SEO×LLMO効果測定の7指標｜GSC・GA4・AI検索計測【2026年版】

<!-- rewrite-v2 -->

SEO/LLMOの効果測定｜GSC・GA4・AIメンション計測

この結論: SEOは「GSCでクリック・順位」、LLMOは「AIメンション・参照元」を測ります。両者を統合した月次レポートを設計すれば、施策の効果が客観的に判断できます。

最終更新日: 2026-05-04

はじめに

「SEOの効果はGSCで測れるけど、LLMOってどう測るの？」という方向けの記事です。本記事ではSEO・LLMO両軸での効果測定の指標と方法を、初心者向けに解説します。Google検索からの流入は従来通りGSCとGA4で追えますが、ChatGPT・Perplexity・AI Overviewからの流入は専用の計測設計が必要です。

→ 詳しくはSEO×LLMOハイブリッド戦略の立て方も合わせてご覧ください。

SEO/LLMO測定の3層構造

SEO測定：基本KPI

指標1：表示回数（Impression）

検索結果に表示された回数。Google Search Console > 検索パフォーマンスで確認。

指標2：クリック数

検索結果からのクリック数。同じくGSCで確認。

指標3：CTR

クリック数 ÷ 表示回数。順位が同じ業界平均と比べて低ければタイトル/メタ改善余地あり。

指標4：平均掲載順位

特定クエリでの平均順位。1〜10位、11〜20位、それ以下でセグメント化。

指標5：インデックス数

GSC > インデックス > ページで確認。低品質ページが多いとインデックスから除外されます。

SEO測定：応用KPI

指標6：オーガニック流入数

GA4で「セッション獲得元 = google / organic」のセッション数。

指標7：CV数とCV率

オーガニック流入の中でCV（問い合わせ、購入、登録）に至った数と率。

指標8：Core Web Vitals

GSC > ページエクスペリエンスで「良好」「要改善」「不良」の比率。

指標9：被リンク数

Ahrefs、Semrush、Mozで自然増加・減少をモニタリング。

指標10：ブランド検索数

GSC > パフォーマンス > クエリで自社名を検索。月次推移でブランドメンションの効果が見える。

LLMO測定：基本KPI

指標A：AIメンション数

ChatGPT、Claude、Geminiで自社名・サービス名を質問し、回答に登場する頻度。手動で月次測定。

指標B：AI引用回数

Perplexity、AI Overview、Bing Copilotで自社サイトが引用源として表示される頻度。

指標C：AI経由流入

GA4で参照元が perplexity.ai、chat.openai.com、copilot.microsoft.com などのセッション数。

指標D：llms.txtのアクセスログ

サーバーログで /llms.txt へのアクセスを確認。AIクローラーのアクセスが見えます。

LLMO測定：応用KPI

指標E：ChatGPT Searchでのクリック頻度

Bing Webmaster Toolsで「Bing Chat」「Copilot」経由のクリックが確認可能。

指標F：構造化データの認識状況

GSC > 拡張で Article、FAQPage、Person の認識ページ数。

指標G：ブランドメンション数

Mention.com、Ahrefs Web Mentionsで言及数を計測。

ツール別の役割

月次レポートの設計

これを毎月Slackやメール、Notionでチームに共有すると、施策の意思決定が高速化します。

ポイント: 月次レポートは「見やすさ」より「アクションにつながる」設計を。指標を10個以下に絞り、前月比と次のアクションを明示します。

GA4でのSEO/LLMO測定設定

ステップ1：参照元の確認

GA4 > レポート > 集客 > トラフィック獲得 > セッションのデフォルトチャネルグループ。

ステップ2：AI参照元の確認

参照元 / メディアで perplexity.ai、chat.openai.com、copilot.microsoft.com を確認。

ステップ3：イベント設定

カスタムイベントで「AI流入かどうか」のフラグを設定。

ステップ4：探索レポート作成

「AI vs SEO vs Direct」の比較レポートを作成し、月次でモニタリング。

ベンチマーク値

業界・規模で異なりますが、参考値：

改善サイクルの回し方

サイクル1：月次レビュー

• 前月の主要KPI確認
• 異常値の特定（急減・急増）
• 次月の優先施策決定

サイクル2：四半期レビュー

• 中長期トレンド分析
• 戦略の修正判断
• 新指標の追加検討

サイクル3：年次レビュー

• 全体目標の達成度
• 翌年度の戦略立案
• ツール・体制の見直し

やってはいけない測定NG

• 指標を多すぎ設定: 50指標を追って分析できない
• 短期反応の過剰反応: 1週間の変動で慌てる（最低1ヶ月で判断）
• 平均値だけ見る: 上位/下位記事の差を見落とす
• 競合との比較なし: 自社の伸びしか見ない

