ブランドをAIに覚えさせる：エンティティを束ね、指名で想起される状態を作る

AIにとってのブランド力とは

生成AIは、利用者が入力した質問をそのまま検索するのではなく、自分で複数のクエリに組み替えてから検索します。 Googleは、AIによる概要とAIモードがこの「クエリ ファンアウト」という手法を使う場合があると説明しています。[出典: AI 機能とウェブサイト]つまり何を検索するかを決める時点で、AIがすでに持っている知識が働いているということです。 自社の名前がその段階で出てこなければ、ページがどれだけ整っていても検索の対象にすらなりません。 ただし、書き換えられたクエリに名前が入ったブランドだけが回答に残るという具体的な比率を示した分析は、 単一アカウントで57会話を記録したもの1件しかなく、著者自身も「数値は方向性を示すもの」と断っています （ChatGPTは検索前にブランドを決めている）。 数値そのものより、候補が決まる段階と読まれる段階が別だという構造のほうを持ち帰ってください。 以降は、この構造を前提に「候補に入るための作業」を当サイトの整理として並べます。

ここまでのレッスンで扱ってきたのは、取得されたあとに読まれるための作業でした。 このレッスンで扱うのはその前段、候補に入るための作業です。AIにとってのブランド力は 広告的な印象ではなく、エンティティ（実体）としてどれだけ確かに認識されているかで、 3つに分解できます。

表記を1つのエンティティに束ねる

日本語のブランドはカタカナ・英字・略称の3つに割れやすく、割れたぶんだけ候補としての強さが分散します。最初にやるのは、正式表記を1つ決めて、残りをその別名として結び付ける作業です。ただしこれは土台をそろえる作業で、やれば引用や露出が増えるという実測データはありません（この節の最後で扱います）。

この作業をAI検索での引用を増やす施策として売り込む説明を見かけますが、実測はそれを支持していません。 Ahrefsは、2025年8月から2026年3月の間にJSON-LDを追加した1,885ページを、追加前の被引用数が近い約4,000ページの対照群と突き合わせ、 追加の前後30日で引用がどう動いたかを比較しています。結果はAIによる概要が−4.6%、AIモードが+2.4%、ChatGPTが+2.2%で、 いずれも意味のある増加とは言えないものでした。引用されたページの多くが構造化データを実装しているのは事実ですが、 それは元から手入れの行き届いたサイトが実装しているためで、追加したから引用されたのではない、というのがこの調査の結論です。[出典: We Tracked 1,885 Pages Adding Schema（Ahrefs）]

したがってこの節の位置づけは、やれば増えるレバーではなく、外して困る土台です。 表記が割れたまま次の節の外部言及を増やすと、言及が別々のエンティティに散る——これは仕組みからの推論で、 日本語の表記ゆれを対象に測った公開データは見つかっていません。作業量が限られるなら、次の節を先にしてください。

実装はレッスン05で入れた構造化データの延長にあります。 旧名やリブランド前の名前がある場合は、旧名からの対応を公式ページに残してください。 モデルの学習データには旧名の記事が大量に残るため、旧名で候補に入り新名で回答されるのが理想の状態です。 表記ゆれが候補入りに直接効く仕組みはChatGPTは検索前にブランドを決めているで詳しく扱っています。

サイトがホスト単位で分かれている場合（本体・サービス・サポート・オウンドメディアを別のサブドメインで運用しているなど）、 この宣言はホストの数だけ必要です。全ホストに同じ @id のOrganizationを出し、sameAs には外部プロフィールに加えて自社の他ホストのURLも並べます。 ホストを分けると設定と計測の単位が増えるという話はレッスン09にありますが、 増えるのは設定と計測だけではなく、「同じ1社である」という宣言も増えます。 ここが抜けると、ホストごとに別の運営者として扱われかねない状態になります（仕組みからの整理で、測った公開データはありません）。

第三者の文脈を増やす

自社サイトに書いた記述は、AIから見れば裏取り先のない自称です。この節は、レッスンの中でもっとも外部データの裏付けが厚い部分です。

Ahrefsは75,000ブランドを対象に、どの指標がAIによる概要でのブランド露出と一緒に動くかを調べています。 上位3つはすべて自社サイトの外側にある指標で、被リンクはそれらより明確に弱いという結果でした。

レビュープラットフォームでも同じ方向の結果が出ています。Seer Interactiveが2026年3月に80万件超のAI回答 （ChatGPT・Gemini・Perplexity・AIモード）を分析した調査では、レビュープロフィールを積極的に運用しているブランド群は、 プロフィールを持たない対照群に比べて、他社について尋ねられた回答に一緒に挙がる回数が9.5倍でした。 この調査はTrustpilotの委託で行われている点は差し引いて読む必要がありますが、 「第三者のページに載っているかどうかが候補入りを左右する」という方向は、上のAhrefsの結果と一致します。[出典: Study of 800K AI Responses（Seer Interactive・Trustpilot委託）]

この2件を含め、このレッスンの各節がどの調査に支えられているのか（そして支えられていないのか）は「AIにブランドを覚えさせる」施策のうち、実測データがあるのはどれかで、 調査の方法と数値ごとに整理しています。

