GenZがClaude・OpenAIを消費財ブランド視——信頼度は42ポイント差

GenZがClaudeとOpenAIを「消費財ブランド」として認識——ただし信頼度は42ポイント差

要点: YouGov BrandIndexの調査で、米国Gen Z(1997〜2012年生まれ)におけるClaudeの「次回検討意向(Consideration)」スコアが2026年第1四半期の14.2%から第2四半期に28.1%へと約2倍に急伸し、同四半期の全ブランド中トップとなった。OpenAIも10.1%から22.1%へと2倍超に伸びた。一方でSearch Engine Journalは、米国内でのAIアシスタントへの信頼度がわずか28%にとどまり、従来型検索エンジンへの信頼(70%)と42ポイントもの差があると報告しており、「認知の急伸」と「信頼の欠如」という二重構造がGEO(生成エンジン最適化)戦略立案者にとって重大な論点になっている。

最終更新日: 2026年8月10日

何が起きたのか

2026年8月7日、Search Engine Journal(SEJ)はSEO-PR社会長兼共同創設者のGreg Jarboe氏名義で、「Gen Z Now Treats Claude And OpenAI Like Consumer Brands, But Trust Is Still An Issue(GenZは今やClaudeとOpenAIを消費財ブランドのように扱っている、しかし信頼はまだ課題だ)」と題する記事を公開した。この記事は、YouGov BrandIndexが日次で追跡している米国内2,000以上のブランドのデータをもとに、2026年第2四半期(4〜6月)の動向を分析したものだ。

Considerationスコアが四半期でほぼ倍増

YouGov BrandIndexが計測する「Consideration(検討)」スコアは、「次回その種のカテゴリーの商品・サービスを購入する際に、そのブランドを検討するか」という消費者の意向を問う指標だ。SEJが報じたところによれば、米国のGen Z(1997年〜2012年生まれの成人)を対象にしたこの指標で、2026年第1四半期から第2四半期にかけて、AI企業のスコアが軒並み急伸した。

• Claude(Anthropic): 14.2%→28.1%(約2倍に上昇し、この四半期にYouGovが追跡した全ブランドの中でトップスコアを記録)
• OpenAI: 10.1%→22.1%(2倍超の伸び)
• ChatGPT: 16.3%→25.4%(50%以上の増加)

この伸び幅がどれほど際立っていたかは、比較対象となった伝統的な消費財ブランドと並べるとよくわかる。SEJの記事で言及されている同四半期の他の「急伸ブランド」は、ウイスキーのJohnnie Walkerが7.5%→20.0%(約167%増)、アウトドア用品のREIが9.0%→17.2%(約91%増)だった。Johnnie WalkerとREIの伸び率(%)そのものはClaude・OpenAIより大きく見えるが、絶対値のスコア水準では、ClaudeがJohnnie Walkerを上回って四半期トップに立っている点がSEJの報道の核心だ。AIチャットボットという、数年前まではニッチな技術者向けツールと見なされがちだったプロダクトカテゴリーが、いまや老舗ウイスキーブランドやアウトドア用品店と同じ土俵で、しかも上回るペースで「検討対象」として消費者の意識に浮上している、という点にニュース性がある。

なお、Google Assistantも8.1%→15.8%(約95%増)と大きく伸びているが、SEJはこれについて興味深い留保を付けている。この伸びは、Google I/OでのGemini関連発表など隣接するニュースの「残存ネームバリュー効果(residual name-value effect)」である可能性があり、Google自身が意図的なブランド戦略として狙って達成した成功ではないかもしれない、という指摘だ。同じ「Considerationスコアの上昇」という現象でも、その背後にある要因は一様ではなく、能動的なブランディング施策によるものなのか、単に隣接ニュースの露出増による副次効果なのかを見極める必要があるという示唆は、この記事全体を貫く重要な視点になっている。

