AI 検索の成果はどう測るか — 準備状態 / 可視性 / 成果を混ぜない

• 最終検証日：2026年8月13日
• Methodology バージョン：2026.08.52（訂正）
• 本文中の「2026.08.xx」：その訂正を行った判断基準の版の番号です。公開した版は書き換えず、訂正は新しい版として残しています
• 位置づけ：SILVE の測定モデル。業界標準ではありません
• 前提記事：AI に見つかってから取引されるまで — 7 段階で用語を整理する

この記事が答える問い

AI 検索対策を始めると、すぐに一つの問題にぶつかります。何をもって成果が出たと判断するのかです。

• 技術診断で 90 点を取った
• ChatGPT が自社名を挙げた
• Google の AI Overviews に URL が表示された
• Copilot が自社ページを引用した
• AI 経由のアクセスが増えた
• 問い合わせが増えた

これらはすべて意味のある出来事です。しかし同じものではありません。 SILVE は測定を 3 つのレイヤーに分け、同じスコアへ加算しません。

準備状態 ≠ 可視性 ≠ 成果。

この 3 つを 1 つの「AI 対応度」や「GEO スコア」に混ぜると、問題がどこにあるのかが見えなくなります。 技術的に完璧なのに引用されないサイトと、引用されているのに売上に結びついていないサイトでは、やるべきことが正反対です。

最初に断っておくこと

この 3 レイヤーは SILVE の操作モデルです。業界標準の分類ではありません。

ただし後述するとおり、2026 年に Google と Microsoft の双方が 準備状態の測定手段（Search Console / Webmaster Tools の従来レポート）とは別に、AI 上の露出を測る専用レポートを出しました。プラットフォーム側でも測定面が分かれつつあるのは事実です。それでも「3 つに分ける」という切り方自体は SILVE の判断であり、各社が同じ分類を採用しているわけではありません。

なぜ「AI 検索で 3 位」と言えないのか

従来の SEO には「Google で何位か」という中心的な概念がありました。もちろん実務では表示回数・CTR・クリック・コンバージョンを併せて見ますが、順位という軸が存在しました。

生成 AI ではその軸がありません。前提記事で整理したとおり、企業の情報がユーザーの行動に届くまでには 発見 → 取得 → 利用 → 引用 → 推薦 → 選択 → 行動 / 取引 という異なる段階があり、どこで脱落したかによって打ち手が変わります。

「AI 検索で上位に出たい」という要望は、この 7 段階のどこの話なのかが決まらないと作業に落ちません。 そして測定レイヤーは、この段階軸とは直交する別の軸です。

準備状態 — 使える状態か

準備状態は、AI や検索システムがその情報を利用できる条件がどの程度整っているかを評価するレイヤーです。

必要なクローラからアクセスできるか。インデックス可能か。HTML 構造が明確か。運営主体を確認できるか。価格や対象者が具体的か。エージェントがフォームを操作できるか。

これらはサイトを検査すれば比較的安定して判定できます。 同じ入力（取得できた HTML のスナップショット）と同じ基準なら、判定は同じ結果を返すよう設計しています。

★ 「いつ実行しても同じ」とは書きません（2026.08.52 で訂正）。 判定のロジックが決定論的でも、入力のほうは変わり得ます。 HTTP の応答、CDN や WAF、ボット対策、動的な生成、A/B テスト、地域差、JavaScript のレンダリング、robots.txt や HTML そのものの変更。決定論的なのは採点であって、Web ではありません。

Google 自身も、生成 AI 機能に出るための追加の技術要件は無いと明記しています。公式ガイドの表現は "There are no additional technical requirements." であり、通常の検索で満たすべき条件（インデックスされていること、スニペットの対象であること）がそのまま前提になります。

ただし「技術要件が無い」＝「条件が無い」ではありません（2026.08.34 で追記）。 Google の資料はもう 1 ページあり、生成 AI 向け最適化ガイドは Search の技術要件に加えて、サイトが Search Console で Search generative AI features に含まれている必要があるとしています。サイト側の実装を増やす話ではなく、掲載の可否を決める設定が別にあるという話です。