<!-- thicken-v1 -->

SEO/LLMO 統合 KPI ダッシュボード

複数指標を1ダッシュボードに集約することで、全体傾向を一覧できます。Looker Studio ベースの構成を推奨します。

ダッシュボード構成

自動化のための API 設定

GSC API

Search Console API ドキュメント に従い、サービスアカウント認証で日次データ取得。Python の google-api-python-client で簡単に実装可能。

GA4 API

Google Analytics Data API を使用。GA4 の Reporting API で参照元・流入経路を取得します。

CrUX API

Chrome UX Report API で実ユーザーの Core Web Vitals を取得。週次バッチで実行。

KPI 設計の原則

原則1: 先行指標と遅行指標を分ける

• 先行指標（変化が早い）: 表示回数、CTR、AI メンション
• 遅行指標（成果指標）: CV 数、売上、ブランド検索数

両方を追わないと「順位は下がっているが CV はまだ落ちていない」のような盲点が生まれます。

原則2: ベースラインの設定

絶対値だけでなく前月比・前年同月比で評価。季節性のある業界では前年同月比が必須です。

原則3: 異常検知のしきい値

「CTR が前月比50%減」「AI 経由流入がゼロになった」など異常検知のしきい値を設定。超えたら自動アラート。

LLMO 専用指標の計測

LLMO は順位指標が無いため、独自指標が必要です。

指標1: AI 検索露出率

主要キーワード20個を LLM (ChatGPT / Perplexity / Gemini / Claude / AI Overview) で検索し、自社が引用される割合を計測。

露出率 = 自社引用回数 / 全検索回数

指標2: 引用ポジション

引用元として何番目にリストアップされるか。1番目 vs 5番目では露出効果が大きく違います。

指標3: ブランド検索数の推移

LLMO の効果は最終的にブランド検索の増加として現れます。Search Console で 自社名 を含むクエリの月次推移を追跡。

指標4: AI 経由流入のセッション質

GA4 で AI 経由のセッションは、滞在時間・PV/セッション・CV率などの質指標で評価。AI経由のユーザーは「すでにAIから情報を受け取った後」のため、能動的に深堀り目的でサイトに来る傾向があり、滞在時間と回遊が高くなりやすい特徴があります。

→ 詳しくはAIゼロクリック時代のコンテンツ戦略も合わせてご覧ください。

SEO/LLMO 統合 KPI 一覧

ここまで紹介したKPIを「先行指標」と「遅行指標」に分類して整理します。先行指標は施策の効果が早く現れ、遅行指標は最終的なビジネス成果を表します。両者をバランスよく追うことで、改善サイクルが回り始めます。

先行指標 vs 遅行指標の対応表

→ 詳しくはGoogle Search Consoleの使い方も合わせてご覧ください。

先行指標の優位性

先行指標は「異変の早期検知」に強みがあります。たとえば順位が落ちた瞬間に対応できれば、CV減少までの数週間で挽回できます。逆に遅行指標だけ追っていると、CVが落ちてから順位を確認することになり、すでに2ヶ月分の機会損失が発生している、という事態になりがちです。

→ 詳しくはSEO基本完全ガイドも合わせてご覧ください。

計測ツール 4 種の使い分け

KPI 計測には複数ツールを役割分担させるのが定石です。1つのツールで全部やろうとすると、データの粒度や信頼性が落ちます。

ツール役割マトリクス

Perplexity API での自動計測例

Perplexity は API 経由で検索結果を取得できる珍しい LLM です。主要キーワード20語を毎日叩いて、自社ドメインが引用源として返ってくる回数を記録すると、LLMO の先行指標が自動取得できます。

# 擬似コード
curl https://api.perplexity.ai/chat/completions \
  -H "Authorization: Bearer $PPLX_KEY" \
  -d '{"model":"sonar","messages":[{"role":"user","content":"<キーワード>とは"}]}'

返却 JSON の citations 配列に自社 URL が含まれるかをチェックする、というシンプルな仕組みで日次の引用回数を可視化できます。ChatGPT・Gemini・Claude は API で検索結果が返らないため、これらは手動 or Profound のような外部ツールで補完します。

→ 詳しくはLLMO 完全ガイドも合わせてご覧ください。

ダッシュボード構築の実例

KPI を継続して追うには、ダッシュボードへ集約するのが現実的です。ここでは Looker Studio とスプレッドシートの2つの実装例を比べます。

Looker Studio 構成例

スプレッドシート構成例

API 連携が難しい場合はスプレッドシートで十分です。GSC・GA4 はそれぞれ公式アドオンがあり、シートに自動でデータを流し込めます。LLMO 指標だけ手動入力する運用が、現実的にもっとも回しやすい構成です。

