AI可視性を測るプロンプトセットの設計
目次
プロンプトセットの設計が計測の精度を決める
AI可視性は、どのプロンプトで測るかに丸ごと依存します。同じ会社でも、聞き方を変えればChatGPTが返す答えも、登場するブランドも変わるためです。だからこそ計測の前に、固定したプロンプト群を設計しておきます。
設計の出発点は、自社が出たい高インテントのクエリです。「(製品カテゴリ) おすすめ」「(製品カテゴリ) 比較」「(用語)とは」のように、購買や検討に近い問いを並べます。さらにファネル段階で分け、KnowとCommercialを混ぜておくと、認知と検討の両方の可視性が見えてきます。
日本語のプロンプトをどう作るか
日本語では、表記揺れ・敬語・カタカナと英字の揺れを意図的に含めます。ここが日本市場のプロンプト設計の勘所です。
- 「GEOとは」「GEO 意味」「ジェネレーティブエンジン最適化とは」のように、同じ意図を別表記でも投げます。
- 「教えてください」「とは何か」のような敬語・常体の違いを混ぜます。
- 「Webサイト」「ウェブサイト」のようなカタカナと英字の揺れを入れます。
表記が変わると、AIが拾うソースも答え方も変わります。そのため1つの聞き方だけで測ると、本来出ているはずの可視性を取りこぼします。
揺らぎをどう平均化するか
同じプロンプトでも、AIの回答は実行のたびに揺れます。1クエリ1回では誤読の元になるので、複数回・複数LLMで実行して平均を取ります。学術研究では、temperature=0.7で1クエリにつき5応答を取るといった設計が使われます。
揺らぎは時間軸でも起きます。たとえばDigital Authority Partnersの縦断調査では、AIの引用元は1か月でおよそ40〜60%が入れ替わっていました（everything-pr, 2026年）。ここまで動くとなると、単月の1点ではなく数か月のローリング比較で傾向を見る必要があります。測定時点とモデル名を必ず記録するのも、この変動に対処するためです。
また、プロンプトはエンジンごとにも分けて回します。AuthorityTechの集計では、エンジン間の引用重複は11%で、1つのプラットフォームの監視では全体像の25%未満しか掴めません（AuthorityTech, 2026年）。横断計測の理由は1つのAIだけ見ても足りない・横断計測に書きました。
Geo Indexは、設計したプロンプト群を複数のLLMで実行し、29メトリクス・6カテゴリで集計します。何を測るかの全体像はAI可視性・引用率の測り方、計測と最適化のつなぎは2026年最新のLLM最適化をどうぞ。