AIのシェア・オブ・ボイス(SOV)とは、決まったプロンプト群に対してAIが生成した回答のなかで、全ブランドの言及数のうち自社ブランドが占める割合のことです。計算式は「自社の言及数 ÷ 回答に登場した全ブランドの言及数 ×100」です。これは「何回出てきたか」というヒット率ではなく、競合との相対比率です。そのため、どのプロンプト群・どのエンジン・どの競合リスト・どの期間で算出した数字なのかとセットで見ないと意味がありません。さらに、同じくらい重要な派生指標が2つあります。回答がどのブランドのサイトにリンクしているかを見る「引用シェア」と、誰が最初に名前を挙げられたかを見る「順位加重シェア」です。
この記事では、3つの計算式すべてに加えて、同じブランドなのに4種類の「シェア・オブ・ボイス」が出てしまう計算例、そのまま貼り付けて使えるスプレッドシートの数式、Profound・Peec AI・Semrush・Ahrefsの定義の比較、当社の繰り返し実行データにもとづくサンプル数の考え方、そして経営層向けのレポートテンプレートを紹介します。各ツールの定義は2026年10月18日時点で確認したものです。
この記事のポイント
- 計算式が3つあれば、答えも3つ。言及シェアは回答内で名前が挙がった回数、引用シェアは自社サイトへのリンク数を数え、順位加重シェアは最初に名前が挙がるほど高く評価します。今回の計算例では、同じブランドがそれぞれ17.5%、44.0%、14.3%になりました。
- シェア・オブ・ボイスは出現率とは別物です。「回答の35%で言及された」は可視性(出現率)の数字です。シェア・オブ・ボイスは全ブランドの言及数で割るため、競合がひしめく回答では下がります。
- 数字を決めるのは分母です。AIが挙げたすべてのブランドではなく、自分で選んだ4ブランドだけを数えた結果、計算例のシェアは17.5%から22.6%に変わりました。
- 1回の実行はあくまでサンプルです。AI Rank Labで42のプロンプト×エンジンの組み合わせを計968回繰り返し実行したところ、42.9%の組み合わせで、ブランドが言及される・されないが少なくとも1回は入れ替わりました。スナップショットではなく期間単位でレポートし、誤差範囲も添えましょう。
- 根拠のある万能のベンチマークは存在しません。公開されている「良い」水準は互いに食い違い、しかも別の指標を測っていることがよくあります。比べる相手は、指定した競合と自社の市場シェアにしましょう。
AIのシェア・オブ・ボイスとは?
AIのシェア・オブ・ボイスは、AIの回答のなかで交わされる「ブランドの話題」のうち、どれだけを自社が占めているかを測る指標です。まず買い手が実際に尋ねそうなプロンプト群を決め、ChatGPT、Claude、Gemini、PerplexityやGoogleのAI機能などのエンジンで実行します。そして各回答に登場したブランドをすべて記録し、全体に占める自社の割合を計算します。
この考え方は広告の世界から来ています。従来のメディアプランニングでは、シェア・オブ・ボイスはカテゴリ内の広告露出全体に占めるブランドの割合を指していました。John Philip Jonesは1990年のHarvard Business Reviewで、シェア・オブ・ボイスを市場シェアと比べることが予算設定のより良い方法だと論じています。AIのシェア・オブ・ボイスはこの比率の考え方をそのまま受け継ぎつつ、有料の露出を「回答のなかで名前を挙げてもらう」という、お金では直接買えないものに置き換えています。
この指標を計測しているベンダーの間でも、基本となる比率の考え方は一致しています。Profoundの用語集はシェア・オブ・ボイスを「全ブランドと比べて自社ブランドがどれだけ頻繁に言及されているか」と定義し、Peec AIのドキュメントは計算式を自社の言及数 ÷ ブランド言及の総数 ×100としています。
シェア・オブ・ボイスと言及率(可視性)はどう違う?
