。そして、その重要性はこれまで以上に高まっています。過去1か月間で成人の42.7%がローカル検索にAIツールを利用しており、年収15万ドル以上の世帯では54.5%がGoogleよりも先にAIで検索を始めています。しかし、影響力は二つのレベルで機能します。ブランドは、まず提示され、次に選ばれ、さらにエージェントが顧客に代わって取引を行う際には、そのブランドに対して実際の行動（予約や購入など）が実行される必要があります。本記事では、そのすべてを実現するためのプレイブック、すなわち基盤となる施策と、エージェント時代に求められる施策を紹介します。

LLMの2つのレベルの影響

LLMに影響を与える最初の仕事は、ブランドを回答として表示させることです。ブランドデータを構造化し、一貫性を保ち、存在感を示します。AIの回答に含まれていないことは、実質的に存在しないのと同じです。

最も重要なのは、「何を目的として影響を与えるのか」という点です。Yext プロダクトマーケティング担当シニアディレクターの Melissa Todisco は次のように述べています。「LLMそのものをコントロールすることはできません。しかし、LLMが情報を探す際にアクセスする可能性が高いエンドポイントは管理できます。そして、そのコンテンツの信頼性や、どのように表示されるかも管理できます。」

LLMに表示されるための決まった方法はなく、表示を保証する直接的なフィードも存在しません。今日と明日で同じ質問をしても、回答が変わることがあります。つまり、働きかける対象はモデル自体ではありません。モデルが信頼する情報源です。新しいのは、ブランドがLLMに「ブランドについて語らせる」だけではなくなったことです。ブランドは、競合よりも自社を選ばせ、さらにブランドと顧客の間にエージェントが介在する場合には、予約や推奨、取引などの行動をブランドに代わって実行するようLLMに影響を与えるようになっています。つまり、影響は1つではなく、2つのレベルで機能します。これはSEOからAEO、そしてGEOへの移行であり、ブランドが最適化すべき対象そのものを変えるものです。

検証済みで一貫性のあるデータ基盤を構築する

基盤となるのは、AIが回答を生成するために「読み取る」あらゆる情報にわたって、ブランドデータが正確かつ一貫していることです。それこそが、LLMが自社ブランドについてどのように回答するかに影響を与える方法です。

LLMが信頼するコンテンツには、評価される3つの特性があります。1つ目は、 新鮮 であること、つまり古いページではなく、頻繁に更新されていることです。2つ目は、 関連性 があり、顧客が実際に求めている内容に合致していることです。3つ目は、ブランドが掲載されているあらゆる場所で情報に 一貫性 があることです。多くのマーケターが見落としがちなのは、この一貫性です。リスティングの内容とWebサイトの内容が一致していなければ、LLMに強いシグナルを送ることはできません。一方で、競合他社が両者の情報を一致させていれば、LLMはどちらを信頼するかを判断します。そして、一貫した情報を提供しているブランドを選びます。

だからこそ、Knowledge Graphが重要なのです。Knowledge Graphは、単にブランドのデータを集約する場所ではありません。AIが引用し、エージェントが行動の基盤とする検証済みの記録です。そして、実際のデータは、この取り組みを適切に実施しているブランドこそが引用されることを示しています。AIによる引用の約79.9%は、依然としてブランド自身が管理するWebサイトやリスティングを参照しています。ただし、この割合は前四半期の88.2%から低下しています。意図的にデータを管理しているブランドこそが、その答えを握っています。さらに検証シグナルを追加することで、その効果は高まります。ブランド公認情報を掲載したページでは、Google Geminiの引用数が9.2%、Bingの引用数が35%、Yahoo!のクリック数が37%増加しました。

AIが読み取るすべての場所に、唯一の情報源を配布する

影響力を4つの別々のデジタルタッチポイント（リスティング、ローカルページ、レビュー、非構造化シグナル）として扱いたくなる気持ちは理解できます。実際には、これらは1つのことを4つの異なる形で表しているにすぎません。LLMが参照するあらゆる場所に、ブランドの検証済みデータを届けましょう。4つの施策を個別に管理する必要はありません。それは1つのシステムです。AIが参照するあらゆるチャネルへ直接配信される、構造化された信頼できる唯一の情報源を中核としています。

