Fractl調査、SEO強者でもAI検索で消えるブランド格差が判明

Fractl調査、SEO強者でもAI検索で「消える」ブランド格差が判明——8業界4,320応答の分析結果

要点: マーケティングエージェンシーFractlが、GPT-4o・Gemini 2.5 Flash・Claude Sonnet 4.6の3モデルを対象に8業界96プロンプト×15回実行、4,320件の応答・8,500件超のブランド言及を分析した「AI Visibility Index」を発表しました。従来の検索オーソリティ(ドメインレーティング・トラフィック・キーワード順位)とAI言及数が一致しないブランドが約9%存在し、3モデル全てに登場するブランドはわずか11%に留まるなど、AI検索特有の可視性格差の実態が数値で示されています。

最終更新日: 2026年8月19日

何が起きたのか

Fractlが8業界横断の「AI Visibility Index」を公開

Search Engine Landが2026年8月17日に掲載した記事によれば、マーケティングエージェンシーのFractlが独自の「AI Visibility Index」調査を実施し、その結果を公開しました。記事の著者はFractlの共同創業者であるKelsey Libert氏で、Search Engine Land側は同氏が調査主体であるFractlの当事者であるという利益相反(conflict of interest)を明記した上で寄稿記事として掲載しています。この点は調査結果を読む上で踏まえておくべき前提であり、後述の「調査手法の限界」でも改めて整理します。

調査の狙いは、これまで感覚的に語られがちだった「AI検索でブランドがどれだけ言及されるか」という問題を、業界横断・複数モデル比較で定量的に可視化することにあります。特に注目すべきは、単にAI言及数を並べるだけでなく、Ahrefsが提供するドメインレーティング・オーガニックトラフィック・キーワード順位といった従来型のSEO指標と突き合わせて分析している点です。これにより「検索で強いブランドが、AI検索でも同じように強いのか」という、LLMO(大規模言語モデル最適化)実務で最も重要な問いに直接答えるデータセットになっています。

調査手法——3モデル・8業界・96プロンプト・15回実行

Fractlの調査設計は次の通りです。対象モデルはOpenAIのGPT-4o、GoogleのGemini 2.5 Flash、AnthropicのClaude Sonnet 4.6の3種類。対象業界はトラベル、ヘルステック、ウェルネス、保険、教育など8業界にわたります。各業界について業界別に設計された合計96個のプロンプトを用意し、それぞれのプロンプトを各モデルに対して15回ずつ実行しました。

この設計により収集されたデータ量は、応答数で4,320件(96プロンプト×15回×3モデル)、そこから抽出されたユニークなブランド言及数は8,500件を超えます。1つのプロンプトを15回繰り返し実行しているのは、AI回答が同一プロンプトに対しても毎回微妙に異なる出力を返す(いわゆる非決定性)という特性を踏まえ、単発の応答だけでなく「傾向」としてどのブランドが安定的に言及されるかを捉えるための工夫と考えられます。この繰り返し実行によって得られた言及頻度データを、Ahrefsのドメインレーティング・オーガニックトラフィック・キーワード順位という従来の検索指標データと突き合わせることで、「AI検索での可視性」と「従来型検索での強さ」のズレを定量化しています。

ブランド集中度——業界によって寡占の度合いが大きく異なる

調査ではまず、業界ごとにAI回答内でのブランド言及がどれだけ特定企業に集中しているかを分析しています。最も集中度が高かったのはトラベル業界で、Booking.comが285件、Airbnbが227件、Expediaが215件の言及を獲得し、この上位3社だけで業界内の言及の約20%を占めるという結果になりました。オンライン旅行代理店(OTA)という業態の性質上、消費者の検索行動もAIへの質問行動も、少数の大手プラットフォームに集約されやすいことがうかがえます。

ヘルステック業界は、さらに極端な「独走状態」が確認されています。Teladocが275件の言及を獲得したのに対し、2番手のAmwellは220件と、この2社だけで業界内の言及を大きく占有する構図になっています。オンライン診療という比較的新しいカテゴリーにおいて、先行して知名度を確立した2社にAI言及が集中している状況です。

一方、ウェルネス業界は今回の調査対象8業界の中で最も競争が激しい業界として位置づけられています。特定の1〜2社が独占するのではなく、5つのブランドがそれぞれ168件以上の言及を獲得しており、上位ブランドが分散している状態が確認されました。トラベルやヘルステックのような寡占型の業界と対照的に、ウェルネス業界ではAI検索上での「勝ち筋」がまだ固定化していないことを示唆しています。