言及率(可視性、出現率とも呼ばれます)が問うのは「全回答のうち何割に自社が登場したか」です。一方、シェア・オブ・ボイスが問うのは「全ブランドの言及のうち何割が自社だったか」です。違いは分母にあります。回答数で割るのか、言及数で割るのか、ということです。
すべての回答に登場するブランドの言及率は100%です。しかし、ほかの4ブランドもすべての回答に登場していれば、シェア・オブ・ボイスは20%にとどまります。Peec自身の例がこの差をよく示しています。10回のチャットで自社の言及が4回、競合が12回なら、可視性は40%ですが、シェア・オブ・ボイスは25%です。人気のあるガイドのなかには、出現率の計算式を「シェア・オブ・ボイス」という名前で紹介しているものもあり、公開されている数字がなかなか揃わない理由のひとつになっています。両方をレポートし、両方にラベルを付け、レポート期間ごとに入れ替えたりしないようにしましょう。
また、言及系の指標はトラフィックについては何も教えてくれません。言及はユーザーの目にブランド名を届けるもので、引用はユーザーにリンクを渡すものです。この違いでレポートの読み方がどう変わるかは、AI検索におけるブランド言及と引用の違いで解説しています。
AIのシェア・オブ・ボイスの計算方法:3つの計算式
答えたい問いごとに計算式をひとつずつ使い分け、ひとつのスコアに混ぜ込まずに並べてレポートしましょう。
| 指標 | 計算式 | カウントする単位 | 答えてくれる問い |
|---|---|---|---|
| 言及シェア | 自社ブランドの言及数 ÷ 全ブランドの言及数 ×100 | 回答本文で名前が挙がったブランド(1回答につき最大1回) | おすすめの話題のうち、どれだけを自社が握っているか? |
| 引用シェア | 自社ドメインへの引用数 ÷ 追跡中の全ブランドのドメインへの引用数 ×100 | ブランドが所有するドメイン上の、リンク付き出典URL | 回答がブランド自身のサイトを指すとき、それが自社である頻度は? |
| 順位加重シェア | 自社の重みの合計 ÷ 全ブランドの重みの合計 ×100(重み=1 ÷ 順位) | 回答内での登場順で重み付けした各言及 | 自社は真っ先に挙がる名前か、それともおまけ扱いか? |
| 言及率(参考) | 自社ブランドに言及した回答数 ÷ 全回答数 ×100 | 回答 | そもそも自社はどのくらいの頻度で登場しているか? |
言及シェア
これが標準的な指標で、ProfoundとPeecがドキュメントで説明しているのもこれです。ひとつの回答のなかで同じブランドが3回出てきても、カウントは1回答につき最大1回にします。そうしないと、長い回答ほど合計を大きく左右してしまいます。分母には、追跡対象として選んだ競合だけでなく、回答に登場したすべてのブランドを含めてください。理由は後述の「競合の選び方」で説明します。
引用シェア
引用シェアが追うのは、回答のなかの名前ではなく、回答の下に並ぶリンクです。AIの回答に含まれる引用の大半は第三者のサイトに向かいます。Trakkrのパネルでは、529,165ドメインにわたる4,840万件の引用(2025年10月〜2026年8月)のうち、最も多く引用されたドメインであるyoutube.comでも全体の3.47%で、Wikipediaが1.83%、Redditが1.74%と続きました。だからこそ、競合比較用の計算式では、追跡中のブランドが自ら所有するドメインへの引用数で割るのです。全引用に占める割合(Profoundはこれを「Citation Share」と呼んでいます)を使いたい場合は、別の指標としてレポートし、数字は1桁台になると考えておきましょう。
引用シェアはURL単位で見ても偏っています。Peec AIが100万件を超える引用を分析したところ、ChatGPTでは1回答あたり平均2回以上引用される31%のURLが全引用の59%を占め、Perplexityが取得するURLの64%は一度も引用されていませんでした。多くの場合、引用シェアのほぼすべてを、ほんの数ページが担っているわけです。
順位加重シェア
