AI可視性ダッシュボードを理解する

ダッシュボードの概要

ダッシュボードはAI可視性の司令塔です。監査のたびに、AIモデルが 貴社ブランドをどう捉えているかを示す主要指標が自動的に表示されます。

構成は次のとおりです：

• 6つの主要指標 — 可視性の健康状態が一目でわかります
• ネイティブとWebの比較 — 学習データのみのAIと、ウェブ検索を伴うAIでの成績
• モデル別の内訳 — 照会した各AIモデルの詳細な成績
• 推移グラフ — 複数回の監査にわたる進捗の追跡
• GEOチェックリスト — AI可視性から見たウェブサイトの最適化スコア
• アクションプラン — スコアを改善するための具体的な手順

5つのゾーン構成（ダッシュボード v4）

v4のデザイン刷新以降、ダッシュボードは番号付きの5つのゾーンで 構成されています。即座の診断からアクションプランへと、意図した順序で読み進められる 流れです。各ゾーンには色分けされた見出しが付いているため、ページのどこを見ているかが 常にわかります。

• ゾーン1 — 即時診断。一行での判定（AI可視性は良好／要改善）と、 前回監査との比較傾向。ダッシュボードで最も速く読める部分です。
• ゾーン2 — AI回答内での存在感。Share of Voice、モデル別の言及数、 センチメントの内訳（肯定／中立／否定）、および引用された発言の上位3件。
• ゾーン3 — AIエンジン別の成績。業界ベンチマークと自社スコアを比べる 業界レーダー、およびモデル別ランキング（ChatGPT、Gemini、Claude、Perplexity、 Mistral、Copilot など）。
• ゾーン4 — GEO技術監査。サーバーサイドレンダリングのクロール可否、 Entity Health Check、Citation Readiness、llms.txt の有無。サイトを 機械が読み取れる状態にするための技術的な土台です。
• ゾーン5 — アクションプラン。獲得見込みポイント、 想定所要時間、難易度を添えた優先度付きカード。 影響の大きい順に並び、コンテンツ担当や開発チームにそのまま割り当てられます。

6つの主要指標

ダッシュボードには6つの主要指標が表示され、それぞれドーナツ型の ゲージでパーセンテージまたはスコアとして示されます。6つを合わせて見ることで、 AI可視性の全体像が把握できます。

スコアの仕組み

各AIモデルの回答は分析され、0〜10のスケールで採点されます。 スコアは、回答のなかで貴社ブランドが言及されているか、どのように言及されて いるかによって決まります。

スコアの目安

スコアの補正

基本スコアには、加点と減点による補正が入ります：

• +1点 — ブランドの詳しい説明（特徴、利点）がある
• +1点 — 最近の情報や最新の内容に触れている
• +1点 — 好意的な論調、または推奨されている
• -2点 — 否定的なセンチメント、または批判的な言及

ネイティブスコアとWebスコア

ダッシュボードでは、2種類のAI回答を並べて比較します：

差をどう読むか

ダッシュボードは両方のスコアをVS表示で並べます。その差の意味は、次のように解釈できます：

• 差が大きい（20%超） — ウェブ検索の結果に依存しすぎています。学習データのなかでの評価を高める取り組みが必要です。
• 差が中程度（10〜20%） — ウェブ検索が明確な後押しになっています。オンライン上の露出への投資を続けてください。
• 差が小さく、両方とも高い（70%超） — 良好です。どちらの状況でもブランドが強く認識されています。
• 差が小さく、両方とも低い（40%未満） — 優先課題は、全体的な可視性そのものの改善です。

AIモデルの比較

モデル別の内訳では、監査で照会した各AIモデルのスコアが表形式で 詳しく表示されます：

• スコア（10点満点） — そのモデルにおける総合的な成績
• センチメント — そのモデルが貴社をどれだけ好意的／否定的に語るか
• 順位 — そのモデルの推奨における平均的な順位
• 言及率 — そのモデルが貴社ブランドに言及する頻度

スコアは一目で読み取れるよう色分けされています：

• 緑（7以上） — 良好。モデルは貴社を認識し、推奨しています
• 黄（4〜7） — 中程度。改善の余地があります
• 赤（4未満） — 低調。モデルは貴社にほとんど言及していません

