AI検索の観測データを社内レポートにする方法

AI検索の露出測定ツールのダッシュボードは、ブランド言及率やURL引用率の現在地と推移を日々確認するには最適です。一方で、測定結果を社内に報告する段になると、次のような壁に当たります。

• 報告先ごとに求められる形式が違う — 経営会議は前月比の1枚サマリー、施策チームはテーマ別の内訳、クライアント報告は競合比較、と同じデータでも見せ方が異なる
• スクリーンショットは再利用できない — グラフ画像の貼り付けでは、前月差の計算・並べ替え・他データとの結合といった再加工が一切できない
• 定例化するとコピー作業が積み上がる — 毎月手作業で数値を転記していると、工数だけでなく転記ミスのリスクも増える

この壁を越える現実的な方法が、観測データを CSVでエクスポートして、Excel・Googleスプレッドシートのピボットテーブルで再集計するアプローチです。測定方法そのものはAI検索の露出測定で解説しているため、本コラムは「測定した後」の工程に焦点を当てます。以下、GEO Signalsのダッシュボードに搭載されているCSVエクスポート機能（全有償プランで利用可能）を例に進めますが、考え方は他のツールやスクラッチの観測データにも応用できます。

GEO SignalsのCSVエクスポートでは、用途の異なる3種類のデータセットを選べます。1回のエクスポートで1データセット・1ファイルとし、粒度の異なるデータを混在させないのがポイントです。

• KPI推移 — 期間バケット×モデルごとの言及率・引用率。経営報告・定点レポートの土台
• プロンプト別KPI — プロンプト（質問）ごとの言及状況。コンテンツ改善の優先順位付けに使う
• 競合言及シェア — 自社・競合を同じ行構造で並べた言及シェア。競合比較レポートに使う

もっとも需要が多いのが、月次の定例報告です。KPI推移データセットを月次（または週次）でエクスポートし、次の構成でまとめます。

• サマリー — 「統合」の言及率・引用率の当月値と前月差。経営層向けはこの2指標に絞る
• 推移表 — ピボットテーブルで行=期間、列=モデル、値=言及率。直近6〜12バケットを並べる
• トピック — 大きく動いたモデル・時期と、その背景にある施策や外部要因のコメント

経営層への報告では、モデル別の細かい数字よりも「統合でどうだったか」「なぜ動いたか」が求められます。モデル別の内訳（Google AI Overviews・ChatGPTなど）は補足ページに回し、本編は統合の推移と解釈に絞ると伝わりやすくなります。

施策チーム向けには、プロンプト別KPIデータセットが素材になります。1行が「期間 ×プロンプト」なので、どの質問で言及されていて、どの質問で言及されていないかを一覧できます。

• テーマ別の弱点を見つける — 行=クラスタ（プロンプトのテーマ分類）でピボットし、クラスタ別の言及率を比較する。言及率が低いテーマが、コンテンツ強化の候補になる
• 未言及プロンプトの一覧を作る — 言及数が0のプロンプトをフィルタで抽出すれば、そのままコンテンツ企画のインプットになる
• 施策の前後比較をする — 特定クラスタに対する施策の実施前後で期間を区切り、言及率の変化を確認する

なお、1つのプロンプトが複数クラスタに属する場合、クラスタ列には所属クラスタ名がセミコロン区切りで1セルにまとまっています。クラスタごとに行を複製するとピボット集計で同じ観測が二重計上されるため、この形式になっています。クラスタ単位で厳密に集計したい場合は、エクスポート時のクラスタフィルタで対象を絞るのが確実です。

「自社はAI回答の中で、競合と比べてどの位置にいるのか」は、競合シェアのデータセットで表現します。このCSVは自社と各競合が同じ行構造で出力されるため、ピボット1回で自社vs競合の比較表が作れます。

• シェア推移マトリクス — 行=対象（自社・各競合）、列=期間、値=言及シェア。市場内の位置取りの変化が一目で分かる
• シェアは合計100%になる設計 — 各期間のシェアは「自社+全登録競合+競合外」の母数に対する割合のため、そのまま円グラフ・帯グラフにできる
• 競合の動きをコメントに反映 — シェアを伸ばした競合がある期間は、その競合の発信・露出の変化を調べてコメントに添えると、レポートの説得力が上がる

どのドメインがAI回答に引用されているか（引用ドメイン）の観測と組み合わせると、「シェアを取っている競合は、どの情報源経由で引用されているのか」まで踏み込んだ分析になります。

CSVを自由に再集計できることは、誤った集計もできてしまうことと表裏一体です。AI検索の観測データに固有の注意点を4つ挙げます。

最後に、ここまでの内容を毎月の運用に落とし込む手順です。1回目に型を作り、2回目以降は「エクスポートして差し替えるだけ」の状態を目指します。

1. STEP 1

   レポートの型を決める — 報告先ごとに使うデータセット・期間・集計単位を固定する

2. STEP 2

   CSVをエクスポートする — ダッシュボードから条件を指定して出力する（条件は保存され、次回は同じ設定で再出力できる）

3. STEP 3

   ピボットテーブルの雛形に投入する — 前回のレポートファイルを複製し、データ範囲を差し替える

4. STEP 4

   変化点にコメントを添える — 前期比・競合差の背景にある施策や外部要因を1〜2行で言語化する

5. STEP 5

   翌月も同じ条件で繰り返す — 同じプロンプトセット・同じ条件の推移データが資産になる

レポートで弱点が見えたら、次は改善です。言及率・引用率を伸ばす具体的な施策はAI検索の改善方法で、レポートまで含めた観測ツールの選び方はAI検索分析ツール比較で解説しています。