LLMO対策の効果測定とは？追うべき6つのKPIとGA4・Search Consoleでの計測方法【2026年最新】

「LLMO対策を始めてから、ChatGPTで自社名が出るようになった気はする」——けれど、上長や経営層に「で、効果はどれくらい出ているの？」と聞かれると、途端に言葉に詰まってしまう。いま多くのマーケティング担当者が、この壁にぶつかっています。

検索順位という共通のものさしがあったSEOと違い、AI検索の世界には「何位」という指標がありません。回答は毎回変わり、クリックされないまま終わることもあります。だからこそ、測り方を先に設計しておかないと、施策の良し悪しを判断できないまま予算だけが消えていきます。

本記事では、LLMO対策の効果測定で追うべき6つのKPI、GA4とSearch Consoleで実際に何が測れて何が測れないのか、そして経営層への報告までを、2026年時点の公式仕様にもとづいて整理します。読み終えるころには、明日から回せる測定の設計図が手元に残るはずです。

まずは自社のAI検索対策状況を無料で診断しませんか？

バクリ株式会社の「無料AIOアセスメント」では、ChatGPT・Gemini・Perplexityにおける自社の引用状況と改善ポイントを10分で可視化します。

【お知らせ】4月17日（金）に弊社代表荒川が書籍を発売しました！
AI時代を勝ち抜く最先端のノウハウをまとめた書籍『海外の先行事例に学ぶ AI検索最適化（AIO/AISEO/LLMO）実践ガイド』（著者：弊社代表取締役 荒川 大史）が、4月17日（金）よりKindleストアにて配信開始しました。

これからのビジネス戦略にぜひお役立てください！

1. LLMO対策の効果測定とは？

1-1. LLMO対策の効果測定とは、AIに「選ばれた度合い」を追うこと

LLMO対策の効果測定とは、ChatGPTやGeminiなどの生成AIの回答のなかで、自社がどれだけ引用・推奨されているかを定点観測し、その変化が事業成果にどうつながったかを確かめる一連の取り組みのことです。

ここで大事なのは、測る対象が「順位」ではなく「選ばれ方」だという点です。従来のSEOでは、狙ったキーワードで何位に表示されるかという明快な数字がありました。一方の生成AIは、ユーザーの質問に対して一つの回答文を組み立てます。そこに自社の名前が入るか入らないか、入るとしたら何番目に、どんな文脈で語られるか。測るべきはこの部分です。

つまりLLMOの効果測定は、「露出量の測定」から「言及の質の測定」へと軸足が移ります。この前提を社内で共有しておかないと、後から「順位が上がっていないじゃないか」という噛み合わない議論が起きやすくなります。

1-2. SEOの効果測定と何が違うのか【比較表】

両者の違いを整理すると、以下のようになります。

観点	SEOの効果測定	LLMO対策の効果測定
主な指標	検索順位・表示回数・クリック数	言及率・推奨率・引用元ページ
データの取得元	Search Console、GA4	GA4、Search Console＋手動調査・専用ツール
結果の安定性	同じ条件なら概ね再現する	同じ質問でも回答が変動する
因果の追いやすさ	施策と順位変動を紐づけやすい	施策と言及変化の間接性が高い
主な最終成果	流入数・CV数	流入数・CV数＋指名検索・想起
計測の完全性	ほぼ全量を把握できる	一部しか把握できない（後述）

決定的な違いは最後の行です。SEOでは自社サイトへの流入をほぼ取りこぼしなく把握できましたが、LLMOでは「AIが自社に言及したが、ユーザーがクリックせずに満足して離脱した」というケースが日常的に起こります。この分は、どれだけツールを増やしてもサイト側のログには現れません。

1-3. LLMOとAIO・GEOの関係を整理しておく

効果測定の設計に入る前に、用語の位置づけを確認しておきます。LLMOは大規模言語モデルに理解・参照されやすくする最適化を指し、GEOは生成エンジンの回答に引用させるための最適化を指します。両者はほぼ同義として使われる場面が多く、実務上の施策も重なります。