順位による重み付けでは、5番目に挙がるよりも1番目に挙がるほうが高く評価されます。一般的なのは「1 ÷ 順位」の方式で、1番目=1.0、2番目=0.5、3番目=0.33……となります。Semrushは、Enterprise AIOのシェア・オブ・ボイスで頻度と順位の両方を考慮していると説明していますが、重みは公開していません。
この指標は補助的なものとして扱いましょう。SparkToroとGumshoe.aiは12のプロンプトをChatGPT、Claude、GoogleのAIで計2,961回実行し、同じブランドリストが2回続けて出る確率は100分の1未満、同じ順番になるのはおよそ1,000回に1回だったと報告しています。彼らの結論は、多数のプロンプトと実行回数にわたる可視性の割合は妥当な指標だが、単発の「順位」はそうではない、というものでした。数百件の回答で平均すれば、順位は「たいてい最初に挙がる」ブランドと「たいてい最後に挙がる」ブランドをきちんと見分けてくれます。ただし、ひとつの回答だけで読めば、それはただのノイズです。
計算例:同じデータから4つの異なる数字
以下の数字は、計算式によって結果がどう分かれるかを示すために当社が作成した説明用のデータセットで、顧客データではありません。条件は、20プロンプト×4エンジン×各3回の実行で、合計240件の回答です。そのうち228件の回答に少なくとも1つのブランドが登場し、ブランド言及は計480件、引用は計1,440件でした。「その他」は、エンジンが挙げたものの、チームが追跡リストに入れていなかったブランドです。
| ブランド | 言及した回答数(言及率) | 順位別の言及数(1位 / 2位 / 3位 / 4位以下) | 言及SOV | 順位加重SOV | 自社ドメインへの引用数 | 引用SOV(追跡対象内) |
|---|---|---|---|---|---|---|
| 自社ブランド | 84(35.0%) | 24 / 30 / 18 / 12 | 17.5% | 14.3% | 66 | 44.0% |
| 競合A | 132(55.0%) | 90 / 30 / 9 / 3 | 27.5% | 32.5% | 48 | 32.0% |
| 競合B | 96(40.0%) | 54 / 30 / 9 / 3 | 20.0% | 21.7% | 30 | 20.0% |
| 競合C | 60(25.0%) | 18 / 24 / 12 / 6 | 12.5% | 10.6% | 6 | 4.0% |
| その他(追跡対象外) | - | 42 / 36 / 24 / 6 | 22.5% | 20.8% | - | - |
| 合計 | 240回答 | 228 / 150 / 72 / 30 | 480言及 | 重み334.5 | 150 | 100% |
自社ブランドの数字は、次のように算出しています。
- 言及率:84回答 ÷ 240回答 = 35.0%
- 言及シェア:84 ÷ 480言及 = 17.5%
- 順位加重シェア:(24 × 1)+(30 × 0.5)+(18 × 0.333)+(12 × 0.25)= 重み48.0。48.0 ÷ 334.5 = 14.3%。ここでは4位以下はすべて4位として計算しています。
- 引用シェア:66 ÷ 追跡中ブランドのドメインへの引用150件 = 44.0%。全引用1,440件に対する割合なら4.6%です。
- クローズドプールでのシェア:分母から「その他」を除くと、言及シェアは84 ÷ 372 = 22.6%になります。
この1枚の表から、4つの教訓が読み取れます。1つ目に、同じブランドが言及では3位、順位ではさらに後れを取り、引用ではトップに立っています。これは、コンテンツは強いものの、ブランドの知名度ではカテゴリのリーダーに及ばないブランドによく見られるパターンです。2つ目に、クローズドプールの数字はどのブランドもおよそ5分の1ほど良く見せてしまいます。3つ目に、話題の22.5%は誰も追跡していなかったブランドに流れていました。クローズドリストでは見えなくなってしまう、早期警戒のサインです。4つ目に、全出典に対する引用シェア(4.6%)と追跡対象内での引用シェア(44.0%)は、規模がまったく異なる別々の指標です。レポートでは、どちらを示しているのかを必ず明記する必要があります。
スプレッドシートでAIのシェア・オブ・ボイスを計算するには?
