AI 検索ビジビリティ監視に最適なプロンプトの選び方最新ガイド

AI との対話は従来の検索方法とは異なります。リクエストがはるかに細かかったり、長い会話の途中で発生したりするためです。
また、AI の回答はオーガニック検索結果よりも一貫性が低く、ブランドの推奨事項も引用される URL も刻一刻と変化します。
今回の記事では、Ahrefs が最も理にかなっていると考える、追跡フレームワークとクエリのソースについてお話しします。
追跡したい対象がすでに決まっている場合は、ブランドレーダーのカスタムプロンプト機能を使用すれば、お好みの場所やプラットフォームにわたり、日次、週次、または月次スケジュールで回答を監視できます。

このツールでは、個々のクエリに対するブランドメンションを表示できます。お勧めは、プロンプトをグループ化して、URL やトレンドを含んで集計された回答を一度にすべて表示することです。

プロンプトの追跡はここ数か月の間、議論の的でした。一般的な指摘は、AI の回答が一貫していないことやパーソナライゼーションにより、自社ブランドが実際にどの程度パフォーマンスを発揮しているかを知ることが困難であるという点です。
プラットフォーム側はユーザーが入力しているクエリやその頻度をそのまま共有していません。そのため、実際には誰も検索していないフレーズのビジビリティを追跡してしまっている可能性もあります。
とはいえ、方向性がつかめるデータがあることは、データが全くないよりはましだとする向きもあります。少なくとも AI が自社ブランドをどう「認識」しているのかが現実と合っているかどうかを追跡すべきだ、という意見です。
Ahrefs では、自分たちが完璧なデータを扱っているわけではないことを理解していますが、回答から得られる洞察があり、それは行動に反映させられるものだと思っています。
プロンプト監視を大局的に見たときの、Ahrefs の総合的な見解を次のようにまとめました。

回答を分析する際は、次に何ができるかを特定することに重点を置いています。
たとえば、カスタムプロンプト追跡のような新機能をリリースしたとき（メタな話ですが）、AI の回答に Ahrefs がこの機能を備えていることがきちんと反映されているか、あるいは古いソースを参照しているかを知りたいと考えます。

複数の AI プラットフォームを監視することで、Google（SEO 担当者がこれまで注目してきた場所）だけでなく、Bing、Brave Search、カスタムインデックス全体で目立っているサイトのブランドメンションを浮き彫りにできます。
回答が正確であることはもちろん、よく引用されるウェブサイトなため、提携するとよさそうなもの、頻繁に言及される SEO プラットフォームの機能やユースケースでもっと取り上げるべきもの、そして主要なサービスにおいて競合ブランドの中で Ahrefs がどのように位置づけられているか、を主に調査します。
とはいえ、カスタムプロンプトの追跡だけに集中しているわけではありません。
サーバーログにおける AI ボットのアクティビティ、AI プラットフォームからのトラフィック、従来の検索パフォーマンス、そしてブランドレーダーにある数千万件のプロンプトからの洞察も、監視対象です。

次に、同様のポイントをグループ化することについて詳しく見ていきましょう。Ahrefs がプロンプト追跡全体をどのように捉えているかについての重要な部分です。

[post_nav_link link_text="プロンプトクラスタリングのフレームワーク" section=""section-two"]

ChatGPT に最高のジム管理ソフトウェアは何かと尋ねれば、Wodify や PushPress が推奨のトップにくるかもしれません。数秒後には Mindbody が最適なソリューションになり、それが 2 位に掲載されているリスト記事も掲載されているかもしれません。
筆者は、Sparktoro 社の CEO であるランド・フィッシュキンさんのレポートに触発され、この「ランキング」の変動性を Detailed.com の無料ツールで視覚化しました。
このため、個別の結果だけに躍起になるのではなく、関連するプロンプトをまとめて、全体を見渡して傾向を把握することをお勧めします。
これらのプロンプトクラスターは、意図、属するマーケティングファンネルの段階、提供する製品やサービス、あるいはご自身のビジネスにぴったり合う方法で決めていきましょう。
以下の例は、主に Google の「他の人はこちらも質問」SERP フィーチャーの質問からヒントを得て、他のデータソースで拡張したものです。

これら（特にトピック）はそれぞれ、さらに細かいレベルに分解することも可能です。
全体的なブランドメンションを監視しようとしている場合は、ブランドクエリと非ブランドクエリをそれぞれのまとまりに分けることをお勧めします。
技術的には、時間が経てば個々のプロンプトに対する回答の集計データを見ることもできます。ただし、それにはデメリットもあります。
さて、プロンプトのまとめ方についてのイメージがつかめたところで、追跡対象のプロンプトを考えるヒントになるデータソースを見ていきましょう。