調査手法についての注記

このデータの解釈にあたっては、YouGov自身が公表している調査手法上の注記も踏まえておく必要がある。YouGov BrandIndexでは、サンプルの最小ベースサイズは300、分析対象期間中に135日以上のデータが存在することが集計の条件となっている。また、Considerationスコアの掲載基準として、第2四半期時点で15%以上のスコアであることが最小基準とされている。パーセンテージの成長率は丸め処理前の数値をもとに計算されており、記事中に表示される数値は小数点第1位に丸められているため、成長率を独自に再計算すると報告されている数値と完全には一致しない場合がある、という点もYouGovの公式記事で明記されている。この記事で扱う数値も、こうした調査設計上の前提のもとで解釈すべきものだ。

信頼度ギャップという核心的な懸念

しかし、SEJの記事が単なる「AI企業の躍進を称える記事」で終わらない理由は、Considerationスコアの急伸と対をなす形で、深刻な「信頼度ギャップ」のデータを併せて報じている点にある。

SEJ記事によれば、米国内でのAIアシスタントへの信頼度はわずか28%にとどまる一方、従来型の検索エンジンへの信頼度は70%に達しており、その差は42ポイントにのぼる。この42ポイントという数字は、GEO(生成エンジン最適化)戦略を立案する担当者にとって「重大な懸念事項」であるとSEJは位置づけている。

つまり、消費者(特にGen Z)は「AIチャットボットを検討対象として意識する」段階には急速に到達しつつある一方で、「そのAIが提示する情報を信頼する」段階には、まだ大きな距離があるということだ。認知・検討の獲得競争でAI企業が伝統的ブランドを凌駕するペースで勝利を収めつつある裏側で、情報の信頼性という、より本質的な指標では大きなビハインドを抱えている、というのがこのニュースの本質的な構図になる。

各社の戦略差異

SEJ記事は、ConsiderationスコアがなぜAnthropicとOpenAIでともに急伸したのかについて、両社が採用した施策の違いにも触れている。

Anthropic(Claude)は、Super Bowl広告で「広告なしの維持(ad-free)」というメッセージングを打ち出し、これをClaude Cowork等の新機能リリースで補強する戦略を取ったという。一方OpenAIは、開発者向けツールであるCodexを中心に据えた高プロファイルなSuper Bowlキャンペーンを展開し、春季にかけてモデルの継続的なアップデートを重ねる戦略を取った。両社のアプローチは異なるものの、いずれも「AIチャットボット」という技術的な存在を、テレビCMのような伝統的マス広告のチャネルに乗せ、一般消費者に語りかける「消費財ブランド」としてのポジショニングを強めた点で共通している。これがGen Zにおけるブランド認知・検討意向の急伸を後押しした背景要因の一つとSEJは分析している。

aiseo-llmo.com ユーザーへの影響

この調査結果が示す構図は、LLMO・GEOに取り組むマーケター・SEO担当者にとって、単なる「AIブランドの人気ランキング」以上の実務的な意味を持つ。ポイントは、「AI可視性」という言葉が指し示す内容を、これまで以上に解像度を上げて捉え直す必要があるという点だ。

ConsiderationとTrustは別の指標である

まず押さえるべきは、SEJ記事が明確に指摘している通り、「AI検索エンジンにブランド名や商品が言及される頻度」(Considerationに近い、認知・想起の指標)と、「そのAIが提示する情報を消費者がどれだけ信頼するか」(Trustの指標)は、まったく別の軸で動く指標だということだ。

これは、自社のAI検索対策(LLMO/GEO施策)を運用しているマーケターが陥りがちな盲点でもある。ChatGPTやPerplexity、Google AI Overviewといった生成AI検索面で自社ブランドの言及回数(サイテーション数)が増えている、あるいは検索順位相当の指標が向上しているという事実だけをもって、「AI検索対策がうまくいっている」と判断してしまうケースは少なくない。しかし今回のYouGovデータが示すように、「AIが自社ブランドを言及する頻度が増えること」と「そのAIの言及内容がユーザーに信頼され、実際の購買行動やコンバージョンに転換すること」の間には、埋めがたいギャップが存在しうる。認知の指標が伸びていても、その先の信頼・行動への転換率が伴っていなければ、AI経由のトラフィック増加は「数字としては伸びているが売上には結びつかない」という状態に陥りかねない。

