戦略・ポジショニングmeasurementガイド初級

AEO施策、効果測定してますか？ — 施策100個やっても測れなければ意味がない

AEO・GEO施策の効果測定が業界全体で欠落している構造的問題を指摘し、統計的に有意な計測に必要な3要素を実験データとともに解説する。

公開日: 2026年6月17日更新日: 2026年7月12日永淵翔大

AEO効果測定AI検索計測設計実験データ

この記事は誰のためか

AEO対策を始めた、あるいはこれから始めようとしている人へ。

コンサル会社から「構造化データを入れましょう」「E-E-A-Tを高めましょう」「FAQ Schemaを追加しましょう」と提案を受けた。言われた通りに施策を実行した。

で、効果はどうだったのか。何で測ったのか。

この質問に答えられないなら、読む意味がある。

業界の不都合な現実

AEO（Answer Engine Optimization）やGEO（Generative Engine Optimization）の記事は増え続けている。施策のTipsは山ほど出てくる。

だが、こういう記事はほとんど見かけない:

「構造化データを追加した結果、AI引用率がX%からY%に変化した」
「E-E-AT改善施策のBefore/Afterデータ。統計的有意差あり」
「10社に同じ施策を実施し、効果があったのは3社。残り7社では変化なし」

理由は単純で、測っていないからだ。

「ChatGPTに聞いてみた」は計測ではない

よくある"効果測定"のパターン:

ChatGPTを開く
「〇〇のおすすめ企業は？」と聞く
自社名が出てきたらスクリーンショットを撮る
「AI検索で引用されました！」と報告する

同じ質問を10回聞いてみればわかるが、回答は毎回変わる。今日出てきた社名が明日も出てくる保証はない。1回の観測で「引用された」と言い切るのは無理がある。

計測されないほうが都合がいい構造

AEO施策を提案する側——コンサル会社、SEOツールベンダー、マーケティングエージェンシー——にとって、効果測定が曖昧なままのほうがビジネスとしては回りやすい。「施策を実行しました」が納品物であり、「効果がありました」を証明する義務がなければ、何でも提案できる。

SEOでも広告でも同じ構造は存在する。計測が曖昧な領域ほどバズワードが増え、施策の数が膨張する。

なぜAEOの効果測定は難しいのか

SEOにはGoogle Search Consoleがある。検索順位・CTR・表示回数が見える。GA4でオーガニック流入とコンバージョンが追える。

AEOにはこれに相当するものがない。

1. AI検索の回答は確率的に変動する

同じ質問をChatGPTに投げても、毎回微妙に異なる回答が返ってくる。引用されるソースも変わる。LLMの性質上、これは避けられない。

1回の観測では何もわからない。統計的に有意な回数を繰り返して、ようやく傾向が見える。

Sightedの自社計測では、109個の質問を各30回、合計3,270回観測した。わかったのは:

同じ質問でも、引用されるソースは観測ごとに変わる
30回中5回引用された（引用率17%）ソースを「引用されている」と呼べるのかどうか、判断基準が要る
質問の聞き方を少し変えるだけで、引用パターンが大きく変わる

スクリーンショット1枚では、この変動は見えない。

2. 「何を質問するか」が定義されていない

SEOでは「キーワード」という共通言語がある。「AEO対策」で1位を取る、という目標は明確だ。

AEOで対応するのは**「質問空間」**——AIに投げられる質問の集合だが、この定義自体が難しい。

「AEOに強い会社は？」
「AI検索の対策ができるツールは？」
「AIに自社を引用してもらう方法は？」

全部違う質問だが、意図は同じ。どの質問で測るかによって結果が変わる。

質問空間を定義せずに「うちはAIに引用されてます」と言うのは、キーワードを定義せずに「うちはSEOが強い」と言うのと同じだ。

3. Before/Afterの比較対照実験が設計されていない

施策の効果を測るには、打つ前と後を比較する必要がある。施策以外の条件も揃えないといけない。

だが現実には:

施策を打つ前のベースラインデータがない（そもそも測ってなかった）
複数の施策を同時に実行して、何が効いたかわからない
AI側のモデル更新やアルゴリズム変更を考慮していない

Sightedの実験では、LPの文言改修前後で同じ33質問 x 同じ観測回数で比較した。結果はAI引用率9.1% → 9.1%。変わらなかった。

「施策が無意味だった」という知見は、計測したから得られた。測っていなければ「改修したので効果があったはず」で終わっていた。

効果測定に最低限必要な3つの要素

1. 質問空間の定義

自社にとって重要な質問を洗い出す。

ブランド指名系: 「〇〇（社名）とは？」「〇〇の評判は？」
業界一般系: 「〇〇業界のおすすめ企業は？」「〇〇の選び方は？」
課題解決系: 「〇〇の方法は？」「〇〇を改善するには？」

まず10-30個の代表的な質問を定義する。SEOでいう「コアキーワードの選定」に相当する。

2. 統計的に有意な観測回数

1つの質問につき20-30回の観測が必要になる。

LLMの回答変動を平均化するため
「30回中15回引用された（50%）」と「30回中2回引用された（7%）」は意味が全く違う
1回の観測では偶然の引用と安定した引用の区別がつかない

10質問 x 30回 = 300回の観測。これが最低ラインだと考えている。

3. Before/Afterの比較設計

施策を打つ前にベースラインを取る。

施策前に質問空間を定義し、全質問を観測する（ベースライン）
施策を1つだけ実行する（変数を1つに絞る）
2-4週間後に同じ質問空間を同じ条件で観測する（比較）
ベースラインとの差分を見る

複数の施策を同時にやると、何が効いたかわからなくなる。

Sightedが自社で学んだこと

Sightedは自社をケーススタディとして、この計測プロセスを回した。うまくいかなかった結果のほうが多い。

業界クエリでの引用率: 0%

「AEOに強い会社は？」「AI検索の対策ができるツールは？」といった業界クエリで、Sightedは一度も引用されなかった。90問 x 3-5回の観測で、業界クエリでの引用率は0%。

ブランド指名（「Sightedとは？」）ではメンション率100%・引用率38%だった。名前を出せば認識されるが、名前を出さないと存在しないのと同じだった。

LP改修は効果なし

「LPの文言を改善すれば引用されるようになるはず」という仮説を立て、GPR実験データに基づいてLP全体を改修した。

Before/After実験の結果: 引用率9.1% → 9.1%。

LPの文言を変えても、AIの引用判断には影響しなかった。

11個の仮説を検証し、9個を否定

「コンテンツ量が足りない」「ドメインオーソリティが低い」「被リンクが足りない」「外部プラットフォームに記事を出すべき」——こうした仮説をデータで1つずつ検証した。

9個は否定された。最終的に残ったのは2つ:

タイトルタグが検索キーワードと一致していない（最も単純で、最も修正コストが低い原因）
Googleへの信頼シグナルが不足している（著者情報・外部リンク・構造化データ）

11個のうち9個が「違った」。計測しなければ11個全部を同時にやって、どれが効いたかわからないまま終わっていた。

まとめ: 施策の前に計測設計

AEO施策をやるなという話ではない。順番の問題だ。

まず質問空間を定義する
ベースラインを計測する
施策を1つ実行する
同じ条件で再計測する
差分を見る

「施策を100個やりました」ではなく「この施策で引用率がX%からY%に変化しました」と言える状態を作る。計測できないものは改善できない。