GEO対策、テクニックだけやっていませんか？ AI検索が見ているのは「評判」

GEO 対策における「評判」とは、AI 検索エンジンが回答生成の根拠として参照する、Web 全体での第三者言及・カテゴリ整合・カスタマー文脈の一貫性を指します。FAQ ブロックの追加、構造化データの実装、キーテイクアウェイの冒頭配置といったオンページのテクニックは前提条件にすぎず、本当に AI に名前が出るかどうかを決めているのは「自社サイトの外で誰がどう語っているか」の積み上げです。Search Engine Land の最新分析、Ahrefs による 75,000 ブランド調査、Kevin Indig の研究を横断して読むと、GEO のパフォーマンスが個別テクニックではなくブランド評判のレイヤーで決まっていることが繰り返し示されています。

ただしテクニックを捨てる方向ではありません。テクニックは AI に「読める」状態を作る土台であり、評判はその上に「選ばれる」確率を載せる層です。この記事では、評判が GEO 対策の中心に据えられた根拠と、テクニックと評判を両輪で回すための実践順序を整理します。

なぜ「テクニックだけでは効かない」と言われ始めたのか

2026 年に入ってから、GEO 対策の議論は明確に「テクニック疲れ」のフェーズに入りました。FAQ ブロックを 30 個並べてもチャットの引用に出てこない、構造化データを完璧にしても AI Overview に拾われない、という声が現場から上がるようになっています。

GEO テクニック 4 つとその限界

GEO 対策として広く実装されているテクニックは、おおむね次の 4 つに集約されます。

それぞれは 2024 〜 2025 年初頭までは確かに効果が観測されていました。しかし AI 検索エンジン側の判定が成熟する過程で、表面的な構造一致では信頼度が伸びにくい設計に切り替わっています。

テクニックが単独で効かない構造的な理由

なぜテクニックだけでは届かないのか。理由は AI のスコアリングロジックの「合議制」にあります。AI は「単一ソースが言っていること」より「複数の独立ソースが共通して言っていること」を信頼します。FAQ や構造化データは自社サイト内の話であり、独立ソースの数を増やしません。同じ事実を 100 回自社サイトで言っても、独立ソースの数は 1 のままです。

Search Engine Land の 2026 年 4 月の分析記事は、この点を「GEO は技術問題ではなくレピュテーション問題に再定義された」と表現しています。テクニックは「AI に読める状態」を作るチケットであって、引用に至るかどうかの判定はその先のレピュテーションレイヤーで決まる、という構図です。

AI 検索が見ている「評判」の正体

評判という言葉は曖昧ですが、AI 検索の文脈では明確に観測可能なシグナルの集合として定義できます。Ahrefs と Kevin Indig が 2026 年に公開した複数の研究が、その輪郭を数値で示しました。

第三者 citation がブランド citation を圧倒する

Search Engine Land が紹介した「best employee monitoring software」というクエリの引用元分析では、AI が回答生成時に参照したソースの構成は以下のような偏りがありました。

商業意図の強い「ソフトウェア比較」クエリですらこの比率です。自社サイトでどれだけ FAQ を書こうと、AI が回答を組み立てるときに参照する 9 割は外側の声から来ています。AI 回答全体で見ると 91% が第三者ソース引用というデータも併せて示されており、自社内最適化が最終層に到達しないことが裏付けられています。

ブランドメンションの予測力はバックリンクの 6 倍

Ahrefs が 75,000 ブランドのデータをもとに公開した相関分析は、GEO の世界観を一変させた研究として参照されています。

相関係数 0.664 は、社会調査やマーケティングデータの基準ではかなり強い相関に分類されます。一方の被リンク 0.10 は実質的に「ほぼ無相関」レベルです。SEO 時代に重視されてきた指標が、AI 検索のレイヤーではほぼ寄与しないことが、サンプルサイズの大きい調査で初めて明示された格好です。