「AI経由の認知拡大」と「コンバージョンへの転換」のギャップ

このギャップは、従来のSEOにおける「検索順位は上がったがCVRが低い」という課題と構造的には似ているが、AI検索特有の事情によってさらに複雑になっている面がある。従来の検索結果では、ユーザーは複数の検索結果(自社サイト、競合サイト、レビューサイトなど)を比較検討したうえでクリックし、最終的にランディングページで購買を判断する。この過程で「情報の出どころ」がある程度可視化されている。

一方、AIチャットボットが生成する回答は、複数の情報源を統合・要約した「単一の答え」としてユーザーに提示される。ユーザーはAIの回答をそのまま鵜呑みにするか、あるいは(SEJが指摘する28%という数字が示す通り)相当に懐疑的な目で見るかのいずれかであり、従来検索のような「比較検討の可視化プロセス」を経ないまま、ブランドへの第一印象が形成されてしまう。AIの回答内で自社ブランドが好意的に、かつ正確に言及されているかどうかが、ユーザーの意思決定プロセスにおいて従来以上に大きな比重を占めるようになっている、と言える。

この構造のもとでは、「AIに言及される頻度(Consideration相当)」を追うKPIと、「AIの回答内容がどれだけ正確で、出典が明示され、ユーザーに信頼される形で提示されているか(Trust相当)」を追うKPIを、意識的に分離して計測する体制が必要になる。

業種別のインパクトの違い

Consideration-Trustギャップの実務的な影響は、業種によって濃淡がある。

EC・D2Cでは、AIチャットボットへの商品推奨(レコメンド)への露出が増えても、価格・在庫・返品条件といった「実際に購入を決断するための確度の高い情報」をAIが不正確に伝えれば、コンバージョン直前の離脱やクレームにつながるリスクがある。ユーザーがAIの回答を検証せずに購買行動に移した結果、実店舗やECサイト上の実情と食い違いが生じれば、ブランドへの信頼はConsiderationスコアの伸びとは裏腹に急落しかねない。

金融・保険は、そもそも取り扱う情報の性質上、正確性・最新性への要求水準が極めて高い業種だ。金利、手数料、規約といった数値情報をAIが誤って要約・提示した場合の実害は大きく、Trustギャップの影響を最も強く受けやすい業種の一つと言える。E-E-A-T(経験・専門性・権威性・信頼性)を裏付ける情報設計が他業種以上に重要になる。

SaaS・B2Bでは、価格プラン、機能比較、導入事例といった検討材料がAIチャットボットを通じて要約・提示される機会が増えている。長い検討サイクルを経る商材だからこそ、初期接点でAIに不正確な情報を伝えられてしまうと、その後の商談プロセス全体に悪影響が及びやすい。ホワイトペーパーや技術ドキュメントの出典明記・構造化が、AIによる正確な引用を促す上で重要度を増す。

メディア・パブリッシャーにとっては、自社の記事・分析がAIの回答の「情報源」として引用されるかどうか(サイテーション)自体がビジネス上のKPIになりつつある一方で、AIが自社コンテンツを不正確に要約・改変して提示した場合のブランド毀損リスクも同時に抱える。著者情報や取材過程の透明性を担保する構造化データの整備が、信頼形成の土台になる。

いずれの業種にも共通するのは、「AIに言及される機会が増えること」自体は歓迎すべき変化である一方、その言及の「質」——正確性、文脈の適切さ、出典の明示——が伴わなければ、むしろブランド毀損のリスクを増幅させかねないという点だ。

