2026年6月12日 · 12 分で読了
「全部を監視」から「Focus で監視」へ ― 1 つの Focus に 1 つの archetype
AI 可視性をすべて均一に監視するのは高コストで、しかも意思決定を曇らせます。本稿は「ブランドをとにかく全方位で見る」式の曖昧な監視を、VeReach GEO が実際に出荷している単位 ― ちょうど 1 つの archetype（8 つのクエリ形式クラスのうちの一つ）を監視し、それぞれが固有の KPI ファミリと brand guardrail（ブランド・ガードレール）を伴う Focus ― に置き換え、最初の 2〜3 個をどう設計するかまで解説します。
結論から言います。AI 可視性を「とにかく全部、均一に」監視するのは、コストの浪費であると同時に、意思決定を曇らせる最大の原因です。 引用数を無差別にダッシュボードへ積み上げても、「で、私たちは何を直せばいいのか」という事業の問いには一行も答えてくれません。代わりに必要なのは、Focus（フォーカス）で監視することです。データを 1 点も集める前に、答えるべき「問いの種類」を先に固定する。VeReach GEO の Focus は「ブランドをなんとなく追う」式の緩いラベルではなく、**ちょうど 1 つの archetype（アーキタイプ）**を監視します。8 つあるクエリ形式クラスのうちの一つで、それぞれが整合した KPI ファミリと、クエリ集合を正直に保つ brand guardrail（ブランド・ガードレール）を伴います。
本稿は、均一監視がなぜ破綻するのかを説明し、8 つの archetype を一枚の表に整理し、最初の 2〜3 個のフォーカスをどう設計すればいいかまで、実務に落とします。
1. なぜ「全部を均一に監視」が破綻するのか
AI 検索の監視を始めたチームが最初にやりがちなのが、「主要エンジンを全部、思いつくクエリ全部で、毎日回す」という発想です。一見、網羅的で安全に見えます。しかし、これは二重に間違っています。
第一に、エンジン横断の重なりが小さい。 ChatGPT が引用する URL と Perplexity が引用する URL は大半がバラバラで、AI の引用そのものが月次で 40〜60% も振れます。「全エンジンで均一に見れば全体像がつかめる」という前提が、そもそも成り立っていません。何を重点的に見るかを選ばなければ、どのエンジンの数字も中途半端なサンプルにしかなりません。
第二に、問いが違えば必要な指標も違う。「うちはカテゴリで推薦されているか」と「AI がうちの価格を述べたとき、それは正しいか」は、同じ監視作業ではありません。投げるべきクエリも、追うべき成功指標も、「良い」の定義も別物です。両者を一つの playbook ―― 単一のブランドキーワードを全エンジンに投げて汎用の「言及数」を数えるだけ ―― で塗りつぶすのが、GEO で最もよくある、そして最も高くつく浪費です。市場の動きはそれを許さないほど速い。日本の AI 検索は8 か月で 3.5 倍に成長し（博報堂）、日本の B2B 購買担当者の 46.4% が AI 経由でベンダーを見つけたと報告しています（LANY）。
監視はコストです。AI サーフェスを実環境で観測するには、地域・言語・デバイス・パーソナライズの分布をまたぐ独立した環境とサンプリングが要る。だからこそ「各 Focus がどの種類の問いに答えるのか」を決めることが、「何を追うか」を決めることと同じくらい戦略的なのです。
2. Focus とは何か
VeReach GEO の階層はシンプルです。Organization → Project → Focus → KPI。Project は純粋な UI のフォルダで、スキーマを持たず、ただグルーピングするだけ。実際の仕事をする単位が Focus ―― 「数字を眺める」を「事業の問いに答える」へと変える、監視対象のエンティティです。
Focus は 何を追うか × どの事業の問いに答えるか を運用化したものですが、出荷されている具体構造はもっと厳密です。その統治ルールはこうです。
1 つの Focus は、ちょうど 1 つの archetype を監視する。 1 つの archetype は均質なクエリ集合を生み、その集合を単一の KPI ファミリが公平に説明できる。Focus が「無関係な数字のダッシュボード」になり下がらず、解釈可能なまま保たれるのは、まさにこの理由からです。
「カテゴリで推薦されているか」と「述べられた価格が正しいか」を一つの Focus に詰め込もうとすると、クエリ集合は不均質になり、どの単一 KPI ファミリでも公平に採点できなくなります。だから詰め込まない ―― それぞれを別々の Focus に分け、各々が一つの archetype に乗ります。
各 Focus は、その archetype をうまく回すための機構も保持します。
- brandName + 型付き brandVariants（カタカナ / ひらがな / 漢字 / ローマ字 / ascii ―― 日本市場特有の表記ゆれ）
