ChatGPTとClaudeに自社ブランドを言及してもらう方法

まず、正直な注意書き

SEOのランキング要因には、20年のテストに基づくおおよその業界の合意がありますが、「AIのランキング要因」には、信頼できるリストがありません。特定の回答でどのブランドを挙げるかを、特定のモデルがどんな仕組みで決めているのか、AIラボの外にいる誰も正確には知りませんし、その仕組みはモデルが更新されるたびに変わりうります。ChatGPTにおすすめさせる確実な「裏技」を売り込む人は、大げさに言っています。以下の施策は、これらのシステムが実際にどう動くかについて分かっていることに基づいたもので、結果を保証するのではなく、確率を高めるためのものです。

自社が何者かを曖昧にしない

AIアシスタントは、学習データから引いている場合でも、ライブのウェブ検索のステップを使う場合でも、分類しやすいブランドのほうがうまく扱えます。自社サイト、レビュー、第三者による言及のすべてが、一貫して同じように自社を説明していれば（あるページでは「fintechプラットフォーム」、別のページでは「支出ソリューション」ではなく、「ミッドマーケットの経理チーム向け経費管理」のように）、モデルは自信をもって、買い手が尋ねた質問そのものと自社を結び付けやすくなります。カテゴリの曖昧さは、検索エンジンを混乱させるだけでなく、誰の名前を挙げるか決めるときに、言語モデルが使える材料も減らします。

第三者による実際の言及を獲得する

調査の中で、最も一貫して挙げられている要因はこれです。約75,000ブランドを対象にしたAhrefsのAI可視性の分析では、YouTubeでの言及が、検証したどのシグナルよりもAI可視性と強く相関し、ブランドを含むウェブでの言及全般（プレス、レビューサイト、比較コンテンツ）も強く相関していました。Ahrefsのブランド可視性の相関調査をご覧ください。また、ChatGPTがおすすめをどう提示するかについての報告は、ページ上のSEOテクニックよりも、プレスでの取り上げ、アナリストの言及、Wikipediaのような権威ある情報源での合意といった第三者による裏付けのほうが、大きな要因だと指摘しています（Profound）。実践するなら、自分の分野の実在するメディアに取り上げてもらい、実在する比較記事やまとめ記事に載り、偽物は作らないことです。薄い、あるいはスパム的な情報源を要約するモデルは、その薄さをそのまま映しがちです。

本当に評価されている状態にする

G2やCapterraのようなレビューサイトは、アシスタントがソフトウェアについて読むページの一つです。平均評価が平凡だったり、プラットフォームごとにレビューにばらつきがあったりすれば、それは、モデルがおすすめを組み立てるときに拾える、実際に見える信号であって、噂ではありません。これは近道で説得力を作れるものではなく、自分たちの仕事が本当に優れていて、実際の顧客にそう言ってもらうことの結果です。

買い手の質問に直接答えるコンテンツを公開する

キーワードではなく、実際の質問のために書きます。「Yに最適なXは何か」は、実際の買い手がAIアシスタントに尋ねる言い方に近いものです。その枠組みに、分かりやすい言葉で、はっきりした視点をもって直接答えるコンテンツは、キーワード密度を軸にしたコンテンツより、モデルが抽出して引用しやすくなります。構造も役立ちます。明確な見出し、冒頭近くでの直接の回答、段落をまたいで意味を推測しなくても、モデルが一文を取り出せるコンテンツです。

公開情報は、一貫して最新に保つ

古いGoogleビジネスプロフィールのリスティング、更新されていない「会社概要」ページ、ディレクトリ間で食い違う情報など、オンラインの目立つ場所にある誤った、あるいは古い自社情報は、モデルが自社について信じる内容に取り込まれることがあります。そして、モデルをあとから「訂正」する方法は、情報源を直すことしかありません。正確さは地味ですが、ここで本当にコントロールできる数少ない手段のひとつです。

効かないこと（とその理由）

• 自社サイトにブランド名を詰め込むことは、モデルが自社をおすすめする判断を動かしません。モデルは意味を統合しているのであって、昔の検索アルゴリズムのようにキーワードの頻度を数えているわけではありません。
• 偽のレビューや捏造した「言及」を買うことは、もしそれが表に出たり、オンラインの他の場所で矛盾を突かれたりすれば、意図とは逆の効果を招くおそれがあります。これらのシステムが検出しようとしている実際の信頼シグナルを損なう行為でもあります。
• プロンプトインジェクションや、特定のモデルの出力を直接操作しようとすることは、本当のGEO戦略ではありません。デモで一度は動くかもしれませんが、実際の買い手が実際の質問をする現実の場面には広がりません。

どのギャップにどの対処が合うか

上記の施策は、どのギャップを埋めようとしているかが分かっているほうが効果的です。回答の中で探すべきパターンと、それぞれにたいてい合う対処は次のとおりです。

• 競合は引用されているのに、自社は引用されていない。アシスタントが競合について使っている文を読み、具体的な主張を抜き出します。「セットアップが最も簡単」「パイプラインレポートに最適」などです。自社についても同じ種類の事実を分かりやすく公開し、カテゴリを扱うレビューページや比較ページに載せてもらいましょう。
• ある買い手の質問だけ、自社の名前が出ない。「小規模営業チーム向けのベストなCRM」では名前が挙がるのに、「スプレッドシートからの乗り換え」では挙がらないなら、ギャップは切り口にあります。自社で管理できるページで、その質問を、その質問の言葉で扱いましょう。
• あるアシスタントだけ、自社の名前が出ない。そのアシスタントが、答える前にウェブを検索するのか、学習データから答えるのかを確認します。検索を使うモデルには、取得して引用できるページに自社が載っている必要があります。学習データに基づくモデルは、時間をかけた幅広いカバレッジを通じて、ゆっくり変わります。
• アシスタントが、自社が載っていないサイトを引用している。モデルが情報源を返すとき、そこに挙がるのが、取り上げてもらうべきレビューサイト、ドキュメント、スレッドです。

これらが効いているかを知るには

確実に知る方法は、買い手が尋ねるのと同じ質問をモデルに尋ねて、返ってくる内容を読むことで、検索順位から推測することではありません。Mentionedは、カテゴリに関する現実的な買い手の質問を5つ生成し、Claude、ChatGPT、Geminiのそれぞれに独立して尋ね、自社が言及されている文、あるいは言及されていない場合は代わりに誰がおすすめされたかを表示します。

変更が効いたかを見るには、単発のチェックを繰り返すのではなく、キーワードを追跡してください。単発のチェックは毎回新しい質問を作るので、2つを比べると、自社の変更と質問の変化が混ざってしまいます。追跡キーワードの質問は固定されていて毎週尋ねられるため、変更後の動きは本物の動きです。Starter以上では、「アクション」画面が、上記のギャップを、それぞれがどれだけの回答で取りこぼしにつながっているかの順に並べ、それぞれの下によくある対処のプレイブックを添えます。

まず確認しておきたいことがひとつあります。ChatGPT、Claude、Perplexityが、そもそもサイトを読めるかどうかです。検索クローラーがブロックされていれば、ページがどれだけ優れていても引用されません。AIクローラーとrobots.txtで、どのボットが重要かを説明しています。AIクローラーチェッカーで自社の状況を確認できます。

無料チェックを実行