今すぐできる対応策

SEJ記事は結論部分で、GEO戦略立案者への実務アドバイスとして「メトリクス分離」「多チャネル戦略」「信頼度ギャップへの対応」の3点を挙げている。これを踏まえ、aiseo-llmo.com読者が具体的に着手できる施策を整理する。

1. Consideration系指標とTrust系指標を分離して計測する

まず取り組むべきは、AI可視性を単一の指標として扱うのをやめ、少なくとも2つの軸で計測体制を分けることだ。

• プラットフォーム認知度(Consideration)側の指標: ChatGPT・Perplexity・Google AI Overview・Claudeなどの生成AI検索面での自社ブランド・商品名の言及回数(サイテーション数)、言及されるコンテキストの傾向(ポジティブ/ニュートラル/ネガティブ)
• 実際のコンテンツ信頼度(Trust)側の指標: AI経由で流入したユーザーのコンバージョン率、直帰率、AIの回答内容と自社が発信する一次情報との整合率、AIの回答に自社サイトへの出典リンクが明示されているかどうかの割合

この2系統を月次・四半期次で並べて追跡し、「Considerationは伸びているがTrust系指標が伴っていない」状態を早期に発見できるダッシュボードを整備することが、今回のYouGov調査が示す教訓を実務に落とし込む第一歩になる。AI検索での自社ブランドの言及動向・感情分析の具体的な計測方法については、AI検索でのブランド感情分析の考え方や、AI検索時代のブランドKPI再設計で詳しく解説している。

2. 単一チャネル依存から脱却する

SEJが指摘するように、今四半期にYouGovデータで急伸した消費財ブランド(Johnnie Walkerのストリーミング・屋外広告展開、REIの季節セール)は、いずれもGEO施策単独ではなく、複数チャネルを組み合わせた結果として認知・検討を伸ばしている。AI検索対策だけに資源を集中させるのではなく、従来型のSEO、SNS、広告、PRなど複数のチャネルを組み合わせてブランド認知の総量を底上げする発想が引き続き重要になる。AIチャットボットでの言及は、こうした多チャネル露出の「結果」として増幅される側面が大きく、GEO施策単体で完結させようとする発想はリスクが高い。

3. 「指名ソース・検証可能なデータ・透明な方法論」を実装する

SEJ記事は、28%という低い信頼度スコアを改善する具体的な処方箋として、「指名ソース(named sources)」「検証可能なデータ(verifiable data)」「透明な方法論(transparent methodology)」の3点を挙げている。これらはいずれも、E-E-A-T(経験・専門性・権威性・信頼性)の考え方と直結する施策であり、構造化データや著者情報の実装を通じて具体的に強化できる。

著者情報(Person schema)の実装例

記事やコンテンツの発信者が誰であるかをAIに正確に伝えるため、著者ページと記事双方にPerson schemaを実装する。

{
  "@context": "https://schema.org",
  "@type": "Person",
  "name": "山田 太郎",
  "url": "https://example.com/authors/yamada-taro",
  "jobTitle": "シニアマーケティングアナリスト",
  "worksFor": {
    "@type": "Organization",
    "name": "株式会社Example"
  },
  "knowsAbout": ["LLMO", "AI検索最適化", "ブランド戦略"],
  "sameAs": [
    "https://www.linkedin.com/in/yamada-taro",
    "https://twitter.com/yamada_taro"
  ]
}

著者情報の実装がAIの引用率にどう影響するかについては、著者情報schemaの引用率効果で詳しく検証している。

組織情報(Organization schema)による指名ソース化

「誰が発信しているコンテンツか」をAIに明示するには、記事単位の著者情報だけでなく、サイト全体のOrganization schemaの整備も欠かせない。

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "株式会社Example",
  "url": "https://example.com",
  "logo": "https://example.com/logo.png",
  "sameAs": [
    "https://www.linkedin.com/company/example",
    "https://twitter.com/example_official"
  ],
  "contactPoint": {
    "@type": "ContactPoint",
    "contactType": "customer support",
    "email": "support@example.com"
  }
}

