AI Presence Score とは？計測方法・改善施策を日本語で完全解説

AI Presence Score とは？計測・改善を日本語で理解する完全ガイド

この記事の結論: AI Presence Score（AI可視性スコア）とは、ChatGPT・Perplexity・Geminiなど生成AIの回答内で自社ブランドや製品がどれほど存在感を持つかを数値化した指標だ。言及率・引用率・感情スコアなど複数の要素で構成され、海外ツールを活用して計測・継続改善することが求められる。

最終更新日: 2026年6月28日

はじめに

「AI検索で競合他社はよく名前が出るのに、自社はほとんど言及されない」——そう感じたマーケターが増えている。この現象を定量的に把握するために生まれたのが、AI Presence Score（またはAI Visibility Score）という指標だ。

日本語の解説記事はまだ少なく、海外ツールのドキュメントを読み解くコストが高い。本記事では、指標の定義から計測ステップ・改善施策まで、実務担当者がすぐに動けるレベルで整理する。LLMO（大規模言語モデル最適化）全体の文脈も踏まえながら読んでほしい。

---

AI Presence Score とは何か

AI Presence Score（以下、APS）は、生成AIの回答の中で自社ブランドがどの程度「存在しているか」を示す総合スコアだ。検索順位のように単一の数値ではなく、複数の構成要素を集計したコンポジット指標として扱われることが多い。

Presence Score と Visibility Score の呼称整理

海外ツールでは呼称が統一されていない。主な対応関係を示す。

本記事では「AI Presence Score（APS）」を統一呼称として使う。機能面での実質的な差異はほぼなく、いずれも「AI回答内での存在感を数値化する」という目的は共通している。

---

スコアの構成要素

APSは単一のメトリクスではなく、以下のような要素を組み合わせて算出される。ツールによって重み付けや収録要素が異なるが、主要な要素は概ね共通している。

主要な構成要素

1. 言及率（Mention Rate） 対象クエリのうち、AIが自社ブランドを1回以上言及したクエリの割合。最も基礎的な指標で、ブランドメンションの有無を計測する。

2. 引用率（Citation Rate） AIが回答の出典として自社URLを引用した割合。Perplexityのようにソースを明示するAIでは特に重要になる。

3. 推奨率（Recommendation Rate） 「〇〇ならどのツールを使うべきか」などのレコメンドクエリで自社が推奨された割合。購買意思決定に直結する高価値指標だ。

4. 平均引用順位（Average Citation Position） 引用された際に何番目に登場するか。上位に位置するほど影響力が大きい。詳細はAverage Citation Position メトリクスを参照。

5. センチメント（Sentiment Score） 言及内容がポジティブ・ニュートラル・ネガティブのどの傾向か。言及されていても否定的文脈では逆効果になりうる。

6. カバレッジ（Topic Coverage） 自社が強みとするトピック群でどれほどAI回答に登場するか。カテゴリ内でのシェアとも言い換えられる。

---

AI Presence Score の計測ステップ

APSを正確に計測するには、事前の設計が重要だ。以下の手順で進める。

ステップ1: クエリセットの設計

まず、計測対象となるクエリリストを作成する。クエリは以下の3カテゴリに分類すると管理しやすい。

• カテゴリクエリ: 「〇〇ツールのおすすめは？」など業界・カテゴリ全体への問い
• 比較クエリ: 「自社ツール vs 競合ツール」のように直接比較を含む問い
• 課題解決クエリ: 「〇〇の悩みを解決するには？」など顧客の課題から入る問い

クエリ数は最低50〜100件を推奨する。少なすぎると統計的ノイズが大きくなる。

ステップ2: 計測対象AIの選定

現時点（2026年6月）では、以下のAIを優先的に対象に含める。

ステップ3: ベースライン計測の実施

ツールを使ってクエリセットを流し、各クエリに対する言及有無・引用有無・順位・センチメントを記録する。最初の計測がベースラインとなり、改善効果の起点になる。

ステップ4: 定期的なトラッキング

APSは週次または月次でモニタリングする。コンテンツ更新・プレスリリース・アルゴリズム変更などのイベントが数値にどう影響するかを追跡するためだ。AIサーチのShare of Voice計測と組み合わせることでより深い分析が可能になる。