そしてAIO（AI検索最適化）は、これらを含むより広い総称にあたります。バクリでは、AIOを以下のように定義しています。

AIOの定義 主な対象：AI Overview＋各種生成AI（AI検索全般） 目的：AI Overview対策とLLM対策（その他AI対策）を合わせた総称。AI検索全体で引用・紹介される状態をつくること

効果測定においてこの整理が重要なのは、測定範囲を決める作業と直結するからです。「LLMO対策の効果」と言うとき、それがChatGPTなどのチャット型AIだけを指すのか、GoogleのAI Overviewまで含むのかで、使うツールも読み取れる数字もまったく変わります。後述するとおり、この2つは計測上まったく別の枠組みで扱われるため、最初にどちらを見るのかを決めておく必要があります。

2. なぜLLMOの効果測定は難しいのか｜4つの構造的な理由

LLMOの効果測定が難しい理由を解説します。

2-1. 回答が毎回変わる｜非決定性という前提

生成AIは、同じ質問を投げても毎回まったく同じ回答を返すとは限りません。表現が変わることもあれば、挙げられる企業名の顔ぶれや順番が入れ替わることもあります。

そのため、1回だけ質問して「自社が出た／出なかった」と判断するのは、コインを一度投げて表が出る確率を語るようなものです。効果測定では、同じプロンプトを複数回、あるいは定期的に投げて、出現した割合として捉える必要があります。この「率で見る」という発想が、LLMO効果測定の出発点になります。

2-2. AI Overview経由の流入は、通常の検索と区別できない

GoogleのAI Overview（AIによる概要）やAIモードから自社サイトに遷移した場合、そのアクセスは通常のGoogle検索と同じ扱いになります。GA4のチャネル定義でも、これらは組織検索（Organic Search）の側に分類され、AIアシスタント向けのチャネルには含まれません。

日本国内ではGoogle検索の利用が依然として大きな比重を占めるため、「AI検索の影響を最も受けている入口が、いちばん見えにくい」という状況が生まれます。ここはツールの使い方でどうにかなる部分ではなく、仕様として受け入れたうえで別の手当てを考えるしかありません。

2-3. アプリ経由のアクセスは「直接流入」に混ざる

参照元情報を送らない経路からのアクセスは、GA4では直接流入（Direct）として記録されます。スマートフォンアプリ版のAIから開かれたリンクなどが、これに該当し得ます。

つまりGA4で見えるAI経由の数字は、実際のAI起点のアクセスの下限値と考えるのが妥当です。「AI経由は月10セッションしかないから効果がない」と結論づける前に、この取りこぼしの存在を思い出してください。

2-4. 効果が指名検索やCVに間接的に現れる

生成AIで自社を知ったユーザーが、その場ではクリックせず、後日あらためて社名で検索してサイトを訪れる。この動きは実務上よく起こりますが、GA4上は「自然検索からの指名流入」としてしか記録されません。AIがきっかけだったという事実は、データには残らないのです。

だからこそ、AI経由の直接流入だけでなく指名検索数の推移をセットで追う設計が必要になります。単体では弱い指標も、組み合わせることで施策の効き目を推し量る材料になります。

3. LLMO対策で追うべき6つのKPI

ここからは具体的な指標に入ります。最初から6つすべてを追う必要はありません。優先度も併記しますので、自社のフェーズに合わせて取捨選択してください。

3-1. AI言及率｜自社が回答に登場する割合

あらかじめ用意した質問セットを生成AIに投げたとき、回答のなかに自社名やサービス名が登場した割合です。最も直接的にLLMO対策の成果を映す指標であり、まずここから始めるのが定石です。

計算式はシンプルで、「自社が登場した回答数 ÷ 投げた質問の総数」。たとえば30問中9問で名前が出れば、言及率は30%です。数字そのものより、同じ質問セットで測り続けたときの推移に意味があります。

3-2. AI推奨率｜競合と比べて何番目に挙げられるか

言及率だけでは見落とすものがあります。それは「登場はしたが、5社中5番目に、しかも一言だけ触れられた」というケースです。同じ1件でも、真っ先に推薦されるのと、末尾に添えられるのとでは、ユーザーの行動に与える影響がまったく違います。

