LLMO対策の効果測定で追うべき指標とGA4の計測手順！数字がぶれない観測方法を解説

同じ質問を1週間おきにChatGPTへ投げると、回答に挙がる会社名が入れ替わります。3回聞いて2回名前が出れば言及率は67%、翌週に1回なら33%です。

数字は動いていますが、この差がLLMO対策の成果なのかは判断できません。効果測定が止まる最初の壁は、出てきた数字を信じてよいか分からないことにあります。

疑うべきは施策より先に、測り方のほうです。ログイン状態、地域、実行時刻、モデルの選択——生成AIの回答を左右する条件が毎回違うまま数えれば、数字はぶれます。

株式会社GrillがAI検索まわりで受ける相談でも、KPIの一覧はあるのに次の打ち手を決められない段階でつまずくケースが目立ちます。

LLMOの効果測定は、施策を打った後よりも打つ前に設計するほど精度が上がります。観測条件の固定から、露出・回答内容・事業成果の3層で指標を置く方法、GA4とSearch Consoleでの計測手順、ツールの選び方、月あたりの工数、経営層へのレポートの型までを順に解説しています。

第1章 LLMOの効果測定は「指標選び」の前に観測条件をそろえる｜数字がぶれる5つの原因

LLMOの効果測定で最初に決めるのは、KPIでもツールでもなく「どういう状態で聞くか」です。AI検索の回答がぶれる原因はAI側の仕組みと観測側の条件差に分かれ、後者は固定できます。

1-1. ログイン状態・チャット履歴・メモリで回答が変わる｜アカウント条件の固定方法

OpenAIの公式ヘルプによれば、ChatGPTのメモリ機能は過去のやり取りを以降の回答に反映します。自社を何度も調べたアカウントで言及を確認すれば、一般の利用者より自社名が出やすい状態で数えていることになります。

株式会社Grillの運用経験上、担当者の個人アカウントで観測していた企業ほど言及率が実態より高く出る傾向があります。ログアウト状態で聞く、メモリをオフにする、1問1チャットにするの3点を固定してください。

1-2. 地域・言語・実行時刻でずれるAI回答｜観測環境でそろえる3つの設定

株式会社Grillの運用経験上、生成AIの回答は接続元の地域によって挙がる企業が変わります。業界で広く指摘されている傾向として、AI Overviewsの表示内容にも地域差が出ます。観測環境では接続する地域・言語設定・実行する時間帯の3つを決め、担当者が複数いる場合は共有ルールにします。

1-3. モデルとモードは別物として数える｜ChatGPT・Gemini・AIモードの記録単位

OpenAIの公式ヘルプによれば、ChatGPTでは用途に応じて複数のモデルを選べます。株式会社Grillの運用経験上、モデルやWeb検索の有無が違うと引用の付き方も変わるため、記録は「AI名 × モデル名 × モード」を1単位にします。

ChatGPTのWeb検索あり、Geminiの通常回答、GoogleのAIモード、AI Overviewsは別の行で管理してください。用語の整理は「LLMOとAIOの違い」で解説した使い分けが参考になります。

1-4. 観測条件シートに書く8項目｜LLMOの効果測定を再現できる形にする

観測条件は口頭ルールではなく、シートに残します。担当者が変わっても同じ条件で測れることが、効果測定を継続する前提です。

#	項目	記載例
1	AI名	ChatGPT
2	モデル名	標準モデル
3	モード	Web検索あり
4	ログイン有無	ログアウト状態
5	メモリ設定	オフ
6	地域・言語	日本／日本語
7	実行時刻帯	毎月第1営業日 10〜12時
8	試行回数	1プロンプトあたり3回

株式会社Grillの支援現場では、この8項目を計測の最小記録単位として扱っています。条件変更の有無を先に確認できると、原因の切り分けが速くなります。

第2章 何回聞けば「率」として使えるのか｜LLMO効果測定のサンプル設計

観測条件を固定しても、聞く回数と質問の数が足りなければ数字は率になりません。試行回数とプロンプト件数を決め、言及率を指標として扱える状態にします。

2-1. 1回の確認は測定にならない｜試行回数と言及率の関係を数字で押さえる

「ChatGPTで聞いたら自社が出た」は効果測定ではなく1回の観察です。生成AIの回答は同じ質問でも揺れるため、1つのプロンプトにつき複数回聞き、言及や引用が出た回数を分子にします。