---

主要ツールでの測り方

Otterly.AI

APSに相当する「Visibility Score」を提供する代表的ツール。ChatGPT・Perplexity・Geminiなど複数のAIに対して同一クエリを自動送信し、言及・引用・推奨をトラッキングする。競合比較ダッシュボードが充実しており、カテゴリ内のシェア把握に適している。日本語クエリへの対応も拡充されつつある。詳細はOtterly AI 日本語ガイドで解説している。

Peec AI

「AI Presence Score」という名称を前面に出しているツール。ブランドごとに言及率・引用率・推奨率をダッシュボード化し、競合との比較を可視化する。DeepSeekやQwenなど中国系AIにも対応しており、アジア圏での展開を視野に入れた企業に有効だ。Peec AIのセットアップ手順も参照のこと。

Profound

エンタープライズ向けのAIサーチアナリティクスプラットフォーム。クエリを大量設計してAPSを体系的に計測できる。コンテンツのどのセクションがAIに引用されやすいかを分析する機能が特徴的で、コンテンツ改善との連携がしやすい。

HubSpot AEO Grader

HubSpotが提供する無料ツールで、URLを入力するとAEO（Answer Engine Optimization）の観点から採点する。本格的なAPS計測ツールではないが、初期の定性チェックや社内説明資料の作成に活用できる。使い方の詳細はHubSpot AEO Grader 日本語解説にまとめてある。

無料ツールでの代替計測

予算が限られる場合、無料AI引用率チェッカーを活用した手動計測も現実的な選択肢だ。クエリ数は限られるが、PoC段階では十分機能する。

---

スコアを上げる優先施策

APSの改善は「AIに認識される情報の質と量を高める」ことに集約される。施策は効果の即効性と実装コストで優先度を整理する。

優先度高：即効性のある施策

1. 一次情報の公開 独自データ・調査結果・事例をブログや専用ページで公開する。AIは引用の根拠として一次情報を好む傾向がある。

2. 構造化コンテンツの整備 FAQページ・比較表・定義ページをHTML的にも意味的にも明確な構造で作成する。AIが回答を構成する際に参照しやすいフォーマットが有利だ。

3. E-E-A-T シグナルの強化 著者情報・実績・専門資格を明示する。E-E-A-TはGEO（Generative Engine Optimization）においても重要なシグナルとして機能する。

優先度中：中期的な施策

4. 外部メディアへの掲載獲得 信頼性の高いメディアに自社が言及・引用されることで、AIが自社を「業界での認知度が高いブランド」として認識しやすくなる。

5. LLMO対応コンテンツの拡充 LLMOの観点でコンテンツを最適化する。クエリに対して直接的な答えを提供する記事構成が基本だ。AIサーチ最適化ガイドで体系的な施策を確認できる。

6. クラスター戦略の実装 pillar記事と関連cluster記事を網羅的に整備することで、特定トピックにおけるドメインオーソリティをAIに認識させる。

優先度低：長期的な施策

7. ブランドメンションの自然増加 SNS・フォーラム・レビューサイトで自社ブランドが言及される総量を増やす。短期的な即効性は低いが、長期的なAPS向上の基盤となる。

---

日本語環境での注意点

APSを日本語環境で計測・改善する際には、英語環境と異なる課題がある。

クエリの言語差異

同じ意味のクエリでも「AIツール おすすめ」「AIツール 比較」「AI搭載ツール どれがいい」のように表現が分散する。英語に比べてクエリバリエーションが多様なため、クエリセット設計の段階でシノニムを意識的に収録する必要がある。

ツールの日本語対応状況

主要な計測ツールの日本語対応は拡充中だが、依然として英語インターフェースが中心のものも多い。特にプロンプトテンプレートが英語前提の場合、日本語クエリでの計測結果が不正確になるリスクがある。ツール選定時は日本語クエリの計測実績を確認することを推奨する。