リンクなし言及（unlinked mention）も評価される

ここで重要なのは、Ahrefs の研究におけるブランドメンションが「リンクの有無を問わない」点です。つまり、業界ニュースサイトの本文で社名が文中に登場するだけ、Reddit のスレッドで製品名が会話に出るだけ、ポッドキャストの書き起こしで言及されるだけ、といった「リンクなしの言及」も AI の信頼層を厚くします。

これは現場での施策設計に直接影響します。従来の SEO では「dofollow リンクを取れない言及は価値が薄い」とされてきましたが、GEO ではリンクの有無は副次的で、文脈付きの言及そのものが資産です。寄稿、書評、インタビュー、カンファレンス登壇、業界レポートへの引用といった露出が、AI から見たブランドの実在感を作ります。

「カテゴリアライメント」が崩れているサインを見つける

評判の積み上げと並んで、もう一つ AI が重視している軸があります。カテゴリアライメント、つまり「カスタマーが語る言葉」と「ブランドが自称する位置づけ」の一致度です。

検索 1 位なのに AI に推薦されないとき何が起きているか

Google AI Overview の登場後、検索 1 位の CTR は 7.6% から 1.6% へと約 58% 下落したという報告があります。SEO 上の順位は維持しているのに、AI が同じカテゴリの推薦リストに自社を載せないという現象が、複数の業界で観測されています。

このとき内部で起きているのは、おおむね以下のような語彙ズレです。

• カスタマーは「中小企業向け勤怠管理」と語っているのに、ブランドは「人的資本経営プラットフォーム」と自称している
• カスタマーは「副業向けのインボイス対応」と検索しているのに、ブランドは「フリーランスのファイナンシャル DX」と表現している
• カスタマーは「初心者向けのオンライン英会話」と話しているのに、ブランドは「グローバルコミュニケーション支援」を打ち出している

抽象度の高いマーケティングコピーを採用したブランドほど、AI が組み立てる「カテゴリ語彙」と乖離します。AI は SEO のように完全一致のキーワードマッチを狙わないので、カテゴリの位置づけがズレると、いくら被リンクと FAQ があっても推薦リストに入れません。

アンサーオーディットで 5 つの観点をチェックする

カテゴリアライメントが崩れているかは、自社で完結したチェックが可能です。Search Engine Land と Kevin Indig が「アンサーオーディット」と呼んでいる手法を、5 つの観点に整理しました。

1. ボトムファネルプロンプトを 10 個書き出し、各プロンプトの AI 回答に自社が含まれるかを確認する
2. 含まれない場合、AI が並べたカテゴリ表現と自社の位置づけ表現を並べて差分を取る
3. 第三者メディア・レビューサイト・比較記事で自社が「どのカテゴリに分類されているか」を観察する
4. 直近 3 か月のカスタマーインタビューやサポート問い合わせから、頻出カテゴリ語彙を抽出する
5. 1 〜 4 の語彙が一致しているかをマップ化し、ズレている場合は自社の表現を市場語彙に寄せる

抽象的なブランドコピーを書き換えるのは社内調整が必要な領域ですが、GEO の評判形成と直結します。AI 引用の数を増やしたいのにカテゴリ表現を放置している状態は、配水管に栓をしたまま水道代を払い続けるようなものです。

評判を作る側に回るための実践順序

ここまでで「何を見ているか」が明確になりました。次は「どう積むか」です。評判ベースの GEO 対策は順序を間違えると 3 か月の投資が空転するため、現場で再現性のある順序を整理します。

順序 1 ボトムファネルプロンプトを 10 個書き出す

最初にやるのは、自社が引用されたい AI 検索プロンプトの定義です。漠然と「AI に出たい」と考えていると施策が拡散します。次の条件に合うプロンプトを 10 個ピックアップします。

• 商用意図がある（比較・選定・購入の文脈）
• 自社のターゲットが実際に AI 検索で打ちそうな自然文
• 自社が答えるべき領域に明確に重なる

例: 「中小企業向けでスマホ打刻に対応した勤怠管理は」「インボイス対応で個人事業主が乗り換えやすい会計ソフトは」など、解像度の高い 1 文に落とします。10 個は手元のシートで十分です。

