【解説】IABがAI可視性の物差しを公開クエリ50件未満は「探索的」

同じブランドを測っているのに、ツールを変えると違う答えが返ってくる。AI検索での可視性をめぐって、いま起きているのはそういう状態です。IABが8月に公開したガイドラインは、どのツールを使うべきかではなく、出てきた数字を信じてよいのかを判断するための物差しを示しました。

IABは2026年8月3日、AI検索での可視性を測るためのガイドライン「Measuring Visibility in the AI Era」を公開した。IABによると、AI可視性の測定ツールを売る事業者は20社を超えるが、手法が異なるため同じブランドを測っても結果が一致しない。

ガイドラインは指標をPresence、Prominence、Portrayal、Persuasionの4階層に整理し、言及率や引用率の定義を統一する。あわせて測定品質をDirectionalとDecision-Gradeの2段階に分け、クエリ50件未満は探索的と位置づけるなどの最低基準を示した。対象プラットフォーム、プロンプト集の構成、データ収集方式など、事業者が開示すべき項目も定めた。全文は無料で公開されている。

同じ日に、太平洋の両側で

IABがこのガイドラインを公開した2026年8月3日、日本でも近い話題が並んでいました。GMO NIKKOが生成AI最適化ツールの新機能を発表し、「言及率」と「引用率」を主要指標として掲げています。GMO TECHも同じ日に、店舗向けのAI検索対策サービスを発表しました。

偶然ですが、構図としてはきれいに対になっています。日本で出たのはAIに選ばれるための道具であり、米国で出たのはその道具が示す数字を信じてよいかを判定するための物差しです。順序としては物差しが先にあるほうが自然に思えますが、新しい市場はたいてい逆に育ちます。売る側が先に走り、買う側が「これは何を測った数字なのか」と問い始めたところで、ようやく共通言語が要る。今回のガイドラインは、その問いにIABがまとまった形で答えた文書です。

AI可視性の4Pという共通語彙

ガイドラインの中心にある「AI可視性の4P」は、Presence（出現するか）、Prominence（どこに、どれだけ目立って現れるか）、Portrayal（どんな文脈で、どれだけ正確に描かれるか）、Persuasion（行動につながるか）の順に、可視性が事業価値へつながる過程を整理した因果階層です。

日本でよく見る指標は、どの階層にあるか

日本で目にする機会が多いのは、その入口にあたるPresenceの指標です。言及率と引用率は、IABの定義とそのまま重なります。ただし、この2つとよく並べて語られる流入は、Presenceより後の行動を見る材料です。IABは、AIでの言及がブランドのデジタル資産への訪問につながった割合を示す引用後CTRを、Persuasionに分類しています。同じ画面に並んでいても、意味している段階は違う。日本のツールが的外れというわけではなく、結果として同じ指標に着地していますが、横に並べるときには階層を意識したほうが読み違えずに済みます。

ハルシネーション率と事実誤り率は別物

新しいのはPortrayalの層です。ここにIABは、センチメントやフレーミングと並べて、ハルシネーション率と事実誤り率という2つの指標を置きました。しかも両者を明確に別物として扱っています。

ハルシネーション率は、AIがそもそも存在しない事実を捏造して、ブランドや媒体に結びつけた比率です。事実誤り率のほうは、対象によって中身が変わります。ブランド向けでは、言及自体は正しいのに、AIが参照した情報そのものが誤っているケース。媒体向けでは、引用元は正しいのに、AIがその記事の主張や結論を取り違えて説明したケースを指します。原因も直し方も一つではありません。ブランド向けでは参照元にある誤情報への対応が要り、媒体向けではAIが実在する記事の内容を取り違えていること自体が問題になります。

出た数字を「悪い評判」としてひとまとめにせず、原因の所在で分ける。この切り分けは、AI時代のブランドセーフティを実務に落とすうえで効きます。そして測定事業者に対しては、こうした問題のある言及を黙って除外するのではなく、フラグを立てて顧客に見せることを求めています。誤って書かれていることを知る権利は顧客の側にある、という立て方です。