AIごとの日本語処理能力の差

Google AI OverviewやGeminiは日本語でのインデックス・引用が成熟している一方、一部のAIは日本語コンテンツの引用精度がまだ低い。計測結果の解釈では、このAIごとの差異を踏まえる必要がある。LLMモニタリングツール比較でも各AIの日本語対応差について触れている。

コンテンツの日英分断

グローバル展開している企業は、英語コンテンツのAPSと日本語コンテンツのAPSを別々に計測・管理することが実務上求められる。英語では高スコアでも、日本語ではほぼ言及されないケースは珍しくない。

---

よくある質問

Q1. AI Presence Score は SEO スコアと何が違うのか？

従来のSEOスコアが検索エンジンの順位・クリック率を対象とするのに対し、APSは生成AIの回答内での存在感を対象とする。測定対象・最適化手法ともに異なる概念だが、コンテンツの質という観点では共通する部分も大きい。

Q2. スコアはどの程度の頻度で計測すべきか？

最低でも月次での計測を推奨する。コンテンツを大幅更新した場合や、競合が新施策を打った際には週次で確認する価値がある。計測頻度が高いほど改善施策との因果関係を追いやすくなる。

Q3. 無料で計測できるツールはあるか？

HubSpot AEO Graderを含む一部の無料ツールでAI回答内の自社存在感を部分的に確認できる。ただし全クエリ網羅的なAPS計測には有料ツールが必要になることがほとんどだ。

Q4. スコアが低い主な原因は何か？

コンテンツの一次情報不足、構造化データの欠如、外部からの言及・引用が少ないこと、の3つが主な原因として挙げられる。AIは回答の根拠として信頼性と参照可能性を重視する傾向がある。

Q5. 競合他社のスコアを知ることはできるか？

Otterly.AIやPeecなど競合比較機能を持つツールを使えば、カテゴリ内で競合がどれほど言及されているかを把握できる。絶対値ではなく相対的なシェアとして見ることで、改善の優先度を設定しやすくなる。

Q6. スコアを上げるのにどのくらいの期間がかかるか？

コンテンツの更新がAIモデルのインデックスに反映されるまでの時間はツールやAIによって異なる。一般的には施策実施から効果が数値に出るまで1〜3か月程度を見込むのが現実的だ。

Q7. センチメントがネガティブな場合はどうすべきか？

まずネガティブ言及の原因（製品の欠点・ネガティブレビュー・炎上コンテンツ等）を特定する。原因が製品品質にあれば製品改善が根本解決だが、情報の非対称性が原因であれば正確な情報発信コンテンツを追加することで改善できるケースが多い。

Q8. 日本語と英語でスコアを分けて管理すべきか？

グローバルで事業展開している場合は言語別の管理を強く推奨する。日本語と英語ではAIの学習データ構成が異なるため、片方でスコアが高くても他方では低いことが頻繁に起こる。言語別のクエリセットを設計し、別個のKPIとして追跡するのが望ましい。

Q9. APSの目標値はどのように設定するか？

業界や競合状況によって適切な水準は異なるが、まず現状のベースラインを計測し、競合他社の平均スコアを参照して3〜6か月後の目標値を設定する方法が実務的だ。最初から絶対値を設定するより、「競合比でシェアを10%改善する」という相対目標の方が運用しやすい。

---

関連用語

• LLMO（大規模言語モデル最適化）
• AEO（Answer Engine Optimization）
• GEO（Generative Engine Optimization）
• ブランドメンション
• Perplexity
• E-E-A-T

---

関連記事

• LLMO完全ガイド
• AIサーチ最適化ガイド
• SEOツール比較2026
• AI可視性7指標フレームワーク2026
• LLMO計測ツール一覧
• LLMOスコア算出式
• AIサーチ Share of Voice 計測
• LLMモニタリングツール比較2026
• HubSpot AEO Grader 日本語解説
• Otterly AI 日本語解説と代替ツール
• Peec AI セットアップガイド（DeepSeek/Qwen対応）
• Average Citation Position 追跡ガイド
• AI引用率 無料チェッカーツール
• AI引用率を手動と有料ツールで監視する方法【比較】
• Moz無料代替ツール日本版2026