なぜ「AI Readiness Score」と呼ぶのか

SILVE のスコアは「このサイトは ChatGPT で何位です」という値ではありません。「AI から必ず引用されます」という確率でもありません。

公開サイトから確認できるシグナルを使って、AI を介した情報発見環境へ参加するための準備状態を評価しています。だから名称は GEO Score でも AI Visibility Score でもなく AI Readiness Score です。

これは慎重を装った言い換えではありません。測っていないものを名前に入れないという設計上の制約です。

準備状態が高ければ必ず表示されるのか

いいえ。robots.txt に問題がなく、インデックスされ、企業情報も正確で、一次情報も豊富なサイトでも、特定の質問で取得されるとは限りません。

競合する情報源があります。クエリとの関連性があります。プラットフォームごとに取得の仕組みが違います。モデルも検索結果も変化します。

準備状態が測っているのは、参加の資格・利用可能性・機械による解釈を支える事前条件と補助的なシグナルであって、表示結果そのものではありません（2026.08.52 で精密化）。

「満たさなければ表示されない必要条件」ばかりではありません。 SILVE の項目には、必須の資格条件・技術的な前提・補助的なシグナル・推測にもとづく指標が混在しています。すべてを「表示の必要条件」と呼ぶと、根拠の強さが違うものを同じ言い方でまとめてしまいます。

この区別を落とすと、「診断で満点なのに出ない」という当然の事象が説明できなくなります。

そして準備状態に属するのに、公開サイトの診断からは観測できないものもあります。 Google の Search Console にある生成 AI の掲載設定がその例です。概念上は準備状態ですが、所有者しか見られないので SILVE の診断では確認できません。 Search Console と接続しない限り採点しません（観測できなかったものを合格にしないという原則の適用です）。

可視性 — 実際に使われたか

可視性は、AI 環境で実際に自社・URL・情報が利用または提示されたという観測結果です。

そして 可視性自体が 1 種類ではありません。

これらは同じ指標ではありません。そして 2026 年に公開された各社の公式ツールを見ると、この違いは推測ではなく実装として現れています。

2026 年に何が測れるようになったか

Google — 生成 AI 機能の「インプレッション」

Google は 2026 年 6 月 3 日、Search Console に生成 AI 機能専用のパフォーマンスレポートを導入すると発表しました。一部のサイト所有者から段階的に提供する形で始まっています。

レポートは 1 つではなく 2 つに分かれています。

指標はインプレッションだけです。 ヘルプが列挙する指標にクリック・CTR・掲載順位は含まれていません。

インプレッションの定義は「生成 AI 機能の中で、自社サイトへのリンクがユーザーに表示された回数」です。ここに重要な数え方の規則があります。

If two results from the same site appeared in a generative AI search results feature, they count as a single impression in the chart total.

★ ここは Search と Discover で規則が逆です（2026.08.52 で訂正）。 以前は Google 全体の規則として「同一サイトの結果が 2 つ出ても合計は 1 インプレッション」と書いていましたが、それは Search 向けレポートのグラフの話でした。

同じ「インプレッション」でも、同じ提供元の中で数え方が違います。 この記事の主題そのものなので、面ごとに分けて扱ってください。

次元も違います。Search 向けはページ・国・デバイス・日付、Discover 向けはページ・国・日付（デバイスがありません）。

Microsoft — AI 回答での「引用」

Bing Webmaster Tools は 2026 年 2 月 10 日、AI Performance をパブリックプレビューとして公開しました。対象は Microsoft Copilot、Bing の AI 生成要約、および一部のパートナー統合です。

確認できる主な指標は次のとおりです。

• Total Citations（引用の総数）
• Average Cited Pages（引用されたページ数の平均）
• Grounding queries
• ページ単位の引用状況
• 期間推移

外部参照 queries は Bing 側の説明で「AI 生成回答の中で参照されたコンテンツを取得する際に AI が使ったキーフレーズ」とされています。ユーザーが入力した検索語そのものではなく、AI が内部で情報を取りに行くときに使った語です。従来の検索クエリと同一視はできませんが、取得と引用の関係を分析する材料になります。

