引用率は上がったのに、営業チームには何の変化もないなら

ChatGPTやPerplexityで自社ブランドがより頻繁に表示されるという報告を受けました。コンテンツも何度も引用され、競合より露出が良くなっています。しかし営業チームに聞いても、AI検索から来たリードが誰なのか、どれだけのパイプラインを生んだのかは分かりません。

この段階で引用率を成果と確定するのは危険です。生成AIの回答で自社ブランドを見た人が全員サイトを訪問するわけではなく、訪問者が全員問い合わせや契約に至るわけでもないからです。AEOの成果を説明するには、集計型の露出指標と実際のリードの営業成果を分けて記録する必要があります。

Blendの自社事例はこの差をよく示しています。90日間にわたり500件を超える商業意図のプロンプトを追跡した結果、LLM露出率は17.1%から34.7%へ、17.6ポイント上昇しました。Blendは比較基準や開始・終了時点の件数を公開しないまま、2025年第4四半期のAI由来MQLが133%増加したと報告しています。2025年後半のAI由来パイプラインは前半の約3.5倍に増え、50万ドルを超えたとも明らかにしました。 特定のプロンプト露出を個別のリードや商談に結び付けた結果ではないため、この増加率を検証済みのAEO効果として受け取るべきではありません。

測定ラダーは二つの線に分ける必要があります

Blend事例から得るべき点は大きな増加率ではなく、プロンプト露出という集計型の先行指標と、推薦流入後のリードレベルの遅行指標を一緒に見る構造です。これらは一貫した商業プロンプト、LLM推薦トラフィック、顧客が直接記入した発見経路、MQL、パイプラインをともに追跡しました。

測定範囲記録する値答えられる質問
集計型の先行指標期間・エンジン別の総実行数、ブランド出現実行数、引用URL同じ条件の購買質問でブランドの可視性は変化したか？
ウェブ流入観測されたAI推薦セッション、ランディングページ、主要イベントAI推薦ドメインから実際の訪問と行動は発生したか？
自己記入の発見経路問い合わせ者が記入したAIツールと、覚えている質問の文脈推薦情報が残らないAI接点はあったか？
リードレベルの遅行指標MQL数、営業機会数、パイプライン金額識別可能なリードは営業可能な需要につながったか？
契約結果契約数と売上、リードコホート別の観察期間平均営業サイクル経過後に実際の売上が発生したか？

プロンプトパネルは実際の訪問者を意味しません。同じ質問・エンジンの組み合わせを定めた回数だけ実行し、可視性の変化を見るための合成観測値です。質問数ではなく総実行数を分母にすれば、一度たまたま出現した結果を露出率として誇張せずに済みます。繰り返していない場合は、露出率やトレンドではなく「1回のベースラインスナップショット」と表示してください。Blendも500件を超えるプロンプトを追跡したと述べていますが、エンジン別実行回数、プロンプト別の繰り返し回数、結果の分散は公開していません。

一方、推薦セッション、問い合わせ、MQL、契約は、実際の訪問またはリードから始まる遅行指標です。特定の流入情報をリードに結び付けるには、ウェブ分析とCRMに共通識別子または検証済みの連携が必要です。接続手段がなければ、GA4の結果は集計値としてのみ扱い、問い合わせ者がAI発見経路を直接残したリードだけをCRMの結果に結び付けてください。

各欄には比率だけでなく、分母と絶対値も残す必要があります。たとえば「露出率50%」ではなく「総実行30回中15回出現」、「MQLが100%増加」ではなく「2件から4件に増加」と記載します。これらの数字は記録形式を説明するための仮想例であり、推奨サンプル数や評価基準ではありません。

GEO研究が報告した「最大40%の改善」も、同じ理由で慎重に読む必要があります。これは1万件のクエリで構成されたベンチマークにおいて、掲載位置や引用などを反映した生成エンジン内の情報源可視性の相対的な改善値であり、セッションや売上が40%増えたことを意味するものではありません。効果はクエリの分野によっても異なりました。