可視性ギャップ——SEOで強くてもAIで「消える」ブランドが約5%

今回の調査で最も実務的なインパクトが大きいのが、従来の検索オーソリティとAI可視性の一致・不一致を分析した部分です。全体として見ると、90%超のブランドではドメインレーティング・トラフィックなどの従来型SEO指標とAI言及数がおおむね一致していました。つまり大多数のブランドにとって、これまでのSEO投資がAI検索での可視性にもそのまま反映されているという結果です。

しかし残りの約1割には無視できない乖離が存在します。約5%にあたる471ブランドは、ドメインレーティングやオーガニックトラフィックが高水準にあるにもかかわらず、AI回答内での言及が実力に見合わない水準にとどまる「過小評価(underexposed)」の状態にありました。これは、これまで検索エンジン向けのSEOに真面目に投資してきた企業であっても、AIモデルの学習データや回答生成のロジックの中では十分に選ばれていない可能性があることを意味します。

逆に、約4%にあたる377ブランドは、従来の検索指標では目立った強さを持たないにもかかわらず、AI回答内での言及数が相対的に多い「過大評価(overperform)」の状態にありました。ドメインレーティングやトラフィックといった従来のSEO資産に頼らずとも、AIモデルに好んで言及される何らかの特性(第三者からの言及・レビューの多さなど)を持つブランドが一定数存在することを示しています。

さらに調査は、モデル横断での言及の「安定性」についても興味深い数値を示しています。GPT-4o・Gemini 2.5 Flash・Claude Sonnet 4.6の3モデル全てに登場したブランドはわずか11%に留まりました。逆に言えば、調査対象となったブランドの77%は3モデルのうちいずれか1モデルにしか登場していません。これは、単一のAIプラットフォームでの可視性確認だけでは自社の実際のAI検索露出を正確に把握できないことを裏付ける数字であり、複数プラットフォームを横断したモニタリングの必要性を強く示しています。

モデル間格差——同じブランドでもAIによって言及頻度が数倍〜十数倍違う

個別ブランドの事例として紹介されているモデル間の言及頻度差は、格差の大きさを直感的に理解させる材料になっています。生産性ツールのNotionは、ClaudeがGeminiの17倍の頻度で言及しているという極端な差が確認されました。ウェアラブルデバイスのWhoopについても、ClaudeがGeminiの4倍の頻度で言及しています。保険会社のState Farmでは、ChatGPTでの言及率が約50%であるのに対し、Geminiでは約25%と、こちらも2倍の開きがありました。

これらの事例に共通するのは、いずれも「特定のモデルでは頻繁に登場するが、別のモデルではほとんど登場しない」という非対称性です。この非対称性がどのような要因(学習データの構成、モデルごとのグラウンディング先の違い、モデル運営企業ごとの提携関係など)によって生じているかについて、Search Engine Landの記事では踏み込んだ原因分析までは示されていませんが、少なくとも実務上は「1モデルだけの計測結果を全体の可視性として扱うのは危険」という結論を導く材料になります。

業種別のばらつき——保険・教育・トラベルで異なる乖離パターン

Fractlの調査は業種別にも可視性ギャップの傾向を分析しています。保険業界では8%のブランドが過小評価(underexposed)の状態にあり、この背景としてレガシー保険会社がデジタルネイティブな新興保険会社にAI言及の面で押し出されている構図が指摘されています。長年培ってきた実店舗網やブランド認知が、AIモデルの回答生成には必ずしも反映されにくいという実態がうかがえます。

教育業界では逆の傾向が見られ、7%のブランドが過大評価(overperform)の状態にありました。Stanford、MIT、Khan Academyといった、もともと高い権威性とブランド認知を持つ機関がAI回答を独占しやすい構図が背景として挙げられています。教育というカテゴリーの性質上、AIモデルが「信頼できる情報源」として著名教育機関を優先的に引用しやすいことが、この過大評価という形で表れていると考えられます。

トラベル業界は、可視性ギャップが4%と8業界の中で最も小さく、従来のGoogleランキングとAI言及の整合性が最も高い業界として位置づけられています。前述の通りトラベル業界はBooking.com・Airbnb・Expediaという上位3社への言及集中度自体は高いものの、その集中構造自体が従来の検索順位ともおおむね一致しているため、乖離という観点では相対的に「素直な」業界だという評価になります。