★ ただし全量ではありません（2026.08.52 で追記）。 表示されるのは引用の活動全体からの標本です。「Bing が内部クエリを開示している」ではありません。 Query Fan-out の記事で「内部クエリは観測できない」としているのと矛盾しません。

2026 年 6 月 16 日には Intents / Topics / 引用シェア / Compare の 4 つがプレビューとして追加されました。引用シェア は「同じ grounding query に対して全サイトへ示された引用のうち、自社サイトに帰属した割合」と定義されています。

各社が自分で書いている限界を読み落とさない

ここが最も重要な部分です。ただし「ランキングではない」と明記しているのは Microsoft だけです（2026.08.52 で訂正）。

Google の生成 AI レポートは、順位の指標そのものを提供していません（インプレッションのみで、クリック・CTR・掲載順位を含みません）。しかし「この数値はランキングではない」という否定の明記は、ヘルプの本文には見当たりません。 したがって SILVE は「Google が明記している」ではなく「順位の指標が提供されていないので、順位として扱わない」と書きます。

Microsoft は明記しています。

Bing は Average Cited Pages について、

does not indicate ranking, authority, or the role of any page within an individual answer.

順位も、権威性も、個々の回答の中でそのページが果たした役割も示さない、と書いています。

ページ単位の引用状況については、

This reflects how often pages are cited, not page importance, ranking, or placement.

と書いています。引用回数が最も多いページ = Bing が最も高く評価しているページ、ではありません。

引用シェア についても、

designed as an observational metric – not a ranking system or a competitive scoreboard. It does not expose competitor domains, represent traffic share, or assign quality scores to content.

とされています。競合ドメインは開示されず、トラフィックシェアを表すものでもありません。 「引用シェア で競合との差を追える」という読み方は、提供元の説明と食い違います。相対的な位置は分かりますが、誰に対して何%なのかは分かりません。

Google の数字と Bing の数字を並べてはいけない

例えば手元に次の 2 つがあったとします。

• Google：生成 AI 機能でのインプレッション 1,000
• Bing：AI 回答での引用 100

ここから「Google のほうが AI 上の露出が 10 倍多い」とは言えません。 測っている対象が違うからです。

同じ提供元の中でも数え方が違います。 Google の Search と Discover を 1 列にまとめていたのを、2026.08.52 で分けました。

数え方の規則そのものが違うため、比率も差分も意味を持ちません。 これは「プラットフォームによって傾向が違う」という一般論ではなく、定義が異なる 2 つの量を割り算してはいけないという算術の話です。

したがって SILVE は、両者を合成した「AI可視性 総合スコア」を作りません。それぞれをプラットフォーム名付きで別々に保存します。

可視性 ≠ 成果

もう一段下流を考えます。

AI から引用された。しかしユーザーはクリックしなかった。 この場合、可視性は発生していますが成果はありません。

AI が自社商品を薦めた。しかし購入されなかった。 推薦の可視性 はありますが Revenue Outcome はありません。

成果は、AI 上の露出の結果として発生したユーザー行動または事業成果です。クリック・セッション・資料請求・商談・申込み・購入・売上・予約・来店・電話といった値で、どれを見るべきかは事業によって違います。

ここは「まだ立証されていない」領域である

引用が売上につながるかどうかについて、現時点で強い根拠はありません。

2026 年 7 月に公開された GEO 研究のレビュー（Olivier Martinez による単著のプレプリント。45 本を対象）は、この分野の主要な主張ごとに確信度を割り当てた表を載せています。その中で、

Citation scores predict clicks, conversions, or revenue.

という主張の確信度は Very low（最低ランク） とされています。同レビューは総括として、オーガニックな発見可能性や下流のクリック・コンバージョンに対して、安定的・縦断的・複数プラットフォームにわたる因果効果を示した手法はレビュー対象の中に無かったと述べています。

これは「引用に価値がない」という意味ではありません。「引用が増えれば売上が増える」と現時点で言い切る根拠が無いという意味です。

ただし「ゼロクリックだから無価値」も早計

逆方向の断定にも、同じだけ根拠がありません。

AI 回答の中でユーザーが情報を得て、サイトへ移動しない場合があります。Microsoft も 2025 年 11 月の公式記事で、クリックや last-touch のコンバージョンだけを追うのではなく、インプレッション・引用・クエリの絞り込み・回答への含まれ方といったシグナルに分析を合わせるべきだと述べています。