回答ごとに1行、ブランド言及ごとに1行、引用ごとに1行ずつ記録し、集計は数式に任せましょう。このレイアウトはGoogleスプレッドシートでもExcelでも使えます。
- Answersタブ:answer_id、prompt、engine、run_date。ブランドがひとつも登場しない回答も含め、すべての回答を1行ずつ記録します。そうした回答も言及率の分母に入るからです。
- Mentionsタブ:answer_id(A列)、brand(B列)、position(C列)。1回答につき1ブランド1行で、同じブランドは1回答につき最大1回とします。先にブランド名の表記を統一しておきましょう。たとえば「HubSpot CRM」と「HubSpot」は同じブランドにまとめ、製品とその親会社を1つとして数えるかどうかも最初に決めておきます。
- Citationsタブ:answer_id(A)、cited_url(B)、domain(C)、owner_brand(D)。Reddit、YouTube、レビューサイトなど、ドメインが第三者のものである場合はowner_brandを空欄にします。
- Summaryタブ:H列に各ブランド名を入れ、同じ行に以下の数式を入力します。
| 指標 | 数式(ブランド名はH2) |
|---|---|
| 言及率 | =COUNTIF(Mentions!B2:B5000,H2)/COUNTA(Answers!A2:A5000) |
| 言及シェア | =COUNTIF(Mentions!B2:B5000,H2)/COUNTA(Mentions!B2:B5000) |
| 順位加重シェア | =SUMPRODUCT(IFERROR((Mentions!B2:B5000=H2)/Mentions!C2:C5000,0))/SUMPRODUCT(IFERROR(1/Mentions!C2:C5000,0)) |
| 引用シェア(追跡対象内) | =COUNTIF(Citations!D2:D5000,H2)/COUNTA(Citations!D2:D5000) |
| 全出典に対する引用シェア | =COUNTIF(Citations!D2:D5000,H2)/COUNTA(Citations!B2:B5000) |
| 誤差範囲(95%、シェアはI2、nはJ2) | =1.96*SQRT(I2*(1-I2)/J2) |
結果はパーセント表示にしてください。順位加重シェアの数式は、SUMPRODUCTのなかでIFERRORを評価する必要があるため、Excel 365かGoogleスプレッドシートが必要です。古いバージョンのExcelでは配列数式として入力しましょう。エンジン列にフィルタを追加する(またはピボットテーブルを使う)と、同じ指標をエンジン別に出せます。全体を合算した数字を見る前に、必ずエンジン別の数字を確認してください。
Profound、Peec AI、Semrush、Ahrefsはシェア・オブ・ボイスをどう定義している?
定義はツールごとに異なります。つまり、あるツールでの30%と別のツールでの30%は、同じ成果とはいえません。各ベンダー自身のドキュメントに書かれている内容を、2026年10月18日時点で確認しました。
| ツール | シェア・オブ・ボイスで数えているもの | 重み付け | プロンプトの出どころ | 出典 |
|---|---|---|---|---|
| AI Rank Lab | 自社の言及数 ÷(自社の言及数+指定した競合の言及数)、スケジュール実行全体で集計 | シェアには重み付けなし。平均順位、言及率、引用率は別途レポート | 自社のプロンプト群 | 当社製品(下記の開示を参照) |
| Profound | 追跡中の回答におけるブランド言及数 ÷ 全ブランドの言及数。Citation ShareとVisibility Scoreは別の指標 | 記載なし。Average Positionは別指標 | 追跡中のプロンプト | Profoundの用語集 |
| Peec AI | 自社の言及数 ÷ ブランド言及の総数 ×100 | なし。PositionとSentimentは別指標 | 追跡中のプロンプト | Peecのドキュメント |
| Semrush AI Visibility Toolkit | 「AIが生成した回答のなかで、市場内の競合と比べて自社ブランドが受けている言及の割合」。Brand Performanceのデータは毎週更新 | Enterprise AIO版では頻度と順位を考慮しているとSemrushは説明。正確な重みは非公開 | Semrushのプロンプトデータベースと追跡中のプロンプト | SemrushのKB |
| Ahrefs Brand Radar | 「競合と比較したときに自社が占めるブランドインプレッションの割合(%)」 | プロンプトのGoogle検索ボリュームで言及を重み付け。Ahrefs自身はこれを「測定された関係ではなく、モデル上の選択」と説明 | GoogleのPeople Also Ask(他の人はこちらも質問)のコーパスとAhrefsのキーワードデータベース。自社のプロンプトではない | Ahrefsの手法解説 |
実務上の影響は2つあります。まず、Ahrefsはプロンプト群を自分で作らなくても「需要で重み付けした市場のうち、自社はどれだけを占めているか」に答えてくれます。一方、Profound、Peec、AI Rank Labが答えるのは「自分で選んだプロンプトでどれだけ健闘しているか」です。どちらも正当な問いですが、数字は一致しません。次に、どのツールもエンジンの内部を見られるわけではないため、すべて回答をサンプリングしているにすぎません。Google自身も、Search Consoleの新しい生成AIパフォーマンスレポート(2026年6月)について、AI Overviews(AI による概要)とAI Modeにおける自社の表示回数、ページ、国、デバイスを示すもので、競合データは含まれないと説明しています。したがって、GoogleのAI面でのシェア・オブ・ボイスはトラッキングツールで計測する必要があり、Search Consoleの数字の代わりではなく、横に並べて読むべきものです。Semrushのデータがどのように収集されているかは、Semrush AI Visibility Toolkitのレビューで詳しく取り上げています。
プロンプト群と競合はどう選べばいい?
