順位・流入の把握から、AI の言及・引用・推薦理由の分析へ。約 4 万件の回答解析とファンアウトクエリの活用を通じ、顧客支援の施策判断につなげる取り組みを紹介
SEO・AI 検索分析プラットフォームを提供する Ahrefs（エイチレフス）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。同社 執行役員・アルゴリズム研究室長の中原氏は、従来の SEO データに AI 検索の回答・引用元・競合データを重ね、分析範囲を拡張。
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ます。事例では、ブランドレーダー、AI、MCP を組み合わせた運用と、顧客支援への展開を紹介しています。
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。
ブランドレーダーについてもっと知る
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。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。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
「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。」
活用事例の詳細
全 2 部のインタビューでは、ブランドレーダーの活用背景から、AI の推薦理由を読み解く具体的な分析手法までを紹介しています。
- 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 ブランドレーダーについて
ブランドレーダーは、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、引用ドメイン、引用ページを確認できます。カスタムプロンプトによる継続観測にも対応しています。
ブランドレーダーについてもっと知る
企業概要：Ahrefs（エイチレフス）について
独自クローラーと高精度なデータ技術で、データドリブンなマーケティング戦略を支援する Ahrefs（エイチレフス）
Ahrefs Pte. Ltd.（エイチレフス）は、独自開発の大規模ウェブクローラーとデータ技術により、正確かつ鮮度の高いマーケティングデータを収集・解析しています。SEO 分析を中核に、AI 検索分析、AI コンテンツ作成、ウェブトラフィック分析、SNS 投稿管理などを網羅したオールインワン・マーケティングツール「 Ahrefs（エイチレフス）」を開発・提供。さらに昨今は、 Ahrefs の膨大なデータと熟練の SEO スキルを統合し、 SEO の常識を塗り替える対話型 AI ワークスペース「Letaido（レタイド）」も提供しています。世界 180 カ国を超えるユーザーに利用され、競合分析からコンテンツ戦略まで、データに基づく効果的なマーケティング施策の立案と実行を支援しています。
Ahrefs（エイチレフス）公式サイト