株式会社Grillの運用経験上、1プロンプトあたり3回を基準にし、判断が割れるプロンプトだけ5回に増やす運用が現実的です。

2-2. プロンプトは何件必要か｜指名・比較・課題解決の3型に配分する考え方

プロンプトは数だけでなく型を分けて配分します。同じ型ばかり並べると、言及率が高く出ても購買行動と結びつきません。

• 指名型： 「株式会社◯◯はどんな会社ですか」——正しく認識されているかを見る
• 比較型： 「◯◯業界の会社を比較して」——競合と並んだときの位置を見る
• 課題解決型： 「◯◯で困っているがどうすればよいか」——指名なしで想起されるかを見る

配分の目安は指名型2割・比較型3割・課題解決型5割です。

2-3. 誤差と変化を見分ける簡易ルール｜「動いた」と判断してよい幅

判断の幅を決めておくと、数字が動くたびの議論を避けられます。株式会社Grillの支援では、言及率が前月比10ポイント未満なら「様子見」、10ポイント以上なら「原因を調べる」という線引きを使っています。ただし試行回数とプロンプト件数がそろっていなければ、この基準は意味を持ちません。

第3章 LLMOの効果測定で追う指標は3層に分ける｜露出・回答内容・事業成果

観測の枠組みが決まったら、ここで初めて指標を定義します。よくある失敗は、性質の違うKPIを1つの表に並べて同じ目標値で管理することです。

3-1. 露出層の指標｜言及率・引用率・Share of Voiceの定義と計算式

露出層は「AIの回答に出てくるか」を数える層で、3つの指標を使い分けます。

指標	定義	計算式
言及率	自社名が回答に登場した割合	登場した試行数 ÷ 全試行数
引用率	自社サイトが出典リンクとして示された割合	出典に出た試行数 ÷ 全試行数
Share of Voice	競合を含めた登場回数のうち自社が占める割合	自社の登場回数 ÷ 全社の登場回数合計

言及と引用は別物です。名前だけ挙がってリンクが付かない状態は言及率だけが上がり、流入にはつながりません。

3-2. 回答内容層の指標｜推奨順位・言及の文脈・誤情報の有無で回答の質を測る

出ているかどうかだけではLLMO対策の質は測れません。どう出ているかを見る層が必要です。

• 推奨順位： 複数社が挙がる回答の中で自社が何番目に書かれているか
• 言及の文脈： 推奨として挙がったのか、比較対象や注意点として挙がったのか
• 情報の正確さ： 事業内容・料金・所在地に誤りがないか

生成AIが古い情報を参照していれば、引用が増えるほど不利になります。

回答に載る情報を機械が読み取れる形に整えるなら、「SEOの構造化データ｜JSON-LD実装手順とリッチリザルト対策」で実装手順を確認しておくと、表記のばらつきを技術面から抑えられます。

3-3. 事業成果層の指標｜AI経由セッション・指名検索・商談への接続

3層目は事業側の指標です。ここが動かなければ、引用が増えても投資判断は通りません。

• AI経由のセッション数： GA4のチャネルで切り出した流入
• 指名検索の件数： Search Consoleで自社名クエリの表示回数・クリック数を追う
• 問い合わせ・商談： AI経由流入からのコンバージョン数

3-4. 3層を1行で追える記録の作り方｜観測条件と指標を同じ行に置く

3層を別々の表で管理すると、原因の切り分けで毎回突き合わせが必要になります。観測条件と3層の指標を同じ行に並べておけば、1行で状況が読めます。

列	内容
観測条件	AI名／モデル／モード（第1章の8項目に紐づく）
プロンプト	質問文と型（指名・比較・課題解決）
露出層	言及率・引用率・Share of Voice
回答内容層	推奨順位・文脈・誤情報の有無
事業成果層	AI経由セッション・指名検索・問い合わせ

第4章 測れるAI流入と測れないAI流入｜LLMO効果測定で押さえる4つの境界線

指標を決めたら、次は計測できる範囲の確定です。AI検索からの流入は経路によってGA4への残り方が違うため、線引きを先に済ませておきます。

4-1. 参照元ドメインで拾えるチャットAI経由の流入｜GA4に残る形と限界

ChatGPTやPerplexityの回答内リンクから移動すると、参照元として chatgpt.com perplexity.ai などが記録されます。

ChatGPTは外部リンクに utm_source=chatgpt.com を自動付与するため、参照元ヘッダが落ちる環境でもGA4側でChatGPT由来と判定され得ます。拾えるのはリンクが押されたときだけで、言及されただけなら流入は発生しません。

AI経由の流入をSEO施策全体のどこに位置づけるかを整理したい場合は、「AI検索（GEO）時代にやるべきSEO戦略」もあわせて読むと、計測結果を打ち手につなげやすくなります。