→ 詳しくはGoogle Search Consoleの使い方も合わせてご覧ください。

業界別 KPI 設計の違い

業界によって追うべき KPI の重みは変わります。同じ「CV 数」でも、BtoB SaaS と EC では到達難度も改善方法も違うためです。

業界別 KPI 重みづけ

BtoB SaaS の例

BtoB SaaS は CV までのリードタイムが長いため、「ブランドメンション数」と「指名検索数」が重要になります。比較検討期間が3〜6ヶ月あるので、その間に LLM やレビューサイトでブランドが言及される回数が直接 CV 確度に効きます。

→ 詳しくはブランドメンションの重要性も合わせてご覧ください。

EC の例

EC は逆にリードタイムが短く、商品単体の順位と CTR が直結します。LLMO よりも商品ページのE-E-A-T強化と Core Web Vitals が優先されます。

月次レポートのテンプレート

レポートは「データの羅列」ではなく「次のアクション」を引き出す設計が重要です。以下のテンプレで毎月運用すれば、形骸化せず PDCA に直結します。

月次レポート構成

サマリーの書き方例

「4月のオーガニック流入は前月比 +12% で過去最高、CV 数は +8%。ブランド検索が +20% と伸びたのは、3月に公開した Perplexity 記事が AI Overview に引用されたためと推定」のように、数字 + 因果仮説を 1 段落で書くのがコツです。

→ 詳しくは既存記事リライトの優先度と手法も合わせてご覧ください。

AI 経由流入の計測方法（実装ガイド）

AI 経由流入は GA4 のデフォルト分類では「Referral」に紛れ込みます。専用のチャネルグループを作って分離するのがおすすめです。

カスタムチャネルグループの設定

GA4 > 管理 > データの表示 > チャネルグループ > 新規作成。以下の参照元を「AI Search」グループにまとめます。

UTM 付与のすすめ

LLM 内に自社コンテンツへのリンクを掲載できる場合（公式ドキュメントなど）は、UTM パラメータを付けて発信すると、より正確に AI 経由流入を識別できます。utm_source=chatgpt&utm_medium=ai&utm_campaign=docs のような命名規約をチームで統一しましょう。

AI Overview からの流入特定

AI Overview からの流入は技術的には Google からの参照と区別がつきません。GSC で「検索アピアランス」フィルタを使い、AI Overview に出現するクエリを抽出して、間接的に流入規模を推定する方法が現状のベストプラクティスです。

→ 詳しくはAIゼロクリック時代のコンテンツ戦略も合わせてご覧ください。

失敗事例から学ぶ KPI 運用

KPI 設計でよくある失敗パターンを4つ紹介します。すべて実際に相談を受けたケースをベースにしています。

失敗1: KPI が 30 個もある

毎月 30 個の指標を見ても、誰も意思決定できません。最重要 5 個 + サブ 10 個で十分です。残りは「異常検知時に深掘り」する性質のものなので、ダッシュボードの2軍以下に置きます。

失敗2: 平均値しか見ていない

サイト全体の平均 CTR が 3% でも、上位 20% の記事が 8%、下位 20% が 0.5% という分布なら、改善余地は下位記事にあります。中央値・パーセンタイル・分布を必ず確認しましょう。

失敗3: 季節性を無視

EC の 12 月、教育系の 4 月、税理士の 2 月など、季節性のある業界で前月比だけ見ると、毎年 1 月に「急減した！」と慌てる羽目になります。前年同月比を主軸にすべきです。

失敗4: 手動計測を継続できない

LLMO 指標は手動依存が多いため、3ヶ月で形骸化するケースが多発します。最低限「毎月第1営業日の朝1時間で計測」とカレンダー化し、テンプレートを用意しておくことが継続のコツです。

→ 詳しくはブランドメンションの重要性も合わせてご覧ください。

チーム運用のコツ

KPI は計測して終わりではなく、組織で共有・議論されて初めて意味を持ちます。

役割分担表

共有チャネル

レポートは Notion / Slack / メールなど、チームが日常的に見る場所に置きます。専用ツールを増やすほど閲覧率は下がる傾向があるため、既存ツールへの統合を優先します。

→ 詳しくはSEO×LLMOハイブリッド戦略の立て方も合わせてご覧ください。

計測精度を高める工夫

KPI 計測でもっとも見落とされるのが「データの精度」です。誤った計測は誤った意思決定を生みます。次の3点は最低限押さえておきたいポイントです。

ボットトラフィック除外

GA4 はデフォルトで既知ボットを除外しますが、AI クローラーや内部 IP からのアクセスは別途フィルタが必要です。社員のオフィス IP・テスト用 IP は「内部トラフィック」フィルタで除外し、AI クローラー（GPTBot、ClaudeBot、PerplexityBot など）は User-Agent ベースでサーバーログから別集計します。

サンプリング回避

GA4 の探索レポートはサンプリングがかかると数値が大きくぶれます。集計期間を短くする、データ量を減らす、または BigQuery エクスポートを活用してフルデータで分析するのが安全です。月次の主要 KPI は BigQuery 経由で固めるのを推奨します。

