AI検索対策の実測事例｜1ヶ月でAI言及率が約13.9倍、引用率が約24.9倍に向上

Brand UPが自社サイトでAI検索対策を実施し、Brand UPを使ってGoogle AI OverviewsとGoogle AI Modeを前後計測したところ、2026年6月27日から7月27日の1ヶ月でAI言及率は3.8%から52.8%、引用率は1.8%から44.8%へ増加しました。

施策前は「おすすめのLLMOツールは？」に近い質問でBrand UPが候補に入ることは多くありませんでした。そこで、Brand UPのサイト診断、コンテンツ診断、AI検索の計測機能を使い、サイトの技術要件、公式情報、既存記事、内部リンクを5つの施策群に分けて改善しました。

この記事では、結果だけでなく、計測条件、実施内容、結果から言えること・言えないことまで公開します。これは対照群を置いた実験ではなく、短期の前後比較です。各施策の単独効果や、別サイトで同じ結果が出ることを示すものではありません。

2026年8月20日更新： 計測条件と限界を表で明確化し、前後比較・改善プロセスの図を追加しました。また、2026年7月公開のGoogle Search Central公式ガイドに合わせて、特別な「AI向けハック」ではなく、基礎的なSEOと独自性のある一次情報を重視する説明へ更新しています。

1ヶ月のAI検索対策で何が変わったのか

今回のAI検索対策とは、Google AI OverviewsとGoogle AI ModeでBrand UPが比較候補として言及され、公式サイトが根拠として引用されやすい状態を作る取り組みです。成果はBrand UPに登録した同じ質問群を同じ条件で継続計測し、施策前後の割合で確認しました。

図1：同じ比較系プロンプト群を継続計測した前後比較。倍率は小数第2位を四捨五入しています。

AI言及率は、計測した回答のうちBrand UPというブランド名が登場した回答の割合です。引用率 は、計測した回答のうちBrand UPのサイトへのリンクが引用元として含まれた回答の割合を指します。単なる表示回数ではなく、比較・選定の回答にブランドと公式情報が入ったかを分けて見ています。

質問の意図は「おすすめのLLMOツールは？」のような比較・選定です。AIの回答は実行ごとに変動するため、1回の回答ではなく期間内の割合として評価しています。

計測条件

プロンプト数と実行回数を非公開としているため、第三者が同条件で完全再現できる調査ではありません。数値はBrand UPで同一条件の変化を追うための運用指標としてご覧ください。

この結果から言えること、言えないこと

今回確認できた事実は、サイトと記事を修正した後の1ヶ月で、Google AI OverviewsとGoogle AI Modeにおける同じ質問群への言及率と引用率が上昇したことです。一方、対照サイトを用意した実験ではないため、どの修正が何ポイント寄与したかは分離できません。

施策前の画面キャプチャも保存していません。Beforeの数値はBrand UPの計測データ、Afterは計測画面と集計値で確認しています。短期間の結果であり、同じ施策を別サイトで行えば同じ割合になるという保証もありません。今後同様の検証を行う場合は、プロンプト数・実行回数・対象AI・画面キャプチャを施策前から保存する必要があります。

この制約を踏まえても、改善前はほとんど言及・引用されていなかった比較系の質問で、Brand UPが候補と根拠の両方に入り始めた変化は、次の改善サイクルを判断するうえで有効なシグナルでした。

「おすすめのLLMOツールは？」での表示例

以下は、Googleで「おすすめ LLMOツール」と検索した際のAIによる概要の表示例です。Brand UPが比較候補として回答本文に挙がり、あわせて公式のLLMOツール比較記事が情報源として表示されています。言及だけでなく、公式サイトが回答の根拠として使われる状態を確認できる例です。

AIの回答は同じ質問でも時点や実行条件によって変動します。これは単一時点の表示例であり、掲載や順位を保証するものではありません。画面内の料金・機能に関する説明はAIが回答した時点のもののため、最新の内容は料金ページと各機能ページをご確認ください。

施策前は本格的なSEO・AI検索対策をしていなかった

施策前のBrand UPには、個別の記事や機能ページは存在していました。ただし、AIがサイト全体を読み取り、サービスの実体を理解し、回答の根拠として使うまでの設計がつながっていませんでした。