4-2. AI Overviews・AIモード経由が自然検索に混ざる理由と、その扱い方

GA4の既定の分類では、Google検索からの遷移はオーガニック検索に入ります。AI OverviewsやAIモードからの遷移も検索結果内のリンクであるため、SEO経由と区別がつきません。チャネルの分類そのものは第5章1節で扱います。

Search Consoleの生成AI機能レポートも万能ではありません。公式ヘルプによればインプレッションは生成AI機能でサイトへのリンクが表示された回数を指し、クリック数や掲載順位は提供されないためです。分離は諦め、表示回数の推移で補います。

4-3. アプリ内ブラウザ経由が直接流入に化ける仕組み｜過小評価を防ぐ見方

スマートフォンのAIアプリからリンクを開くとアプリ内ブラウザが起動し、参照元ヘッダが引き継がれないことがあります。ChatGPTのようにutmが付く経路ならヘッダが落ちてもGA4は流入を記録できますが、utmが付かないAIや共有時にパラメータが欠けた分は直接流入に混ざります。

参照元だけを見て「AI経由はほとんどない」と判断すると、実態より小さく評価します。

4-4. サーバーログでAIクローラーの取得状況を確認する｜流入の手前を測る

引用される前提として、AI側にページが取得されている必要があります。サーバーログでGPTBotやOAI-SearchBot、PerplexityBotの到達状況を確認し、来ているか・どのページに来ているか・robots.txtで止めていないかを見ます。

第5章 GA4設定から記録表の運用まで｜LLMO効果測定を立ち上げる6ステップ

決めた観測条件・指標・計測範囲を、実際の設定と運用に落とします。作業は6ステップに分かれ、上から順に進めれば1か月で立ち上がります。

5-1. AI流入はまずGA4の「AIアシスタント」チャネルで確認する

Googleの公式ヘルプによれば、GA4のデフォルトチャネルグループには「AI アシスタント」があります。

ChatGPTやGemini、Copilotなどからの流入はここに分類されるため、最初にやるのは既定のレポートでこのチャネルを開き、自社のAI経由セッションがどれだけ拾えているかを見ることです。

不足するのはPerplexityなど未収録のソースです。取りこぼしがある場合だけ、次の手順でカスタムチャネルグループを作ります。

1. 管理画面から「チャネルグループ」を開き、新しいグループを作成する
2. 新規チャネルを追加し、名称を「AI検索」などに設定する
3. 参照元の条件に、デフォルトで拾えなかったドメインを指定する
4. デフォルトのAIアシスタントと重複しない判定順に並べる

5-2. 未収録ソースだけを補う運用｜取りこぼしの確認は月1回で足りる

Googleが対応ソースを追加すればデフォルトチャネル側が追随するため、保守が必要なのは自作したチャネルの分だけです。月に一度、GA4の参照元レポートを表示回数順に並べ、どちらにも入っていないAI系ドメインがないかを確認します。

追加した日付を残しておくと、流入が跳ねたときに条件変更が原因だと分かります。

5-3. Search Consoleで指名検索と生成AI関連の推移を追う手順

指名検索は、検索パフォーマンスのクエリに自社名を含むフィルタをかけ、表示回数とクリック数を月次で記録します。ChatGPTなどの回答で名前を知った利用者が社名で検索する動きは、この数字に表れます。

生成AI機能のレポートは表示回数しか返さないため、KPIにはせず露出傾向をつかむ材料として扱ってください。

5-4. 手動観測を効率化する記録表とスクリーンショットの残し方

手動でのプロンプト観測は、記録表とスクリーンショットの2点セットで残します。

5-5. ベースラインを1か月分そろえる｜施策前の数字がないと差分は出せない

LLMO対策を始める前に、言及率・引用率、GA4のAI経由流入、Search Consoleの指名検索を1か月分そろえてください。施策と計測を同時に始めると、後から差分を説明できません。実装環境の準備は「WordPressのLLMO対策」で扱う実装環境の整え方も参考になります。

5-6. 速報は週次・判断は月次｜LLMO効果測定を運用サイクルに乗せる

集計期間が短いほど変動は大きく出ます。週次で言及率を並べると上下の動きばかりが目立つため、週次は記録だけにとどめ、判断は月次、方針の見直しは四半期という3層で回します。

頻度	やること	所要の目安
週次	プロンプト観測と記録表への転記	30〜60分
月次	3層の指標を集計し、原因を切り分ける	2〜3時間
四半期	プロンプトセットと対象AIの見直し	半日