Cookie 同意の影響

EU や日本でも同意管理プラットフォーム（CMP）導入が進み、同意拒否ユーザーは GA4 で計測されません。同意率が 70% を切る場合は、サーバーサイドタグや Consent Mode v2 を併用し、欠損を補正します。

計測精度のチェックリスト

→ 詳しくはGoogle Search Consoleの使い方も合わせてご覧ください。

ロードマップ：計測体制の段階的構築

ゼロから KPI 計測を立ち上げる場合のロードマップを 3 段階に整理します。一気にやろうとすると挫折するため、段階的に育てるのが現実的です。

フェーズ1（1ヶ月目）：最低限の可視化

GSC と GA4 を導入し、毎週主要 5 指標（表示・クリック・CTR・流入・CV）を確認するだけのシンプルな運用から始めます。スプレッドシートに手入力でも十分です。

フェーズ2（2〜3ヶ月目）：自動化と LLMO 追加

GSC・GA4 のアドオンや Looker Studio で自動化を進め、月次でブランド検索・ブランドメンションなどの LLMO 指標を手動追加します。Perplexity API を叩く簡易スクリプトもこの段階で導入できます。

フェーズ3（4ヶ月目以降）：戦略連動と異常検知

異常検知のしきい値設定、業界別 KPI への分解、四半期レビューなど、戦略意思決定に直結する仕組みを整備します。Profound のような専用ツールの導入もこの段階で検討します。同時に、経営層への報告フォーマットを固定し、KPI が経営判断に直接使われる状態を目指します。

段階別チェックリスト

最初から完璧を狙わず、「測れる範囲で始めて、運用しながら磨く」のが、組織で KPI 計測を根付かせる唯一の方法です。

→ 詳しくはLLMO 完全ガイドも合わせてご覧ください。

よくある質問

Q1. AI引用は手動で全部追わないと無理？

A. 2026年現在は基本手動です。Profound、AthenaHQなどLLMO計測ツールも登場していますが、まだ成熟途上です。

Q2. SEOとLLMOの両方を測ると工数がかかる

A. 最重要指標を10個に絞ると月1〜2時間で済みます。むしろ測らないとPDCAが回りません。

Q3. 効果が出なくても続けるべき？

A. 6ヶ月は続けるべきです。SEOは中長期施策なので、短期で諦めると損失が大きくなります。

Q4. ベンチマーク値は競合と直接比較できますか？

A. ツール（SimilarWeb、Ahrefs）で推定値が確認できます。ただし精度は限定的なので参考程度に。

Q5. AI Overview に引用されているか確認するには？

A. 主要キーワードで Google 検索し、AI Overview セクションの引用源を目視確認するのがもっとも確実です。GSC の「検索アピアランス」にも段階的に AI Overview 区分が追加されています。

Q6. 小規模サイトでも LLMO 計測は必要ですか？

A. はい、むしろ小規模サイトほど LLMO の恩恵が大きい傾向があります。ニッチキーワードで AI に引用されると、SEO で 1 位を取るよりも安定した露出を得られるケースもあります。月 1 時間程度の手動計測から始めるのが現実的です。具体的には、自社サービス名 + 主要キーワード10語を月初に Perplexity で検索し、引用されるか／何番目に引用されるかをスプレッドシートに記録するだけでも、半年後には貴重なトレンドデータになります。

Q7. KPI ダッシュボードは何を使うのがおすすめですか？

A. 無料で始めるなら Google スプレッドシート + GSC API の組み合わせが最強です。本格運用なら Looker Studio で GSC・GA4・Sheets を統合し、自動更新を組むと運用コストが下がります。

Q8. AI 経由の流入が GA4 で見えない場合の対処は？

A. (1) Referrer が空のセッションを「AI 経由」候補として別途集計、(2) UTM パラメータを使った AI 内リンクのトラッキング、(3) Perplexity / ChatGPT で自社サイトへリンクを共有してもらう設計、の組み合わせで近似値を測れます。

関連用語

• GSC
• CTR
• コンバージョン
• LLMO
• ブランドメンション

関連記事

• Google Search Consoleの使い方｜初心者の最初の30分
• SEO×LLMOハイブリッド戦略の立て方
• 既存記事リライトの優先度と手法
• AIゼロクリック時代のコンテンツ戦略
• ブランドメンション（言及）の重要性｜被リンクと並ぶ評価指標

参考文献・出典

• Google Search Console — 公式ツール
• Google Analytics 4 — 公式ツール
• Bing Webmaster Tools — Bing公式
• Mention.com — ブランドモニタリング
• Ahrefs — SEOツール
• Google Analytics 4 — レポート
• Search Console — 検索パフォーマンス