- trackedEntities（役割つき：self / competitor / reference / other）―― Share of Voice と competitor gap を駆動
- プロンプト集合（
samplesPerCell、既定 10 ―― 各プロンプト × エンジンを N 回問い合わせ、LLM のばらつきを平均化） - web-grounding モード（all / JP tier-1 のみ / allowlist / blocklist）
- 収集ケイデンス（自動収集のスケジュール）
- 独自の時系列ストア ―― 各 run がその Focus の時間軸上の 1 点になる
追跡エンジンは ChatGPT・Gemini・Claude・Perplexity（OpenRouter 経由）です。
3. 8 つの archetype
ここが中核です。すべての Focus は、この 8 つのクエリ形式クラスのうち、ちょうど一つを選びます。brand guardrail ―― self と competitor の二軸、各々が forbidden（禁止）/ optional（任意）/ required（必須） ―― が、クエリ集合を形式どおりに保ちます。ブランド名指しの比較が、ブランド不在のカテゴリ推薦 Focus に漏れ込むことは決して起きません。
| # | archetype | 答える GEO の問い | brand guardrail |
|---|---|---|---|
| 1 | カテゴリ推薦（Category recommendation） | 「ユーザーが AI に自カテゴリの選択肢を尋ねたとき、うちは推薦され、上位に入り、一番手か」 | brandless ―― ブランド名を出さない |
| 2 | 直接比較（Head-to-head comparison） | 「X 対 Y の名指し比較で、AI はうちを支持するか。その主張は正確か」 | self + competitor をともに名指し |
| 3 | ブランド直問・評判（Brand-direct reputation） | 「うちを直接尋ねたとき、描写は正確・好意的で、炎上の気配はないか」 | self のみ |
| 4 | 事実正確性（Factual accuracy） | 「AI がうちの価格 / スペック / 機能を述べたとき、公式と照らして正しいか」 | self のみ |
| 5 | キャンペーン・鮮度（Campaign / freshness） | 「AI は最新のローンチ / キャンペーンを知り、公式ソースを引用しているか」 | self のみ |
| 6 | 権威・引用（Authority / citation） | 「うちがデータを所有するトピックで、AI は出典としてうちに帰属・引用するか」 | brandless ―― トピックを名指し |
| 7 | 差別化の顕在性（Differentiation salience） | 「うちの差別化点は提示されているか、それとも『競合と同じ』に均されているか」 | self + competitor |
| 8 | 意図カバレッジ（Intent coverage） | 「ブランド不在のカテゴリ意図群のうち、競合がどれを独占し、うちはどれを取りこぼしているか」 | brandless |
一つ取り違えないでほしい点。subject angle（主体の切り口） ―― 会社・ブランド・特定製品のどれを軸に据えるか ―― は archetype と直交しています。これはプロンプト内の {{brand}} スロットを埋めるだけで、どの archetype に乗っているかは変えません。guardrail が形式を統治し、subject angle はそれを装飾するにすぎません。
4. KPI ― 8 つの builtin と、archetype 固有のカスタムファミリ
すべての Focus は、archetype に関係なく、同じ 8 つの builtin KPI を追跡します。各 run の score summary から計算され、run ごとに 1 点として時系列へ投影されます。
- Visibility（可視性） ―― Visibility Score
VS = 0.4·Coverage + 0.3·Position + 0.3·Influence - Share of Voice
- Weighted share（加重シェア、日本語ソース加重）
- Sentiment ratio（感情比）
- Own mentions（自社言及）
- Competitor mentions（競合言及）
- Citations（引用）
- Competitor gap（競合との差分）
これが共通の背骨です。その上に、各 archetype は固有のカスタム KPI を提案します ―― LLM ないしオペレーターが定義する抽出ディメンション（valueType：label / score / percent / presence）で、オーサリング・エージェントが Focus のレスポンス・スキーマへ実体化します。要点は、カスタム KPI がその archetype の生むクエリを公平に説明できること。例を二つ。