週次の作業を軽くしておくことが、効果測定を続けるコツです。毎週分析まで求めると、3か月ほどで記録自体が止まります。

第6章 効果測定ツールの選び方5つの判断軸｜自動観測に任せられる範囲とコスト

手動観測が回り始めたらツールでの自動化を検討します。製品名を並べるのではなく、どれを選ぶにしても確認すべき5つの軸を示します。

6-1. 対応するAIとモードの範囲｜自社の顧客が使う面を押さえているか

ChatGPTだけのツールも、Gemini・Perplexity・AI Overviewsまで見るツールもあります。判断の基準は「対応面が多いか」ではなく「自社の顧客が使う面を押さえているか」です。Web検索ありと検索なしを分けて計測できないツールでは、第1章で決めた記録単位が崩れます。

6-2. プロンプト単位で履歴が残るか｜差分を追えるログ設計になっているか

総合スコアだけでは改善の手がかりになりません。プロンプトごとに過去の回答が保存され、さかのぼって比較できるかを確認してください。エクスポート機能がないと、記録表やGA4の数字と結合できません。

6-3. 競合比較とShare of Voiceを算出できるか｜自社単独の数字では判断できない

自社の言及率が横ばいでも、競合が伸びていれば相対的には後退しています。ChatGPTなどでの位置は競合を含めて見てください。競合企業を登録して同じプロンプトで比較できるか、Share of Voiceを自動算出できるかがツール選定の分かれ目になります。

6-4. ツールに任せない工程の決め方｜手動観測と併用する範囲

ツールは露出層の計測を得意としますが、回答内容層の判断は苦手です。推奨として書かれたのか、誤情報が含まれていないかは人が読むほうが正確です。露出層はツール、回答内容層は手動、事業成果層はGA4とSearch Consoleという分担にします。

6-5. 料金と工数削減幅の見合い｜LLMO効果測定にかけてよいツール費用の考え方

ツール費用は削減できる工数と比べて判断します。まず手動で3か月運用し、どの工程に時間がかかっているかを実測してから導入を検討する流れが安全です。

【比較表】効果測定ツールの4類型

類型	対応面	競合比較	履歴保持	費用感
AI可視性モニタリング型	複数AIに対応	○ 自動算出	○ プロンプト単位	月額数万円〜
SEOツール拡張型	Google系AI機能が中心	△ 既存機能の範囲	○ 既存レポートに統合	既存契約に追加
BIレポート型	取り込んだデータ次第	△ 設計次第	○ 蓄積可能	構築費＋月額
内製スプレッドシート	手動で決めた面のみ	△ 手集計	○ 全件保存	人件費のみ

まず内製スプレッドシートで効果測定の型を作り、工数が読めた段階でモニタリング型へ移す進め方が、無駄の出にくい順序です。

第7章 LLMOの効果測定を支援する会社7選｜計測範囲・保有ツール・支援形態で比較

効果測定を外部に頼む場合の確認点は、「どのAIまで測れるか」「自社ツールを持っているか」「測るだけか改善まで担うか」の3つです。以下では、LLMO対策と効果測定の両方に対応できる7社をこの3軸で比較しました。

会社名	料金目安	保有ツール・計測手段	得意な支援範囲	こんな企業に向いている
株式会社Grill	月額数万円〜	GA4・Search Console設計＋独自の観測記録運用	測定設計から改善実行まで	測って終わりにせず改善まで回したい
株式会社ipe	要問い合わせ	AIO/LLMO分析ツール「AKARUMI」	可視性の数値化とコンサルティング	AI上の可視性を専用ツールで測りたい
株式会社アドカル	要問い合わせ	生成AIコンサルの知見を活用	測定設計と生成AI活用の併走	社内の生成AI活用も同時に進めたい
バクリ株式会社	要問い合わせ	内製化支援用の運用フォーマット	効果測定の運用移管・内製化	最終的に自社で回せる体制にしたい
シュワット株式会社	要問い合わせ	独自のLLMO分析ツール	AI可視性の診断とコンテンツ改善	まず現状診断から始めたい
株式会社ニュートラルワークス	要問い合わせ	SEOツール群＋LLMO対策	SEOとLLMOを同一体制で計測	SEOの延長で一体管理したい
株式会社AIMA	要問い合わせ	AIO特化の質問設計フレーム	質問設計から効果測定まで	プロンプト設計から任せたい