そこでバクリでは、言及率とは別に推奨率、回答内で自社が上位に挙げられた割合や、競合を含めた相対的な位置づけを分けて追うことを推奨しています。言及率が横ばいでも推奨率が上がっていれば、施策は正しい方向に進んでいます。この2つを分離するだけで、月次の打ち手の精度は大きく変わります。

3-3. AI経由流入数｜実際にサイトへ来た人数

生成AIの回答内のリンクから自社サイトへ遷移したセッション数です。GA4で取得できます。前述のとおり実数より少なめに出る指標ですが、エンゲージメント率やCV率と掛け合わせて質を見ることで価値が出ます。

絶対値の大小で一喜一憂せず、前月比・前年同月比の変化率として扱うのが実務的です。

3-4. 指名検索数｜ブランド認知が広がったサイン

社名やサービス名での検索回数です。Search Consoleのクエリデータから確認できます。AIで自社を知った層が後から検索してくる動きを捉えられるため、AI経由流入の「見えない部分」を推し量る代理指標として機能します。

季節性の影響を受けやすいので、前年同月との比較を基本にしてください。

3-5. 引用元ページ数｜どのコンテンツが評価されているか

AIの回答内で、自社サイトのどのページがリンク・出典として示されたかを記録していく指標です。ここが把握できると、「どういう構造の記事が引用されやすいのか」という再現性のある知見が蓄積されていきます。

言及率を上げるための打ち手を考えるうえで、実質的にいちばん実用的なデータがここに集まります。

3-6. AI経由CV数・商談数｜事業成果への接続

最終的に問い合わせや資料請求、商談にどれだけつながったかです。件数が少なく統計的な判断が難しい時期が続きますが、経営層への説明では避けて通れません。GA4のキーイベントとチャネルを掛け合わせることで、限定的ながら把握できます。

3-7. 6つのKPI比較表｜優先度と測定難易度

	KPI	何がわかるか	優先度	測定難易度	主な確認手段
1	AI言及率	AIが自社を知っているか	★★★	中	手動プロンプト調査・専用ツール
2	AI推奨率	競合と比べて推されているか	★★★	高	手動プロンプト調査・専用ツール
3	AI経由流入数	AIから人が来ているか	★★★	低	GA4
4	指名検索数	認知が広がっているか	★★☆	低	Search Console
5	引用元ページ数	どの記事が効いているか	★★☆	中	手動調査・専用ツール
6	AI経由CV数	事業成果に届いたか	★☆☆	高	GA4（キーイベント）

最初の3ヶ月は、1・3・4の3つに絞ることをおすすめします。 言及率で認知を、流入数で誘導を、指名検索数で波及を捉えられれば、全体の方向性は十分に判断できます。

4. ツール別｜何が測れて、何が測れないか

ここが本記事の核心です。2026年に入って公式に測れる範囲が広がった一方、それぞれに明確な死角があります。境界線を正確に知っておくことが、誤った報告を防ぐ最短ルートです。

4-1. GA4｜AIアシスタント専用チャネルが追加された

Googleは2026年5月13日、GA4のデフォルトチャネルグループにAIアシスタント向けの新しいチャネルを追加すると発表しました。参照元が既知のAIアシスタントと一致した場合、メディアに ai-assistant が自動で割り当てられ、専用チャネルに分類される仕組みです。特別な設定は不要で、その後数週間かけて各プロパティへ順次展開されました。

測れること

• ChatGPT・Geminiなど主要AIアシスタント経由のセッション数
• そのトラフィックのエンゲージメント率、キーイベント（CV）数
• 他チャネルとの横並び比較

測れないこと・注意点

• AI OverviewとAIモードは対象外：Googleの公式なチャネル定義において、これらは明確に除外されており、組織検索側に分類されます
• 過去データに遡及しない：分類ロジックが適用された日より前のセッションは、参照（Referral）などに残ったままです
• 対象サービスの完全な一覧は非公開：公式ヘルプに例示されるサービス名は時期によって変動しており、すべてが列挙されているわけではありません。定義に含まれないサービスからの流入は、従来どおり参照チャネルに入ります
• 参照元を送らない経路は対象外：アプリ経由などは直接流入に計上されます