つまり測定面を増やす必要があるというのが提供元の立場です。ただしこの記事が根拠にしているのは Microsoft 自身の解釈と複数の業界調査であり、引用そのものの事業価値を因果的に証明した研究ではありません。

したがって、現時点で言えるのはここまで

2 つの資料は反対方向を向いているように見えますが、どちらも断定には足りていません。

SILVE が現時点で使える最も強い表現は次のとおりです。

引用に価値があるとも、無いとも、現時点では一律には言えない。

「ゼロクリックでもブランド効果があるはずだ」も「クリックされないなら意味がない」も、どちらも今ある証拠を超えています。可視性と事業成果の間には、まだ埋まっていない測定上の隔たりがあります。 SILVE はその隔たりを、どちらの方向にも埋まったことにしません。

「増えた」と「増やした」は違う

可視性や成果が増えたとき、それを施策の成果と呼べるかは別問題です。

例えば 1 月に施策を実施し、5 月に ChatGPT 経由の流入が 6 倍になったとします。「施策で 6 倍になった」と言いたくなります。しかしそれは正しくありません。

実際に検証された事例

2026 年 6 月に公開された Watanabe と Nakayashiki のプレプリントは、この問題を実サイトのログで検証しました。

対象は glasp.co という単一ドメインで、数十万規模の YouTube Q&A ページ群の一部に 2026 年 1 月、AEO 施策のまとまり（バンドル）が投入されました。施策を行っていない同一ドメイン内のページ群が対照群として使われています。

★ 著者 2 名はいずれも Glasp Inc. 所属で、評価対象は自社ドメインです（2026.08.52 で明示）。 自社のサーバーログと GA4 を使えることは、参照流入を直接測るうえで方法論上の強みです。 一方で自己評価であり単一ドメインである点は、独立性と一般化の範囲を制限します。提唱者側の資料と独立資料を分ける基準を、研究にも同じく当てます。

何もしていないページが 3.5 倍に増えています。 つまり生の 6.1 倍には、施策と無関係な共通の追い風が大きく混ざっています。

★ 「3.5 倍分を差し引く」という引き算ではありません（2026.08.52 で訂正）。 どちらも増加の倍率なので、比で見ます。6.1 ÷ 3.5 ≒ 1.75 倍。 中断時系列で推定された水準の跳ね上がりは 1.82 倍でした。桁が変わるのはこの構造のためです。

1.82 倍も「確定した因果効果」ではない

主分析の推定値は 1.82 倍ですが、著者ら自身の結論は慎重です。保守的なプラセボ検定では p=0.16 で有意水準を満たさず、著者らは効果を suggestive（示唆的）であって conclusive（決定的）ではないとしています。

さらに制約があります。単一ドメインであること。無作為化試験ではないこと。複数施策を同時に投入しており個別効果を分離できないこと。観測前期間が短いこと。そして処理群には介入前から上昇トレンドがあったこと（週あたり +0.027、p=0.007）。

★ 2026.08.52 で 2 つ追記しました。

• 対照群は対応づけられていません。 論文自身が妥当性への脅威の節で、処理群と対照群でコンテンツの意図が異なり、matched control ではないと明記しています
• 施策には新規ページの生成が含まれ、コーパスの規模自体が変わっています。 したがって推定された効果は既存ページの改善とページ追加を合わせたもので、1 ページあたりの改善効果としては読めません

この研究の価値は 1.82 という数字ではなく、測定方法にあります。 前述の GEO レビューも同研究を、

The study by Watanabe and Nakayashiki [2026] illustrates the importance of a control: a large raw increase may arise from platform growth.

と紹介しています。大きな生の増加は、プラットフォーム自体の成長から生じうる。

では効果はどう測るのか

理想は無作為化実験です。しかし実際の企業サイトでは難しいことが多いため、現実的には次の設計を使います。同じ GEO レビューの推奨も同じ方向です。

In production, randomization across pages or periods is ideal. When this is infeasible, difference-in-differences, interrupted time series, and synthetic controls can help, but parallel trends and placebo tests must be examined.