戦略的示唆——自社発信より第三者検証コンテンツの影響力が大きい

今回の調査結果を踏まえてFractlが導き出した結論として特に重要なのが、AI可視性への影響力という観点では、企業が自ら発信するオウンドコンテンツよりも、第三者による言及・レビューなどの第三者検証コンテンツの方が影響力が大きいという指摘です。前述の「過大評価(overperform)」ブランドが従来のSEO資産に依存せずAI言及を獲得できている背景にも、この第三者コンテンツの存在が関係していると考えられます。AIモデルが回答を生成する際、企業自身の公式サイトの主張よりも、独立した第三者(レビューサイト、比較メディア、ユーザーの声など)による言及・評価を重視する傾向があるとすれば、これはLLMO戦略の優先順位を大きく左右する結論です。

aiseo-llmo.com ユーザーへの影響

「SEOで勝っている=AI検索でも勝っている」という前提の見直しが必要

今回の調査で最も重要な示唆は、90%超のブランドでは従来の検索オーソリティとAI可視性が一致している一方、残る約1割には無視できない乖離が存在するという点です。自社がこの「一致しない1割」に属していないかどうかを確認することが、AI検索対応の出発点になります。特にドメインレーティングやオーガニックトラフィックが高水準にあるにもかかわらずAI回答での言及が伸び悩んでいる場合、それは従来のSEO施策の延長線上では解決できない、AI検索特有の課題を抱えている可能性が高いと考えられます。

1つのAIプラットフォームだけの計測では実態を見誤る

3モデル全てに登場したブランドがわずか11%、77%は1モデルにしか登場していないという数字は、LLMO実務における計測体制の設計に直結します。仮に自社がChatGPTでの言及だけを定点観測している場合、Gemini上ではほとんど言及されていないという実態を見落としたまま「AI検索対応は順調」と誤認してしまうリスクがあります。逆に、あるモデルで言及が少ないからといって全体のAI可視性が低いと即断するのも早計です。複数モデルを横断した計測を行って初めて、自社の本当のAI可視性の全体像が見えてきます。

業種によって「何を優先すべきか」が変わる

保険業界のようにレガシー企業がデジタルネイティブ企業に押し出されやすい業種では、AIモデルに「新しく、信頼できる情報源」として認識されるための第三者からの言及獲得が優先課題になります。一方、教育業界のように既存の権威ブランドが独占しやすい業種では、新規参入企業や中堅ブランドがゼロから割り込むハードルは相対的に高く、ニッチな専門性を軸にした差別化戦略がより重要になります。トラベル業界のように従来のGoogleランキングとAI言及の整合性が高い業種では、これまでのSEO投資がそのままAI可視性にも波及しやすいため、既存のSEO資産を土台にAI検索向けの補強を行うアプローチが有効と考えられます。自社の属する業界がどのパターンに近いかを見極めることが、限られたリソースの配分判断に直結します。

「オウンドコンテンツ偏重」からの脱却が求められる

Fractlの結論である「自社発信コンテンツより第三者検証コンテンツの方がAI可視性への影響力が大きい」という指摘は、多くの企業がこれまで注力してきたコンテンツマーケティングの方向性そのものを問い直す材料になります。自社サイトのブログ記事や製品ページを充実させるだけでは、AI回答内での言及獲得という観点では効果が限定的である可能性があり、レビューサイトへの掲載、業界メディアでの言及獲得、ユーザーコミュニティでの評判形成といった「第三者を介した可視性獲得」への投資配分を見直す必要性が示唆されています。

今すぐできる対応策

1. 複数モデルでの自社ブランド言及状況を横断的に確認する

まず着手すべきは、ChatGPT(GPT-4o相当)・Gemini・Claudeという主要3モデルそれぞれで、自社ブランド名や自社が属するカテゴリーの比較検討プロンプトを実際に投げて、言及の有無・頻度・文脈を記録する作業です。1回の確認では回答のブレを捉えきれないため、同一プロンプトを複数回(可能であれば5〜10回程度)繰り返し実行し、言及される頻度の傾向を把握することが望ましいでしょう。Fractlの調査が96プロンプト×15回実行という設計を取っているのも、この非決定性を踏まえた設計です。自社で全く同じ規模の調査を行うのは難しくても、主要プロンプトについて複数回実行するという発想は取り入れる価値があります。

2. Ahrefs等のSEO指標とAI言及状況を突き合わせて「ギャップ」を診断する

自社のドメインレーティング・オーガニックトラフィック・主要キーワード順位といった従来型SEO指標を確認した上で、それらとAI回答内での言及頻度を比較します。SEO指標が高いにもかかわらずAI言及が伸び悩んでいる場合は「過小評価」の兆候であり、優先的にAI検索向けの施策(構造化データの整備、第三者コンテンツでの言及獲得など)に着手すべき対象と判断できます。逆にSEO指標がそれほど高くないのにAI言及が多い場合は、その要因(第三者からの評判、特定コミュニティでの言及量など)を分析し、その成功パターンを他の商材・キーワードにも横展開することを検討します。