実務上の対応としては、標準チャネルをそのまま使いつつ、探索レポートやカスタムチャネルグループで参照元ドメインベースの自前ルールを重ねるのが現実的です。自社に実際に来ている参照元を実データで確認し、標準では拾えないサービスを補完しておきましょう。過去データを同じ定義で見直せる利点もあります。

4-2. Search Console｜生成AIパフォーマンスレポートが登場

Googleは2026年6月3日、Search Consoleに新しい「検索の生成AIパフォーマンスレポート」を導入したと発表しました。このレポートは、AIによる概要やAIモードなどの検索の生成AI機能、およびDiscoverの生成AI機能におけるインプレッション数を、専用のビューで確認できるよう設計されています。またこのデータは、従来の全体的なパフォーマンスレポートにも引き続き含まれて追跡されます。

前節でGA4の死角として挙げた「AI Overview」を、限定的ながら公式データで捉えられるようになった点で、これは大きな前進です。

測れること

• AI OverviewやAIモード内で、自社URLが表示された回数（インプレッション）
• 表示されたページ、地域、デバイス

測れないこと・注意点

• 2026年6月時点では一部サイト向けのベータ版という位置づけで、クリック数や検索クエリはまだ確認できません
• そのため「AI Overviewに表示された結果、どれだけ人が来たか」までは追えません
• 表示回数だけが伸びてクリックが伴わない状態も起こり得るため、この数字を単独で成果として報告すると実態を見誤ります

インプレッションは「AIに認識され、候補として提示された」ことの証拠にはなります。認知フェーズの指標として位置づけ、流入やCVとは切り離して読むのが適切な使い方です。

4-3. 専用モニタリングツール｜言及率・推奨率の自動化

言及率や推奨率は、標準のアクセス解析ツールでは取得できません。ここは専用ツールを使うか、手動で運用するかの二択になります。国内外でAI検索での可視性を計測するツールが登場しており、バクリでも独自のAI引用可視化の仕組みを用いて、クライアントごとの言及状況を継続的に観測しています。

ツール選定時は、対象とするAIサービスの範囲、プロンプトの登録数、測定頻度、競合との比較機能の有無を確認してください。

4-4. 手動プロンプト調査｜最も確実で、最も再現性が求められる

コストをかけずに始めるなら、手動での定点チェックが有効です。決めた質問を決めた頻度で投げ、結果をスプレッドシートに記録していくだけでも、3ヶ月分たまれば立派な推移データになります。

ポイントは徹底した条件の固定です。質問文、実行するAIサービス、実行日時、ログイン状態、回数——これらを毎回そろえないと、変化が施策によるものなのか条件の違いによるものなのか判別できなくなります。

4-5. ツール別 可否マトリクス

測りたいもの	GA4	Search Console	専用ツール	手動調査
AI言及率	×	×	○	○
AI推奨率（競合比較）	×	×	○	○
AIアシスタント経由の流入	○	×	△	×
AI Overview内での表示回数	×	○	△	×
AI Overview経由の流入	×	×	×	×
指名検索数	△	○	×	×
引用元ページ	×	△	○	○
AI経由のCV	○	×	×	×

この表でいちばん重要な行は「AI Overview経由の流入」です。 すべて×が並びます。現時点では公式・非公式を問わず、この数字を正確に取得する方法は存在しません。ここを「測れないもの」として明示的に扱えるかどうかが、誠実なレポートと過大な報告の分かれ目になります。

5. LLMO効果測定の始め方｜5ステップ

理屈がわかったら、あとは順番に手を動かすだけです。初期構築に必要な工数は、おおむね2〜3日程度を見込んでおけば十分です。

5-1. STEP1｜成功状態を先に言語化する

最初にやるべきは、ツールの設定ではありません。「何が起きたら成功と呼ぶのか」を、関係者で合意することです。

たとえば「導入検討層が使う質問30問のうち、半年後に自社が3割で言及される状態」といった形で、対象・期間・水準をセットで決めます。ここが曖昧なままだと、どの数字を見ても「良いのか悪いのか」を判断できません。