7-1. 株式会社Grill｜測定設計から改善実行まで高速PDCAで回すマーケティング支援会社

【観測条件の設計から月次レポートまで引き受ける効果測定のパートナー】

株式会社Grillは、LLMOの効果測定を「数字を出すこと」ではなく「次の作業を決められる状態にすること」と定義して支援しています。第1章で扱った観測条件の8項目を御社の体制に合わせて確定させ、プロンプトセットを指名・比較・課題解決の3型で設計します。GA4のチャネル整理、Search Consoleでの指名検索の抽出、記録表の列設計までを含めて構築するため、着手から1か月でベースラインがそろいます。

強みは、測定の後段まで同じ体制で担える点です。言及率が動かない、引用は増えたのに流入が伸びない——といった症状ごとに原因を切り分け、その月のうちに改善の打ち手へ変換します。AI・自動化ツールで集計やレポート作成の手数を圧縮しているぶん、検証と修正の回数を増やせるため、成果が出るまでの立ち上がりが早いことが特徴です。BtoB SaaS・専門サービス・EC・人材など、AI検索での比較検討が商談に直結する業種での支援経験を持ちます。

SEO・LLMO支援は月額数万円から対応しており、まず現状の可視化だけを依頼する小さな範囲からでも始められます。AI検索の指標と検索順位を1つのレポートにまとめる設計にも対応します。広告運用（手数料10%〜／業界標準は20%が一般的）と連動したLP改善まで同じチームで引き受けられる点も、社内の窓口を増やしたくない企業に向いています。

会社名	株式会社Grill
所在地	東京都渋谷区東3丁目22−14 グランファースト恵比寿 5階
公式サイト	https://grill.co.jp/

7-2. 株式会社ipe｜AIO/LLMO分析ツール「AKARUMI」で可視性を数値化

【自社開発ツールでAI上の可視性を定点計測する会社】

株式会社ipeは、AIO/LLMO分析ツール「AKARUMI」を自社で開発・提供しています。ChatGPTをはじめとする生成AIの回答における自社の登場状況を数値化し、競合との比較まで含めて可視化できる点が特徴です。

SEO・LLMOのコンサルティングでは取引実績500社以上を公式に掲げています。ツールで測った結果をそのままコンサルティングにつなげられるため、計測と改善の間で情報が途切れにくい体制です。

会社名	株式会社ipe
所在地	東京都港区南青山2-24-15 青山タワービル5F
公式サイト	https://akarumi.jp/

7-3. 株式会社アドカル｜生成AIコンサルとLLMOコンサルを組み合わせた測定設計

【生成AIの活用支援とLLMO対策を同じ会社で進められる】

株式会社アドカルは、生成AIコンサルティング・開発とLLMOコンサルティングの両方を事業として掲げています。効果測定の設計だけでなく、社内での生成AI活用そのものを整えたい企業に向いています。

デジタルマーケティング支援も手がけているため、AI検索の指標を既存のマーケティングKPIと接続する設計を相談しやすい点も特徴です。

会社名	株式会社アドカル
所在地	東京都千代田区紀尾井町1-9
公式サイト	https://www.adcal-inc.com/

7-4. バクリ株式会社｜内製化支援を軸にした効果測定の運用移管

【最終的に自社で回す前提の運用設計が得意】

バクリ株式会社は、Webマーケティングの内製化支援を軸に、AIO対策・LLMOコンサルティングを提供しています。効果測定を外部に預けたままにせず、社内の担当者が続けられる形へ移管したい企業と相性の良い会社です。

CMOコンサルティングも手がけており、マーケティング組織の設計から相談できます。測定の担当者を誰にするか、どの工程まで社内で持つかを含めて整理したい場合の選択肢になります。

会社名	バクリ株式会社
所在地	東京都渋谷区神宮前1-5-8 神宮前タワービルディング14階
公式サイト	https://www.bakuri.co.jp/

7-5. シュワット株式会社｜独自のLLMO分析ツールでAI可視性を診断

【現状診断から入りたい企業向けの分析ツールを保有】

シュワット株式会社は、独自のLLMO分析ツールを保有し、ChatGPTなどAI上での可視性を診断できる体制を持っています。LLMOコンサルティングに加えてSEOコンサルティング、コンテンツマーケティング支援も提供しています。

診断の結果をコンテンツ改善へ落とし込むところまで同じ体制で進められるため、「まず現在地を知りたい」という段階の企業が入りやすい構成です。

会社名	シュワット株式会社
所在地	東京都千代田区神田神保町3-2-1 サンライトビル802号室
公式サイト	https://shwat.jp/

7-6. 株式会社ニュートラルワークス｜SEOとLLMO対策を同じ体制で計測

【SEOの実績を土台にAI検索最適化まで一体で見る】

株式会社ニュートラルワークスは、SEOコンサルティングを主軸に、LLMO対策（AI検索最適化対策）まで提供しています。SEOの指標とAI検索の指標を同じ担当チームで見られるため、第11章で扱う二重計上の問題を運用面から避けやすい体制です。

