AI分析結果の正しい読み方。見るべき4つのポイントと診断パターン

AI分析の結果は、「①正確に理解されているか」「②知らない人に見つかるか」「③どう評価されているか」「④どの情報源が効いているか」という4つのレンズで読みます。そして重要なのは、総合スコアの上下ではなく、どのレンズが弱いのかを特定することです。弱点の場所によって、打つべき施策はまったく変わるからです。

分析を始めた企業がつまずくのは、計測そのものよりも「数字が出た後」です。スコアを眺めて一喜一憂するだけでは、計測は投資に変わりません。本記事では、4つのレンズの読み方、典型的な結果パターン別の診断、優先順位の付け方を解説します。

ブランド名を含む質問の回答で見るのは、露出ではなく正確性です。

• 事業内容・強み・対象顧客が正しく説明されているか
• 料金・実績・所在地などの事実に誤り（ハルシネーション）がないか
• 終了したサービスや旧名称が現役として語られていないか

ここで誤情報が出ている場合、他のどの指標より優先して対処すべきです。AIが誤った説明をしたまま推薦されても、商談や購買の場面で認識ギャップとなって返ってきます。誤情報は「AIが何を参照してそう言っているのか」まで特定し、参照元の情報を正すのが根本対応です。

ブランド名を含まない比較・推薦質問の結果は、新規顧客からの見え方そのものです。見るべき数字は2つあります。

• 露出率:非指名質問のうち、自社が回答に登場した割合
• 言及シェア:回答に登場した全ブランドの言及のうち、自社が占める割合

海外の調査では、非指名の質問で自社ブランドがAIに全く挙げられない企業が過半という報告もあり、ここが最も差のつくレンズです。露出率がゼロに近い場合は「AIにとって自社がそのカテゴリのブランドとして認識されていない」ことを意味し、露出はあるがシェアが低い場合は「認識はされているが、定番の数社に入れていない」状態です。同じ「弱い」でも意味が違います。

登場したときの扱われ方を見ます。

• 推薦順位:何番目に挙げられるか。ユーザーの検討は上位数件で始まります
• 評価の文脈:どんな強みとして紹介されているか。それは自社が打ち出したいポジショニングと一致しているか
• ネガティブ文脈の有無:「高い」「サポートが遅い」等の文脈での言及は、露出がむしろマイナスに働きます

見落とされがちなのが2つ目です。露出していても「意図しない強み」で紹介されていれば、AIはズレたブランドイメージを拡散していることになります。露出率が高い＝良い、ではありません。

AIが回答の根拠に使った情報源は、施策の的を教えてくれる最も実務的なデータです。

• 自社サイトは引用されているか。されているならどのページか
• 第三者メディア・レビューサイトのどれが引用されているか
• 競合が引用されている情報源で、自社が引用されていないものはどれか（引用ギャップ）

特に「競合は引用されているのに自社が載っていない情報源」のリストは、そのまま営業・PR・コンテンツ施策のターゲットリストになります。

4つのレンズを組み合わせると、結果は典型パターンに分類できます。

複数の弱点が見つかった場合の優先順位は、理解の正確性 → 非指名露出 → 評価の質 → 引用面の拡張の順が原則です。誤解されたまま露出を増やしても意味がなく、露出ゼロのまま順位を議論しても始まりません。土台のレンズから順に固めることで、後段の施策が効くようになります。

逆に、見なくていい数字も明確です。単日のスコア変動、1回の回答での順位、サンプル不足の週の数値——これらは統計的にノイズであり、反応するだけ判断を誤ります。

LLMOinsight（LLMOインサイト） の分析は、本記事の4つのレンズをそのまま指標化しています。ブランド理解の正確性、非指名質問での発見力、推薦・評価の品質、情報源の影響力を分離して採点し、総合点だけでなく「どのレンズが弱いのか」まで一目で分かる構造です。

さらに質問タイプ別×AI別のクロス分解、回答に登場した全ブランドを分母にした言及シェア、引用元がどの回答に吸収されたかの分析まで自動化。診断表で挙げた「どのパターンに当てはまるか」を、ダッシュボードを開くだけで特定できます。国内最高峰の分析精度を追求するLLMO分析プラットフォームとして、「測って終わり」ではなく「次の一手が決まる」分析を提供します。

AI分析の結果は、正確性・非指名露出・評価の質・引用元の4レンズで読み、典型パターンに当てはめて診断します。総合スコアの上下を追うのではなく、どのレンズが弱いのかを特定し、土台から順に直す。これが分析結果を施策に変える読み方です。