ストーリー
製品アップデート、業界の視点、AIがブランドについて語る仕組みに関する実践的なメモ。
調査レポートを見る ↗製品名は正しくても、プランの内容が違う。50製品の料金・機能を検証
検索付きAPIの100回答・200項目を公式情報と比較。18項目で不一致を確認しました。料金、機能、判定できない項目を分けて公開します。
AIは日本の事業者を英語と日本語で同じように推薦するか？71回答の追加調査
東京・大阪の6シナリオで、同じ意図の英日質問を2つのAPI設定に送信。71回答と名前の判定記録を公開。初回36回答とは分けて分析しました。
大企業はAI検索クローラーを拒否しているか？S&P 500の500社調査
500社のrobots.txtを調査。検索用、学習用、ユーザー操作による取得を区別し、曖昧なルールや取得不能なケースも公開します。
AIのソフトウェア購入相談1,000回答に登場したリンク先
Gemini APIとParallel検索で、100の購入相談を各10回検証。回答がリンクしたサイトを集計し、企業サイトが競合の推薦にも登場する例を調べました。
同じ購入質問を30回。1週間後もAIは同じブランドを推薦するか？
同じ3質問を各30回、1週間後に再調査。180回答から推薦の頻度と一致度を比較し、全回答と判定記録を公開します。
ある実在の企業を0%と測定した。その数字が間違っていた
Casoはベオグラードの内装業者です。最初の18回の測定では、どのAIアシスタントも同社の名前を挙げませんでした。間違っていたのは企業ではなく、質問の方でした。その見分け方を解説します。
S&P 500調査の手法を、2つの無料ツールにしました
200番の応答をファイルの存在証明として扱わないチェッカーと、提案どおりの形でファイルを組み立てるジェネレーター。どちらも無料、登録不要です。どちらも検索順位を改善するものではなく、そのことはページ上にも明記しています。
200が返っても、llms.txt があるとは限りません
S&P 500の調査では、110社が /llms.txt で成功応答を返しました。実ファイルを返したのは71社だけです。ステータスコードがチェッカーをどう欺くのか、代わりに何を検証すべきかを説明します。
500社を調査。llms.txtにH1とリンクがあったのは54社。
S&P 500の全500社を調べ、71社でllms.txtを検出しました。そのうち、タイトルとMarkdownリンクの両方があったのは54社。各サイトの応答を確かめて分かったことをまとめます。
レビューサイトは、AIを使うソフトウェア購買者にとっての出典レイヤーになりつつあります
強化したAI可視性のランでは、アシスタントが繰り返しレビューサイト、ベンダーページ、SEO系の媒体を指し示しました。この出典レイヤーが、購買者があなたのブランドをどう聞くかを決めるかもしれません。
Ahrefs vs Semrush: 購買者が尋ねたときAIアシスタントは何と答えるか
AI可視性の強化サンプルでは、AhrefsがスコアでわずかにSemrushを上回りました。より役に立った発見は、アシスタントが両者の役割をどれだけ明確に分けていたかです。
AIアシスタントは、あなたの製品の弱点を静かに繰り返しています
10のソフトウェアブランドでAI可視性の強化テストを実施しました。落ち着かない発見は、購買者がすでに気にしている価格、導入、カスタマイズ、信頼の不満を、アシスタントがそのまま繰り返すことです。
OpenAI vs PerplexityはAI検索の分かれ目を映しています
AIアシスタントはOpenAIとPerplexityをかなり違う形で説明しました。一方は広範なAIプラットフォームに、もう一方は引用付きリサーチのための回答エンジンに見えました。
あなたの競合リストは、すでにAIが書いています
AIアシスタントは、同じ競合の隣に繰り返し同じブランドを置きます。その共起パターンは、比較ページ、購買ガイド、GEO戦略のための実用的な地図になります。
トラフィックだけでは足りない：AI検索の関心をパイプラインに変える
AI検索とコンテンツから得られる初期の注目は有望に見えても、コンバージョンは弱いままということがあります。直すべきなのは、たいていトラフィックの量ではなくファネルです。
AI購買テストではSalesforceがHubSpotを上回りました。ただし実態はもっと複雑です
CRMの可視性を調べた強化サンプルでは、Salesforce、Close、HubSpot、Pipedrive、Attioがいずれも高いスコアでした。役に立つシグナルは順位表そのものではなく、各ブランドに結びついた購買者のストーリーでした。
AI検索がクリックを減らすとき、メールの重要性が増す理由
AIの回答が発見のトラフィックを吸収していくにつれ、メールは自社で保有するオーディエンス層としての重要性を増します。ただしそれは、メールが実際に受信トレイに届く場合に限られます。
トラフィックを買う前にファネルを直す
成長の問題の多くは、トラフィックの問題ではありません。無料ツールから有料へのループ、効いてくる4つのコンバージョン率、そして有料広告はファネルが持ちこたえるまで待つべき理由を、平たく見ていきます。
ランキングを取り、AIに引用されるコンテンツの作り方
検索エンジンとAIアシスタントは別のプロダクトですが、同じ仕事に報いることがよくあります。ランキングと引用を同時に得るコンテンツの仕組みを作るための、実践的なガイドです。
メールが迷惑メールに入る理由（と、その直し方）
小規模な送信者のための、メール到達性のやさしいガイド。SPF、DKIM、DMARCが実際に何をしているのか、新しいドメインがなぜフィルタされるのか、そして受信トレイに戻るための対処をまとめます。
llms.txt は一度書いて終わりにした時点で負けている（全3回の第3回）
llms.txt は一度だけの作業ではありません。サイトは変わり、リンクは壊れ、デプロイで消えることもあります。稼働監視のように扱い、AIが実際に推薦しているかとつなげて見る必要があります。
ほとんど誰も llms.txt を持っていない。それがチャンスです。（全3回の第2回）
llms.txt を公開しているサイトはごく少なく、公開していても多くは間違っています。早く始めることがなぜ低コストな優位性になるのか、そして実際に機能する書き方を解説します。
llms.txt: 提案の役割と限界（全3回の第1回）
llms.txtの提案とファイルの構成を解説します。公開しただけでAIでの可視性や検索順位が上がると判断できない理由も説明します。
クリックから引用へ、オンライン可視性の変化
長い間、オンラインで見つけてもらう目的はクリックでした。AIアシスタントから直接答えを得る人が増えるなか、新しい価値は回答内で引用されることです。
AIアシスタントはどのブランドを推薦するのか、どう決めているのか
AIアシスタントは、何もないところからブランド名を出しているわけではありません。回答でどのブランドが言及されるかを左右する要素を、わかりやすく解説します。
B2BでAIのブランド言及がより重要になる理由
B2Bの購買者は慎重に調べ、細かい質問をします。それはAIアシスタントが得意とする作業であり、B2Bで言及が特に重要になる理由です。
GEOはSEOではない。本当は何なのか。
Generative Engine Optimizationは実在します。しかしGEOの助言の多くは、名前を変えたSEOです。今何が効くのか、各プラットフォームは何を公表しているのか、そして今後どこへ向かうのかを整理します。