3. 第三者検証コンテンツの獲得を体系的な施策として組み込む

Fractlの結論を踏まえると、レビューサイト・比較メディア・業界専門メディアへの掲載、ユーザーコミュニティでの言及獲得、第三者による導入事例やケーススタディの発信支援など、自社が直接コントロールしない「第三者を経由した情報発信」を戦略的に増やす取り組みが重要になります。具体的には、業界の主要な比較サイト・レビューサイトへの登録状況を棚卸しし、未掲載であれば掲載申請や情報更新を行う、顧客に対してレビュー投稿を促す仕組みを整える、業界メディアへのプレスリリース配信や寄稿を通じて第三者による言及機会を増やす、といった施策が具体的なアクションになります。

4. 業界内の「言及集中構造」を把握し、自社のポジションを見極める

トラベル業界の上位3社集中(約20%)、ヘルステック業界の2社独走、ウェルネス業界の分散構造(5ブランドが168件以上)のように、業界ごとにAI言及の集中度は大きく異なります。自社が属する業界がどのようなパターンに近いかを把握することで、「上位独占ブランドに割って入る難易度の高い戦い」を挑むべきか、それとも「分散度が高くニッチで勝ち筋を探る戦い」を選ぶべきかの戦略判断がしやすくなります。競合の言及状況を定期的に確認し、業界内での自社の相対的なポジションを継続的にモニタリングする体制を構築することを推奨します。

5. モデルごとの言及差を前提にした優先順位づけを行う

Notion・Whoop・State Farmの事例が示すように、同じブランドでもモデルによって言及頻度が数倍から十数倍異なることがあります。自社の主要顧客層がどのAIプラットフォームを多く使っているか(例えば開発者・ビジネスパーソン層はChatGPTやClaude、一般消費者層はGeminiを含む複数プラットフォームなど)を踏まえ、優先的に強化すべきモデルを見極めることも一つのアプローチです。ただし前述の通り77%のブランドが1モデルにしか登場していないという実態を踏まえると、特定モデルへの偏重は他モデルでの露出機会を逃すリスクも伴うため、複数モデルへの目配りを継続しながら優先順位をつけるバランス感覚が求められます。

6. 定期的な再測定でギャップの変化を追跡する

AI検索の可視性は、モデルのアップデートや学習データの更新によって変動しうる性質のものです。一度計測して終わりにせず、月次または四半期ごとに同様の計測を繰り返し、自社の可視性ギャップ(過小評価・過大評価の状態)がどう変化しているかを追跡することが重要です。特に第三者コンテンツ獲得施策に着手した後は、その効果がAI言及の増減として現れているかを定点観測することで、施策の有効性を検証できます。

よくある質問

Q1. Fractlの「AI Visibility Index」とはどのような調査ですか。

マーケティングエージェンシーFractlが、GPT-4o・Gemini 2.5 Flash・Claude Sonnet 4.6の3モデルを対象に、8業界のブランド言及状況を分析した調査です。

96個の業界別プロンプトを各モデルで15回ずつ実行し、合計4,320件の応答から8,500件超のユニークなブランド言及を収集しました。結果をAhrefsのドメインレーティング・オーガニックトラフィック・キーワード順位データと突き合わせることで、従来型SEOの強さとAI検索での可視性のズレを定量化している点が特徴です。Search Engine Landに2026年8月17日掲載され、著者はFractl共同創業者のKelsey Libert氏です。

Q2. なぜ96プロンプトを15回ずつ実行するという設計になっているのですか。

同じプロンプトでもAIモデルの回答は毎回微妙に異なるため、単発の応答ではなく傾向として言及頻度を捉える必要があるためです。

AI回答生成には一定の非決定性(同一入力に対しても出力が毎回変わりうる性質)があります。1回きりの応答を見て「言及された/されなかった」と判断すると誤差が大きくなるため、複数回の繰り返し実行によって統計的に安定した傾向値を得る設計になっています。

Q3. どの業界でブランドの言及集中度が最も高かったのですか。

トラベル業界で、Booking.com・Airbnb・Expediaの上位3社が業界内言及の約20%を占めました。

具体的な言及数はBooking.comが285件、Airbnbが227件、Expediaが215件です。ヘルステック業界もTeladoc(275件)とAmwell(220件)の2社で「独走状態」となっており、業界によって寡占構造には大きな差があることが示されています。

