ゼロクリックが当たり前の時代に ― 誰もクリックしない GEO をどう測るか

AI 検索の成果をいまだにクリック数と順位で採点しているなら、それは静かに 閉じつつあるチャネルを測っていることになります。「誰もクリックしない GEO を どう測るか」への率直な答えはこうです ―― クリックを数えるのをやめ、引用を 数え始める。 クリックが消えれば、引用されること こそがビジネス成果に なる。そしてそれは別の KPI セットを要求します ―― AI Share of Voice、引用数と 引用ポジション、エンジンカバレッジ、そして競合ギャップ。本稿ではこれらの 指標を一つずつ定義し、それぞれが実際に答える問いに対応づけ、変動の激しい AI 可視性が要求する計測の作法 ―― 反復サンプリング・トレンド追跡・信頼区間 ―― を説明します。

---

1. 数字で見る「ゼロクリックの現実」

クリックは元から保証されたものではありませんでしたが、いまやそれは例外で あって原則ではありません。データは明確です。

• 2026 年、米国 Google 検索の約 68% はクリックなしで終わる（SparkToro）。 検索需要の過半は、すでに結果ページ上で満たされています。
• AI 要約があると、ノークリック率は 16% から 26% へ上昇 し、要約内の 出典をクリックするユーザーはわずか約 1%（Pew Research, 2025）。AI 回答が 意図を吸収し、引用は「読まれる」ものであって「クリックされる」ものでは なくなっています。
• AI Mode は約 93% がゼロクリック。 十本の青いリンクを廃した会話型の回答 は、下流にクリックを送ることがほとんどありません。

反射的な反論は「でも AI 経由の流入なんて微々たるものだ」でしょう。今日まで はその通り ―― AI リファラルは依然として総トラフィックの約 1% にすぎ ません（Conductor, 2026）。しかしその 1% はオーガニックとはまるで挙動が 違います ―― Perplexity 経由のコンバージョン率はオーガニック検索流入の 約 11 倍。実際に到達してくる訪問者は、すでに AI に「お墨付き」を与えられた 有資格リードなのです。

戦略的な読み筋は「AI は小さいから無視」ではありません。計測単位としての クリックが崩壊しつつある一方で、なおクリックする小さな一片は桁違いに コンバージョンする ―― これが本質です。十本の青いリンク向けに作られた ダッシュボードでは、この変化を管理できません。分母が変わったのだから、 指標も変えなければなりません。

---

2. クリックが消えれば、引用が KPI になる

従来の SEO は 順位 ―― リンクの並ぶページ上の N 番目 ―― を最適化して きました。順位がクリックを予測し、クリックがビジネスを予測したからです。 順位とクリックの連結が切れれば、その下に積み上がった指標スタック全体が 意味を失います。GEO はそれを一つの問いに置き換えます ―― AI エンジンが あなたのカテゴリで回答するとき、あなたを引用するか。どれくらいの頻度で、 どれくらい目立つ位置で、そして誰に対して。

この問いは、小さく頑健な引用ベースの KPI セットに分解されます。それぞれが 別のビジネス課題に答える ―― だからこそ一つの数字では足りないのです。

KPI	定義	答えるビジネス課題
AI Share of Voice（AI SoV）	追跡するエンジン・プロンプト全体での、自社引用数 ÷ カテゴリ全引用数	「市場の回答スペースのうち、自社のものはどれだけか」
引用数（count）	1 ラン／期間でエンジンに引用された生の回数	「そもそも参照されているか、そして増えているか」
引用ポジション	回答内で自社ブランドがどれだけ早く登場するか（最初の言及か末尾に埋もれるか）	「引用されるとき、自分は見出しか脚注か」
エンジンカバレッジ	追跡対象エンジンのうち、少なくとも 1 回は自社を引用したエンジン数	「買い手が尋ねるあらゆる場所で見えているか、一つのエンジンに偏っていないか」
自社言及 vs 競合言及	同じ回答の中での、自社言及数と各競合の言及数	「AI が選択肢を挙げるとき、誰が自分の隣に ― そして前に ― 出るか」
競合ギャップ	自社言及 − 競合言及	「直接対決で勝っているか負けているか、その差はどれだけか」

較正用のベンチマークを一つ ―― B2B SaaS では、上位四分位のブランドは月あたり 約 31 件の引用を得るのに対し、下位四分位は約 3.7 件 ―― その差 8.4 倍 （data-mania, 2026）。引用量は虚栄指標ではなく、AI が信頼するブランドと無視 するブランドの間の隔たりそのものです。