デジタルマーケティング支援全般に対応しており、サイト制作や広告運用まで含めた相談も可能です。

会社名	株式会社ニュートラルワークス
所在地	神奈川県藤沢市辻堂神台2-2-1 アイクロス湘南8階A号室
公式サイト	https://n-works.link/

7-7. 株式会社AIMA｜AIO特化で質問設計から効果測定まで一貫対応

【プロンプト設計を起点にAIOを組み立てる専門会社】

株式会社AIMAは、AIO（AI Optimization）に特化し、質問設計からコンテンツ制作、効果測定までを一貫して支援しています。第2章で扱ったプロンプトの配分設計から相談したい企業に向いています。

大阪に拠点を構えており、関西圏の企業が対面での打ち合わせを希望する場合の候補にもなります。選定軸をより広く比較したい場合は、「LLMO対策のおすすめ会社」で解説する選び方の判断軸もあわせて確認してください。

会社名	株式会社AIMA
所在地	大阪府大阪市北区梅田1-2-2 大阪駅前第2ビル2階5-6号室
公式サイト	https://ai-and-marketing.jp/

第8章 数字が動かないときの原因切り分け4パターン｜LLMO効果測定の読み解き方

効果測定の価値は、数字を出した後に決まります。「どの数字が動かないか」を入口にして、原因と次の作業に分岐させる読み方を示します。

症状	考えられる原因	次の作業
言及率が0%のまま	AI側に認識されていない	クローラーの到達確認・基本情報の整備
引用は増えたが流入が横ばい	回答内で完結している	続きを読む理由の設計・指名検索の確認
流入は増えたが商談が増えない	引用ページと購買導線がずれている	引用されたページの導線を確認
数字が上下するだけ	観測条件か集計期間の問題	第1章・第2章に戻って条件を点検

8-1. 言及率が0%のまま動かない｜そもそも認識されていないケースの確認順序

言及率がまったく動かない場合、コンテンツの質を疑う前に確認する順番があります。

1. クローラーの到達：サーバーログでGPTBotやOAI-SearchBotのアクセスがあるか
2. robots.txt：AI系クローラーを意図せずブロックしていないか
3. 基本情報の一致：社名表記・事業内容・所在地がサイト内外で統一されているか

3つ目は特に見落とされます。会社名の表記が媒体ごとに揺れていると、ChatGPTなどの生成AIが同一企業として結びつけられません。

8-2. 引用は増えたのに流入が増えない｜回答内で完結している状態の見分け方

引用率が上がっても流入が増えない状態は、失敗ではありません。AIの回答だけで疑問が解決しているため、見るべきは指名検索です。対処としては、料金の詳細条件や事例の数字など、回答では要約しきれない情報をページ側に置きます。

8-3. 流入は増えたのに商談が増えない｜引用されるページと購買導線のずれ

AI検索経由のセッションが増えても商談が増えない場合、引用されているページを確認してください。用語解説やコラムばかりが引用されていれば、訪問者は情報収集の段階にいます。GA4でランディングページ別のコンバージョンを見て、引用の多いページに問い合わせ導線があるかを点検します。他社の取り組みは「LLMO対策の事例」で紹介する成果の出し方が参考になります。

8-4. 検索順位だけを見て判断してしまう｜LLMO効果測定で追ってはいけない指標

検索順位はSEOの指標であって、LLMOの成果を示すものではありません。順位が高いページが引用されないことも、順位の低いページが引用されることもあります。ChatGPTの回答の文字数や、自社名が出た回数の絶対値だけをKPIにするのも避けてください。試行回数が変われば絶対値は動くため、比較できるのは率だけです。

第9章 効果測定にかかる工数とコストの設計｜LLMO運用を内製する範囲と外注する範囲

効果測定が続かない最大の理由は、指標の難しさではなく工数です。月あたりの作業時間を分解し、どこまで社内で持つかを先に決めておきます。

9-1. 月あたりの作業時間を分解する｜観測・集計・レポートの3工程で見積もる

LLMOの効果測定は、観測・集計・レポートの3工程に分かれます。性質が違うため、まとめて見積もると必ず足りなくなります。

• 観測：プロンプトを投げて言及と引用を記録する作業
• 集計：記録から率を算出し、GA4・Search Consoleの数字と結合する作業
• レポート：数字の意味を書き、次の打ち手を提案する作業