Organization schemaの具体的な設計・実装手順はOrganization schemaの実装ガイドを参照してほしい。

検証可能なデータの明示

記事内で提示する数値・統計データには、必ず一次情報源へのリンクと調査日、調査手法(サンプルサイズ、調査期間など)を明記する。本記事自体も、YouGovの調査手法上の注記(最小ベースサイズ300、分析期間135日以上等)をそのまま引用しているのはこのためだ。AIが情報を要約・引用する際、出典が明確で検証可能なコンテンツほど、優先的に参照される傾向があると考えられる(この点はaiseo-llmo.comとしての実務上の見立てであり、SEJ記事が明示的に述べているわけではない)。

透明な方法論の開示

自社が発信する調査結果・比較データ・ランキングなどのコンテンツについては、「どのようなデータをもとに」「どのような基準で」その結論に至ったのかを、本文中またはFAQセクションで明示する。方法論セクションを設けることで、AIがその情報を要約する際にも、根拠を伴った形で引用されやすくなる。

これらの施策は、E-E-A-TとLLMOの関係性を理解した上で体系的に取り組むことで効果が高まる。基礎から確認したい場合はE-E-A-TとLLMOの関係、E-E-A-T解説、構造化データ全般の効果については構造化データのLLMO効果を参照してほしい。また、こうした信頼性シグナルがブランドメンションの質にどう寄与するかはブランドメンションとLLMOでも解説している。LLMO施策全体の体系的な理解にはLLMO完全ガイドを、AI検索最適化全般の実践手法にはAI検索最適化ガイドをあわせて参照するとよい。

背景・経緯——なぜ今、Gen ZでAIブランドが急伸したのか

AIアシスタントが「消費財ブランド」として一般消費者の意識に浮上する現象自体は、2026年に入って突如始まったものではない。ChatGPTは2022年末のローンチ以降、爆発的なユーザー数の伸びを記録してきたが、当初は「新しいテクノロジーツール」としての性格が強く、消費者ブランドとしての認知形成は必ずしも意図的な戦略の産物ではなかった。

しかし2025年後半から2026年前半にかけて、状況は明確に変化した。AnthropicとOpenAIがいずれもSuper Bowlという、米国で最もマス性の高い広告枠に出稿したことは、その象徴的な出来事だ。Super Bowl広告は、伝統的にビール・自動車・スナック菓子といった消費財企業が莫大な予算を投じてブランド認知を競う場であり、そこにAI企業が参入したこと自体が、「AIチャットボットを一般消費者向けの生活必需品的サービスとして位置づけ直す」という戦略転換を象徴していた。

Gen Z(1997〜2012年生まれ)がこの変化に特に敏感に反応した背景には、いくつかの要因が推測される。第一に、Gen Zはデジタルネイティブ世代として、新しいテクノロジープロダクトへの心理的ハードルが他世代より低い。第二に、学業・就労の初期段階にある年齢層であるため、AIチャットボットを課題作成・情報収集・キャリア形成の実務ツールとして日常的に使う機会が多く、実利用に基づく好意的な検討意向が形成されやすい。第三に、テレビCMよりもストリーミング・SNS広告への接触頻度が高い世代特性上、Super Bowlのような大型広告イベントの二次拡散(SNSでのクリップ拡散など)を通じて接触機会が増幅されやすい構造がある。ただし、これらはaiseo-llmo.comとしての背景分析上の推測であり、SEJ記事やYouGov記事が明示的に述べている因果関係ではない点は明記しておく。

一方で、信頼度28%という数字が示す通り、認知の急伸が信頼の急伸に直結していない点は、AIチャットボットというプロダクトカテゴリーが抱える固有の課題を映し出している。検索エンジンは長年にわたり、「情報の検索窓口」としての役割を担い、ユーザー自身が複数の検索結果を比較検討する主体性を保持できる設計になっていた。対してAIチャットボットは、情報を要約・統合して単一の回答として提示するため、ユーザーが検証プロセスをスキップしやすい設計になっている。この設計上の違いが、「便利だから使うが、全面的には信頼しきれない」という消費者心理を生んでいると考えられる。