計算式自体は1分で済みます。その数字に意味があるかどうかを決めるのは、プロンプト群と競合リストです。初回の計測の前に両方を固定し、変更するときは必ず新しいベースラインを取り直しましょう。
プロンプト群のつくり方
- 自社のポジショニングではなく、買い手の質問から始めましょう。商談の会話、サポートチケット、サイト内検索、Redditのスレッド、People Also Askから言い回しを拾います。自社のキャッチコピーを軸に書いたプロンプトは、自社のシェアを水増しします。
- ファネル全体を一定の比率でカバーしましょう。たとえば、カテゴリ系や「〇〇に最適なX」系のプロンプトを50%、比較・代替系を30%、課題解決・ハウツー系を20%とします。構成比を固定しておけば、構成の変化がシェアの変化に見えてしまうことはありません。
- 指名系のプロンプトはヘッドラインの数字から除外しましょう。「[自社ブランド]って良い?」のようなプロンプトでは、毎回必ず自社が言及されます。こうしたプロンプトは別グループで追跡し、正確性や感情(センチメント)の確認に使います。
- すべてのプロンプトにタグを付けましょう。トピック、ファネルの段階、ペルソナ、市場で分類しておけば、全体を混ぜた1つの数字だけでなく、セグメント別のシェア・オブ・ボイスをレポートできます。
- 規模は意思決定に合わせて決めましょう。公開されているガイドのなかには、商業的に関連性の高いプロンプト20〜50個から始めるよう勧めるものもあれば、幅広いカテゴリでは100〜200個を推奨するものもあります。後述のサンプル数のセクションで、実行回数を増やすよりプロンプトを増やすほうがたいてい効果的な理由を説明します。
エンジンは出典を取得する前に、ひとつのプロンプトを多数のサブクエリに展開します。そのため、言い回しが少し違うだけで、別のブランドが返ってくることがあります。最も重要な質問については、1通りではなく2〜3通りの言い回しを入れておくとよいでしょう。
競合の選び方:オープンプールか、クローズドプールか
分母にはオープンプールを使い、レポートには指定した競合リストを使いましょう。オープンプールでは回答に登場したすべてのブランドを数え、クローズドプールでは入力した競合だけを数えます。クローズドプールはシンプルで時系列の比較もしやすい反面、どのブランドのシェアも過大に見せ、新規参入者を見落とします。計算例で「その他」が22.5%を占めていたのが、まさにその例です。
- 指定リスト:商談で負けている直接の競合5〜8社に、目標とするカテゴリのリーダーを1〜2社加えます。
- 発見のための棚卸し:月に1回、エンジンが挙げたブランドのうちリストにないものをすべて洗い出します。回答の数パーセント以上に登場するブランドは、次のベースラインからリストに加えましょう。
- エンティティのルール:別名、サブブランド、販売代理店、マーケットプレイスをどう扱うか(「Amazon」は競合なのか、販売チャネルなのか?)を文書にしておき、毎期同じルールを適用します。
使っているツールがクローズドリストにしか対応していない場合は、すべてのレポートにその旨を明記し、リストを固定しておきましょう。そうすれば、水準が高めに出ていても、推移は正直なものになります。
信頼できる数字を出すには、プロンプト数と実行回数はどれくらい必要?