サイト診断では、主に次の課題が見つかりました。

• AI検索用クローラーのアクセス条件が十分に整理されていない
• JavaScriptに依存する表示があり、重要な情報を取得しにくいページがある
• 構造化データに古い料金や不整合な情報が含まれている
• サービス、運営会社、料金、機能の公式情報が複数箇所で一致していない
• AIが引用できる具体的な数値や自己完結した説明が少ない
• 長い記事に結論、要約、FAQ、一次ソースが不足している
• ピラー記事と関連記事のつながりが弱い
• 比較検索をする読者が求めるページ形式と既存記事の構成にずれがある

つまり、問題は「記事数が足りない」の一言では説明できませんでした。AIがアクセスできるか、何のサービスか理解できるか、引用できる根拠があるか、比較質問に答えているかという複数の層に分かれていました。

Brand UPの機能には何を評価させているのか

Brand UPの改善機能は、AIに引用されるための裏技を探すものではありません。公開研究、検索エンジンの公式情報、ページ上で確認できる要素を使い、取得できる・理解できる・引用できる・検証できるの4段階でサイトを評価します。

サイト診断で見る7つの観点

サイト診断とは、個別の文章だけでなく、サイト全体がAI検索に理解されやすい状態かを確認する機能です。

Googleは2026年7月の公式ガイドで、AI OverviewsやAI Modeにも基礎的なSEOが有効であり、独自の経験や一次情報を含む価値あるコンテンツ、明確な技術構造、関連性の高い画像・動画を重視するよう案内しています。一方、llms.txt、過度な文章の細分化、AI向けだけの書き換え、特別な構造化データはGoogle検索への表示要件ではありません（Google Search Central）。

コンテンツ診断で見る5つの観点

コンテンツ診断とは、記事や機能ページを1ページ単位で解析し、回答として引用しやすい内容になっているかを確認する機能です。

評価結果は点数だけで終わりません。現在のタイトル、H1、H2、本文の記述を根拠として引用し、「どこを」「なぜ」「どう直すか」を改善提案として出します。ブランドキットを設定している場合は、正しい料金・機能・対象顧客・トーンとの整合も別軸で確認します。

AIエージェントで施策の順番を決める

AIエージェントは、診断結果とBrand UPの計測データをつなぐ役割を持ちます。言及率、引用率、掲載順位、競合との差を混ぜずに読み、提案ごとに優先度、根拠、実行方法、測定指標を整理します。

今回も「できていない項目をすべて直す」のではなく、比較系プロンプトでの言及・引用に影響しやすく、短期間で対応できる項目から着手しました。改善作業は人が確認して実施し、公開後に同じ条件で再計測しています。

実施内容を5つの施策群に整理

今回の修正内容は、作業したファイルではなく目的別に5つの施策群へ整理します。

図2：実施内容を、取得できる・理解できる・引用できる・比較候補になる・再計測する、の流れで整理。

施策1：AIがサイトへアクセスできる状態を作る

AIアクセス性とは、回答を作るシステムや検索インデックスが、サイトの重要情報を取得できる状態です。内容が優れていても、本文を取得できなければ引用候補になりません。

実施した内容は次のとおりです。

1. 検索・閲覧に関係するAIクローラーのアクセス条件をrobots.txtで整理
2. ブログ一覧をサーバー側で生成し、JavaScript実行前でも記事を発見できる状態へ変更
3. トップページの主要セクションをサーバーコンポーネント化
4. 重いフォームを遅延読み込みし、初期表示の負荷を削減
5. サイトマップの更新日を実態に合わせ、不要な指定を削除
6. パンくず内のURLを絶対URLへ統一

ここで重要なのは、クローラー名を増やせば引用率が上がるという話ではありません。クロール可能性は引用の前提条件です。Googleも、要件を満たしていてもクロール、インデックス、表示は保証されないと明記しています。