外部要因として、プラットフォームの利用者増、モデル更新、機能追加、引用 UI の変更、地域展開、季節需要、ブランド需要の変化、競合の変化を考慮します。AI 検索は変化が速いため、単純な前後比較は従来 SEO 以上に危険です。

基準側の変化も分ける — これは準備状態の問題

同じ「後 ≠ そのせいで」の問題は、診断スコアの側にも起きます。

SILVE が評価基準の重みを変えれば、サイトを何も変えていなくてもスコアが動きます。 このとき「AI 対応度が下がりました」とだけ表示するのは不正確です。原因はサイトの変化ではなく基準の変化だからです。

SILVE はこれを実装済みです。診断結果には rawScore（サイトの実態） と weight（その週の基準） を別々に保存し、変動を分解して表示します。

前回比 −2点（うちサイト側の変化 −2点 / 評価基準の更新による影響 +0点）

検証済みの実例があります。agent.js_dependency の重みを 9 → 18 に変えただけの版を公開したところ、合計 −3 の変動が サイト側 +0 / 基準側 −3 と正しく分離されました。

測定の話は「外の数字をどう読むか」だけではありません。自分が出している数字にも同じ規律を適用する必要があります。

独自にプロンプトを叩いて観測するとき

公式ツールが提供していない範囲を自分で観測する場合、最低でも次を記録しないと再現性がありません。

• プラットフォーム
• モデル
• 検索モードの有無
• プロンプト（原文）
• 実施日時
• 地域
• 試行回数

「ChatGPT に聞いたら自社が出なかった」だけでは何も分かりません。翌日には変わります。モデルが違えば変わります。検索が有効かどうかでも変わります。

したがって SILVE は、単発のプロンプト結果を準備状態スコアへ混ぜません。 別レイヤーの観測値として、上記メタデータごと保存します。

第三者ツールの数字を読むとき

あるツールが「ChatGPT Visibility 42%」と表示していたら、まず聞くべきことは 1 つです。分母は何ですか。

100 プロンプト中で言及された割合なのか。引用された割合なのか。上位 3 件に入った割合なのか。検索モードだけなのか。特定の国だけなのか。それぞれ意味が違います。

指標名ではなく定義を見る。 これは自社ツールにも同じく適用されるべき原則です。

3 レイヤー × 7 段階

前提記事の 7 段階と組み合わせると、問題の切り分けが具体的になります。

「AI 検索に出ない」という曖昧な相談は、この表のどのセルの話なのかを決めるところから始まります。

SILVE が現在埋められているセル

正直に書きます。この表のうち SILVE の診断が扱っているのは準備状態列だけで、しかも均等ではありません。

現在の診断項目は 27 項目、うち配点対象 23 項目、実効重み合計 91。7 段階へ割り当てると、配点の 68%（91 のうち 62）が段階 1〜2 に集中し、段階 5（推薦）と段階 6（選択）は 1 項目も測っていません。

可視性列と成果列は未実装です。前述の Google / Bing の公式データを取り込む余地はありますが、現時点では接続していません。

これは欠陥ではなく現在地であり、測っていないことを測っていないと書くのがこの表の目的です。

混ぜてはいけない理由 — 3 つのケース

仮に準備状態 90 点、AI 引用ほぼ 0、AI 経由売上 100 万円のサイトがあったとして、これを合成して「AI スコア 78」としても意味がありません。種類の違う数値だからです。 具体的には次の 3 つが区別できなくなります。

ケース 1：準備状態は高いが可視性が低い

技術も情報構造も良好。しかし AI 回答にほとんど出ない。

疑うべきはトピックの関連性、外部シグナル、競合、取得の仕組み、クエリのカバー範囲、ブランド需要です。技術的な修正を続けても改善しない可能性があります。

ケース 2：可視性は高いが成果が低い

頻繁に引用される。しかしクリックも問い合わせも少ない。

疑うべきは AI 上で回答が完結していること、引用の位置、遷移先ページ、CTA、ユーザーの意図との差です。これは準備状態の問題ではありません。 診断項目をさらに直しても解決しません。