なぜ、すべての配信先に展開する必要があるのでしょうか。どの情報源をLLMが信頼するかは、誰にも予測できないからです。Melissaは次のように述べています。「すべてのLLMが同じエンドポイントを優先するわけではありません。」「アルゴリズムは日々変化する可能性があります。業界によっても異なり、プロンプトの種類によっても変わります。」彼女はその仕組みを分かりやすく説明しています。「ミッドタウン・マンハッタンで一番おいしいピザ店はどこですか？」のような、ブランド名を指定しない主観的な質問では、レビューが重視されます。「近くでおすすめのピザチェーンは？」のような「near me（現在地周辺）」検索では、リスティングが重視されます。ブランドに関する質問ではブランドのWebサイトが参照される一方、地域性の高い質問では、実際の商品やサービス情報を掲載した詳細なページが優先されます。AIエンジンごとに重視する情報源は異なるため、1つの情報源だけを最適化しても十分ではありません。

Melissaは次のように述べています。「要するに、店舗への来店につながる可能性が高い質問に答えるコンテンツを、誰が最も早く、最も多く公開できるかという競争なのです。」ブランドは、信頼できる唯一の情報源を基盤とし、アグリゲーターを介さず200以上のチャネルへ直接配信することで、この競争を優位に進めることができます。現在では、その配信先にはYextが所有するAI対応ディレクトリであるLocation.comも含まれます。さらに、LLMとの直接的なパートナーシップも含まれます。これらのタッチポイントは、個別に管理するチェックリストではなく、システムから自動的に展開される成果物となります。そして、それが成果につながります。ネットワーク全体でデータを同期しているブランドは、半径1マイル圏内で平均2.71順位高く表示され、競争が最も激しい市場では最大6.20順位向上しています。複数拠点を展開するブランドにとって、この地域での優位性こそが競争力を左右する重要な要素です。

競合他社と比較してブランド視認性を測定する

コンテンツを「AI対応」にしても、実際に効果があったかどうかを知る方法がなければ、何の意味もありません。ブランドは目に見えないものに影響を与えることはできませんし、メリッサは監視だけではもはや十分ではないと主張しています。

1年前は、自社ブランドがAIの回答に表示されているかどうかを把握することが主な目的でした。現在は、監視するだけでなく、その結果に基づいてAIエージェントを活用し、実際にアクションを実行できる状態を実現することへと重点が移っています。さらに一歩進めることで、一連の取り組みを完結させ、それらのアクションが実際にROIを生み出し、AIにおけるブランド視認性の向上につながったことまで検証できます。

しかし、多くのマーケターが依然として見落としている点が2つあります。1つ目は、ブランドレベルとロケーションレベルの両方でブランド視認性を管理する必要があることです。LLMは、ブランドの評判に関する質問と「near me」検索とでは、参照する情報源が大きく異なるためです。複数拠点を展開するブランドは、この両方の領域に同時に対応しなければなりません。2つ目は、ブランド視認性は自社の過去実績だけでなく、競合他社との比較によって評価する必要があるということです。「マーケターは、これまで以上に変化の激しい市場に影響を与えています。」とメリッサは述べています。「LLMは、自社ブランドだけでなく、競合他社の取り組みも考慮しています。それを考慮しなければ、十分な情報がないまま、周囲の状況を把握できない状態で施策を進めることになります。」

そのために開発されたのが、Yext Scoutです。Yext Scoutは、ChatGPT、Gemini、Perplexity、Claudeを対象に、1,200万以上のロケーションから収集した100億件超のシグナルを基に、スキャンごとに150項目以上のブランド視認性指標を分析し、各ロケーションで最大19社の競合と比較しながら、AIの回答においてブランドが優位に立っている点と改善が必要な点を可視化します。これは、影響を与える取り組みを推測ではなく、ロケーション単位で測定可能な目標へと変える競合インテリジェンスのレイヤーです。メリッサが述べているように、ブランド視認性を高めることは、来店数と市場シェアの拡大につながります。