目安は、気にしている変化の幅がノイズより大きくなるだけの量です。AIの回答には再現性がないため、回答ひとつひとつがサンプルにすぎません。数十件の回答から出したシェア・オブ・ボイスは、何も変わっていなくても2桁単位で振れることがあります。
当社のデータを見ると、その振れ幅がよくわかります。2026年2月13日〜10月14日にAI Rank Labで追跡した42のプロンプト×エンジンの組み合わせ(実行回数5回以上の組み合わせのみ)について、成功した計968回の実行を見ると、18の組み合わせ(42.9%)で、追跡対象ブランドが言及される・されないが少なくとも1回は入れ替わりました。また、同じプロンプトを連続で2回実行したとき、引用ドメインの重なりは中央値でわずか41%でした。出典の入れ替わりが最も激しかったのはGemini(重なりの中央値0.26)、最も少なかったのはPerplexity(0.59)です。詳しい手法と限界は、AI回答の安定性に関する調査にまとめています。「決定論的」な設定にしても解決しません。決定論的に動くよう設定した5つのLLMを調べたある研究では、実行ごとに精度が最大15%変動しました。
同じデータは、サンプルの予算をどこに使うべきかも教えてくれます。42の組み合わせのうち24(57%)は、毎回同じ言及判定になりました。つまりこれらのプロンプトでは、実行回数を増やしても新しい情報はほとんど得られなかったということです。同じプロンプトの繰り返し実行は互いに相関しているため、20プロンプトを10回ずつ実行しても、独立した200件の回答よりはるかに価値が低くなります。実行回数を増やす前に、プロンプトを増やしましょう。そのうえで、入れ替わりをならすために期間ごとに1プロンプト・1エンジンあたり2〜3回の実行を確保し、2〜4週間の期間で実行結果を合算します。
誤差の大きさを見積もるには、シェア・オブ・ボイスを比率として扱い、NIST Engineering Statistics Handbookにある標準的な正規近似の区間 p ± 1.96 × sqrt(p(1-p)/n) を使います。nを保守的に見積もるなら、回答数ではなく、異なるプロンプト×エンジンの組み合わせの数を使いましょう。
| n(プロンプト×エンジンの組み合わせ数) | シェアが約20%の場合の95%誤差範囲 | シェアが約50%の場合の95%誤差範囲 | 検出できる変化 |
|---|---|---|---|
| 50 | ±11.1ポイント | ±13.9ポイント | ブランド間の大きな差のみ |
| 100 | ±7.8ポイント | ±9.8ポイント | 四半期ごとの10ポイント以上の変動 |
| 200 | ±5.5ポイント | ±6.9ポイント | 6〜7ポイントの変動 |
| 400 | ±3.9ポイント | ±4.9ポイント | 4〜5ポイントの変動 |
| 1,000 | ±2.5ポイント | ±3.1ポイント | 小さく着実な伸び |
計算例に当てはめると、20プロンプト×4エンジンで80の組み合わせになるため、言及シェア17.5%の誤差範囲は約±8.3ポイントです。翌月に17.5%から22%に動いたとしても、ノイズの範囲内ということになります。NISTのページでは、サンプルがごく小さい場合やシェアが0%に近い場合にはこの区間の信頼性が下がり、Wilson区間のほうが適しているとも指摘しています。ツールが対応しているなら、プロンプト単位での再サンプリング(ブートストラップ)がさらに優れた方法です。
複数のエンジンをまとめて1つのシェア・オブ・ボイスにすべき?
まずエンジンごとに個別にレポートし、そのうえで重み付けの方法を明記した合算値を示しましょう。エンジン同士の結果は一致しません。Trakkrが825,343件のプロンプトで行ったエンジンのベンチマークでは、モデル間の一致率は平均43.3%で、あるエンジンではトップのブランドが別のエンジンではまったく登場しない、ということも起こります。各エンジンの回答数が同じであれば、生のカウントをそのまま合算してもかまいません。重要度でエンジンに重みを付けたいなら、オーディエンスが実際にいる場所に応じて重み付けしましょう。参考までに、AI Rank Labのタグが28サイトで記録したAI経由のページビュー3,677件(2025年7月〜2026年10月)のうち、ChatGPTが56.8%を占め、Gemini(17.1%)、Perplexity(12.4%)、Claude(12.0%)、Copilot(1.7%)と続きました。ただし、流入のシェアは利用のシェアではなく、自社の数字もこれとは異なるはずです。重みとして使う前に、自社のデータを測ってください。
AIのシェア・オブ・ボイスは何%なら「良い」の?