国内外の反応・関連動向

米国発のこの調査結果は、日本国内のAI検索利用動向とも接続して考える必要がある。日本国内でも、ChatGPTやPerplexity、Google AI Overview(日本語圏での展開)といった生成AI検索サービスの利用は着実に拡大しており、特に若年層・学生層での日常利用の浸透度は米国の傾向と軌を一にする部分が大きい。

日本企業のLLMO戦略という観点では、今回のYouGov調査が示す「Consideration-Trustギャップ」の構造は、日本市場においても同様、あるいはそれ以上に重要な論点になりうる。日本の消費者は一般に、初めて接触するブランド・サービスに対する信頼形成のハードルが比較的高い傾向があるとされており(これも一般論としての傾向であり、本調査に基づく数値ではない)、AIチャットボットが提示する情報の「出典の明確さ」「発信元の透明性」への要求水準は、米国以上に厳しく評価される可能性がある。

また、日本語圏特有の事情として、AIチャットボットが日本語コンテンツを要約・引用する際の精度や、日本国内の一次情報源(官公庁、業界団体、専門メディアなど)がどれだけAIの学習・参照データに反映されているかという構造的な課題も存在する。日本企業がLLMO施策に取り組む際には、単に英語圏のベストプラクティスをそのまま輸入するのではなく、日本語コンテンツにおける構造化データの実装、著者情報の明記、一次情報源としての立場を明確化する取り組みを、より丁寧に積み重ねる必要があるだろう。

なお、これらの日本市場への示唆は、今回のSEJ・YouGov記事が直接言及している内容ではなく、aiseo-llmo.com編集部による類推・見立てであることを明記しておく。米国市場での調査結果をそのまま日本市場に当てはめられるかどうかについては、今後、日本国内での同種調査の蓄積を待つ必要がある。

今後の見通し

SEJ記事は結びで、「Considerationは開始地点であり終点ではない(Consideration is the starting line, not the finish line)」と述べ、「ClaudeとOpenAIは1四半期分のGen Z注目を獲得したが、その注目が信頼された情報源へ転換するかどうかはまだ未決定」だと総括している。この一文は、今回のニュースを読み解く上で最も重要な視点を凝縮している。

Q3(2026年7〜9月)以降の展望としては、いくつかの分岐点が考えられる。第一に、AnthropicとOpenAIが、Considerationスコアの急伸を実際の信頼度向上、ひいては収益化(有料プラン加入、企業導入など)にどう転換していくかが焦点になる。両社がSuper Bowl広告のような認知獲得施策の次のフェーズとして、透明性・正確性を訴求するメッセージングにシフトするかどうかは注視に値するポイントだ。

第二に、Google Assistant(あるいはGemini)のように、「隣接ニュースの残存ネームバリュー効果」で伸びたと見られるブランドが、次四半期以降も同様の伸びを維持できるかどうかも一つの試金石になる。もし維持できなければ、SEJが指摘した通り、意図的なブランディング戦略ではなく一過性の効果だったことが裏付けられることになるだろう。

第三に、他の消費財ブランド・サービス業種が、AI企業の成功事例(あるいは信頼度ギャップという課題)をどう学習し、自社のGEO戦略に反映させていくかも今後の焦点だ。今回のJohnnie WalkerやREIのように、ストリーミング広告や季節キャンペーンといった伝統的マーケティング施策とGEO施策を組み合わせるハイブリッド戦略が、業種を問わず広がっていく可能性がある。

いずれにせよ、今回のYouGov調査とSEJの分析が示す最大の教訓は、「AIに言及される機会の増加」を最終ゴールとせず、その先にある「信頼される情報源としての地位確立」までを見据えた指標設計・コンテンツ設計を行う必要がある、という点にある。aiseo-llmo.comとしても、この二段階の変化——認知獲得競争のフェーズから、信頼獲得競争のフェーズへの移行——を継続的にウォッチし、実務に即した情報発信を続けていく。

よくある質問

Q1. YouGov調査でClaudeのConsiderationスコアはどれくらい伸びましたか?

