AI ビジビリティスコア（可視性スコア）は1回の計測では信頼できない｜統計的ノイズ問題と正しい計測設計 | INSIGHT CUBE

【記事の要約（ここだけでもポイントは掴めます）】

多くの企業が月次で「AI ビジビリティスコア（可視性スコア）」を計測し、施策の効果を判断しています。しかしその計測方法では、効果とノイズを区別できない可能性があります。

AI ビジビリティスコア（可視性スコア）は計測のたびに大きく変動します。IQRush 共同創業者 Ron Sielinski 氏の研究によれば、変動の大部分は「統計的ノイズ」であり、1回の計測値で施策の効果を判断することはできません
ザンクト・ガレン大学の独立した研究チームも、別のデータセットで同じ結論に達しています。「繰り返し計測して初めて意味を持つ」という知見は複数の研究が支持しています
信頼できる計測のために必要な回答数は33〜94件（プラットフォームによって異なる）。SearchGPT は125件でも収束しないケースがありました

マーケターへの示唆： 「先月より3ポイント上がった」という報告をやめ、収束を確認するまで計測を続ける設計に切り替えることが、正しい PDCA の第一歩です。

目次非表示

1. AI ビジビリティ（可視性）とは何か
2. AI ビジビリティスコア（可視性スコア）の問題点：生成 AI は「毎回同じ答えを返さない」
3. 解決策：「停止ルール」で収束を確認する
4. 「今まで追っていた KPI は無意味だったのか」という疑問に答える
5. 今すぐ取るべき2つのアクション
- ① 計測フローを「停止ルール準拠」に切り替える
- ② AI ビジビリティを「従来 KPI との相関」で評価する
まとめ：AI ビジビリティスコアは参考値として、ブランド言及を増やす

1. AI ビジビリティ（可視性）とは何か

AI ビジビリティ（可視性）とは、ChatGPT や Gemini などの生成 AI が自社ブランドをどの程度引用・言及するかを示す指標です。

GEO（Generative Engine Optimization：生成エンジン最適化）や LLMO（LLM Optimization）の成果を測る指標として、取り組む企業が増えています。

「AI 検索で自社ブランドが上位に表示されているか」を把握するための重要な指標ですが、この計測に根本的な問題があることが明らかになりました。

※当社の LLMOA（エルモア）では、主要5大AIモデルのAI引用状況を自動で確認し、自社の **AI ビジビリティスコア（可視性スコア）**の推移や、競合とのスコア比較が可能です。

2. AI ビジビリティスコア（可視性スコア）の問題点：生成 AI は「毎回同じ答えを返さない」

生成 AI は同じ質問をされても、毎回まったく同じ回答を返すわけではありません。確率的な仕組みで動いているため、回答のたびにランダム性が生まれます。

IQRush 共同創業者の Ron Sielinski 氏が実施した研究（Search Engine Journal が 2026年7月11日に先行入手して報じた未査読のプレプリント）は、この性質が AI ビジビリティ計測に以下の深刻な影響を与えることを示しました。

スコアの変動の大部分は「統計的ノイズ」である。

わかりやすく言えば、「今日計測したら自社ブランドが3位だったが、明日計測したら7位になった」という変動が起きます。その差が「施策によって順位が変わった証拠」なのか「ただのノイズ」なのかを、1回の計測値から判断することはできません。

この結論は単独の研究にとどまりません。2026年4月、ザンクト・ガレン大学（University of St. Gallen）の Julius Schulte 氏・Malte Bleeker 氏・Philipp Kaufmann 氏らが、独立した別のデータセットで同じ問いを検証し、「単発の計測値は信頼できず、繰り返しサンプリングして初めて意味を持つ」という同じ結論に達しています。