ケース 3：推薦されるが取引できない

AI が商品を候補として選ぶ。しかし在庫情報が古い。エージェントからチェックアウトを操作できない。

選択の可視性 は高いが、取引の準備状態 が低い状態です。この 2 つを 1 つのスコアに畳むと、この状況は表現できません。

企業はまず何から測るべきか

すべての企業が最初から高度な測定基盤を作る必要はありません。現実的な順番は次のとおりです。

1. 準備状態 — 自社サイトに明確な阻害要因が無いかを確認する
2. 公式の可視性データ — Search Console と Bing Webmaster Tools の一次データを見る（提供対象であれば）
3. 重要クエリの定点観測 — 主要な商品・サービスについて、代表プロンプトでメタデータごと記録する
4. Analytics — AI 経由の参照とコンバージョンを見る
5. 実験 — 重要な施策については対照を置いて検証する

1 と 2 の間に飛躍はありません。2 から先は、多くの企業でまだ整備されていない領域です。

AI 検索の測定で守る 7 原則

1. 準備状態と可視性を混ぜない — 準備状態と実際の露出は別
2. 可視性と成果を混ぜない — 引用と売上は別。しかも両者を結ぶ根拠は現時点で Very low
3. 指標名ではなく定義を確認する — インプレッションと引用を同列に比較しない
4. 前後比較だけで因果を断定しない — プラットフォーム自体の成長を考慮する
5. 対照を置けるなら置く — ページ・期間・セグメント。平行トレンドとプラセボ検定を確認する
6. プラットフォーム・モデル・日時を記録する — AI の出力は非決定的で時間依存
7. 基準の変更をサイトの変化と分離する — 診断側の更新をサイトの改善・悪化として見せない

まだできていないこと

測れる時代が始まりましたが、完成していません。

• プラットフォーム間で共通の指標がありません。 Google のインプレッションと Bing の引用は数え方から違います
• Google の生成 AI レポートにクリックがありません。 露出から流入への接続は、現時点では公式データだけでは追えません
• 引用から売上までの因果は自動的には分かりません。 45 本を対象としたレビューでも、この主張の確信度は Very low です
• どちらも段階的提供・プレビューです。 仕様は変わり得ます
• SILVE 自身が可視性レイヤーを実装していません。 現在の診断は準備状態だけです

最も危険なのは、1 つの数字で全部分かった気になることです。

AI Score、GEO Score、Citation Score、可視性スコア、Trust Score、Agent Score。今後こうした指標はさらに増えます。その数字を見る前に聞くべきことは常に同じです。それは何を測っていますか。 準備状態なのか、表示なのか、引用なのか、推薦なのか、流入なのか、売上なのか。

まとめ

• 準備状態 ≠ 可視性 ≠ 成果。 3 つはつながっていますが、同じものではありません
• 準備状態は決定論的に測れます。 SILVE の診断が扱うのはここだけです
• 可視性は 1 種類ではありません。 インプレッション・引用・言及・推薦・選択は別の量です
• 2026 年に Google と Microsoft が公式データを出し始めました。 「ランキングではない」と明記しているのは Microsoft で、Google は順位の指標そのものを提供していません（否定の明記はヘルプ本文に見当たりません）
• Google のインプレッションと Bing の引用を割り算してはいけません。 数え方の規則が違います
• 「後に増えた」と「そのせいで増えた」は違います。 対照を置かない前後比較は、プラットフォームの成長を施策の成果として数えます
• 引用に価値があるとも無いとも、現時点では一律に言えません。 両方向の断定がどちらも証拠を超えています
• 同じ規律を自分のスコアにも適用します。 SILVE はスコア変動をサイト側の変化と基準側の変化に分解して表示します

測定で重要なのは数字を増やすことではありません。その数字が何を測っているのかを明確にすることです。

Framework Record

この記事の判断を、あとから検証できる形で記録したものです。本文の結論（Core Rules）と、SILVE が内部で持つ記録の項目、参照した一次資料が入っています。

Framework Name: AI 準備状態 / 可視性 / Outcome Model Version: Methodology 2026.08.52 Status: SILVE Operational Model（業界標準ではない） Last Verified: 2026-08-13