9-2. 内製しやすい工程｜観測条件の固定と記録表の更新

3工程のうち内製に向くのは観測です。決めた条件どおりにプロンプトを投げて記録するだけなので、判断を伴いません。内製したほうが、ChatGPTなどの回答の書かれ方の変化に社内が気づきやすくなります。

9-3. 外注が向く工程｜ツール運用・競合比較・改善設計

外注に向くのは判断と設計が必要な工程です。言及率が落ちた原因の切り分け、Share of Voiceの解釈、次の打ち手の優先順位づけがこれにあたります。レポートの作成そのものより「この数字なら次に何をすべきか」に外部の知見を使うと、費用対効果が高くなります。予算の組み立て方は「LLMO費用」で解説する内訳と投資設計で整理しています。

9-4. 依頼前に社内で終わらせる3つの準備｜見積もり精度が変わる

支援会社に相談する前に決めておくと、見積もりの精度が上がる項目が3つあります。

1. 測りたいAIの面：ChatGPTだけか、Gemini・AI Overviewsまで含めるか
2. プロンプトの候補：顧客が使いそうな質問を10件でも書き出しておく
3. 判断に使う場面：月次会議の資料か、経営会議の投資判断かで必要な粒度が変わる

この3つが決まっていないと、支援会社は最大構成で見積もらざるを得ません。

第10章 経営層に出すLLMOの効果測定レポートの型｜3枚で説明する構成

言及率やShare of Voiceをそのまま経営会議に出しても、投資判断の材料になりません。事業指標との接続を先に置き、露出の話を後ろに回す3枚構成にします。

10-1. 1枚目は事業指標との接続｜問い合わせ・商談への寄与を先に置く

1枚目には、AI経由のセッション数と、そこから発生した問い合わせ・商談の件数を置きます。経営会議で見られるKPIは事業側の数字なので、露出の指標より先に並べてください。指名検索の推移も入れると、直接の流入が小さくても認知の広がりを説明できます。

10-2. 2枚目は露出の推移と競合比較｜数字が動いた理由を示す

2枚目で初めて露出層の指標を出します。ChatGPTなどの面ごとに言及率・引用率の推移を並べ、Share of Voiceを添えてください。数字と一緒に理由を書くことが重要で、「4月に引用率が上がったのは3月公開の比較ページが引用され始めたため」のように改善施策と紐づけます。

10-3. 3枚目は測れていない範囲の明示｜前提を書くほど報告は信頼される

3枚目には計測の対象外を書きます。AI Overviews経由のセッションがオーガニックに混ざること、utmが付かないアプリ経由が直接流入に含まれること、Search Consoleの生成AI機能が表示回数しか返さないこと。この3点は必ず記載してください。

10-4. 報告頻度と方針転換の判断基準｜どの数字がどれだけ動かなければ止めるか

報告は月次、方針の見直しは四半期という頻度が扱いやすい形です。止める・続けるの基準は開始時に決めてください。株式会社Grillの支援では、「6か月で言及率が改善せず、指名検索にも動きがない場合は施策の内容を見直す」といった線を、開始前に合意しておく進め方をとっています。

第11章 SEOの効果測定と統合する方法｜二重計上を避ける役割分担と並べ方

SEOとLLMOを別々に測ると、同じ成果を2回数えるか、どちらの功績か分からなくなります。切り分けのルールを先に決めます。

11-1. 同じ成果を二重に数えない｜自然検索とAI経由の切り分けルールを先に決める

前述のとおりAI Overviews経由はオーガニック検索に含まれるため、これをLLMOの成果としても数えると同じ流入が二重計上になります。配分は次の3行で決め切ってください。

• 参照元がAIサービスのドメイン： LLMOの成果として扱う
• オーガニック検索： SEOの成果として扱い、AI経由分は分離しない
• 指名検索の増加分： 共通の成果として、どちらのレポートにも参考値で載せる

11-2. SEOの順位が下がってもAI露出が伸びる場合の読み方

検索順位が下がっているのに、ChatGPTなどの回答での引用が増えることがあります。業界で広く指摘されている傾向として、AI検索で参照されるかどうかは順位だけで決まらず、情報の整理のされ方や一次情報の有無も影響するためです。順位の低下を理由にLLMO対策を止める判断は避けてください。

AI検索の広がりを踏まえて自然検索への投資をどう考えるかは、「SEO対策の必要性はAI検索時代にどう変わるか」で整理しています。前提をそろえてから読むと、順位低下時の判断がぶれにくくなります。