米国Gen Zにおいて、2026年第1四半期の14.2%から第2四半期には28.1%へと約2倍に伸び、同四半期の全ブランド中トップスコアとなりました。

Considerationスコアは「次回購入時にそのブランドを検討するか」を問う指標で、YouGov BrandIndexが米国内2,000以上のブランドを対象に日次で追跡しているものです。Claudeのスコアはこの四半期で、比較対象となった伝統的な消費財ブランド(Johnnie Walker、REIなど)を含む全ブランドの中で最高値を記録しました。

Q2. OpenAIやChatGPTのスコアはどう変化しましたか?

OpenAIは10.1%から22.1%へと2倍超、ChatGPTは16.3%から25.4%へと50%以上増加しました。

いずれも米国Gen Zを対象にした2026年第1四半期から第2四半期への変化です。ChatGPTはOpenAIが提供するプロダクト名として、OpenAIは企業名として別々に計測されており、両者ともに大きな伸びを示しています。

Q3. AIアシスタントへの信頼度は具体的にどれくらいですか?

SEJ記事によれば、米国内でのAIアシスタントへの信頼度は28%にとどまり、従来型検索エンジンへの信頼度70%と42ポイントの差があります。

この42ポイントという差は、AI企業のブランド認知(Consideration)が急伸している事実とは対照的に、AIが提示する情報そのものへの信頼はまだ従来の検索エンジンに大きく及んでいないことを示しています。SEJはこの点を、GEO戦略立案者にとっての重大な懸念事項と位置づけています。

Q4. ConsiderationスコアとTrust(信頼度)スコアはなぜ別々に見る必要があるのですか?

両者は異なる消費者心理を反映する指標であり、一方が伸びても他方が伴わない場合があるためです。

Considerationは「検討対象として意識に上るか」という認知・想起の指標である一方、Trustは「その情報・提案を信頼して行動できるか」という、より踏み込んだ心理的ハードルを反映する指標です。今回の調査のように、Considerationが急伸してもTrustが低水準にとどまるケースがあるため、AI可視性を単一指標で管理するのではなく、両者を分離して計測・改善する体制が実務上重要になります。

Q5. Google Assistantのスコアが伸びた理由についてSEJは何と指摘していますか?

SEJは、Google I/OでのGemini関連発表など隣接ニュースによる「残存ネームバリュー効果」である可能性があり、意図的な戦略成功ではないかもしれないと指摘しています。

Google Assistantも8.1%から15.8%へと約95%伸びていますが、この伸びが能動的なブランディング施策の成果なのか、単に周辺ニュースの露出増による副次的効果なのかは、Considerationスコアの数字だけでは判別できません。この留保は、Considerationスコアの上昇要因を安易に「戦略成功」と解釈すべきではないという教訓を示しています。

Q6. AnthropicとOpenAIはそれぞれどのような戦略でConsiderationスコアを伸ばしましたか?

Anthropicは「広告なしの維持」を訴求するSuper Bowl広告とClaude Coworkなどの機能リリースを、OpenAIはCodexを中心としたSuper Bowlキャンペーンと継続的なモデルアップデートを展開しました。

両社ともAIチャットボットを一般消費者向けのマス広告チャネルに乗せ、テクノロジー製品というより「消費財ブランド」として訴求する戦略を取った点が共通しています。これがGen Zにおける急速な認知・検討意向の向上を後押しした背景要因の一つと分析されています。

Q7. SEJが提案する信頼度改善の具体策は何ですか?