Layers

	Question	Measurement type
準備状態	Can the system use us?	Primarily deterministic（サイト検査）
可視性	Did the system actually use or surface us?	Observational / プラットフォーム-dependent / time-dependent
成果	What happened as a result?	Analytics / business data

Core Rule: 準備状態 ≠ 可視性 ≠ 成果. 3 つを 1 つのスコアへ合成しない。

Causality Rule: 施策後に起きた ≠ 施策によって起きた. 施策後の変化だけでは因果効果と判定しない。対照・プラットフォーム基準線・トレンド・季節性・モデルや製品の変更を考慮する。

Cross-platform Rule: 定義の異なる指標を同じ単位として比較しない。プラットフォーム名と指標定義を保持したまま別々に保存する。

Versioning Rule: スコア変化を サイト変更 と Methodology Change に分離する。

Visibility Observation Metadata（独自観測時の必須記録項目）

プラットフォーム / model / search mode / プロンプト / date / 地域 / 試行 count

Current Official Measurement Surfaces（2026-08-11 時点）

提供元	レポート	指標	提供元自身が明記する限界
Google	Generative AI performance（Search）	インプレッションのみ（ページ / 国 / デバイス / 日付）	クリック・CTR・順位を含まない。グラフはプロパティ単位で同一サイトの複数結果を 1 と数え、ページ別の表はページ単位（合計が食い違い得る）
Google	Generative AI performance（Discover）	インプレッションのみ（ページ / 国 / 日付。デバイスなし）	すべてページ単位。同一プロパティの複数結果はそれぞれ計上（Search と規則が違う）
Google	Generative AI performance（Discover）	インプレッションのみ（ページ / 国 / 日付）	同上
Microsoft	Bing Webmaster Tools — AI Performance	Total Citations / Average Cited Pages / 外部参照 queries / ページ単位の引用 / 推移	ランキング・権威性・ページ重要度・掲載位置を示すものではない
Microsoft	同 — Intents / Topics / 引用シェア / Compare	引用の分類・クラスタ・シェア・期間比較	観測指標であり順位付けではない。競合ドメインを開示せず、トラフィックシェアでもない

SILVE Coverage（2026-08-11）

準備状態のみ実装（27 項目 / 配点対象 23 / 実効重み 91）。可視性・成果は未実装。 準備状態内部でも配点の 68% が段階 1〜2 に集中し、段階 5・6 はゼロ。

一次資料

プラットフォーム公式

• Google Search Central — Introducing Search Generative AI performance reports in Search Console（2026-06-03） https://developers.google.com/search/blog/2026/06/gen-ai-performance-reports
• Google Search Console ヘルプ — Generative AI performance report (Search) https://support.google.com/webmasters/answer/16984139
• Google Search Console ヘルプ — Generative AI performance report (Discover) https://support.google.com/webmasters/answer/16983858
• Google Search Central — Optimizing your website for generative AI features on Google Search https://developers.google.com/search/docs/appearance/ai-features
• Bing Webmaster Blog — Introducing AI Performance in Bing Webmaster Tools Public Preview（2026-02-10） https://blogs.bing.com/webmaster/February-2026/Introducing-AI-Performance-in-Bing-Webmaster-Tools-Public-Preview
• Bing Blogs — New AI Visibility Insights in Bing Webmaster Tools: Intents, Topics, Citation Share, Compare（2026-06-16） https://blogs.bing.com/search/June-2026/New-AI-Visibility-Insights-in-Bing-Webmaster-Tools-Intents-Topics-Citation-Share-Compare
• Bing Webmaster Blog — How AI Search Is Changing the Way Conversions are Measured（2025-11） https://blogs.bing.com/webmaster/November-2025/How-AI-Search-Is-Changing-the-Way-Conversions-are-Measured

研究

• Watanabe & Nakayashiki — Disentangling Answer Engine Optimization from Platform Growth: A Log-Based Natural Experiment on ChatGPT Referral Traffic（preprint、2026-06-03） https://arxiv.org/abs/2606.04362
• Olivier Martinez — Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023–2026)（preprint、2026-07-15、単著、45 研究） https://arxiv.org/abs/2607.14035