11-3. 共通施策の貢献をどちらに寄せるか｜1つのダッシュボードにまとめる並べ方

コンテンツの改善や表記の統一はSEOとLLMOの両方に効きます。施策単位ではなく指標単位で並べ、検索順位・オーガニックセッション・言及率・引用率・AI経由流入・指名検索を横並びにします。

第12章 LLMO効果測定の設計で担当者が迷う6つのポイント｜計測範囲・期間・工数・体制

設計を進めるなかで判断が止まりやすい論点を6つに絞りました。着手前の材料として確認してください。

12-1. 効果測定はLLMO対策を始める前と後、どちらで設計すべきですか

始める前です。施策後の数字だけがあっても、比較する相手がなければ成果を説明できません。すでに始めてしまった場合は、その時点から計測を開始し、開始日をレポートに明記します。

12-2. GA4のデフォルト設定のままでAI経由の流入は分けられますか

分けられます。第5章で扱ったとおり、既定の「AIアシスタント」チャネルでChatGPTなどからの流入を切り出せます。Googleの公式ヘルプによれば、カスタムチャネルグループは過去のデータにもさかのぼって適用されます。設定を見直した時点より前の期間も、同じ基準で比較できるということです。

12-3. プロンプト件数と判断に必要な期間はどれくらいですか

プロンプトは20〜30件、期間は言及率の傾向を読むなら6か月、事業指標への波及まで見るなら9〜12か月が目安です。言及率が0%のまま3か月動かない場合は、期間を待たずに第8章の確認順序へ戻ります。

12-4. 測定にかかる工数は月あたりどれくらいですか

プロンプト20〜30件・3面での観測なら、立ち上げに8〜12時間、以降は月3〜5時間が目安です。ツールを導入すれば観測部分は圧縮できますが、回答本文を読む時間は残しておいてください。

12-5. 担当者が1人でもLLMOの効果測定は回せますか

回せます。ただし観測条件シートと記録表の整備が前提で、手順が明文化されていないと担当者の不在時に数字が途切れます。1人体制なら観測をツールに寄せ、判断だけを人が担う形にすると継続しやすくなります。

12-6. AIの仕様変更があった場合、それまでの数字は使えなくなりますか

すべてが無効になるわけではありませんが、変更の前後で単純比較はできません。モデルの世代交代やモードの変更があった日付を記録に残し、レポート上でも区切りを入れてください。同じ条件で測れなくなった場合は、ベースラインを取り直します。

第13章 LLMOの効果測定はベースラインの取得から始まる｜最初の1か月で確定させること

先月のAIの回答は、もう二度と観測できません。計測を始めていない期間の数字は、後から取り戻すことも推定することもできず、比較の相手がないまま次の四半期を迎えます。LLMO対策そのものより先に効果測定の土台を置くべき理由は、施策の巧拙ではなく、この時間の不可逆性にあります。

13-1. 最初の1か月で確定させるベースラインの範囲｜後から作れない数字だけを先に押さえる

指標の定義もツールの選定も、走りながら差し替えられます。後から作れないのはベースラインだけなので、着手の順番はここを起点に組みます。

時期	確定させること
1週目	観測条件の8項目と、測る対象をChatGPTなど2〜3面に決める
2週目	指名・比較・課題解決の3型でプロンプトを20〜30件そろえ、初回の観測を実行する
1か月後	言及率・引用率とGA4・Search Consoleの数字を集計し、比較の起点として固定する

この1か月を通過すれば、改善の議論に必要な前提はそろいます。施策側の打ち手をどう組み立てるかは、「LLMO対策のやり方」で扱う施策の実行手順が次の道筋になります。

13-2. 測った数字を毎月の打ち手に変えるなら株式会社Grillへ

効果測定を外に頼む価値は、数字が出た後の判断にあります。株式会社Grillの月次レポートでは、第8章の切り分けをそのまま組み込み、翌月に手をつける作業を1つに絞った状態でお渡ししています。言及率が止まっているのか、引用が回答内で完結しているのか、商談の手前で落ちているのか——症状ごとに次の一手は変わります。

支援の範囲は、観測の設計から改善の実行までを1つの体制で担う形です。ChatGPTの回答に名前は出ているのに流入も商談も動かない、という段階では、引用されているページと購買導線のずれを先に疑います。SEOの順位とAI検索の指標を同じ画面で見比べたい場合も、第11章の切り分けルールを定義したうえでダッシュボードを整えます。

現在どこまで測れているかをお聞かせいただければ、次の1か月で何が測れるようになるかを具体的にお示しします。