引用分析
あなたのブランドは、AIの回答の中にいるか。
登録したプロンプトを ChatGPT・Claude・Gemini で繰り返し実行し、回答本文での言及と、引用元としての採用を区別して、6カテゴリの指標で可視化します。
登録から招待まで、費用は発生しません。
STEP 1
質問プロンプトを登録する
顧客が実際にAIへ尋ねそうな質問を登録します。自社ブランド名・製品名・競合名を設定し、キーワードグループで分類しておくと、どのテーマで引用されているかをまとめて確認できます。
STEP 2
ChatGPT・Claude・Gemini で実行する
登録したプロンプトを3つのプラットフォームで実行し、回答本文と引用元を収集します。実行のたびに使用モデルと計測時刻が記録されるため、あとから「いつ・どの条件で測ったか」を確認できます。
STEP 3
ダッシュボードで分析する
収集した結果を6カテゴリの指標に整理して表示します。モデルごとに結果は異なるため、プラットフォーム別の内訳も併せて確認できます。判定に足りるデータがないときは「データ不足」と表示します。
サンプル
指標の体系
6カテゴリの指標
ひとつの総合スコアに丸めず、意味の違う指標を分けて見られるようにしています。
可視性
Visibility
回答にどれだけ登場しているか。可視性率・出現率・プロンプトカバレッジと、プラットフォーム別の内訳を見ます。
引用
Citation
引用元としてどれだけ採用されているか。引用率・引用頻度と、その時系列の変化を見ます。
感情・品質
Sentiment & Quality
どのような文脈で語られているか。肯定の割合・加重感情指数・感情分布と、文脈の適合を見ます。
競合
Competitive
競合と比べてどうか。Share of Voice、競合別の勝率、個別競合とのHead-to-Head比較を見ます。
順位
Position & Ranking
回答の中でどの位置に出るか。平均ポジション、上位3件に入る割合、位置の分布を見ます。
新興
Emerging
回答への取り込まれ方の広がり。引用フォーマットの分布、コンテンツ種別ごとの成績、クエリ意図カバレッジ、応答網羅性、プラットフォーム網羅多様性を見ます。
キャンペーンの概要では、これらのカテゴリを「可視性ベクトル（5層 × エンジン × 経路）」として層ごとに表示します。カテゴリ別の内訳は、それぞれのサブダッシュボードで確認できます。
画面はデモデータです
定義の区別
「言及」と「引用」は、別のことが起きている
この2つを混ぜると、次に何をすべきかの判断を誤ります。
言及（mention）
LLMの回答本文にブランド名が登場すること。名前は知られていても、回答の裏づけとして使われているとは限りません。
引用（citation）
回答の引用元・参照としてあなたのサイトが使われること。回答の根拠として採用された状態です。
Geo Index はこの2つを別のメトリクスとして計測し、Share of Voice も「言及ベース」と「引用ベース」に分けて表示します。言及はあるのに引用がゼロ、という状態はよく起きます。
画面はデモデータです
競合比較
競合との差を、2つの見方で確認する
全体のシェアと、1対1の比較。見たいことに応じて使い分けます。
Share of Voice
対象プロンプト群の回答全体のうち、自社と各競合がどれだけの割合を占めているかを示します。言及ベースと引用ベースを分けて集計します。
Head-to-Head
特定の競合1社との比較です。どのプロンプト・どのプラットフォームで差がついているかを絞り込んで確認できます。
比較に必要なデータが集まっていないときは、勝敗を推測せずに「データ不足」と表示します。
画面はデモデータです
ダッシュボードの厚み
指標ごとに専用ビューを持つダッシュボード
1つの画面に詰め込まず、見たい切り口ごとに専用のページを用意しています。
概要可視性引用競合感情順位ベロシティ新興エンティティ言及キーワード傾向プロンプト別履歴
12個の専用ビューがあり、概要で結論を掴んだあと、気になった指標だけを深掘りできます。
モデルバージョン明示
数字の出どころを、いつでも確認できる
LLMの回答は確率的で、モデル更新のたびに変わります。だからこそ計測条件を隠しません。
すべての計測値に、使用したモデル名と計測時刻を表示します。「引用が増えた・減った」を見るときも、比較対象が同じモデル・近い時期の計測かどうかを確認できます。
対応モデルはデータベースで管理しており、GPT・Claude・Geminiの最新モデル群を管理画面から随時追加します。固有のモデル名をここに固定表示する代わりに、実際の計測画面では使用したモデル名を実行のたびに明示します。
判定に足りるデータがないときは、傾向や勝敗を作らずに「データ不足」と表示します。すべての実行は履歴に残り、成功・部分成功・失敗を分けて確認できるため、「引用がないこと」と「そもそも計測できていないこと」を取り違えません。
計測の方法論と透明性を見る※ 表示されているモデル名・時刻は表示例です。実際の計測値ではありません。
得られるもの
計測を始めると、何が分かるか
効果を約束するものではありません。まず、いまの状態を数字で持つことから始めます。
現状の数値化
ChatGPT・Claude・Gemini で、いま自社がどれだけ登場し、どれだけ引用元になっているかを数値で把握できます。
競合との差
言及ベース・引用ベースそれぞれのShare of Voiceで、競合との差がどこにあるかを確認できます。
変化の追跡
同じプロンプトを繰り返し実行することで、変化を時系列で追えます。計測条件が併記されるため、比較の前提も確認できます。
改善の起点
弱い箇所が分かれば、コンテンツ最適化へ進めます。施策のあとの変化は、再計測によって確認します。
実施記録
成果台帳（Outcome Ledger）── 施策と、その後の変化をつなげて残す
やったことと、その後どうなったかを切り離さずに記録します。効果を断定するものではありません。
AI最適化ページの生成やコンテンツ最適化の保存など、実施した施策を記録に残し、施策前後の引用率の変化を並べて確認できます（実施記録）。露出の指標だけが単独で動いていて、それが施策によるものか分からない、という状態を防ぐための台帳です。
変化を確認できなかった施策（null result）も隠さず記録します。すべての施策が結果につながるとは限らないため、うまくいかなかった記録も残すことに意味があります。
※ 表示されている施策・数値はサンプルです。実際の記録ではありません。
次に読む
計測のあとに、つながる機能
引用分析は、計測・最適化・配信・再計測というループの入口です。
まず、いまの引用状況を計測する。
現在はクローズドβとして、信頼できる10〜20社への限定招待を予定しています。ご登録いただくと、準備が整い次第、登録順にご案内します。登録から招待まで、費用は発生しません。
製品ツアーを見る