根拠のある万能のベンチマークは存在しません。手法も示さずに数字を挙げる人には注意が必要です。何が「良い」かは、回答のなかで競合しているブランドの数、カテゴリ、そして使う計算式によって変わります。
公開されている水準が食い違うのは、ひとつには、そもそも別のものを測っているからです。
| 出典 | 水準の対象となる指標 | 「リーダー」の水準 | 根拠は? |
|---|---|---|---|
| Alex Birkett | 自社に言及した回答数 ÷ 全回答数(出現率) | 50%〜90% | 筆者の経験、ファネル下部のプロンプト |
| LLM Pulse | 全ブランド言及に占める言及シェア | 40%〜70% | 出典の記載なし |
| geotoolbox | 全ブランド言及に占める言及シェア | 50%以上 | 他のガイドをまとめたもので、あくまで目安と明記 |
出現率60%と言及シェア60%は、まったく異なるポジションです。計算式が一致しない限り、これらの水準同士を比べることも、自社ツールの数字と比べることもできません。根拠のある参考ラインは次のとおりです。
- フェアシェアのライン。常に名前が挙がるブランドがN社あるなら、均等に分けた場合のシェアは100 ÷ Nです。5ブランドなら20%が均衡点で、それを上回れば平均以上ということになります。Trakkrはこれを目標ではなく、目安のラインとして提案しています。
- カテゴリによる差は非常に大きい。SparkToroの調査では、ある病院ブランドはそのクエリに対するChatGPTの回答の97%に登場し、ヘッドホンのブランドは55%〜77%に登場した一方、ブランドデザインのエージェンシーは30〜40%台にとどまりました。比較はカテゴリ内で行い、カテゴリをまたいで比べてはいけません。
- 全出典に対する引用シェアは小さいままです。4,800万件の引用からなるパネルで最も引用されたドメインでさえ3.47%なのですから、全出典に対する引用シェアが1桁台でも、トップクラスの位置にいることはありえます。
- シェア・オブ・ボイスと市場シェアの比較。Jonesの考え方を借りれば、最も役に立つベンチマークは、AIのシェア・オブ・ボイスを実際の市場シェアと比べることです。シェア・オブ・ボイスが市場シェアを下回っているなら、AIの回答は自社を実態より小さく扱っていることになり、それは具体的に取り組むべき課題です。
最も重要なベンチマークは、同じプロンプト群で、同じ指定競合と比べたときの自社の推移が、誤差範囲を超えて動いているかどうかです。複合スコアも追跡しているなら、AEOスコアの測り方の解説で、こうした要素がどう組み合わされているかを紹介しています。
経営層にはAIのシェア・オブ・ボイスをどうレポートする?
表を1つ、推移のグラフを1本、意思決定を1つ。これで十分です。経営層が知りたいのは、生のプロンプトログではなく、その変化が本物なのか、誰が動いたのか、そしてこれから何をするのかです。レポートの行は次のようになります(計算例のデータの値に、仮想の前期間を組み合わせた例です)。
| 指標 | 今期間 | 前期間 | 変化 | 誤差範囲(±) | 判断 |
|---|---|---|---|---|---|
| 言及率 | 35.0% | 22.5% | +12.5ポイント | 10.5ポイント | シグナルあり - 次期間で確認 |
| 言及シェア | 17.5% | 15.0% | +2.5ポイント | 8.3ポイント | ノイズの範囲内 - 様子見 |
| 引用シェア(追跡対象内) | 44.0% | 36.0% | +8.0ポイント | 10.9ポイント | ノイズの範囲内 - 注視 |
| トップ競合の言及シェア | 27.5%(A) | 29.0%(A) | -1.5ポイント | 9.8ポイント | 変化なし |
| 追跡対象外ブランドのシェア | 22.5% | 18.0% | +4.5ポイント | - | 発見のための棚卸しを実施 |
この表を中心に、レポートは1ページにまとめましょう。
- スコープ:プロンプト、エンジン、市場、実行回数、期間、計算式。たとえば「80のプロンプト×エンジンの組み合わせ、4エンジン、米国英語、240回答、9月15日〜10月12日、オープンプールの言及シェア」のように書きます。
- ヘッドライン:誤差範囲を超えた変化について1文で。なければ「有意な変化なし」と書きます。
- エンジン別の内訳:小さな表で示します。合算値だけでは、特定のエンジンでの落ち込みが隠れてしまうことがあるからです。
- セグメント別の視点:ファネルの段階別やトピック別のシェア・オブ・ボイスです。打ち手が見えてくるのはここです。
- 変動要因:最も大きな動きの背景にある引用ページや第三者の出典を、引用データから示します。
- アクションと担当者:改善策を2〜3個、それぞれプロンプトのセグメントと結び付けて挙げます。
やってはいけないこと:1回の実行結果を推移として見せること、ベースラインを取り直さずにプロンプト群を変えること、そして順位加重シェアを「ChatGPTでの自社の順位」として示すことです。