賞やバッジについても同じ読み方をします——ただしここから先は、賞の効果を測った公開データが無いため、当サイトの解釈です。 上の2つの調査から言えるのは第三者ページでの言及が効いているところまでなので、 効いているのは賞の権威そのものではなく第三者が名前を出して言及したという事実のほうだと当サイトは整理しています。 実在する第三者の賞は、告知や報道という形で外部の言及を生むので、その意味で働きます。 見分ける基準は有料かどうかではありません（Seerの調査で効いていたレビュープラットフォームにも有料プランがあります）。第三者が独立して書いているか、自社が書いた文章がそのまま載っているだけかで分けてください。後者は自社ページの主張1件と変わりません。 小規模な運営で賞に手が届かない場合は、次の節の独自データのほうが同じ労力に対して外部言及に届きやすくなります。

引用される独自データを出す

第三者に言及してもらう最短経路は、他社が引用したくなる数値を自分で出すことです。AIが数値を回答に使うときは出典の媒体名がほぼ必ず添えられるため、引用されるたびに「第三者の文脈でのブランド名」が1件増えます。

GEOという用語の初出であるarXiv論文（KDD 2024採録）でも、統計の追加・引用の追加・出典の明示が可視性を最大で約40%押し上げた一方、 キーワードの詰め込みはほとんど効果が無かったと報告されています。 10,000件のクエリを使った研究環境での測定値であり各社のサービスが同じ挙動をする保証はありませんが、数値と出典を持つことが 効く方向にあるという点はレッスン06の書き方とも一致します。[出典: GEO: Generative Engine Optimization]

自分でデータを出すときは、次の3点を必ず数値の隣に置きます。どれかが欠けると、引用元として扱われにくくなります。

データを載せたページには、そのデータセットの作成者として自社のOrganizationを構造化データで紐付けておきます。 数値とブランドが同じ実体として結び付き、引用されたときに媒体名が添えられやすくなります。

自社しか一次情報を持たない数値も、公式側で読める形にする

料金・仕様・手続きの条件のように、一次情報が自社にしか無い数値でも、公式がPDFや画像でしか出していなければ、 回答に使われるのはその数値をまとめ直した第三者のページです。引用元が第三者になると、改定したときに 古い数値がそのまま参照され続け、直す手段が自社側に残りません。調査データを作る前に、 すでに自社が持っている数値を読める形にするほうが先です。

指名想起を定点観測する

ブランドの認識は順位のように1つの数字になりません。しかも同じ質問文を投げても回答は毎回揺れるので、1回の結果は記録になりません。3段階に分けて、同じ質問を複数回投げ、2〜4週間をひとつの窓として「出た割合」で記録します。

先に、記録の取り方のほうを決めます。ザンクトガレン大学の研究チームは、2026年1月から3月にかけてChatGPT・Perplexity・Gemini・AIモードを継続計測し、 同じプロンプトを同時に最大10回ずつ再実行した結果も比較しました。引用元の重なりは32〜43%、 ブランド名の重なりも日をまたぐと45〜59%にとどまり、この揺れの相当部分は 時間帯やニュースではなくモデルが確率的に文を生成すること自体から来ている、と報告しています。 可視性は1つの数字ではなく分布として扱え、というのが結論です。[出典: Don't Measure Once: Measuring Visibility in AI Search（arXiv:2604.07585）]

したがって「先月は出たのに今月は出ない」を施策の成否として読んではいけません。 同じ質問を1回の計測につき複数回投げ、そのうち何回自社名が出たかを割合で残します。比較するのは回ではなく窓（2〜4週間）どうしです。

記録は同じ質問文でそろえ、会話の履歴が残らない状態で投げます。 手作業での確認に加えて、可視性を継続測定するツールもあります（SEO・GEO診断ツール）。 数値の読み方と改善サイクルの回し方はレッスン11と同じで、 4週間ごとに確認する枠にこの3段階を足す形になります。窓の長さをそろえておくと、両方を同じ表で読めます。

これで教科書は終わりです。ここから先は、レッスン11の 4週間サイクルを回しながら、このレッスンの3段階を同じ窓で記録し続けることが実務になります。 検索とAI検索の仕様は頻繁に変わるため、ニュースで変更を追いながら、 各レッスンのチェックリストを定期的に見直してください。

到達チェックリスト

次の項目を自分のサイトで確認できたら、このレッスンは終わりです。1つでも「まだ」がある場合は、次のレッスンに進む前にそこを埋めてください。

よくある質問

記事から取り入れたこと

「ブランドをAIに覚えさせる」の範囲でその後に出た記事のうち、このレッスンに足すべきと判断したものです。 レッスン本文は仕組みの説明にとどめ、確認できた個別の手順・数値はここに積みます。

• AI可視性の計測は無条件の質問だけでなく、条件を足した質問でも行う。候補ブランドが入れ替わるため。

  2026.09.06·出典: ChatGPTの候補ブランドが、条件を1つ足しただけで入れ替わった。無条件と3条件で共通するブランドはゼロ