施策2：公式情報を一つの意味にそろえる

エンティティ明確性とは、サイト内の情報から「Brand UPとは何か」を一貫して理解できる状態です。料金ページと構造化データで価格が違う、機能名がページごとに違う、運営主体が分からないといった矛盾は、AIが回答を作るときのノイズになります。

今回行った修正は以下です。

• 構造化データ内の料金、プラン名、サービス情報を実際の表示と一致させる
• 全ページへ誤って出していたFAQPageを削除し、該当するページだけへ限定する
• 料金、機能、ウェビナーへBreadcrumbListを追加する
• ウェビナーのEvent情報へオンライン開催場所を追加する
• Organization情報、ロゴ、外部参照先を整理する
• 運営会社情報と問い合わせ先を確認できる導線を整える
• AI向け概要ファイルの料金・機能情報を最新化する（Google検索での表示要件ではない）

構造化データは、書けば評価が上がる魔法の設定ではありません。画面で読める情報と一致して初めて、ブランドやページの意味を機械可読に伝える補助になります。

施策3：AIがそのまま使える回答単位を作る

今回改善したのは、読者が章単位でも結論と根拠を確認できる文章です。既存記事のリライトでは各章を自己完結させましたが、AIのために文章を不自然に細分化したわけではありません。Googleも「chunking」は表示要件ではないと案内しています。

具体的には次の書き方へ変更しています。

• 記事冒頭に結論と主要数値をまとめた要約を置く
• 「LLMOとは何か」のような質問型の見出しを使う
• 見出し直後の1〜2文で質問へ直接回答する
• 手順は番号付きリスト、比較は表へ変換する
• 抽象的な主張を、自社の実測値や外部一次ソースで裏づける
• 著者、公開日、更新日、出典を明示する
• 記事固有のFAQを作り、質問単体でも意味が通る回答を書く
• 長い章を自己完結するセクションへ分割する

GEOを提唱した研究では、権威ある引用の追加、具体的な統計、読みやすさなど、コンテンツの提示方法が生成エンジン上の可視性に影響する可能性が検証されています（GEO: Generative Engine Optimization）。ただし、研究環境と現在の商用AI検索は同一ではないため、研究結果をそのまま引用率の保証には使っていません。

施策4：比較したい人の検索意図に合わせて記事を直す

比較系プロンプトで言及されたい場合、公式サイトにサービス説明があるだけでは不十分です。ユーザーが知りたいのは、選択肢、違い、選び方、料金、日本語対応、向いている企業です。

そこで既存のLLMOツール比較記事を中心に、以下をリライトしました。

• タイトルと説明文に「LLMOツール」「おすすめ」「比較」の検索意図を反映
• 冒頭でLLMOツールの定義と必要性へ直接回答
• 比較軸を機能、料金、日本語対応、改善提案、計測範囲へ統一
• 各ツールのメリットとデメリットを同じ構造で記載
• 自社だけを有利に見せないよう、用途別の選び方を提示
• 古い料金や対応状況を確認し、更新日を表示
• 比較記事からLLMOの教科書やプロンプト設計記事へ内部リンク

この修正は、記事へキーワードを増やす作業ではありません。「比較して選びたい」という読者の目的を、1ページ内で満たすための情報設計です。

施策5：同じ比較系プロンプトで再計測する

AI検索対策は、ページを公開した時点では完了しません。AIの回答は日々変わるため、同じ質問群で変化を確認し、次の修正へつなげます。

今回の検証では、施策前後で次の条件をそろえました。

• 比較・選定を目的とする同じプロンプト群を使う
• ブランド名が回答本文に登場したかを言及率として記録する
• 公式サイトへのリンクが根拠に含まれたかを引用率として記録する
• 1回の回答ではなく、期間内の実行結果を割合で見る
• 競合との比較や回答内容も確認し、数字だけで判断しない

言及率が上がっても、間違った説明で紹介されていれば成功とは言えません。逆に引用率が上がっても、ユーザーが比較する文脈で候補に入らなければ事業成果にはつながりにくくなります。言及・引用・説明内容を分けて見ることが重要です。