なぜ AI Share of Voice が起点となる指標なのか

生の引用数は「存在しているか」を教えてくれます。AI Share of Voice は 「勝っているか」を教えてくれます。 これは比率です ―― 自社引用数を カテゴリ全引用数で割ったもの ―― なので、全体の底上げに対して頑健です。 カテゴリ全体の可視性が上がれば、絶対値は伸びても シェア は落ちうる。 SoV はそれを捉えます。経営層が誰でも理解している「市場シェア」の問いに 最も近い GEO の類比であり、だからこそレポートの先頭に置くべき数字です。

---

3. KPI を「問い」に対応づける

よくある失敗は、六つの数字をすべて同じ重みでダッシュボードに並べることです。 それらは対等ではありません ―― それぞれが 特定の 問いへの正しい答えであり、 他の問いには誤った答えです。意図を持って使い分けましょう。

• 「そもそも会話に入れているか」 → 引用数とエンジンカバレッジ。カバレッジ が 4 エンジン中 1、引用数がほぼゼロなら、問題は精緻化ではなく「存在」です。
• 「カテゴリで勝っているか」 → AI Share of Voice。これは取締役会レベルの 数字で、パーセンテージとして時系列で追います。
• 「推奨枠なのか、それともおまけなのか」 → 引用ポジション。引用数が健全 でも、三つの競合の後に末尾で言及されるブランドにはポジションの問題が あります。
• 「誰に、どこで負けているか」 → 競合ギャップを、エンジン別・プロンプト別 に切る。意思決定段階のプロンプトでギャップがマイナスなら売上の問題、認知 段階のプロンプトでマイナスならパイプラインの問題です。
• 「施策は効いているか」 → 上記すべての、ラン間のデルタ。水準は「今どこに いるか」を、トレンド は「GEO プログラムが機能しているか」を教えます。

作法はこうです ―― レポートは一つの起点（AI SoV）で導入し、診断系 KPI （ポジション・カバレッジ・ギャップ）で補強し、「引用が増えた」を「勝って いる」と混同しない。両者は別の問いに答える別の指標です。

---

4. VeReach GEO は引用 KPI セットをどう運用に落とすか

これはまさに VeReach GEO が中心に据えている指標セットです。ラン単位でも 時系列でも、VeReach GEO は一貫した ビルトイン KPI を計算します ―― ブランド ごとに別々のスプレッドシートを手作りせずに済むように。

• 可視性 ― VS スコア。 AI 回答における可視性を一つに要約する合成指標で、 次のように定義されます。

  VS = 0.4 · カバレッジ + 0.3 · ポジション + 0.3 · 影響度

  カバレッジは何エンジンが自社を引用するか、ポジションは回答内でどれだけ 早く登場するか、影響度は引用の強さです。重み付けは意図的です ―― 存在の 広がり（カバレッジ）が最大の重みを持つのは、エンジンを横断して どこかで 引用されることが前提条件だからです。そのうえで目立ち度（ポジション）と 引用の強さ（影響度）がスコアを精緻化します。

• シェア・オブ・ボイス ―― カテゴリ全引用に占める自社引用の割合。

• 引用数（count） ―― ラン単位の生の参照量。

• 自社言及・競合言及 ―― 同じ回答内での自社と各競合。

• 競合ギャップ ―― 自社 − 競合言及。直接対決を一つの符号付き数値で。

• エンジンカバレッジ ―― 追跡対象エンジン（ChatGPT・Gemini・Claude・ Perplexity）のうち、少なくとも 1 回は自社を引用したエンジン数。

VeReach GEO はこの 4 エンジンを追跡し、結果を Focus 単位の時系列 として 保存します。各指標について、最新値・前回値・デルタ・スパークラインを保持 します。この構造こそが要点です ―― あらゆる KPI をスナップショットから「ひと 目で読めるトレンド」へと変える。週ごとに動く指標を管理する唯一の方法です。

VeReach GEO ビルトイン KPI	対応する指標	読み方
可視性（VS スコア）	カバレッジ＋ポジション＋影響度の合成	「AI 回答での総合的な立ち位置を一つの数字で」
シェア・オブ・ボイス	AI Share of Voice	「カテゴリの回答スペースに占める自社の取り分」
引用数（count）	引用数	「参照量 ― 増えているか」
自社／競合言及	自社 vs 競合言及	「自分の隣に誰が出るか」
競合ギャップ	競合ギャップ（自社 − 競合）	「符号付きで、前か後ろか」
エンジンカバレッジ	エンジンカバレッジ	「ChatGPT／Gemini／Claude／Perplexity 横断の広がり」

