方法と透明性

AGS方法論: AI Grading System | AI Labs Audit

AGSはAI回答を評価する独自手法の総称です。このページでは参照用P/I/Q経路、計算式4を説明します。この経路の存在は全監査で同じ版を使うことを意味しません。

30秒で

回答コーパス内でブランドの存在、関連情報、品質を評価できます。スコアの解釈前に手法、版、モデル、モード、対象範囲を確認してください。AGS、技術的準備度、グレードは単一の普遍的指標ではありません。

この方法は、いくつかのレベルで読めます。30秒の定義、図、次元の説明、式、そして最後に再現性の付録です。マーケティング責任者も、GEOコンサルタントも、研究者も、それぞれ自分に響く詳細レベルで、皆がこの方法を理解できるはずです。

図

有効な回答と観測
       |
       v
利用可能な評価
       |
       v
P / I / Q (0..100)
       |
       v
参照計算式4(全次元がある場合)
AGS = (P x I x Q) ^ (1/3)
欠損:部分的な結果または測定不能

P/I/Qがそろった参照例の図です。次元が欠ければ部分的な結果となり、存在するゼロはゼロとして扱います。過去のすべての監査を自動的に表す図ではありません。

AGSとは?

AGSは特定の手法で回答コーパスを評価します。評価者の高い一致だけでは事実の正しさやコーパスの代表性を示せません。

P/I/Q経路の評価次元

  • P(存在)は、有効な観測における言及、順位の逆数、ブランド関連語の割合を組み合わせます。AI利用全体の実際のシェアを測るものではありません。
  • I(影響力):ブランドが引用されたとき、回答は有用で独自性があり関連性の高い情報を提供しているか?情報性・独自性・関連性を組み合わせます。
  • Q(品質):言及はポジティブで事実として正確か?センチメントと正確性を組み合わせます。

この結果に適用される手法は何か

AGS P/I/Q、AEO準備度、技術的複合指標、Hero Gradesは異なる測定です。保存、再計算、代替経路では欠損とゼロの扱いが異なります。ダッシュボードとレポートの比較前に出典、手法、版、対象範囲を確認してください。

資料の基準は2026年11月16日のコード確認です。利用可能な経路の存在は特定の監査での障害を示しません。出典や版が不明なら比較は未確認であり、内部指標はGoogleの公式指標ではありません。

P/I/Q参照経路:計算式4

計算式4は利用可能な各次元のスコア(0〜100点)を幾何平均で集約します。3次元の場合はAGS = (P x I x Q) ^ (1/3)です。存在する次元がゼロなら結果はゼロ、すべて欠ければ測定不能です。部分的な結果は区別して示す必要があります。

  • P:言及(M)、順位の逆数(RP)、語の割合(WC)の組み合わせ。
  • I: 影響力(Influence)= 情報性(INF)、独自性(UNQ)、関連性(REL)の組み合わせ。
  • Q: 品質(Qualité)= センチメント(SENT)と正確性(ACC)の組み合わせ。

参照計算では下位指標に重みを付けます。設定の記載やハッシュだけでは実際に適用した重みを証明できません。再現には計算版、実効パラメーター、有効な観測が必要です。

ジュリーと再現性

複数評価者の手順では主評価者を割り当て、一部を二重評価する場合があります。評価者、対象範囲、二重評価率は実際のコーパスについて記録し、全監査で固定とみなさないでください。

judge_config_hashは利用可能な評価者や評価基準の要素を識別する手掛かりです。パラメーターの適用や比較可能性を保証しません。質問、コーパス、言語、市場、モデル、モード、日付、版、対象範囲も確認してください。

  • GRC:評価者間の信頼性(マクドナルドのオメガ、スピアマン・ブラウン型 ω₂ = 2r/(1+r))。2人の異なる評価者が二重採点した項目で計算します。5組以上ある場合に公開します。
  • AGS参照区間は観測が十分な場合にブートストラップで推定します。欠ける場合もあるため、不確実性の解釈前に手法と母集団を確認してください。
  • 校正や基準ブランド群は変動の研究に役立つ場合があります。対象期間での利用状況と効果を記録する必要があり、すべてのモデル変更が自動補正される証拠にはなりません。

評価プロトコル

評価は選択された経路と版に応じて集約します。P/I/Q参照経路は観測からブートストラップ区間を推定できますが、特に観測が5件未満なら欠ける場合があります。提供元や実行間のすべての変動を含むものではありません。

評価者間の信頼性(GRC)