5-2. STEP2｜プロンプトセットを設計し、固定する

測定の土台になるのが質問セットです。以下の観点でバランスよく組むと、検討フェーズごとの見え方の違いを捉えられます。

• 指名系：「〇〇社はどんな会社？」（すでに知られているか）
• カテゴリ系：「BtoB向けのSEO支援会社でおすすめは？」（想起されるか）
• 課題解決系：「AI検索で自社が出てこない場合どうすればいい？」（専門性で選ばれるか）
• 比較系：「LLMO対策の会社を選ぶポイントは？」（判断基準に食い込めるか）

件数は20〜30問から始めれば十分です。一度決めたら安易に変えないことが最大のルールになります。質問を入れ替えてしまうと、前月との比較が成立しなくなります。追加したい場合は、既存セットを維持したまま別枠で足してください。

5-3. STEP3｜ベースラインを測る

施策を始める前、あるいは今この瞬間の数値を記録します。これが後々の比較基準になります。ベースラインがないと、半年後に「上がった」と言えるだけの根拠を持てません。

GA4のAI関連チャネル、Search Consoleの生成AIレポート、そして手動調査の初回結果。この3点を同じ日付でそろえて保存しておきましょう。

5-4. STEP4｜定点観測の運用に乗せる

頻度の目安は、言及率・推奨率が月1回、GA4とSearch Consoleの数値が週1回です。担当者と実施日を決めて、カレンダーに固定してしまうのが続けるコツです。

記録フォーマットも最初に決めておきます。最低限、「測定日／プロンプト／AIサービス／自社の言及有無／言及位置／同時に挙がった競合名／引用URL」の7項目があれば、後から分析できます。

5-5. STEP5｜要因分析から次の施策へつなげる

数字を眺めるだけでは何も変わりません。毎月、以下の3つの問いに答える時間を取ってください。

1. 言及率が上がった／下がったプロンプトはどれか。共通点は何か
2. 引用されたページとされなかったページで、構造や情報量にどんな差があるか
3. 同時に挙がった競合は、どんな情報を公開しているか

とくに2つめは打ち手に直結します。引用されたページの共通項——定義文の明快さ、見出しと回答の対応関係、一次情報の有無——を洗い出し、次のコンテンツ設計に反映させる。このループが回り始めれば、効果測定は「報告のための作業」から「改善のためのエンジン」に変わります。

6. 経営層に報告するKPI設計｜2階層で組み立てる

現場で意味のある指標が、そのまま経営層に刺さるとは限りません。ここでのすれ違いは、多くの企業でLLMO対策の予算が止まる原因になっています。

6-1. ビジネスKPIと中間KPIを分ける

KPIは2階層で設計します。

• ビジネスKPI（結果指標）：問い合わせ数、商談数、指名検索数など、事業成果に直結する数字
• 中間KPI（活動指標）：言及率、推奨率、引用元ページ数、AI経由セッション数など、施策の進捗を示す数字

原則として、経営層に提示するのはビジネスKPIです。 中間KPIは「なぜその数字が動いたのか」を説明するための根拠として手元に持っておきます。

「言及率が15%から28%に上がりました」とだけ報告しても、返ってくるのは「それで、売上にはどう効くの？」という問いです。逆に「指名検索が前年同月比で1.4倍になりました。背景として、AI回答での言及率が13ポイント伸びています」と組み立てれば、予算や優先度の議論ができる報告になります。

6-2. 月次レポートに載せる項目

過不足のない構成は、次の5点です。

1. サマリー：今月の結論を3行で
2. ビジネスKPIの推移：指名検索数、AI経由CV数（前月比・前年同月比）
3. 中間KPIの推移：言及率、推奨率、AI経由セッション数
4. 今月の要因分析：数字が動いた理由の仮説
5. 来月の打ち手：分析にもとづく具体的なアクション

グラフは3点までに絞ります。情報量を増やすほど、伝わる結論は薄くなります。

6-3. 「測れないもの」を正直に書く

レポートには、測定範囲の注記を必ず入れてください。「AI Overview経由の流入は技術的に分離できないため、本数値には含まれません」「AI経由セッションは参照元を取得できたもののみで、実数はこれを上回る可能性があります」。