正直なスコープの注記 ―― センチメント／ポジティブ引用比率はロードマップ 上の項目 であり、出荷済みの主力指標ではありません。これは上記の引用 KPI の上に追加されつつある ディメンション の系譜に属します ―― 「引用される とき、その文脈は好意的か」を問うのに有用です ―― が、今日の屋台骨となる 数字は可視性・シェア・引用数・言及・ギャップ・カバレッジです。まだ較正中 の数字を報告するくらいなら、控えめに主張するほうを選びます。

---

5. 計測の作法 ― なぜ単発スナップショットは嘘をつくのか

ここに、多くの GEO ダッシュボードを静かに無効化する罠があります ―― AI 可視性 は変動が激しく、かつ確率的 だということ。問題は二つあります。

1. 時間方向の変動。 ブランドの AI 引用は 月あたり 40〜60% 揺れうる （Profound）。先週の数字は来週のベースラインではありません。
2. 瞬間内の確率性。 生成エンジンはサンプリングに基づくため、同じ プロンプトを二度尋ねても異なる引用が返りうる（Sielinski, 2026）。単発の クエリは分布からの一回の引きであって、分布そのものではありません。

この二つが合わさると、単一の計測 ―― 一つのプロンプト、一つのラン、一日 ―― はほぼノイズに近くなります。それをシグナルとして扱うと、サンプリングの ばらつきにすぎない「30% 改善」を祝ったり、来週には反転する「下落」に慌てたり する。これを正す作法は、統計からそのまま借りてきます。

• 反復サンプリング。 各プロンプトを複数回尋ねて集計する。一回の引きは 逸話、多数の引きは真の引用率の推定。
• 点推定ではなく信頼区間。 「AI SoV は 18%」ではなく「18% ± 4%」と報告 する。二つのランの区間が重なるなら、その差はまだ本物ではない ―― 勝利を 謳うスライドを出してはいけません。
• 週次のリズム。 月 40〜60% の揺れを踏まえると、日次のノイズに溺れずに トレンドを見るには週次サンプリングがちょうどよい。最新の一点ではなく トレンドラインを追います。
• 条件を固定する。 同じプロンプト、同じエンジン、同じ設定を、ラン間で 維持する ―― さもないと、変化がコンテンツによるものか手法によるものか 判別できません。

だからこそ VeReach GEO の時系列は、各値とともにデルタとスパークラインを 保存します。反復サンプリングのもとで単一の不安定な点ではなく トレンド を 読むよう設計されているのです。合成 VS スコアとエンジン別内訳が水準を、 Focus 単位のスパークラインが軌跡を与えます。

---

6. 実践 ― ベースラインの立て方

測っていないものは改善できず、動く標的を一回の観測から測ることもできません。 機能するベースラインはこうなります。

1. Focus を定義する。 何を追うか ―― どのブランドや製品を、どの競合に 対して、どのプロンプト集合で ―― を計測の前に決める。曖昧な Focus は 解釈不能な数字を生みます。
2. プロンプト集合を固定する。 買い手が実際にエンジンへ尋ねる問いを、 認知（「X に最適なツール」）から意思決定（「X vs Y」）まで揃える。ラン同士を 比較可能にするため、集合を凍結します。
3. 4 エンジン横断で反復サンプリングする。 各プロンプトを ChatGPT・Gemini・ Claude・Perplexity で複数回走らせる。前述の確率性を踏まえると、この反復 こそが数字を信頼に足るものにします。
4. 一つだけでなく KPI セット全体を記録する。 VS、シェア・オブ・ボイス、 引用数、自社／競合言及、ギャップ、エンジンカバレッジを同一ランで取得 する。別々の問いに答えるので、後で全部が欲しくなります。
5. 区間を確立し、その後デルタを見る。 最初の数週でベースラインと信頼区間 を確立する。以降は Focus 単位のデルタとスパークラインが、プログラムが数字 を動かしているか ―― どのエンジン・どの競合が変化を駆動しているか ―― を 教えてくれます。

このやり方なら、「AI 検索で勝てているか」は当て推量であることをやめ、追跡 され信頼区間で囲まれた、次のアクションを直接指し示す答えになります。

---

可視性・シェア・オブ・ボイス・競合ギャップ・エンジンカバレッジという 引用ベースの KPI セットを、自社ブランドについてラン単位で計算し時系列で 追いたいですか。VeReach GEO がどのように AI 可視性を計測するか をご覧ください。あるいはお問い合わせください。

---

手法に関する注記：本稿で引用したゼロクリック・コンバージョン・変動の 数値は SparkToro、Pew Research、Conductor、Profound、data-mania、Sielinski による（2026 年 6 月時点）。VS の算式とビルトイン KPI は VeReach GEO の現行 実装を記述したものです。AI 検索の挙動は速く変化します ―― 重要な意思決定の 前に、最新の情報源と自社で計測したベースラインに照らして検証してください。