Q4. 「可視性ギャップ」とは具体的にどのような状態を指しますか。

ドメインレーティングやトラフィックなどの従来型SEO指標とAI言及数が一致しない状態を指します。

約5%(471ブランド)は従来指標が高いにもかかわらずAI言及が少ない「過小評価(underexposed)」、約4%(377ブランド)は従来指標が低いにもかかわらずAI言及が多い「過大評価(overperform)」に分類されています。残る90%超のブランドでは両者がおおむね一致しており、乖離があるのは全体の約1割です。

Q5. 3モデル全てに登場するブランドはどれくらいの割合ですか。

わずか11%です。残る77%は3モデルのうちいずれか1モデルにしか登場しません。

この数字は、単一のAIプラットフォームだけで自社の可視性を判断することの危うさを示しています。ChatGPT・Gemini・Claudeのいずれかでしか計測していない企業は、他のモデルでの露出状況を見落としている可能性が高いと考えられます。

Q6. モデルによってブランドの言及頻度はどれくらい違うのですか。

事例によっては数倍から十数倍の差があります。Notionの場合、ClaudeはGeminiの17倍の頻度で言及しています。

Whoopについては、ClaudeがGeminiの4倍の頻度で言及しています。また保険会社のState Farmでは、ChatGPTでの言及率が約50%、Geminiでは約25%と2倍の開きがありました。同一ブランドであってもモデルごとに評価が大きく異なりうることを示す具体例です。

Q7. 業種によって過小評価・過大評価の傾向はどう違いますか。

保険業界は8%が過小評価、教育業界は7%が過大評価、トラベル業界は4%の乖離で最もGoogleランキングと整合的でした。

保険業界ではレガシー保険会社がデジタルネイティブ企業に押し出される形で過小評価になりやすく、教育業界ではStanford・MIT・Khan Academyなど既存の権威機関が独占する形で過大評価になりやすいとされています。トラベル業界は上位3社への言及集中度自体は高いものの、その構造が従来のGoogle検索順位とも一致しているため、乖離という観点では業種内で最も「素直」な結果になっています。

Q8. AI可視性を高める上で最も重要な戦略的示唆は何ですか。

自社が発信するオウンドコンテンツより、第三者による言及・レビューなどの検証コンテンツの方がAI可視性への影響力が大きいという点です。

Fractlの調査結果はこの結論を裏付ける形で、従来のSEO資産に依存せずAI言及を多く獲得しているブランド(過大評価グループ)の存在を示しています。自社サイトの充実だけでなく、レビューサイトへの掲載、業界メディアでの言及、ユーザーコミュニティでの評判形成など、第三者を介した可視性獲得施策への投資配分を見直す必要性が示唆されています。

Q9. この調査結果を読む際に注意すべき点はありますか。

著者のKelsey Libert氏がFractlの共同創業者であり、調査主体自身による発表(利益相反あり)である点はSearch Engine Land側も明記しています。

また対象業界は8業界、対象モデルは3種類に限定されており、全業界・全AIプラットフォームを網羅した調査ではありません。プロンプト設計や集計方法の詳細な開示範囲も限定的であるため、自社の状況を正確に把握するには、可能な範囲で自社独自の計測も併せて行うことが望ましいと考えられます。

Q10. 日本企業もこの調査結果を参考にすべきですか。

調査対象は英語圏のAIモデル・プロンプトが中心と見られますが、複数モデル横断の計測やギャップ診断という考え方自体は日本企業にも十分応用できます。

「SEOで強い=AI検索でも強い」とは限らないという構造的な示唆や、第三者検証コンテンツの重要性という結論は、市場や言語を問わず共通しやすい論点です。日本語でのAI検索利用が拡大する中、同様の考え方で自社のAI可視性ギャップを診断し、第三者コンテンツ獲得施策に着手することは、日本国内のLLMO実務においても有効なアプローチと言えます。

関連記事

• LLMO(大規模言語モデル最適化)完全ガイド
• AI検索最適化ガイド
• Semrush AI Visibility Index 2026 データ解説｜126M プロンプト分析の全貌
• Qask AIO ブランド可視性インデックス レビュー
• 競合SOVギャップ分析AI検索調査
• AI可視性の競合シェア・オブ・ボイス分析
• トピカルフォーカスとAI可視性、Semrush調査で判明
• LLMOとは
• AIO(AI Optimization)とは
• GEO(Generative Engine Optimization)とは
• ブランドメンションとは
• GeminiはWebサイト、ChatGPTはReddit依存──ローカルAI引用調査