AI Visibilityを重み付けで読む——検索・回答・引用の三層スタック

PROBLEM｜単一スコアでは読めない

「AI Visibilityスコア」一つで改善判断をすると、検索面・回答面・引用面の差が消えます。Googleは2026年6月、Search Consoleに生成AI機能向けの専用レポートを追加し、AI OverviewsやAI Mode、Discover上の生成AI表示におけるインプレッションを分離して見せると公式ブログで説明しました。業界全体でも、AI回答での露出・文脈・行動影響を分けて測る試みが進んでいますが、単一KPIへの還元はまだ統一されていません。

FRAMEWORK｜三層スタックの考え方

本稿ではAI Visibilityを次の三層で重み付けして読む運用モデルを提案します。第1層Search Reach（検索・発見）、第2層Answer Presence（回答・概要への掲載）、第3層Citation Authority（回答内での引用・根拠としての掲載）。重みは業種で変えます。比較購買では第2・3層、地域サービスでは第1層と行動導線の接続が効きやすい——ただしこれは観測設計の仮説であり、因果は各層で別途検証が必要です。

LAYER 1｜Search Reach

伝統的な検索流入・インデックス・クリックは、AIが参照元を辿る確率に影響します。GSCの全体パフォーマンスと生成AIレポートを併読し、同じURLが両方に出るかを見ます。ここで止まると「見つかるが引用されない」ギャップを見逃します。Visibilityの定義は入口として有効ですが、本稿は定義の再説明ではなく測定運用に焦点を当てます。

LAYER 2｜Answer Presence

回答や概要にブランド・サービス名が現れるか。クリックが発生しないインプレッションでも、比較候補に入ったシグナルとして価値があります。定点質問セットで複数AIを観測し、日付・地域・質問文を固定します。スコア化するなら「出現率」より「出現文脈（推奨・中立・警告）」を記録してください。

LAYER 3｜Citation Authority

引用は、Authorityの可視化に近い層です。公式情報・第三者レビュー・構造化データが、回答の根拠として選ばれているかを見ます。引用がなく名前だけ出る場合、Understandingはあるが根拠が弱い可能性があります。IAB系の可視性枠組みとも接続できますが、本稿はプロトコル語彙ではなく観測運用に留めます。

OPERATIONS｜重み付けの実務

四半期ごとに重みを見直します。例：B2C物販はAnswer 40%・Citation 35%・Search 25%、地域サービスはSearch 45%・Answer 35%・Citation 20%——数値は仮置きで、自社の問い合わせログと合わせて調整します。改善は層ごとに担当を分け、Visibility担当は第1・2層、Authority担当は第3層、Actionability担当は予約・購入完了率を追います。

LIMITS｜言えること・言えないこと

このスタックは、AI推薦の因果や売上を証明するものではありません。層間の相関を見つけるための運用骨格です。ツールが増えても、質問設計・更新頻度・根拠の一貫性は自社データが必要です。単一ベンダーのスコアをそのまま予算判断に使うのは避けてください。

出典： Google Search Central「Search Generative AI performance reports」2026-06／業界測定ギャップに関するフレームワーク統合（編集部整理）

REPORTING TEMPLATE｜月次レポートの型

月次では、層ごとに次の一行サマリを固定します。Search Reach：主要URLのクリック推移±%。Answer Presence：定点質問セットでの出現率と文脈タグ。Citation Authority：引用URLの公式/第三者比率と誤り件数。Actionabilityは別表で、AI経由セッションの予約・購入完了率を記録します。四半期レビューで重みを更新し、改善施策は層単位でしか因果検証できない——という前提を経営に共有してください。

TOOLING NOTE｜ツール選定の注意

ベンダースコアを第2層・第3層の代替にしないでください。質問セット・地域・モデル世代が異なると数値は比較不能です。GSC生成AIレポートはGoogle内の第1・2層の片側ログとして位置づけ、他AIは手動または自社Researchで補完します。

次のリソース

Research Hubの知見を、自社の理解・比較・推薦・行動準備へつなげます。