Google Search Console を直接、あるいは Ahrefs ウェブマスターツール経由で開き、自社のウェブサイトがすでにランクインしている質問を具体的に探します。
簡単な方法として、次の正規表現を使います。
\b(why|what|when|are|will|does|should|where|who|how|can|do|is)\b
これは、それらの特定の単語のいずれかを含むキーワードだけに一致します。

また、次の正規表現を使うと、6 語以上の長さのクエリをすべて見つけることができます： ^(\S+\s+){5}\S+。 必要に応じて「5」をより大きな数字に変更してください。
自社サイトが新しい、まだ検索トラフィックがあまりない、または単に別の業界を調査している場合は、Ahrefs のキーワードエクスプローラーツールのフィルタ機能で同じキーワードを使うこともできます。

推定検索ボリュームが AI チャットのボリュームを完璧に反映することはありませんが、この方法を使えば一般的なトピックの人気度を知ることができます。

2022 年、Google は「Discussions and forums」という新しい検索結果機能を立ち上げました。これは、ネット上のコミュニティでの会話を目立たせて表示するものです。Google によると、実体験に基づいた確かな情報を表示することを目的としている、とのことです。
一般的なウェブページには、完璧に最適化されたキーワード重視のタイトルタグが付いていることが多いですが、フォーラムの投稿は、人が自然に書く内容にはるかに近いものです。その理由は、ユーザーが順位を気にせずに書いているためです。
このおかげで、AI ファーストのプラットフォームでも人が問いかけているような、自然な表現の質問のヒントを見つけることができます。

ここで最も目立つドメインは Reddit ですが、Facebook、Quora、Steam コミュニティ、その他サイトも多数表示されます。
アドレスバーに追加できる特定のパラメータ &udm=18 があります。これを使えば、SERP フィーチャーが表示されるのを待つのではなく、トピックに関連するフォーラムを直接検索できます。
質問に多くのコメントが寄せられているのは良いことですが、筆者は一般的に、最も頻繁に現れる「切り口」を探しています。

理想は、ニュースレターへの登録や製品デモのリクエストなど、望ましいアクションに最も多くの訪問者をコンバージョンさせているページが自社サイトのどこであるか、すでにデータが揃っていることです。
たとえば、Ahrefs の無料キーワードジェネレーターツールが、人気のあるキーワードで Google の上位にランクインしているおかげで、サイトの他のどのページよりも多くの顧客登録を呼び込んでいるとしましょう。
AI 検索におけるそのパフォーマンスを追跡する方法は、LLM を使用して従来のキーワードを会話的で自然な表現に変換することです。
念のため付け加えますが、私たちは個々の回答に焦点を合わせているのではなく、大規模なクエリグループ全体で Ahrefs がどのように言及されているかに注目しています。
お好みの AI アシスタントへの簡単なリクエスト例をみてみましょう。

もしそのページがどのクエリでもまだランクインしていない場合は、そのセクションを Ahrefs キーワードエクスプローラーなどのデータに置き換え、検索ボリュームとターゲットキーワードを示すことができます。
また、SEO の多くの事柄と同様に、この概念をさらに進化させることも可能です。
筆者はここ数か月、メテハン・イェシルユルトさんの著作を愛読していますが、彼は GSC データをより長いクエリに変換するためのガイドの中で、はるかに詳細なプロンプトを考案しました。
通常の検索用語を LLM スタイルのプロンプトに変換するためのカスタムツールを特別に構築したのです。
敬意を表して、すべてを共有することは控えますが、 app.py ファイルの一部をチラッとお見せします。

メテハンさんも、変換前後の例が具体的であればあるほど良いという意見に同意してくれると思います。

Perplexity が、従来の検索エンジンへのデータ依存を減らすためと思われる、独自のウェブインデックスをどのように構築しているかにもっぱら興味をかきたてられています。
最近の調査の中で、Perplexity は ChatGPT や Microsoft Copilot よりも、回答の中で高品質なソースを推奨する可能性がはるかに高いことがわかりました。
Perplexity が Microsoft（長年の関係にある ChatGPT と比較して）と重複する上位ドメインをより多く持っていたにもかかわらず、です。

自分の業界に関連する質問を Perplexity に投げかけたときの嬉しい機能の一つは、チャットそれぞれの最後に、関連する追加の質問が提案されることです。

筆者は Perplexity に、提案されている追加質問が過去に実際に尋ねられたクエリなのか尋ねました。
追加質問は、元のクエリとその結果を参考にする AI モデルによって生成されているとのことでした。本質的に、この AI モデルが、そのデータから続いて次に出るであろうと考える自然な質問なのです。
私たちの目的からすると、過去のクエリに基づいていないのは少し残念ですが、Perplexity はこれらを可能な限り関連性の高いものにしたいと考えているはずなので、それらを研究することには依然としてメリットがあります。