こうした一文があるかどうかで、レポートの信頼性はまったく変わります。都合の悪い制約を書かずに済ませると、後から前提が食い違ったときに、施策そのものへの信頼が損なわれます。

7. 効果が出るまでの期間と、判断のタイミング

7-1. 短期（1〜3ヶ月）に動きうる指標

比較的早く変化が現れやすいのは、指名系プロンプトでの言及内容です。自社サイトの情報を整理し、会社概要やサービス内容を構造化して明示すると、AIが自社を説明する際の正確さが改善する傾向があります。

また、AI経由セッション数も計測環境を整えた時点で「見えるようになる」ため、初月から数字自体は取得できます。

7-2. 中期（3〜6ヶ月）で見えてくるもの

カテゴリ系・比較系のプロンプトでの言及率や推奨率は、コンテンツの蓄積とAI側の情報更新サイクルの影響を受けるため、変化までに数ヶ月を要するのが一般的です。ここで焦って施策を切り替えると、効き始める前に手を止めることになりかねません。

7-3. 方針転換を判断する基準

とはいえ、無条件に続けるべきという話でもありません。判断の目安は次の3点です。

• 6ヶ月続けて指名系の言及率にも変化がない：情報設計そのものを見直す
• 言及率は上がるが流入・CVがまったく動かない：測定範囲の問題か、言及の文脈が購買につながっていない可能性を検証する
• 競合の推奨順位が一貫して上位：競合が公開している情報との差分を分析し、不足している情報タイプを特定する

いずれの場合も、判断材料になるのは定点観測のデータです。記録がなければ、続けるべきかやめるべきかの議論すらできません。

8. LLMO効果測定でよくある5つの失敗

支援の現場でよく見かける落とし穴を挙げます。ひとつでも当てはまる場合は、早めに手当てしておくと後が楽になります。

8-1. KPIを増やしすぎて運用が止まる

最初から10個以上の指標を設定し、3ヶ月目には誰も更新しなくなる。これが最も多いパターンです。続かない測定に価値はありません。 3つから始めて、回り始めてから足してください。

8-2. 一度きりの計測で結論を出す

「ChatGPTで聞いたら出てこなかったから効果がない」。前述のとおり回答には変動があるため、単発の結果は判断材料になりません。最低でも3回、できれば複数日にわたって試行し、率として扱ってください。

8-3. プロンプトを毎回変えてしまう

より良い質問を思いつくたびにセットを更新してしまうと、時系列比較が成立しなくなります。改善したい気持ちはわかりますが、測定の価値は継続性から生まれます。 変更は四半期に一度など、タイミングを決めて行いましょう。

8-4. AI経由流入の絶対値だけを追う

現時点でAI経由のセッション数は、多くのサイトで全体のごく一部にとどまります。その絶対値だけを見て「効果なし」と判断するのは早計です。増減率、エンゲージメント率、CV率という質の指標とセットで評価してください。

8-5. SEO側の指標が落ちていることに気づかない

AI向けの最適化に注力するあまり、従来の検索流入が下がっていることを見落とすケースがあります。AI検索の土台は依然として検索エンジンのインデックスであり、SEOの健全性はLLMOの前提条件です。既存のSEO指標も同じレポート内で並べて監視してください。

9. LLMO対策の効果測定は内製すべきか、外注すべきか

9-1. 内製しやすい工程

以下は、自社で回したほうがむしろ精度が上がる領域です。

• 成功状態の定義とKPIの合意形成
• GA4・Search Consoleでの数値確認
• 手動プロンプト調査の実行と記録
• 社内レポートの作成

とくに手動調査は、自社の商材や顧客をよく知る担当者が行うことで、「この文脈で言及されるのは意味がある／ない」という質的な判断が伴います。ここは外注しても代替が効きにくい部分です。

9-2. 外注が向く工程

一方、以下は専門性や体制が求められます。

• プロンプトセットの初期設計（検討フェーズを網羅する構造化）
• 言及率・推奨率の自動計測環境の構築
• 競合の情報公開状況の分析
• 要因分析から施策への翻訳