順序 2 第三者カバレッジを 5〜10 ドメインで作る

次に、評判の入口となる第三者ドメインを設計します。Kevin Indig は GEO の評判形成に必要な独立ドメイン数を「5〜10 程度」と示しています。多ければ多いほど良いというより、独立性のある厚いドメインを少数積む発想です。

候補は次のような層です。

• 業界専門メディア（記事寄稿・インタビュー・連載）
• レビュー比較サイト（カテゴリページへの掲載・比較表での明示的言及）
• 業界レポート・ホワイトペーパー（事業会社や調査会社が出す年次レポート）
• 主要ポッドキャスト・YouTube 解説チャンネル（書き起こしと概要欄が評判テキストになる）
• カスタマー事例（顧客側で発信してもらう。許諾フローを設計）

レピュテーションの観点では、商業ブランドメンション率（自社カテゴリのプロンプト群で引用される回数のうち、自社がブランドとしてメンションされる割合）の目安は 10% 以上とされています。第三者カバレッジ 5〜10 ドメインを揃えるところからこの水準が見え始めます。

順序 3 カテゴリ語彙を統一する

第三者言及を増やす施策と並行して、カテゴリ語彙を社内で統一します。プレスリリース、寄稿原稿、サービス LP、営業資料、ヘルプセンター、すべてで使うカテゴリ語彙を 1 〜 2 個に絞り、市場語彙に寄せた表現で揃えます。

ここでよく起きる失敗は、ブランドサイドが「差別化のためにユニークな造語を使い続ける」ことです。差別化したくなる気持ちは理解できますが、AI のカテゴリアライメント評価では市場で通用している語彙との一致度が見られます。造語は社名やプロダクト名に閉じ込め、カテゴリは市場語彙に合わせるのが安全です。

順序 4 14〜21 日のラグを織り込んだ運用にする

施策が AI 引用に反映されるまで、おおむね 14〜21 日のラグがあります。プレスリリースを朝に出して夕方に AI 検索を叩いても変化は出ません。引用元月次変動率は 40〜60% とされており、月単位での揺らぎを見ながらトレンド判定する運用が必要です。

具体的には、月初か週初に AI 検索の応答キャプチャを定型化し、ボトムファネル 10 プロンプトに対する自社引用回数を時系列で追います。3 〜 4 週間スパンで動きを見て、上昇トレンドに合わせて第三者カバレッジ施策を加速・調整します。

日本市場で評判を積む特殊事情

ここまでの議論はグローバル研究のデータが中心ですが、日本市場には固有の構造があります。海外で有効とされる施策をそのまま輸入すると逆効果になる場面もあるため、3 点だけ補足します。

自社サイト SEO 偏重で外部言及が未測定の構造

日本のマーケティング現場は、自社オウンドメディアの順位と流入で KPI を組む慣行が強く残っています。第三者言及を計測している組織はまだ少数派で、「いつどこで自社名が言及されたか」のデータ基盤がそもそも整っていない、というケースが大半です。GEO の評判形成を始めるとき、最初の障壁は施策ではなく計測です。月次でブランドメンション数を集計するシートを作るだけでも、議論の質が変わります。

ブランドサジェスト表示への注力

日本では Google サジェストで自社ブランド名がどう補完されるか、を運用 KPI に置く企業が比較的多く存在します。これは AI 検索の評判形成と部分的に方向が一致します。サジェストに「自社名 + カテゴリ語彙」「自社名 + ユースケース」が出る状態は、Web 上で「カテゴリ文脈で語られている」ことの間接指標になるためです。サジェスト KPI を持っているチームは、その延長線上で第三者言及計測を組み込めます。