クエリ50件未満は「探索的」

このガイドラインで最も実用的なのは、判定基準マトリクスに置かれた一行かもしれません。

1つの測定プログラムで発行するクエリが50件を下回る場合、それはDirectional（方向性レベル）ですらなく、探索的な試みにすぎない。

具体的な数値をここまで明示している箇所は多くありません。契約中のツールが何件のクエリを回しているか、その数字を確かめるだけで、手元のレポートがどの棚に載るものなのかが分かります。あわせて、情報を探す型（「Xとは」）、比較する型（「XとY」）、推奨を求める型（「Yに最適なX」）、購入に向かう型（「Xはどこで買えるか」）の4つの意図をどう配分しているかも問える。推奨型に偏ったクエリ集合は、推奨型で強いブランドを実際より高く見せます。

開示要件は、ベンダーへの質問リストとして読む

ガイドラインの後半は、測定事業者が開示すべき項目の一覧です。これはそのまま、発注側がRFP（提案依頼書）に貼り付けられる質問集として使えます。IAB自身、買い手のRFPに対して事業者が記入する共通の開示フォーマットを想定していると書いています。

異なる方式のデータを、開示なしに合算しない

なかでも実務的な破壊力があるのは、データ収集アーキテクチャに関する規定です。測定の方式は、こちらから作ったクエリをAIに投げて応答を集める能動的な方式、同意を得たパネルの実際の利用行動を観測する受動的な方式、プラットフォーム自身が出す公式データを使う方式、そしてこれらを組み合わせたハイブリッドの4つに分類されています。そのうえでIABは、異なる方式の出力を、開示なしに同等のものとして合算したり提示したりしてはならないと定めました。

さらに、クエリを投げる際にライブのWeb検索を有効にしていたか無効にしていたか、アクセス手段が各プラットフォームの利用規約に適合しているかまで開示を求めています。設定が違えば数字は変わる、という当たり前を、調達・選定の段階まで持ち上げた格好です。

そして、開示できない項目・開示しない項目があること自体を判断材料として扱えとしている。答えないことも一つの答えである、という設計です。

「1回の応答は、測定ではない」

いちばん腹落ちしたのは、安定性の章にある次の指摘でした。

ブランドの可視性は「値」ではなく「分布」である。したがって1クエリにつき1応答から導いた指標は、標本数1でしかない。

同じ質問を同じモデルに二度投げても、返ってくる答えは違います。これは大規模言語モデルが文章を生成する仕組みそのものに由来しており、設計で消せるものではありません。だからIABは、単一の数値ではなくレンジで報告することを求めます。「22%」より「約22%、現在の測定精度で上下4ポイント」のほうが意思決定者にとって有用だ、と。

このガイドラインには、経営層への報告で使える言い回しの例文まで4パターン収録されています。初めてAI可視性データを見せるとき、プラットフォーム起因の下落を報告するとき、下落が続いたとき、プラットフォーム間で結果が割れたとき。20年間Google検索の数字を確定値として読んできた相手に、確率的な数字をどう渡すか。技術文書というより、現場の説明責任に寄り添った内容です。

下がったのは自社のせいか、プラットフォームのせいか

測定プログラムの中心的な任務として置かれているのが、プラットフォーム起因の変動と市場起因の変動の切り分けです。

判別の手順は具体的でした。まずブランド側の活動、競合の動き、測定に使うクエリ集合の変更を除外する。そのうえで、同じプラットフォームの複数のブランド、あるいはカテゴリ全体に、通常の変動幅を超える急変が現れていれば、プラットフォーム側の挙動が変わった可能性がきわめて高い。逆に、特定のブランド、特定のクエリ型に限局した変化であれば、実際の成果が動いたと読むほうが妥当だ、という整理です。