- 直接比較 → 「結論はうち有利 / 競合有利 / 引き分け」（label）、「公式と照らした主張の正確性」（score）。
- 事実正確性 → 「述べられた事実が正しい / 一部正しい / 誤り / 言及なし」（label）、「ハルシネーションされた詳細はあるか」（presence）。
ダッシュボードに無関係な数字を積むのではなく、行動に直結する診断を出す。archetype がクエリの形式と KPI ファミリを一手で固定するので、「何を追うか」と「どう採点するか」は、祈りではなく構造として整合します。
Focus は会話型エージェントで起こすこともできます。ブランドを記述し、archetype を選ぶと、エージェントがプロンプト集合・カスタム KPI・レスポンス・スキーマを提案し、そのまま run をトリガーする ―― Focus の設計そのものが、対話になります。
5. 最初の 2〜3 個のフォーカスをどう設計するか
「全部を監視」をやめると決めたら、作るのは多くても 2〜3 個。効果を確認してから広げれば十分です。キーワードではなく archetype を選びます。
Focus 1 ― カテゴリ推薦（brandless）
まず archetype #1。どのカテゴリリーダーも答えを必要とする問いです ―― ユーザーがあなたを名指しせずに AI へカテゴリの選択肢を尋ねたとき、推薦され、上位に入り、できれば一番手か。guardrail により brandless なので、クエリ集合は自社名のうぬぼれ確認ではなく、カテゴリ存在感の純粋なテストになります。ここでは Visibility・Share of Voice・competitor gap が信号の大半を担います。
Focus 2 ― 直接比較（self + competitor）
次に、負け続けている相手を名指しできるなら archetype #2。guardrail により両ブランドが必須なので、すべてのクエリが本物の X 対 Y 比較になります。カスタム KPI ―― 「結論はうち有利 / 競合有利 / 引き分け」「公式と照らした主張の正確性」―― が、漠然とした不安を、動かせる数字に変えます。
Focus 3（任意）― 事実正確性、またはブランド直問・評判（self のみ）
三つ目はリスク面で選びます。AI が価格やスペックを誤り続けるなら archetype #4（事実正確性）を回し、「述べられた事実が正しい / 誤り」label とハルシネーション presence を見ます。ブランド全体の描かれ方が気になるなら archetype #3（ブランド直問・評判）を回し、sentiment ratio に寄せます。
| 優先度 | archetype | brand guardrail | なぜ最初にやるか |
|---|---|---|---|
| 1 | カテゴリ推薦 | brandless | カテゴリ存在感を素で試す。競合はすでにこの面を食っている |
| 2 | 直接比較 | self + competitor | 「X に負け続けている」を、追える・動かせる数字に変える |
| 3 | 事実正確性 / ブランド直問・評判 | self のみ | リスク面で選択 ―― 事実の誤りか、評判の不安か |
この 2〜3 個を、それぞれ独自の archetype と独自の時系列で回し始める。これだけで、監視は「浮遊する数字の山」から「事業に直結する診断」へと変わります。
6. まとめ
AI 可視性の監視は、網羅性ではなく焦点で勝負が決まります。エンジン横断の引用重複は小さく、AI の引用は月次で 40〜60% 振れ、問いが違えば必要な指標も違う ―― これらの事実が、「全部を均一に」という発想を最初から退けています。
だから Focus で監視する。そして統治ルールを忘れないこと ―― 1 つの Focus、1 つの archetype、1 つの KPI ファミリ、1 つの brand guardrail。 8 つの builtin KPI がすべての Focus に共通の背骨を与え、archetype 固有のカスタム KPI が診断を実際の問いに答えさせます。VeReach GEO はこの一連を製品の単位として運用化し、「順位を見る」を「事業を見る」へと引き上げます。まずはカテゴリ推薦と、最も鋭い直接比較の 2 個から始めてください。
自社にとって正しい archetype に合わせた、的を絞った監視と診断レポートを実環境の条件下で受け取りたい場合は、お問い合わせください。プロダクトの詳細は VeReach GEO のソリューション をご覧ください。
方法論についての注記：本稿の archetype モデル・KPI ファミリ・Visibility Score の式は、2026 年 6 月時点の VeReach GEO の出荷済みプロダクトを反映します。AI 引用のボラティリティ・日本の AI 検索成長・日本の B2B 購買担当者の数値は、同時点の公開報道（博報堂・LANY）に基づきます。AI サーフェスは進化が速いため、重要な意思決定の前には最新の公式情報と照らし合わせてください。