筆者が追跡している一部のニッチ分野では、Google の「他の人はこちらも質問」SERP フィーチャーの質問を使用して調査を開始することにしています。
自社ブランドがペットのニッチ分野の場合、「子犬に最適なフード」を検索するだけで、関連する質問やフォローアップ質問に使えそうな提案が即座に返されます。

見出しをクリックして展開すると、Google はさらに多くの提案クエリを提示します。
筆者は、あまり馴染みのない業界を調査する場合、時間の経過とともにどのブランド、ドメイン、および回答タイプが最も頻繁に現れるかを確認するために、そういった質問をそのまま使うことがよくあります。
より本格的な業務や個人プロジェクトでは、それらを拡張するためのとりかかりとして使用しますが、その方法についてはセクション 9 で説明します。
分析をスケールアップしたい場合は、Ahrefs SEO ツールバーと Detailed SEO Extension の両方を使えば、複数レベルの「他の人はこちらも質問」の見出しを自動的に抽出できます。

Ahrefs ブランドレーダーは、Google AI モード、ChatGPT、Perplexity など人気の AI プラットフォーム全体で、2 億 4,000 万件を超えるプロンプトに関する洞察を提供します。
たとえば、金融プラットフォーム NerdWallet のビジビリティを見ると、すでに「住宅所有者保険」や「最高の普通預金口座」といったトピックに関連付けられていることがわかります。

ここで、それぞれ個別にクリックすれば、変更を加えたり監視を続けたりしたいクエリを特定できます。
例えば、特定の場所向けのコンテンツ作成を最近開始した場合は、対象国での次のようなキーワードを追跡したり、プロンプトの中で特定の国に言及したりすることができます。

また、日次、週次、月次など、自分にぴったりな更新頻度を設定することもできます。

具体的な内容は使用しているアナリティクスソリューションによって異なりますが、考え方は同じです。すなわち、「トラフィックを得ているページを見つけ、それを中心にプロンプトを構築する」ことです。
筆者が Ahrefs ウェブアナリティクスで追跡しているサイトの一つでは、獲得している AI 検索トラフィックのほぼすべてが ChatGPT からであることがわかります。

さらに、従来のウェブアナリティクスに加えて、サーバーログを掘り下げることもできます。
下のページでは、7 日間で ChatGPT-User が Detailed.com 上のページを要求したタイミングを確認できます。

これはウェブを常にクロールするボットではありません。ユーザーが ChatGPT やカスタム GPT に質問したときに使われ、そのページが回答の生成に役立つこともあります。
従来の検索ボット以外にも、Perplexity-User（Perplexity）、DuckAssistBot（DuckDuckGo）、MistralAI-User（Mistral）などからのリクエストも調査できます。
そうすると、本ガイドの提案に従って、以下のようなプロンプトのアイデアを得ることができます。

どちらのソースもそれぞれ役に立ちますが、他のデータポイントと組み合わせて使えるとさらに便利です。

Ahrefs ブランドレーダーのもう一つの優れた使い方は、ビジビリティ分析をゼロから始める必要がないことです。
つまり、過去数か月の AI ビジビリティデータをさかのぼり、Ahrefs が分析したクエリの中で競合ブランドが表示され、自社ブランドが表示されていないものを見つけることができます。
そこから、それらをカスタムプロンプトグループに追加すれば、頻繁を増やして、あるいはその他の場所やプラットフォームで追跡することが可能です。

このツールを使うことのもう一つのメリットは、サイトに存在する可能性のあるコンテンツギャップを浮き彫りにすることです。自社ブランドが表示されていないのは、単に対象トピックに関連するサイトページがないためかもしれません。

Ahrefs のキーワードエクスプローラーのデータベースを使用すると、287 億件のキーワードを調査して、自分のいる業界に最も関連性の高いものを見つけることができます。
「パリのホテル」のようなシードフレーズから開始し、[フレーズ一致]、次に [質問] をクリックすると、検索ボリュームと共に関連のある提案がすぐに表示されます。
最初の検索範囲が広いほど、返される質問数は増えます。以下の例では、広範なトピックである「大工仕事（carpentry）」の検索に対し、800 件以上の質問が返されています。

当然ながら、引用されることに関心がないであろう言葉も含まれます。
使用しているプラットフォームによっては、「大工仕事とは何ですか？」という問いにはウェブ検索やソースリンクなしで回答される場合があります。
オンラインの大工学校を運営していたり、法人設立サービスを提供していたりする場合は、「大工関連事業の始め方」のような一貫して検索されるフレーズを使い、そのバリエーションを1つのまとまりとして追跡しましょう。