モデル更新だけが原因ではない

ここで言うプラットフォーム側の変化は、モデル更新だけを指しません。引用や順位付けの挙動、情報取得の設定、回答の表示形式の変更も含まれます。引用の置き場所やカード表示、出典欄の開閉といった見た目の変更でも、測り方によっては数字が動く。そのためガイドラインは、こうした変化をベースラインの再設定が必要な事象として扱うよう求めています。

そして、AIプラットフォームには新しさへの偏りがあることも指摘されています。競合状況が何も変わっていなくても、モデルの学習や情報取得が新しい情報源を優先することで、更新の止まった記事の可視性が落ちることがある。長期のコンテンツ資産を抱える事業者にとって、覚えておく価値のある性質です。

Googleの「特別な最適化は不要」と衝突しないのか

innovaTopiaは今年5月、Googleが生成AI検索向けのSEO公式ガイドで、生成AI検索も従来のSEOの延長であり、AI専用のファイルやAI向けの特別な書き方といった追加の作業は必要ないと示したことを報じました。今回のIABガイドラインは、そこと矛盾しません。

IABが扱っているのは最適化の手法ではなく、結果の測り方だからです。ガイドライン自身、適用範囲からAEO・GEOの最適化手法を明示的に外しています。何をすれば出るようになるかはGoogleの領分、出ているかどうかをどう数えるかはIABの領分、という住み分けです。

日本市場に持ち込むときの前提

市場背景として引かれている数字を、日本市場へそのまま当てはめることはできません。パブリッシャーの検索流入が過去2年で小規模媒体60%、中規模47%、大規模22%減ったという数字は、Chartbeatが世界数千の顧客サイトから集計し、Axiosが2026年3月に報じたものです。McKinseyの20〜50%は、米国の消費者調査を土台にした記事のなかで示された予測で、この予測値自体の対象地域は明記されていません。いずれも、日本市場で同じ幅の減少が起きていることを示す数字ではありません。

ただ、これはガイドラインの弱点というより、ガイドライン自身が先回りしている論点でもあります。地理的な変動について、米国から投げたクエリとドイツから投げた同じクエリでは異なるブランド・異なる情報源・異なる文脈が返ってくると明記し、複数市場をまたぐプログラムには市場別の報告と、現地の言語・文化に合わせたクエリ設計を求めています。

つまり、海外ベンダーの数字をそのまま日本の実績として受け取ってはいけない、という主張が、ガイドラインの側から出ている。日本語で、日本から測れ。日本の測定事業者にとってはむしろ追い風の記述です。

物差しができたあとに測れるもの

未完成の部分も、文書は自分から挙げています。「どこまでのばらつきなら許容範囲か」という肝心の数値はワーキンググループの未解決の論点として空欄のままですし、有料枠の測定と下流のアトリビューションは今後の課題として先送りされました。オーガニックの引用と広告枠が同じ回答画面に並び始めている以上、後者は遠からず必要になります。

それでも、共通語彙と開示要件が先に立ったことには意味があります。この開示フレームワークは、将来設けられる可能性のあるIABベンダー認証プログラムの土台になると書かれました。認証が動き出せば、「うちの数字は信頼できます」という主張は、方法論を開示できるかどうかで裏が取れるようになります。

数えられるようになって初めて、議論できることがあります。パブリッシャーがAI事業者とライセンス交渉のテーブルに着くとき、「うちの記事はよく使われている」ではなく、コンテンツ活用率と帰属明確度という共通の言葉で話せるかどうかは、交渉の質を変えるはずです。

本文36ページ、無料で読めます。契約中のツールのレポートを横に置いて、判定基準マトリクスの列をなぞってみる。それだけでも、来期の予算の置きどころが少し違って見えるかもしれません。