大きな倍率は成功の公式ではなく観測値です

Optimistが公開した事例には、売上とコンバージョンまで踏み込んだ数値が登場します。B2Bテクノロジー企業の事例では、14か月間でChatGPT・Perplexity・Claudeの推薦流入による売上が4,900%、推薦トラフィックが2,622%増加したと報告されています。 小売テクノロジー企業は、同じ三つのチャネルから発生した売上が前年比13倍に増えたと明らかにしています。 フィンテックの詳細事例には、8か月間で推薦流入コンバージョンが8倍、トラフィックが25倍に増加したと記されています。

しかし三つの事例はいずれも、顧客名、開始・終了時点の売上、商談数、比較群を公開していません。B2B事例タイトルの「49倍成長」と本文の「4,900%増加」も厳密には同じ計算ではなく、フィンテック事例は総合ページの6か月と詳細ページの8か月が一致していません。 Optimist自身も、AI利用の増加やユーザー行動の変化など複数の要因が作用するため、特定の施策に結果を確実に帰属させるのは難しいと述べています。

したがって、事例の倍率を目標値にしないでください。

これらの数値は、AEOがすべての企業で同じ規模の成長を生む証拠ではありません。むしろ引用率で止まらず、推薦流入、コンバージョン、売上を別々に観測すべきだという測定の方向性を示す事例として読むほうが正確です。

今日はまずGA4とCRMを接続できるか確認してください

別のソフトウェアを導入する必要はありません。まずGA4にログインして対象プロパティを開き、CRMまたはリード記録も用意してください。最初に確認する項目は、フォーム送信時に流入情報とリード識別子がCRMに一緒に保存される既存連携があるかです。User-IDも組織が独自の識別子を作成して送信する機能なので、GA4レポートを開いただけで個別CRMリードとの接続が自動的にできるわけではありません。

  1. まずリード接続の条件を判定してください。
    ウェブ分析とCRMの両方に共通識別子またはすでに検証された連携があるか確認します。ある場合はテスト用のフォーム送信を1件作成し、流入情報とリード識別子が同じCRM記録に保存されるか確認してください。ない場合は、今回の点検ではGA4を集計型流入データとしてのみ使い、自己記入の発見経路があるリードだけをCRM結果に接続すると範囲を決めます。
  2. 固定質問と実行条件を決めてください。
    営業通話、顧客インタビュー、検索記録から、課題定義・候補比較・推薦・導入条件に関するノンブランド質問を選びます。質問・エンジンの組み合わせごとに対応可能な繰り返し回数を決め、モデル、検索モード、ログイン状態、実行日も固定してください。繰り返し回数は比較可能な分母を作るための運用上の選択であり、統計的に十分なサンプル数を意味するものではありません。
  3. 露出ベースラインを実行単位で残してください。
    実行するたびに、質問、エンジン、モデル・モード、日付、ブランド出現の有無、引用URL、推薦文脈を1行に記録します。次回の測定でも同じ条件と繰り返し回数を維持し、「ブランド出現実行数 ÷ 総実行数」で露出率を計算してください。組み合わせごとに1回しか実行していない場合は「1回のベースラインスナップショット」として残し、期間トレンドとは呼びません。
  4. GA4で推薦流入を集計として確認してください。
    レポート → 集客 → トラフィック獲得に移動し、主ディメンションを「Session source / medium」に変更して、「Landing page + query string」を副ディメンションとして追加します。 実データに表示されるAI関連ソース別セッション、ランディングページ、事前定義した主要イベントを記録します。GoogleはSourceを特定のプラットフォーム・サイト・アプリ、Mediumをreferralなどの流入タイプとして説明しています。
  5. 推薦情報が消えた接点を自己記入で補ってください。
    問い合わせフォームまたは営業記録に「どこで当社を知りましたか？」を追加し、AIツールを選んだ場合は、そのときの質問を覚えている範囲で記入してもらいます。AI回答を見た後、ブランド検索や直接入力で訪問した人は、推薦ソースだけでは見つけにくいです。質問の文脈は、問い合わせ者が直接残した場合にのみ該当リード記録に接続します。
  6. 接続可能なリードだけを営業結果までつないでください。
    検証済みの連携で流入情報が保存されたリード、または自己記入でAI発見経路が確認されたリードだけを、MQL、営業機会、パイプライン金額、契約売上に接続します。共通識別子がない場合、GA4セッションを特定のCRMリードに恣意的に対応付けないでください。平均営業サイクルを過ぎたリードコホート同士を比較し、プロンプト露出は同じ期間の別の先行指標として並べます。