9-3. 工程別の切り分け表

工程	推奨	理由
KPI設計・合意形成	内製	事業理解が不可欠
プロンプト設計	外注→内製移行	初期設計は専門性、運用は内製可
数値確認（GA4/GSC）	内製	日常業務に組み込める
言及率の自動計測	外注	環境構築のコストが高い
手動調査の実行	内製	質的判断が必要
要因分析・施策設計	外注→内製移行	知見の蓄積とともに移管

9-4. 依頼先を選ぶ3つの判断軸

外部パートナーを検討する場合は、次の3点を確認してください。

1. 測定範囲の限界を説明できるか：「すべて測れます」と言う会社より、測れない領域を明示できる会社のほうが信頼できます
2. 数値の定義を開示できるか：言及率をどう算出しているか、何回試行しているかを説明できるか
3. 内製化まで見据えているか：ノウハウを自社に残す設計になっているか

バクリでは、AI引用状況の可視化から測定設計、そして最終的なインハウス化までを一貫して支援しています。「何から測ればいいかわからない」という段階からのご相談も歓迎しています。

10. LLMO対策の効果測定に関するよくある質問（FAQ）

Q1. 最低限、どのKPIから始めればいいですか？

 A. 「AI言及率」「AI経由流入数」「指名検索数」の3つです。AIが自社を知っているか、実際に人が来ているか、認知が広がっているかをそれぞれ捉えられます。まずこの3つを3ヶ月続けてください。

Q2. AI Overviewの効果だけを取り出して測れますか？ 

A. 表示回数はSearch Consoleの生成AIパフォーマンスレポートで確認できますが、そこからの流入数は現時点で分離できません。GoogleのAI機能経由のアクセスは通常の検索と同じ扱いになるためです。

Q3. 無料ツールだけで効果測定できますか？ 

A. GA4とSearch Consoleで流入と表示回数は追えます。言及率・推奨率は手動調査で代替可能です。ただし複数のAIサービスを継続的に測るには相応の工数がかかるため、規模に応じて専用ツールの検討をおすすめします。

Q4. プロンプトは何件くらい用意すべきですか？

 A. 20〜30件から始めるのが現実的です。指名系・カテゴリ系・課題解決系・比較系をバランスよく含めてください。件数より、同じセットを使い続けることのほうが重要です。

Q5. SEOの効果測定と統合すべきですか？

 A. 統合をおすすめします。AI検索の土台は検索エンジンのインデックスであり、SEO指標の悪化はLLMOの成果にも波及します。同じレポート内で並べて監視してください。

11. まとめ｜「測れないもの」を認めることが、正しい測定の第一歩

LLMO対策の効果測定は、完璧を目指すと必ず行き詰まります。AI Overview経由の流入のように、現時点でどうやっても測れない領域が確かに存在するからです。

大切なのは、測れる範囲を正確に把握したうえで、その中で一貫した基準を持ち続けることです。2026年に入ってGA4とSearch Consoleが公式に対応範囲を広げたことで、測れる部分は着実に増えました。あとは、自社にとっての成功状態を定義し、質問セットを固定し、毎月同じ手順で記録していく。この地味な積み重ねが、半年後に「効果が出ています」と根拠を持って言える状態をつくります。

まずは3つのKPIから、来週の月曜日に第1回の測定を。そこがすべてのスタート地点になります。

まずは自社のAI検索対策状況を無料で診断しませんか？

バクリ株式会社の「無料AIOアセスメント」では、ChatGPT・Gemini・Perplexityにおける自社の引用状況と改善ポイントを10分で可視化します。

【お知らせ】4月17日（金）に弊社代表荒川が書籍を発売しました！
AI時代を勝ち抜く最先端のノウハウをまとめた書籍『海外の先行事例に学ぶ AI検索最適化（AIO/AISEO/LLMO）実践ガイド』（著者：弊社代表取締役 荒川 大史）が、4月17日（金）よりKindleストアにて配信開始しました。

これからのビジネス戦略にぜひお役立てください！