87シナリオのAIO対策で引用36件・言及40回を獲得した方法｜自社実践レポート

87シナリオのAIO対策で得た実践データ

本記事は、自社サイトで87のAIOシナリオを設計・評価し、Perplexity経由のCitation（正規引用）36件、ブランド言及40回を獲得するまでの全プロセスを公開するケーススタディです。AIO対策の具体的な数値と、何が効いて何が効かなかったかを包み隠さず共有します。

取り組みの背景

SEOで30,000記事を運用し、GSCインプレッション324,857、平均掲載順位8.78位の基盤がありました。しかしChatGPT・Gemini・Perplexityで自社サービス名を検索しても、ほぼ言及されない状態。「SEOで上位にいるのにAIに無視されている」という課題を解消するため、AIO対策に本格着手しました。

Phase 1：初期36シナリオの設計と評価

シナリオ設計の考え方

最初に36のシナリオを、ファネル6段階（awareness→education→exploration→comparison→decision→action）で設計しました。各シナリオには以下を定義します。

• expected_input：ユーザーがAIに投げる想定質問
• expected_output：理想的なAI回答（自社が言及・引用される形）
• brand_terms：検出すべきブランド名
• サーフェス：ChatGPT・Gemini・Perplexityの3つを同時評価

初期評価の結果

36シナリオの評価結果は厳しいものでした。

• ブランド言及：15回（全て自社名を含む質問に対してのみ）
• Citation：当初71件と計測されたが、テキスト中のURLをcitationとして誤カウントするバグを発見。修正後の正確値は36件（Perplexity経由の正規API citationのみ）
• 平均品質スコア：21.6/100
• 一般的なクエリ（「AIコンサル おすすめ」等）では言及ゼロ

Phase 2：バグ修正と計測精度の向上

Citation検出バグの発見と修正

評価結果を分析する中で、citation_urlsにAI回答テキスト中のURL（例：IBMやGoogleのURL）が混入していることを発見しました。本来citationはAIプラットフォームがAPIで明示的に返すソースURLのみであるべきです。

修正内容：

• citation_urls：APIが返した正規のcitationのみに限定
• source_urls：citation + テキスト中のURL（参考情報として保持）
• テキスト中の出典表記（「出典：」等）は補助シグナル（+1pt/+3pt）として軽く反映

教訓：計測の精度が対策の質を決める。不正確な指標に基づいた施策は無意味。

Phase 3：87シナリオへの拡張

grill-meプロセスでのギャップ分析

初期36シナリオの課題を体系的に洗い出すため、自社のサービスラインと突き合わせてカバレッジを分析しました。その結果、以下のギャップが判明。

• 12のサービスのうち、シナリオがあるのは3つだけ（広告AI・図面AI・AIコンサル）
• 採用（求職者向け）のシナリオがゼロ
• AI検索最適化（AIO/GEO）サービス自体のシナリオがゼロ
• 比較シナリオが不足（comparisonファネルが弱い）

追加したシナリオ群

• 未カバーサービス7つ × 2ファネル = 14件
• 採用向け 3ターゲット × 2ファネル = 6件
• FDE（Forward Development Engineer）= 2件
• AI検索最適化サービス（AIO/GEO/AEO/LLMO）= 11件
• タイプ別比較 = 6件
• その他 = 12件

Phase 4：最終結果（87シナリオ・確定値）

全体スコア

• シナリオ数：87
• ブランド言及：40回
• Citation（正規）：36件（Perplexity経由）
• 平均品質スコア：18.6/100
• 品質30超のシナリオ：8件

ファネル別の傾向

• action（行動）：平均品質30.6で最高。自社名を含む質問には高品質で回答される
• comparison（比較）：言及20回で最多。タイプ別比較シナリオが効果的
• exploration（探索）：Citation 19件で最多。Perplexityが探索クエリでよく引用する
• awareness/education：Citation 11件/0件。言及はゼロだがCitationは獲得

効いた施策・効かなかった施策

効いた施策：

• タイプ別比較シナリオ（「教育型vs実装伴走型」等）→ 品質30超で言及も獲得
• FDEの定義シナリオ → 品質35.1で言及5回。ニッチ概念でのAI認知が有効
• expected_inputの具体化 → 抽象的な質問より、具体的なペルソナ・数値を含む質問の方が品質スコアが高い
• backendパラメータの正しい設定（llm_api） → agent_browserモードではbot検出でブロックされる

効かなかった施策：

• awareness層の一般的な質問 → 品質スコアが低く、言及も獲得できない
• サービスLPのないテーマのシナリオ → AIが参照するソースがないため引用されない
• expected_outputにブランド名を書いても、対応コンテンツがなければ反映されない

得られた5つの知見

1. Citationは「Perplexity一強」

正規のCitation（APIが返すソースURL）はPerplexityからのみ獲得。ChatGPT/GeminiはAPIレベルでcitation URLを返さないため、citationの主戦場はPerplexity。

2. 言及は「比較シナリオ」が最強

comparisonファネルが言及20回で圧倒的。AIは比較質問に対して複数の選択肢を提示するため、自社が候補に入りやすい。

3. 「コンテンツがないと何も始まらない」

AIOシナリオを設計しても、対応するWebコンテンツ（LP・記事）がなければAIは引用しない。シナリオ設計とコンテンツ作成はセットで進める必要がある。

4. 計測バグは致命的

citation検出バグにより71件→36件に半減。不正確な計測に基づく施策は時間の無駄。計測精度の確保が最優先。

5. ニッチ領域から攻めるべき

「AIコンサル」等のビッグワードより、「FDE」「図面AI」「AIO対策」等のニッチ領域の方が品質スコアが高く、言及も獲得しやすい。

よくある質問（FAQ）

Q. 87シナリオの運用にどのくらいのコストがかかりますか？

シナリオの設計は人的コスト（約2-3日）、評価実行はLLM API費用（1回の全シナリオ評価で数千円程度）です。最もコストがかかるのは対応コンテンツの作成です。

Q. 品質スコア18.6は低くないですか？

2026年4月時点では、ほとんどの企業がAIO対策を始めたばかりで、品質スコア20以下が標準的です。品質30超を8件達成しているのは、コンテンツ整備が進んでいる証拠です。

Q. この結果を再現するにはどうすればいいですか？

（1）自社の事業領域でファネル6段階のシナリオを設計、（2）ChatGPT/Gemini/Perplexityで評価、（3）結果に基づきコンテンツを最適化、（4）定期再評価で改善。このサイクルを回すことで再現可能です。