海外ハック（Reddit アストロターフィング）は日本でも持続しない

海外コミュニティでは、Reddit に複数の偽アカウントから自社製品を勧めさせる「アストロターフィング」が一時的に流行しました。短期的な引用獲得は観測されたものの、AI 検索エンジン側の対策強化と Reddit 側のアカウント検出強化により、現在は持続的な効果が出にくくなっています。日本でも同様の手法を Yahoo! 知恵袋や note で試すアイデアは出てきますが、検出される前提で運用すると、ブランドの長期評判をむしろ毀損するリスクがあります。地道なカスタマー事例とコミュニティでの専門回答の積み上げの方が、結果的に費用対効果が高くなります。

ブランド評判の AI 検索リスクで扱っているように、ネガティブな第三者言及が拡散したときの巻き戻しコストはハック施策の利益を簡単に上回ります。

テクニックと評判は対立しない、両輪で回す

ここまで「テクニックだけでは効かない」という論を展開してきましたが、テクニックを捨てる主張ではありません。評判だけがあってもテクニックがなければ、AI は記事を読み解けず引用しません。両輪で回す前提を明確にします。

ハブとなる自社記事を AEO 対応で整える

自社サイトには、引用に値するハブ記事が必要です。冒頭定義文、FAQ 構造、明確なカテゴリ語彙、独自データの提示、カスタマー文脈に寄せた具体例。これらは AI 検索引用を取るためのプラットフォーム戦略 でも整理しているとおり、評判が拾われたときに着地点として機能する記事構造です。

評判ハブを軸にスポークを展開する

ハブ記事ができたら、その内容を分割・要約・派生させて第三者プラットフォームに展開します。寄稿、レビューサイトの説明文、業界レポートへの提供データ、カンファレンス登壇のスライド、ポッドキャスト出演時の話題テンプレ。すべて自社ハブ記事を起点にすると、複数の第三者ドメインで一貫したカテゴリ語彙が積み上がり、AI のコンセンサス形成が早まります。コンセンサスの作り方は AI 検索のコンセンサスレイヤー戦略 で詳しく扱っています。

spotyou がカバーする領域とユーザーがカバーする領域

spotyou は、評判が拾われたときに着地するハブ記事のレイヤーを支援します。AI 検索に引用されやすい構造（冒頭定義、FAQ、カテゴリ語彙の整合、コンプライアンス整合）を AI が自動で点検し、量産時にも品質が落ちない状態を作ります。一方、評判の積み上げそのもの（寄稿、PR、コミュニティ運営、カスタマー許諾）は、企業側のオフライン的な動きが中心です。GEO 全体としては、ハブ記事を spotyou で効率化し、評判形成の時間を社内のコミュニケーション施策に再配分する分業が現実的です。

ブランドポジショニングの AI 検索時代戦略 や spotyou のドッグフーディング運用 で扱っているように、ハブの質と評判の積み上げの両方を回す前提でないと、片方だけでは伸びにくい時代になっています。

まとめ

GEO 対策はテクニック層のチケットを揃えたうえで、評判層で勝負する構造に移行しています。

• AI 引用の決定要因はブランドメンションの方がバックリンクより約 6 倍強く、第三者カバレッジが 90% 近くを占める。テクニックだけでは引用層に到達しない
• 検索順位 1 位でも AI に推薦されない事例の多くはカテゴリアライメントの崩れ。ボトムファネルプロンプト 10 個 × 5 観点のアンサーオーディットでズレを定量化する
• 評判の積み上げは独立 5〜10 ドメインを目安に、寄稿・レビューサイト・業界レポート・カスタマー事例で時間をかけて作る。リンクなし言及も評価対象
• 反映ラグは 14〜21 日、引用元月次変動率は 40〜60%。月単位のトレンドで判定し、短期効果を期待しない
• テクニックと評判は対立せず両輪。spotyou は AEO 対応のハブ記事レイヤーを担い、評判形成は企業の対外コミュニケーションの時間を確保する分業が現実的

GEO の議論が「どのテクニックが効くか」から「誰がどう語っているか」へ重心を移したいま、自社サイト内に閉じた最適化を続けるだけでは引用シェアは伸びません。第三者の語り口を耕すための時間と、ハブ記事の品質を保つための仕組みを、別々に確保していくフェーズに入っています。