AIのシェア・オブ・ボイスの計測を自動化するツール
開示:AI Rank Labは当社の製品です。当社のサイトであるため最初に掲載していますが、以下のすべてのツールに同じ基準を適用しています。基準は、そのツールがどの計算式をドキュメント化しているか、プロンプト群を自分で管理できるか、そして結果をもとに何ができるか、の3点です。
- AI Rank Lab。ブランド可視性トラッキングは、自社のプロンプトをChatGPT、Claude、Gemini、Perplexityでスケジュールに沿って実行し、実行ごとに言及の有無、順位、センチメント、言及された競合、引用URLを記録します。Googleについては、AI OverviewとAI Modeの専用トラッカーでカバーしています。競合分析と引用トラッカーは、指定した競合に対する言及シェアと競合の引用シェアをレポートし、Action Planとコンテンツツールがギャップを改善策に変えます。プランは月額$69から(料金は2026年10月18日時点で確認)。制約:シェア・オブ・ボイスは入力した競合、つまりクローズドプールで計算されるため、リストにないブランドを見つける棚卸しを定期的に行ってください。
- Profound。わかりやすい公開用語集があり、Share of Voice、Visibility Score、Citation Share、Average Positionがそれぞれ別に定義されています。エンジン、トピック、競合をまたいだマトリクス表示も備えています。ガバナンスと規模を求めるエンタープライズのチームにとって有力な選択肢です。
- Peec AI。シンプルな言及シェアの計算式を計算例付きでドキュメント化しており、可視性、順位、センチメントを別々の指標として扱っています。そのため、数字をスプレッドシートで再現しやすいのが特長です。シンプルで透明性の高い構成を求めるチームに向いています。
- Semrush AI Visibility Toolkit。シェア・オブ・ボイスは毎週更新されるBrand Performanceレポートのなかにあり、追跡中のプロンプトに加えて大規模なプロンプトデータベースも使えます。SEOチームがすでにSemrushを日常的に使っているなら有力な選択肢ですが、順位の重み付けは公開されていません。
- Ahrefs Brand Radar。検索需要で言及を重み付けし、People Also Askからプロンプトを作成するため、プロンプト群を書かなくても市場レベルのシェア・オブ・ボイスが得られます。自社の質問でのパフォーマンスよりも、カテゴリ全体を需要で重み付けした視点で見たい場合に最適です。
- スプレッドシート。上記の数式は、20〜50個のプロンプトを手作業で記録する運用でも使えます。最も安く始められ、各指標の意味を理解するにも最適な方法ですが、複数のエンジンで毎日実行する必要が出てくると、スケールしなくなります。
AIのシェア・オブ・ボイスの限界
- あくまで自社のプロンプトのサンプルであり、実際のユーザーの会話のサンプルではありません。実際のユーザーが何を尋ね、何を見せられたかを把握できるツールはなく、パーソナライズ、メモリ、位置情報によって回答は変わります。
- APIとアプリでは回答が異なることがあります。多くのトラッキングツールは検索を有効にしたAPI経由でエンジンに問い合わせていますが、一般向けのアプリでは挙動が異なる場合があります。
- ブランドの検出は自動で行われます。別名、表記ゆれ、一般的な単語と同じ名前のブランドは、カウントの誤りの原因になります。毎期、回答のサンプルを抜き取りで確認しましょう。
- 言及は推薦ではありません。「エンタープライズには不向き」として名前が挙がったブランドもカウントされます。シェア・オブ・ボイスは、センチメントや「推奨回答かどうか」のフラグとセットで見ましょう。
- シェア・オブ・ボイスは売上ではありません。ビジネスへの効果を主張する前に、AI経由の流入やパイプラインと結び付けて見てください。
まとめ
AIのシェア・オブ・ボイスは、計算するのは簡単ですが、間違えるのも簡単です。自分の問いに答えてくれる計算式を選び、カウントのルールを文書化し、オープンな分母を使い、変化が誤差範囲を上回るだけのサンプル数を確保し、言及シェア・引用シェア・言及率をまとめてレポートしましょう。スプレッドシートの管理を手放したいなら、AI Rank Labの競合分析が言及、引用、競合シェアをスケジュールに沿って追跡するので、スナップショットではなく推移を読み取れるようになります。
Get a free AI ranking consultation
Want your brand to show up when ChatGPT, Gemini and Perplexity answer questions in your market? Tell us about your site and our team will send a personalized strategy.



