AI検索の効果測定は「自社が回答に引用（サイテーション＝AIの回答文中で情報源として名前やリンクが挙げられること）されているか」「そこから実際に流入したか」の二層で捉えるのが出発点です。従来の検索は順位とクリックで完結しましたが、AI検索では回答内で完結し、クリックが発生しない露出（＝引用だけされて訪問に至らない状態）が生じます。だからこそ、GA4（Google Analytics 4＝Googleの無料アクセス解析）でリファラー（＝流入元）を分解し、サーチコンソール（Google Search Console＝検索表示状況を確認する無料ツール）で表示と流入の乖離を見て、さらにAIの回答を直接観測して引用可視性を追う。この三点を役割分担させることが、AI検索KPI設計の骨格になります。
AI検索では、ユーザーの問いに対してAIが複数の情報源を要約して一つの回答を生成します。この過程で自社サイトが引用されても、ユーザーが回答文で満足すればクリックは発生しません。従来の「検索順位×クリック率」の枠組みは、クリックが起きることを前提にしているため、この露出を捕捉できません。
そこで測定対象を分けて考えます。第一に露出（＝AIの回答に引用・言及されたか）、第二に流入（＝そこから実際にサイトへ来訪したか）。この二つは別々のKPIであり、片方だけを見ると成果を過大にも過小にも誤読します。引用は増えているのに流入が伸びない、という状態そのものがAI検索特有の重要な観測対象です。
図1：露出と流入を分けて捉えることが測定設計の前提になる。
拡大流入の測定は、リファラー（＝どのサイトやサービスから来たか）の識別から始めます。GA4では、参照元／メディア（Source/Medium＝流入元の名前と種類）や、来訪ページのURLに付いたパラメーターをもとに、AI検索サービス経由の来訪を切り分けられます。AIチャット系サービスからの流入は、参照元のドメイン名でグルーピングして専用のセグメント（＝特定条件で絞った来訪の集合）を作ると追いやすくなるでしょう。
注意点として、AIサービスによってはリファラーを渡さない場合や、外部リンクを踏ませる際に中継ページを挟む場合があります。この場合は直接（Direct＝流入元不明）に混ざり込むため、GA4の探索レポートで参照元別に来訪と行動を並べ、識別できる範囲を明確にした上で運用します。捕捉できない流入があること自体を前提に置くのが誠実な設計です。
図2：参照元の識別からセグメント化、行動の紐付けまでを段階で行う。
拡大サーチコンソールは、Google検索でどのクエリ（＝検索語）に対し自社ページが表示され、クリックされたかを示します。AI Overviews（＝Google検索結果の上部に出る生成AIの要約）に自社が取り上げられると、表示は起きてもクリックが伴わないケースが増えるとみられます。表示回数とクリックの動きを並べて見ることで、露出はあるのに来訪に結びつかない領域を推定できます。
クエリ単位・ページ単位で表示とクリックの傾向を継続観測し、GA4の流入データと突き合わせます。サーチコンソールが示すのはあくまでGoogle検索面の挙動であり、AIチャット系サービス側の露出は含まれません。両者を役割の違うレンズとして使い分け、片方で見えないものをもう片方で補う姿勢が要ります。
図3：検索面の表示挙動とサイト側の来訪挙動を別レンズとして併用する。
拡大ツール経由の間接指標だけでなく、AIの回答そのものを観測して自社が引用・言及されているかを直接確かめる方法があります。狙うキーワードや想定される質問文をAI検索に投げ、回答文中に自社名・自社リンクが現れるか、どの文脈で扱われるかを定点で記録します。これが引用可視性（＝AIの回答内でどれだけ見えているか）の観測です。
観測を再現可能にするには、投げる質問文の一覧、対象とするAIサービス、確認する頻度をあらかじめ固定し、条件をそろえて繰り返すことが重要です。AIの回答は同じ問いでも揺れるため、一回の結果で断定せず、複数回・複数条件で傾向として捉えます。誰が見ても同じ手順で再現できる形にしておくことが、恣意的な解釈を避けることにつながるでしょう。
図4：質問文と対象サービスを固定し、条件をそろえて繰り返し記録する。
拡大ここまでの三つ、GA4による流入分解、サーチコンソールによる表示と流入の乖離、引用可視性の直接観測は、それぞれ見える範囲が異なります。単独ではAI検索の全体像を語れないため、露出（引用されているか）と流入（来訪と成果につながったか）の二層に沿って役割を割り当て、束ねて一枚のKPIとして運用します。
KPI設計では、まず露出側に引用可視性の観測を、流入側にGA4の来訪・コンバージョンを置き、サーチコンソールで両者の橋渡しとなる乖離を監視します。捕捉できない流入や回答の揺れを前提に組み込み、定点で継続観測することで、単発の数値ではなく方向性の変化を読み取れる測定基盤になると考えられます。
図5：露出と流入の二層に、三つの観測手段を役割分担で配置する。
拡大三つの観測手段は見える範囲と見えない範囲が異なり、役割分担で併用する。| 観測手段 | 主に測る対象 | 見える範囲 | 見えない範囲 |
|---|
| GA4 | 流入と来訪後の行動 | サイトに来た後の挙動 | リファラーが渡らない流入は直接に混ざる |
| サーチコンソール | 検索面での表示とクリック | Google検索面の挙動のみ | AIチャット系サービスの露出は含まれない |
| 引用可視性の直接観測 | AIの回答内での引用・言及 | 狙った質問に対する露出 | 回答が揺れるため傾向でしか読めない |
横にスクロールできます
当ラボの定点観測では、Google AI Overviews について回答そのものを記録できなかった割合が29.0%ありました。引用先は5,783ドメインに分かれ、上位10サイトで全引用の13.5%、上位50で30.4%、上位100で41.1%です。
図6：露出と流入を分けて捉えることが測定設計の前提になる。
拡大観測の側にも取りこぼしがあり、引用先は広く分かれています。単発の数値で良し悪しを決めるのは難しく、同じ条件で続けて測り、方向の変化を読むほうが確かだと考えられます。
AI検索経由の流入はGA4だけで完全に把握できますか
完全には把握できません。AIサービスによってはリファラー（＝流入元情報）を渡さず、直接扱いに混ざります。GA4で識別できる範囲を明確にした上で、捕捉できない流入がある前提で運用するのが誠実です。
引用されているのに流入が増えないのは失敗ですか
必ずしも失敗ではありません。AI検索では回答内で完結しクリックが起きない露出が構造的に生じます。引用可視性という露出側のKPIと、流入側のKPIを分けて評価し、双方の動きを見て判断します。
引用可視性の観測はどう再現性を担保しますか
投げる質問文の一覧、対象とするAIサービス、確認頻度を固定し、条件をそろえて繰り返します。AIの回答は同じ問いでも揺れるため、一回で断定せず複数回・複数条件で傾向として捉えます。
サーチコンソールとGA4はどう使い分けますか
サーチコンソールはGoogle検索面での表示とクリックを、GA4はサイトへの来訪と来訪後の行動を測ります。表示はあるのに来訪に至らない乖離を前者で見て、実際の流入と行動を後者で評価します。