1ヶ月で大きく動いた理由をどう考えるか

短期間で数値が動いた理由を一つに断定することはできません。私たちは、複数の改善が連動した結果だと捉えています。

最初に、AIや検索エンジンが重要ページを取得できる技術的な前提を整えました。次に、料金・機能・運営情報を一致させ、「何のサービスか」を理解できる情報を増やしました。そのうえで、比較記事を質問への回答として使いやすい構造へ直し、記事同士を内部リンクで接続しています。

つまり、取得できる→理解できる→引用できる→比較候補として使えるという流れを同時に改善しました。特定のファイルやマークアップだけを追加するより、AIが回答を作るまでの経路全体を見直したことが、変化につながった可能性があります。

一方で、AI側のモデル更新、検索インデックスの更新、回答の確率的な変動も影響します。今回の数字は成功事例として公開しますが、「この施策を実施すれば1ヶ月で52.8%になる」という一般則にはしません。

自社で実施するAI検索対策チェックリスト

AI検索対策を始める場合は、記事を増やす前に以下を確認してください。

技術とアクセス

• robots.txtで検索・引用に必要なクローラーを意図せず拒否していない
• 重要なタイトル、本文、リンクがHTMLとして取得できる
• サイトマップに重要ページが含まれている
• canonical URL、noindex、リダイレクトに矛盾がない

ブランド情報

• サービス名、カテゴリ、対象顧客をH1と冒頭で説明している
• 料金、機能、会社情報がページ間で一致している
• 構造化データが画面上の情報と一致している
• 運営者、問い合わせ先、規約、プライバシーポリシーを確認できる

コンテンツ

• 記事冒頭に質問への直接回答がある
• H1、H2、H3の順序が論理的である
• 手順はリスト、比較は表で整理している
• 独自データ、実体験、一次ソースを含めている
• 著者、公開日、更新日、出典を表示している
• 各章だけを読んでも回答として意味が通る

効果測定

• 事業上重要な質問を比較・情報収集・最終判断に分けている
• 施策前の数値と画面を保存している
• 施策後も同じ質問と条件で計測している
• 言及率だけでなく引用率と回答内容を確認している
• 実施日、修正ページ、仮説を記録している

AIエージェントが計測から実行までをつなぐ

今回使った評価項目は、Brand UPだけが知る秘密ではありません。検索エンジンの公式ガイド、GEOの公開研究、従来のSEO、コンテンツ品質、実際のAI回答から得られる観測結果を組み合わせたものです。AIエージェントは、その判断材料と継続的な計測データをサイトごとに読み、次に行う施策へ変換します。

サイト診断は、サイト全体を7つの観点で確認します。コンテンツ診断は、個別ページを5つの観点で評価します。AIエージェントは、診断結果と計測データを読み、どの施策を先に行うか整理します。そして、会話から施策管理やコンテンツ制作へつなげ、施策後の言及率・引用率を追跡できます。

ツールを開くだけでAIから推薦されるわけではありません。必要なのは、現状を測り、根拠のある修正を行い、同じ条件で結果を確かめる運用です。AIエージェントは、この改善サイクルを計測だけで止めず、提案・実行・振り返りまで進めます。

まとめ

Brand UPでGoogle AI OverviewsとGoogle AI Modeを計測した結果、AI言及率が1ヶ月で3.8%から52.8%へ約13.9倍、引用率が1.8%から44.8%へ約24.9倍に増加しました。実施したのは一つの裏技ではなく、AIアクセス性、公式情報の整合、引用可能な文章、検索意図に沿った記事、継続計測の5領域です。

今回もっとも重要だったのは、言及されない原因を「記事不足」と決めつけず、サイト全体とページ単位の課題を分けたことです。改善内容を記録し、同じ比較系プロンプトで再計測したからこそ、次に何を続けるべきか判断できました。

自社のAI検索対策を始める場合も、最初に現状を測ってください。その後、取得できる、理解できる、引用できる、比較候補として使えるという順番で課題を確認すると、施策の優先順位が明確になります。

出典・参考データ

1. [1]Optimizing your website for generative AI features on Google Search（Google Search Central）2026-07
2. [2]GEO: Generative Engine Optimization（arXiv）2024-06
3. [3]Brand UPによるAI検索改善計測（Brand UP）2026-07