SEO に関して言えば、一番注目したいのはおそらく Google の検索結果だけだったでしょう。
一方で AI の回答は、Bing、Brave Search、カスタムウェブインデックス、それぞれの元の学習データの情報を参考に作られることもあります。
Google ではわからなかったような、自社ブランドに関する否定的な情報や誤った情報源が数多く存在することが、こういった追加ソースによって明らかになることがあります。
この記事を書き始めたとき、ChatGPT で監視していた関連クエリでは、Ahrefs がカスタムプロンプト追跡機能を提供していることが確認されませんでした。
つまり、自社サイトやソーシャルメディア、他者の記事で、メッセージを伝える必要がありました。そういった場所では、「Ahrefs にはこの機能がない」という過去のコメントを更新していない可能性があるのです。
幸いなことに、現在は一貫して正確な情報が表示されています。

自社ブランドに関しては、以下のような回答を追跡できます。

Notebook Agency の創設者であるスティーブ・トスさんは、自社ブランドに関する AI の見解が現実と一致しているかどうかを確認することを強く勧めています。
トスさんはクライアントと仕事をする際、ヘルプドキュメント、セールスコールの録音、プライベートコール、さらにセールスバトルカードなどのリソースからデータを取り出し、クライアントが、LLM でどのように表現されたいと考えているかを理解するようにしている、と語ってくれました。
そこからトスさんのチームは、決定的な判断材料となる質問を作成し、回答の精度を評価します。不一致が見つかった場合は、自社サイトや他サイトの追加コンテンツで不一致を解消するよう努めているのだとか。

回答の追跡を難しくしている要因の一つは、AI アシスタントがユーザーについて持っている可能性のある情報です。例えば、場所、過去のチャットで共有された好み、現在の会話からの追加のコンテキストなどです。
プロンプトに追加のコンテキストを加えることでこれらをモデル化しようと試みることはできますが、これには限界があることを覚えておいてください。それは完璧な代用案ではありません。
パーソナライズされた回答への対策としてペルソナ追跡を強く提唱している人は数多くいますが、疑問を抱いている人もまた多い（当然ながら）のです。Ahreds ではそのようなプロンプトを追跡していますが、最優先事項ではありません。
筆者が監視している形式は、単純な構造、すなわち、[私の状況] [制約] [優先事項] [悩み] [質問]、に従っています。
分解すると、以下のようになるでしょう。

これらを構築するために、カスタマーサポートのチャット、広告データ、サイト内検索（ブログ記事やヘルプドキュメントなど）といった、可能な限り多くの内部データソースを活用できます。
この方法に関心が向かない場合は、マーク・ウィリアムズ＝クックさんが共有してくれているシンプルな方法を参考にしてはどうでしょうか。それは、「完全な」ペルソナを構築するのではなく、キーワードをパーソナライズするやり方です。
マークさんは LLM に対し、「もし私が [キーワード] を見つけようとしている [ペルソナ] だったとしたら、どのような検索をするでしょうか？」とプロンプトを出します。
これは試してみると面白いですが、先述の通り、これらが真のパーソナライゼーションとどの程度一致するかは分かっていません。

AI ビジビリティ分野にどれほどの資金が投入されているかを考えると、数え切れないほどの企業があらゆる場面でプロンプト追跡の重要性を強調するのは当然です。
Ahrefs が最も強くお勧めしたいことは、単にプロンプトを追跡して終わるのではなく、そこから得た情報に基づいて次にどう行動するか、です。
以下が次の行動の例です。

Ahrefs は（丁寧に）不正確な記述の修正を依頼したり、追加の説明でヘルプドキュメントを更新したり、必要に応じて、自社が対応している特定のユースケース専用のページを作成したりしてきました。
最後にお伝えしたいのは、いきなり膨大な数のキーワードを追跡することから始める必要はない、ということです。
最初は限定されたトピックに関する数十個のプロンプトで十分です。新しい分野に参入したり、単に監視を広げたいと思ったときに、そこから拡大していけばよいのです。
AI に関連するすべての事柄と同様に、Ahrefs は常に調査結果や分析結果をみなさんにお届けしています。今後時間の経過とともにアプローチが変化した場合は、このガイドを常に更新していきます。
Ahrefs ブランドレーダーが提供できる洞察をもっと発見したい場合は、同僚のデスピナによる 10 の実行可能なユースケースを紹介したガイド（AI の可視性を高めるための Ahrefs のブランドレーダー活用法 10 選) をぜひお読みください。
今後のガイドへの提案や質問がありましたら、X（旧 Twitter）までどしどしお寄せください！