Ahrefs、GMO TECHによるAI検索可視化ツール「ブランドレーダー」活用事例を公開
公開日:
SEO・AI検索分析プラットフォームを提供するAhrefsは、GMO TECH株式会社の中原卓馬氏によるブランドレーダーの活用事例を公開しました。中原氏は同社の執行役員・アルゴリズム研究室長で、従来のSEOデータにAI検索の回答や引用元、競合データを重ねて分析範囲を拡張しています。言及数の計測にとどまらず、ブランドが推薦される理由や施策が影響し得る範囲まで分析しているのが特徴です。この事例は、AI検索時代に企業が自社ブランドの見え方を把握し、施策を判断するための具体的な手法を示しています。
ポイント
- 1GMO TECH中原氏が約4万件のAI回答を解析し推薦理由を横断分析
- 2ファンアウトクエリを集計し影響範囲から施策の優先順位を検討
- 3言及と推薦を区別しブランドが選ばれる文脈を可視化する手法を紹介
活用の背景：自社が設定した問いだけでは市場全体を捉えにくい
中原氏はSEOに17年間携わり、2013年からAhrefsを使って被リンクや競合キーワードを分析してきました。現在はGMO TECH株式会社で検索アルゴリズムの研究を担い、得られた知見をプロダクトや顧客支援に展開しています。AI検索への対応では、最初にどのプロンプトを観測するかが課題でした。自社に都合のよい回答が出やすい問いや、需要から外れた問いに対象を絞ると、成果を見落としたり、一部の結果だけで施策を評価したりするおそれがあります。ブランドレーダーを選んだ理由は、Ahrefsが蓄積したプロンプトデータと検索需要から、自社が想定していなかった問いや競合も含めて俯瞰できることでした。市場全体を把握したうえで、継続して追うカスタムプロンプトを設計する順序を重視しています。
活用事例①：SEOの競合分析をAIの「量」と「文脈」へ拡張
ブランドレーダーの活用によって、従来のSEO分析で培った視点をAI検索へ広げています。確認するのは、競合情報、言及数の推移、AIシェアオブボイス、引用ドメイン、引用ページ、回答本文です。「量」の分析では、自社と競合の言及数や言及シェアを同じ期間で比較します。自社の言及が減っていても、市場全体の変化で競合も減少している可能性があります。自社の数値だけでは判断せず、競合との比較から変化を切り分けます。「文脈」の分析では、回答本文を読み、どの用途や条件でブランドが推薦されているかを確認します。言及回数に加えて、推薦理由、望まない説明、料金や実績の誤情報まで捉えることで、次に整えるべき情報や接点を具体化しています。
活用事例②：約4万件の回答から推薦理由を横断して分析
中原氏は、ブランドレーダーを起点に約4万件のAI回答を解析しました。問いや仮説を置き、プロンプト、回答、引用元、競合データを取得します。必要に応じてサイトエクスプローラーの検索データを重ね、AIと外部ツールを接続する仕組みであるMCPを介してAIに渡し、大量の回答を同じ観点で分類・比較しています。分析で見えてきたのは、候補として名前が並ぶ「言及」と、誰に、どの用途で、なぜ適しているかという理由を伴う「推薦」の違いです。「どんな用途に強いか」「どんな機能に強みがあるか」を主軸に、対象となる人や選び方が組み合わされる規則性を、中原氏は「推薦の文法」として捉えています。集計や分類の範囲をAIで広げながら、何を確かめるかを決め、得られた傾向を検証して施策に戻す役割は人が担っています。
活用事例③：共通クエリから影響範囲を捉え、施策の優先順位を検討
AIが回答を組み立てる際、元の問いから関連情報を探すために展開するクエリを「ファンアウトクエリ」と呼びます。ブランドレーダーにこの機能が加わる前、中原氏は回答や引用元、引用ページの検索キーワードを組み合わせて、ファンアウトクエリを逆算していました。現在はクエリを集計し、特定の検索領域がいくつのプロンプトに影響し得るかを確認しています。個々の問いを追うだけでなく、多くの回答に関わる情報需要を見つける分析です。顧客支援では、関連クエリで上位にある第三者サイトを特定し、関係構築を優先してAI上の言及の変化を検証する取り組みも行っています。さらに、望む推薦文脈と実際の検索需要を照らし合わせ、企業が選ばれる理由となるUSP（独自の強み）を整理します。強み・ブランド名・製品名を一貫して伝える情報整備へつなげる考え方を紹介しています。
GMO TECH株式会社 中原卓馬氏のコメント
中原氏は「AI検索を分析する際は、ブランドが言及されたかだけでなく、どのような用途や条件で推薦されているかを分けて見ることが大切だと考えています。大量の回答を比較すると、個別の回答だけでは分からない共通の傾向も見えてきました。自社の強みを幅広く伝えるだけでは、推薦されたい相手や場面が曖昧になる可能性があります。誰に、どのような文脈で推薦されたいかという企業側の意図と、実際に検索されている言葉の両方を確認しながら、USPとブランド名、製品名の関係を明確にしていくことが重要だと思います」と述べています。
Q&A
Q. ブランドレーダーとは何ですか？
A. AI検索におけるブランドの言及や引用元を可視化するAhrefsの分析ツールです。自社と競合の言及数やAIシェアオブボイスの推移を比較し、回答本文や引用ドメイン、引用ページを確認できます。
Q. 「言及」と「推薦」はどう違いますか？
A. 言及は候補として名前が並ぶことを指し、推薦は誰に、どの用途で、なぜ適しているかという理由を伴うことを指します。中原氏はこの違いを分けて分析することが重要だと述べています。
Q. ファンアウトクエリとは何ですか？
A. AIが回答を組み立てる際、元の問いから関連情報を探すために展開するクエリのことです。これを集計することで、特定の検索領域がいくつのプロンプトに影響し得るかを確認できます。
関連リンク
- https://ahrefs.com/ja/brand-radar
- 第 1 部：AI 検索時代に変わること、変わらないこと
- 第 2 部：AI × Ahrefs × MCP で、AI 検索をどう分析するのか
- Ahrefs（エイチレフス）公式サイト
O!Productニュース編集部からのコメント
約4万件のAI回答から推薦理由を横断分析しているのが参考になります。SEO担当がAI検索対策の優先順位を決める材料になりそうですね。
引用元：PR TIMES
この記事の著者
O!Productニュース編集部