入力例 — 実際の評価値ではない仮想記録です
測定期間: 2026-09-07~2026-09-13
質問: 中堅製造業向けの在庫管理ソフトウェアを比較して
エンジン: Perplexity
モデル・検索モード: 実行画面に表示された値
繰り返し回数 / 総実行数 / ブランド出現: 3 / 3 / 1
引用URL: 実行結果に表示された実際のURL
GA4ソース・メディア: 実際のレポート値
リード接続の根拠: 自己記入
MQL: はい

GA4の現在のデフォルトチャネルの正式名称は、単数形の「AI Assistant」です。ChatGPT・Gemini・Deepseek・Copilot・Grokなどからの推薦流入はここに含まれる場合がありますが、Google AI OverviewsとAI Modeからの流入は除外され、Organic Searchに含まれます。 分類ルールは変わる可能性があるため、デフォルトチャネルだけでなく実際のSession source / mediumも一緒に確認してください。

アトリビューションレポートも経路全体をそのまま示すわけではありません。Googleの有料・オーガニック最終クリックモデルは直接流入を除外し、コンバージョン前の最後の非直接チャネルに主要イベント価値の100%を付与します。 逆に、AI回答を見た後に検索または直接入力で戻ってきた訪問には、LLM推薦ドメインが残らないことがあります。したがって、一つのチャネルの数値をAI影響の全体として解釈してはいけません。

最初の点検の成功基準は、四つの記録が残ることです。 エンジン・モデル・モード・日付を記した実行記録、総実行数とブランド出現実行数を分けた露出値、GA4で確認した実際のAI関連ソース・ランディングページ・主要イベント、各リードの接続根拠の有無が一か所に必要です。接続根拠がなければ、売上帰属を計算せず「集計型流入のみ確認」として完了してください。

二つの線が一緒に動くとき、次のコンテンツを選んでください

露出は増えたのに推薦流入と自己記入リードが動かなかったとしても、すぐに失敗と結論付けないでください。AI回答にクリックする理由が不足していたのか、ブランド検索で経路が消えたのか、購買から遠い質問だけを測定したのかを順に確認する必要があります。

反対に、接続根拠のあるAI由来リードがMQLまたは営業機会を生んだ場合は、十分な観察期間を置いた後、隣接する質問のコンテンツへ拡張できます。ただし比較群がなければ、「AEOが売上を作った」ではなく、「観測可能なAI接点がこのパイプラインに寄与した」と表現するほうが正確です。

さらに深掘りするなら

Real-World AEO & GEO Case Studies for B2B 複数業界のAEO観測事例と公開範囲を比較する出発点です。 yesoptimist.com

Engineering AI Search Visibility: Our AEO Case Study 商業プロンプト、自己記入によるアトリビューション、MQL、パイプラインを一緒に観測した構造を確認できます。 blendb2b.com

GEO: Generative Engine Optimization 生成エンジンの可視性指標とクエリ分野ごとの差を確認するには、原研究を読んでください。 arxiv.org

Traffic acquisition report GA4でセッションのソース・メディアを確認する公式の画面経路を案内します。 support.google.com