【関連記事】

GMO NIKKO、実装内容レコメンド機能を備えた総合AIO対策ツール提供開始生成AIの言及率を可視化
GMO NIKKOの総合AIO対策ツールを扱った記事。計測の道具が無料で整いつつある局面での投入という角度から読み解いている。

GMO TECH、店舗向けAI検索対策「Local GEO Dash! byGMO」提供開始
GMO TECHの店舗向けAI検索対策サービス。MEO市場の伸びと、企業向けサービスの名称変更もあわせて取り上げている。

Google公式が示した生成AI検索のSEO新ガイド、AEO・GEOは「依然SEO」
Googleが示した生成AI検索向けの公式ガイドを扱った記事。AEOもGEOも依然としてSEOの一部だとする内容を伝えている。

【編集部後記】

AI可視性の測定ツールを売る会社は20社を超える。ガイドラインの出発点にあるこの数字を、最初はどこかの調査会社の集計だろうと思っていました。実際にはIAB自身の見立てで、社名の一覧も数え方も、これから整えられていく段階のようです。

測り方を揃えようという文書が、自分の立っている市場の大きさについては、まだおおまかな数字を持っている。物差しが先に要るという主張を、文書自身が体現しているようにも見えます。来年の同じ時期、この「20社超」が何社に置き換わっているか。

【用語解説】

AI可視性の4P
IABがAI検索での可視性指標を整理した4階層。Presence（出現しているか）、Prominence（どこにどれだけ目立って現れるか）、Portrayal（どんな文脈で、どれだけ正確に描かれるか）、Persuasion（行動につながるか）の順に並ぶ。可視性が事業価値へ変わっていく過程を示す因果の階層として設計されている。

言及率（Mention Rate）
あらかじめ定めたクエリ集合に対するAIの応答のうち、ブランドが登場した割合。4PではPresenceに属する。

引用率（Citation Rate）
応答のうち、ブランドや媒体が情報源として引用された割合。言及率との差そのものが、語られているだけなのか、依拠されているのかを示す信号になる。

引用後CTR（Post-Citation CTR）
AI上での露出が、自社のデジタル資産への訪問につながった割合。4PではPersuasionに属する。名称は「引用後」だが、ブランド向けの分母は言及、媒体向けの分母は引用と、対象によって異なる。

ハルシネーション率
AIが存在しない事実を捏造し、ブランドや媒体に結びつけた比率。AIプラットフォーム側の品質の問題として位置づけられる。

事実誤り率（Factual Inaccuracy Rate）
ブランド向けでは、言及自体は正しいがAIが参照した情報そのものが誤っている比率。媒体向けでは、引用元は正しいがAIが記事の主張や結論を取り違えて説明した比率を指す。

Directional（方向性レベル）
傾向の把握や競合の動きの察知には使えるが、予算配分や経営判断の根拠には足りないとされる測定品質の段階。

Decision-Grade（意思決定レベル）
クエリ量、標本数、意図タイプの網羅、実施頻度、再現性、プラットフォーム網羅のすべてで高い水準を満たし、予算配分の根拠にできるとされる段階。

センチメント／フレーミング
4PのPortrayalに属する指標。前者はブランドが肯定的に語られているか否定的に語られているか、後者はどんな枠組みのなかに置かれて説明されているかを見る。

コンテンツ活用率
媒体向けの指標。記事が単に列挙されただけか、要約され依拠されたかという、使われ方の深さを測る。

帰属明確度
出典表示の明確さ。リンクと媒体名と記事名と日付がそろっている状態から、媒体名だけの状態までの幅がある。

データ収集アーキテクチャ
測定データの集め方の分類。こちらからクエリを投げる能動的な方式、同意を得たパネルの行動を観測する受動的な方式、プラットフォームの公式データを使う方式、これらのハイブリッドの4つ。

GEO（生成エンジン最適化）／AEO（アンサーエンジン最適化）
生成AIの回答内で引用・言及されることを狙う最適化の総称。今回のガイドラインは適用範囲からこれらの手法を外している。