レーダーチャート

表の隣にあるレーダーチャートでは、複数の観点からすべてのモデルを 視覚的に比較できます。どのモデルが強く、どのモデルに手を入れるべきかがすぐに 見分けられます。

推移と履歴

同じクライアントで2回以上の監査を実施すると、ダッシュボードに 追加の機能が現れます：

進捗バナー

ダッシュボード上部のバナーが、前回監査からの変化をまとめて示します：

• 改善 — 上昇した指標の数
• 低下 — 下降した指標の数
• 横ばい — 変化のなかった指標の数

あわせて最も改善した項目と最も低下した項目が 強調され、何が大きく動いたかがすぐにわかります。

推移グラフ

折れ線グラフが6つの指標すべてを時系列で追い、各監査日をデータ点として表示します。 長期的な傾向を可視化し、改善施策の効果を確認できます。

監査結果の読み方

結果ページ（監査の詳細画面から開けます）には、各AIモデルに 送られたすべての分析シナリオと、その回答全文および個別スコアが表示されます。

結果の構成

結果はシナリオごとに整理されています。各シナリオでは次が確認できます：

• シナリオの本文 — AIモデルに送られた質問そのもの
• 回答カードの一覧 — AIモデル1つにつき1枚

回答カードに表示される内容

• 色付きアイコン付きのモデル名
• スコアバッジ — 10点満点のスコアを色分け（緑／黄／赤）で表示
• 回答のプレビュー — AIの回答を途中まで表示
• センチメントと順位 — それぞれの簡易指標
• 回答全文 — クリックすると別ウィンドウで全文を読めます

GEOチェックリスト（ウェブサイト分析）

GEOチェックリストは、 貴社のウェブサイトがGenerative Engine Optimization にどれだけ最適化されているか、つまりAIモデルがクロールし、理解し、引用しやすい状態かを分析します。

GEO総合スコア

サイトには0〜100%の総合スコアと、それに対応する評価が付きます：

• A（70%以上） — AIのクロールに十分最適化されています
• B〜C（40〜70%） — いくつか改善の余地があります
• D〜F（40%未満） — 相応の対応が必要です

4つのカテゴリー

スコアは4つのカテゴリーに分かれ、それぞれに進捗バーが付きます：

• AIによるクロール可否 — AIボットがサイトにアクセスし、読み取れるか
• 構造化データ — schema.org のマークアップを使っているか
• コンテンツの質 — 内容が明確で、網羅的で、信頼に足るか
• 権威性と信頼性 — 専門性と信頼性が示されているか

簡易表示と詳細表示

2つの表示モードを切り替えられます：

• 簡易表示 — 概要を一覧し、項目をクリックすると詳細と推奨アクションが開きます。
• 詳細表示 — すべての項目を展開した状態。入念な確認やPDF出力に向いています。

GEO詳細モジュール

GEOチェックリストに加えて、ダッシュボードには監査のたびに自動実行される 5つの詳細分析モジュールが表示されます。サイトのAI対応状況と 競合上の位置づけを、より技術的な観点から掘り下げます。

モジュール1 — SSRとAIクロール可否

サイトがAIクローラーから技術的にアクセスできる状態かを確認します。総合スコアと 4つの内訳が表示されます：

• SSR — サーバーサイドでレンダリングされているか、それともクライアント側のJavaScriptに依存しているか
• robots.txt — AIボット（GPTBot、ClaudeBot など）の巡回を許可しているか
• WAF — ファイアウォールがAIクローラーを遮断していないか
• llms.txt — 参考情報として検出します（Googleは2026年5月に、このファイルを読まないことを明言しています）。

特定のAIクローラーが遮断されている場合は、ウィジェットの下に赤字で列挙されます。

モジュール2 — エンティティの健全性

貴社ブランドがナレッジグラフ上のエンティティとしてどれだけ適切に 表現されているかを評価します。内訳は次のとおりです：

• Wikidata — Wikidata上にエンティティが存在するか
• プロパティ — Wikidataの項目がどれだけ充実しているか（説明、ロゴ、URLなど）
• schema.org — サイトに Organization／LocalBusiness の構造化マークアップがあるか
• sameAs — SNSプロフィールや外部の識別子が sameAs プロパティで結び付けられているか

モジュール3 — 言及と引用の区別

監査で得られたAIの回答を分析し、貴社ブランドがどのように参照されているかを分類します。 AIによる分類で、各回答を次のいずれかに振り分けます：

• 言及 — 一覧のなかで名前が挙がっている程度
• 引用 — 出典や根拠として引用されている
• 推奨 — 明確に推奨されている

あわせて言及から引用への転換率も表示され、単なる言及がどれだけ実際の引用や推奨につながっているかがわかります。

モジュール4 — 引用されやすさ

サイトのコンテンツがAIモデルにとって引用しやすい構造になっているかを 評価します。7つの内訳が表示されます：

• 出典 — ページ内で引用している外部の参照やリンク
• 統計 — 数値、データ、検証できる記述の有無
• 専門性 — 著者の明示や専門家の発言の引用
• 事実の密度 — 客観的な事実に基づく文と、一人称の宣伝的な文の比率
• 段落構成 — 段落が明確に区切られ、構造化されているか
• 疑問形の見出し（H2） — 利用者がAIに尋ねる形に沿った見出しになっているか
• 直接的な回答 — よくある疑問にその場で答えているか

モジュール5 — STS検出

競合がSearch Trust Signalsの操作 — AI可視性を人為的に押し上げる 手法 — を行っていないかを分析する試験的なモジュールです。隠しテキスト、 根拠のない権威の主張、不自然なパターンを確認します。