行動を起こすAIエージェントに備える

「影響力の新たなフロンティアは、LLMに回答させるだけでなく、実際に行動させることです。エージェントは、ブランドを見つけて推奨する段階をすでに超えています。ブランドに対して実際のアクションを実行し始めています。例えば、顧客に代わって来店予約を行ったり、注文を確定したり、商品をカートに追加します。「この1年で最も大きく変わったのは、以前は質問への回答とコンテンツ作成が中心だったということです。」とメリッサは語ります。「現在は、LLMが実際にアクションを実行できるように支援する方法や、さまざまな情報源とどのように連携するかが重要になる時代へと移行しています。」

そうした世界は、急速に現実のものとなっています。MCPやA2Aといったプロトコルにより、AIエージェントがブランドと接続し、タスクを実行するための標準化が進んでいます。また、McKinseyは、2030年までに米国のエージェントコマースによる小売売上高が最大1兆ドルに達すると予測しています。影響力は、もはや推奨にとどまりません。その影響は実際の取引まで及び、AIエージェントがブランドのために実行するアクションの質は、基となるデータの品質によって決まります。

つまり、これからは仕事の範囲が広がります。LLMがブランドについて何を語るかだけでなく、エージェントがその情報をもとにどのように行動するかにも影響を与える必要があります。その鍵となるのは、同じ検証済みの信頼できる唯一の情報源です。「エージェントが適切に動作するには、構造化された信頼できる情報源が必要です」とメリッサは言います。「誤った情報に基づいて、エージェントが誤ったタスクを実行してしまうことは避けなければなりません。」古いデータを参照したエージェントは、存在しない予約枠を確保したり、提供していない価格を案内したり、すでに閉店した店舗へ顧客を案内する可能性があります。Knowledge Graphは、エージェントが判断と実行の基盤とする情報です。Knowledge Graphが正しければ、エージェントも正しく行動します。

影響力は今や一連のプロセス全体に及びます。ブランドを見つけてもらい、選ばれ、その後エージェントが正しく行動するところまでが重要です。そのすべては、AIが参照するあらゆる場所、そしてエージェントがアクセスするあらゆる場所で共有される、同じ検証済みデータに支えられています。

影響力を高めるためのステップバイステップガイド

影響力は段階的に積み重なります。まず取り組むべき基本施策に加え、エージェント時代に必要となる施策は次のとおりです。

1. 情報源でデータを検証する。ブランドが管理する記録にすべての回答が基づくよう、構造化された唯一の情報源である Knowledge Graph を構築します。
2. データを直接配信する。検証済みデータを、中間のアグリゲーターを介さず、Location.comやLLMとの直接連携を含む200以上の情報接点へ配信します。常に最新で、一貫性のある情報を維持する。
3. 検索エンジンごとに最適化する。すべてのAIエンジンを同じものとして扱ってはいけません。それぞれ重視する情報源が異なります。Geminiは約52%をブランドサイト、OpenAIは約36%をリスティング、Perplexityは約51%をウェブサイト、Anthropicは約20%をソーシャルメディアやレビューに依存しています。モデル間で共通する引用元は約5%しかないため、あらゆる情報接点を網羅することが重要です。
4. ブランドが競争で劣勢にある領域を把握する。Scoutを使えば、主要なAIモデル全体で、地域ごとの競合に対するブランドの優位性を把握し、改善すべきポイントを優先順位付きで特定できます。
5. アクションが実行される瞬間に備える。レビューと検証済みデータを充実させ、ブランドが単に言及されるだけでなく、予約や購入など実際の行動に移る場面で選ばれるようにします。
6. 自社LLMを活用する。チームが既に使用しているモデルを、Yext MCP サーバーを介して Scout のデータに直接接続し、チームが自然言語でその可視性を照会し、それに対して行動を起こせるようにします。

インターフェースは変わり続け、モデルも変わっていきます。AIがブランドについて何を言い、何を選び、何をするかに影響を与えることは、いつも同じことにつながります。AIが注目するあらゆる場所で、競合と比較された検証済みの信頼できる情報源です。それを構築すれば、ブランドはLLMが信頼するものになります。