GRCはデータが十分な場合に二重評価した回答での評価者間一致を表します。正確性の確率や時間的安定性の保証ではありません。ペア数とコーパスの限界を示してください。

透明性と再現性

ハッシュは設定の識別を助けますが、完全性、改変の不存在、比較可能性の十分な証拠ではありません。元回答、実効パラメーター、版、日付、対象範囲を保管して検証に使います。

AGSの頭字語

GRC
GRC:評価者間の信頼性(マクドナルドのオメガ、スピアマン・ブラウン型 ω₂ = 2r/(1+r))。2人の異なる評価者が二重採点した項目で計算します。5組以上ある場合に公開します。
GIS
Generative Inclusion Score:回答内でのブランドの位置で重み付けした平均スコア(最初に言及された場合=100%、最後の場合=0%)。
ASR
Answer Sentiment Rating:言及のトーン(ポジティブ/ニュートラル/ネガティブ)を-1から+1のスケールで表します。
BVI
BVI(Brand Variance Index):スコア分散のANOVA分解(シグナル、評価者、プロンプト、モデル)。可視性の割合ではなく、何が点数を動かすかを示します。
CIA
CIA(Citation-Influence Asymmetry):ブランドのURLがソースとして引用される割合と、回答がブランド名を挙げる割合の差です。+20を超えると推薦されないままAIに情報を渡している状態、-20を下回るとソース引用なしに推薦されている状態です。

補完的な技術シグナル

高度なシグナルはAGSとは別の技術的複合指標に使われます。一つの版ではadvanced_signalsが利用可能な場合に名目15%を割り当てますが、存在する成分と再正規化で実効重みが変わります。版と対象範囲を示してください。

確認するシグナルの例

  • A08: Specificity score (Princeton GEO 2024): tier-1の出典付き統計の密度(Princeton GEO KDD 2024:LLM引用が最大+40%)。
  • A09: Counter-arguments markers: このチェックは均衡した議論の特徴を探します。存在しても正確性、検索エンジンの選好、競合に対する独占性の証拠にはなりません。
  • A07: Date-stamped statements
  • S05: Common Crawl inclusion
  • S08: llms.txt RFC validation
  • B10: Stack Overflow brand mentions

モジュール6: 外部権威シグナル

外部の権威シグナルに特化した新しいモジュール:LinkedIn、ProductHunt、G2/Capterra、Stack Overflow、GitHub、Substack/Medium。

GEOモジュール別のチェック

SSR / クロール可能性
mainEntity | QAPage | 動画のtranscript | Speakable | @graph @id | inLanguage | Common Crawl | llms.txt | IndexNow | ai.txt | 検証 | HTTP/3 | Brotli
Entity Health
Wikidata | DBpedia
Citation Readiness
出典付き統計 | 論証のバランス | インラインの日付付け | ItemList | Dataset | Blockquote cite | 内部リンク | Anchor entropy | ニュースサイトマップ
External Authority
Stack Overflow | LinkedIn | GitHub | ProductHunt | B2B reviews | Newsletter

高度なチェックは状態、日付、対象範囲とともに読みます。未設定、データなし、エラー、タイムアウトは測定された品質不良ではありません。

ブログの詳細記事:30の新しいGEO/AEOシグナル2026: 検証済みの最新動向。

私たちが測定するもの、そして測定しないもの

私たちが測定するもの

設定した手順に従いAPIで回答を収集します。要求モードと実行を裏付ける証拠を区別し、正確な質問、モデル、言語、日付、利用可能な出典を保存してください。ハッシュだけで二つの監査が比較可能になるわけではありません。

対象モデルは顧客の選択によります。重み付き平均では実際に適用した重みと出典を明示してください。推定オーディエンスは顧客の実際の利用を自動的に表すものではありません。

私たちが測定しないもの

APIで得た回答は、同じ製品の一般向けインターフェースとは異なる場合があります。会話メモリ、独自の指示、位置情報、提供元のA/Bテストなどが原因です。私たちが測定するのはエンジンであり、ログイン済みユーザーのパーソナライズされたセッションではありません。

同じ質問でも変化が生じます。標本数と母集団を記録してください。単発試験と複数質問のコーパスは同じ情報を持ちません。

オーディエンス重みを使う場合は出典、日付、限界を明示し、監査回答を生んだ母集団の直接測定と混同しないでください。

なぜ私たちの限界を明文化するのか。それは、範囲の分からない測定には何の価値もないからです。これこそ、私たちのスコアがあなたのクライアントの前で弁明可能であるための条件です。

クライアントの実際のAI可視性を測定する

AGS監査を実施して、検証可能なスコア、明示された限界、そして具体的なアクションプランを手に入れましょう。

料金を見る