分析した競合の数と、疑わしい対象が表示されます。異常が検出されなければ、緑のチェック マークが表示されます。

データ品質の警告

監査中に競合データの問題が検出されると、ダッシュボードにデータ品質の警告 が表示されます。競合分析の正確さに影響しうる問題を把握するための表示です。

警告の種類

• URLに到達できない — 監査中に競合のサイトへアクセスできませんでした（HTTPエラー、タイムアウトなど）
• URLが未設定 — 競合にサイトURLが登録されておらず、GEO分析が限定されます
• 疑わしい競合 — STS操作の兆候が見られる競合です

各警告は「X」ボタンで個別に閉じられます。重要度に応じて色分けされ、 赤はエラー、オレンジは注意を示します。

アクションプラン

監査結果をもとに、ダッシュボードにはアクションプランが表示されます。 AI可視性のスコアを改善するための、具体的な手順です。

アクションの構成

各アクションには次の情報が含まれます：

• 優先度 — 高、中、低（色付きの丸で表示）
• 表題と説明 — 何をすべきか、なぜ必要か
• 状態 — 未着手、進行中、完了
• 担当 — このアクションを誰が担うか
• 想定所要時間 — おおよその作業量

GEOモジュールから生成されるアクション

一部のアクションはGEOモジュールの分析から自動生成されます。たとえば モジュール1が robots.txt によるAIクローラーの遮断を検出すれば、それを解消する アクションが作成されます。モジュール2がWikidataのエンティティ不在を検出すれば、 その作成を促すアクションが追加されます。これらはAIによる推奨事項を補完するものです。

改善のヒント

AI可視性のスコアを高めるうえで、効果が確認されている取り組みをご紹介します：

オンライン上の存在感を強める

AIモデルはウェブ上のコンテンツから学習します。貴社ブランドについて信頼できる情報 （記事、メディア掲載、各種掲載情報、レビュー）がオンライン上に多く存在するほど、 AIモデルが言及する可能性は高まります。

構造化データを整える

サイトに schema.org のマークアップ（Organization、Product、FAQ、HowTo）を追加して ください。構造化データによって、AIモデルはブランド、製品、サービスを機械的に 理解できるようになります。

網羅的なコンテンツをつくる

自社の専門分野について、詳しく事実に基づいた内容を書いてください。AIモデルは、 表面的な情報よりも、体系立てて掘り下げられた情報源を好みます。

権威性のシグナルを積み上げる

業界メディア、提携先のサイト、信頼される掲載先で取り上げられることを目指してください。 信頼される情報源からの言及が増えるほど、AI可視性は高まります。

継続的に測り、改善する

監査を定期的に実施し、推移グラフを追ってください。どの施策が最も効果的だったかを 見極め、うまくいっているものに注力します。

比較と信頼性 — よくあるご質問

ダッシュボードはいくつのAIモデルを照会しますか。他のツールと比べてどうですか。

貴社ブランドは50以上のAIモデル（ChatGPT、Claude、Gemini、Perplexity、DeepSeek ほか）に対して、ネイティブモードとWebモードの両方で照会されます。一般的なトラッキングツールが対象とするのは、ごく少数のモデルにとどまります。以下は、検証可能な項目に基づく事実の比較です。

詳しい比較は、記事「GEO/AEOプラットフォーム比較 2026」をご覧ください。

AGSは信頼できますか。どのように算出されますか。

AI Global Score（AGS）は、単一のモデルではなく複数のAI審査モデルによる合議で構成され、幾何平均で統合されます（一つの弱い次元を、強い次元で覆い隠すことができません）。さらに信頼区間を併記するため、単なる数値ではなく不確かさも把握できます。「主張なし」の原則により、AIが実際には言及していないブランドのスコアが不当に高くなることを防いでいます。重み付けの詳細は非公開ですが、手法は公開されています：AGSの算出方法とその限界をご覧ください。

存在しないURL以外のハルシネーションも検出しますか。

はい、3つの層で検出します。存在しないURL（AIが貴社サイトのものとして挙げるが実在しないページ）、事実の捏造（誤った価格、機能、事実として語られる誤情報）、ブランドセーフティのシグナル（否定的・risk のある関連付け）です。存在しないURLだけを検出しても十分ではありません。ブランドについて断定的に語られた誤った事実のほうが、リンク切れよりはるかに大きな損害をもたらします。

実際の数値は何を示していますか。

当社のAI可視性バロメーター（65ブランド、6,820件のAI回答を分析）では、監査対象のブランドがブランド名を含まない質問への回答に登場したのはわずか16%でした（エンティティ抽出のサブサンプルで、657件の回答中106件の言及）。言い換えれば、10件中8件を超える回答では、競合が — あるいは誰も — その場所を占めていません。ダッシュボードは、その差を測り、埋めるために存在します。

関連チュートリアル

• クライアントポータル — クライアント自身にダッシュボードを開放する
• ページ・ヴィトリーヌ（ショーケースページ） — 被リンク用のショーケースページを管理する
• 予約監査 — 定期的な監査を自動化する
• 監査シナリオの作成 — 手順に沿って監査を立ち上げる