「指名ソース」「検証可能なデータ」「透明な方法論」の3点により、28%という信頼度数値を改善することに注力すべきとしています。

これらは、情報の発信者を明確にし(著者情報・組織情報の明示)、提示するデータの根拠を検証可能な形で示し(出典リンク・調査手法の明記)、結論に至った過程を透明化する(方法論の開示)という、E-E-A-Tの考え方と直結する施策です。構造化データの実装や著者情報schemaの整備が、これらを具体化する手段になります。

Q8. この調査結果は業種によって影響の受け方が異なりますか?

はい。EC、金融、SaaS、メディアなど業種ごとに、Consideration-Trustギャップが及ぼす実務的な影響の性質は異なります。

ECでは価格・在庫情報の不正確な伝達がコンバージョン離脱に直結しやすく、金融・保険では数値情報の誤りが実害につながりやすいため信頼性シグナルの重要度が特に高くなります。SaaS・B2Bでは長い検討サイクルの初期接点でAIに不正確な情報を伝えられると商談全体に悪影響が及びやすく、メディアではAIによる自社コンテンツの誤った要約・改変がブランド毀損リスクになります。業種特性に応じた信頼性シグナルの設計が求められます。

Q9. ChatGPTのImpressionやQuality、Satisfactionのスコアについても分かっていることはありますか?

別のYouGov AI Index記事(2026年7月21日公開)によれば、ChatGPTのImpressionスコアは平均的AIブランドより12ポイント高く、Qualityは15.6(平均5.9)、Recommendは17.9(平均3.2)でした。Satisfactionでは平均48.8に対しClaudeが62.5、ChatGPTが55.0でした。

これは今回のConsideration・Trust関連の記事とは別の調査記事のデータであり、この記事にはTrustの具体的な数値についての記載はありません。参考情報として付記しますが、本記事のメインテーマであるConsideration・Trustギャップのデータと混同しないよう注意が必要です。

Q10. マーケターは今後、AI検索対策のKPIをどう見直すべきですか?

AI言及頻度(サイテーション数)だけでなく、AI経由の流入がコンバージョンや信頼形成にどれだけ結びついているかを併せて追跡するKPI設計への見直しが必要です。

具体的には、AIチャットボットでの自社ブランド言及回数・文脈の傾向を追う「認知系KPI」と、AI経由流入のコンバージョン率・AIの回答内容と自社発信情報との整合率といった「信頼系KPI」を分離して計測し、両者のギャップをモニタリングするダッシュボードの整備が実務的な出発点になります。構造化データや著者情報の実装を通じて信頼系KPIの改善に取り組むことも並行して進めるべきです。

関連記事

• LLMO完全ガイド —— LLMOの全体像と実践手法を体系的に解説。
• AI検索最適化ガイド —— AI検索での可視化を高める実践手法の総論。
• E-E-A-TとLLMOの関係 —— 信頼性シグナルとAI検索最適化の接点を解説。
• E-E-A-T解説 —— E-E-A-Tの基本概念から理解したい方向け。
• AI検索でのブランド感情分析 —— AIによる自社ブランド言及の感情分析手法。
• AI検索時代のブランドKPI再設計 —— 引用・言及ベースの新しいKPI設計の考え方。
• 構造化データのLLMO効果 —— 構造化データがAI引用に与える効果の検証。
• Organization schemaの実装ガイド —— 組織情報schemaの具体的な実装手順。
• 著者情報schemaの引用率効果 —— Person schema実装がAI引用率に与える影響。
• ブランドメンションとLLMO —— ブランド言及の質を高める考え方。
• AI検索時代、従来の被リンク構築モデルはなぜ機能しなくなったのか
• Similarweb「AI Ads」発表、ChatGPT/Google AI広告の可視化開始

用語の詳細は、LLMO、GEO、AIO、E-E-A-T、ChatGPT Search、グラウンディング、Perplexityの各用語解説もあわせて参照してください。