top of page
ネットフェニックス合同会社_ゴールド_edited.png

GEO/LLMOのROI計測とKPI設定とは?AI検索時代のトラフィック減を補う「指名検索」と「コンバージョン貢献度」の定量的評価法

10月18日
読了時間: 9分

AI検索(ChatGPT Search, Perplexity, Gemini, Claude等)の定着に伴い、Webサイトへのオーガニックトラフィック(自然検索流入数)が減少する「ゼロクリック検索(Zero-Click Search)」が完全に一般化した。これにより、従来の「SEO=セッション数やPV数の最大化」というKPIモデルは完全に破綻している。


GEO/LLMO(生成エンジン最適化 / LLM最適化)における真のROI(投資対効果)は、①「AI回答内での引用率・推奨シェア(Share of Model: SoM)」、②「ブランドの指名検索数およびダイレクト流入の推移」、そして③「AI参照トラフィック(AI Referral)経由の超高率なコンバージョン(CVR)」の3軸で定量的かつ複合的に評価・計測しなければならない。本稿では、トラフィック減少という数値上の錯覚に惑わされず、役員会や事業責任者を論理的に納得させるGEO独自のKPI評価モデルと会計的証明スキームを約5,000文字の解剖記事として記述する。


目次

1. 静かに進行する概念の崩壊:アクセス数頼みのSEO評価がGEOで機能しない構造的理由

企業がマーケティングの投資対効果(ROI)を算出する際、長年にわたり暗黙の前提とされてきたのが「検索順位の上昇 = オーガニックセッション(アクセス数)の増加 = コンバージョン数の増加」という一気通貫の一次関数モデルであった。


しかし、検索インフラの主役が従来の10本の青いリンク(SERP)から、LLMによる情報の統合・要約エンジン(AI OverviewsやAI検索チャット)へと移行したことで、この前提は音を立てて崩壊した。



[従来のSEO評価モデル(線形モデル)]
  キーワード検索 ──► 検索結果(SERP)1位 ──► Webサイト流入(10,000 PV) ──► CVR 1% ──► 100 CV

[現代のGEO/LLMO評価モデル(非線形・分岐モデル)]
  ユーザーの問い ──► AIが複数ソースを統合・比較して直接回答(ゼロクリック完結)
                           │
                           ├─► 【パターンA:即時意思決定】AI回答内の推奨リンクから直接来訪 ──► CVR 8.5%(超高角度)
                           ├─► 【パターンB:間接波及】認知を獲得し、後日「社名・サービス名」で指名検索 ─► CVR 12.0%
                           └─► 【パターンC:非流入解決】AI回答内で疑問が解消し来訪せず(従来型PVの消失)

AI検索エンジンは、ユーザーの複雑なプロンプト(問い合わせ)に対してWeb上の情報をスクレイピング・RAG(検索拡張生成)し、画面上で完璧に整理された比較表や解答を生成する。ユーザーはその要約文を読むだけで疑問を解決するため、特定のWebサイトをクリックして訪問する必要性が根本的に失われる。これが「ゼロクリック検索」の真実である。


ここで重要なのは、「アクセス数(PV)の減少」は必ずしも「マーケティングの敗北」を意味しないという点だ。AI回答の中で「最も推奨されるソリューション」として自社製品が提示されていれば、ユーザーはその場でのクリックを行わなくとも、強い購買意欲を持った状態でブランドを記憶する。結果として、後日の「指名検索」や「AI参照リンク経由のピンポイントな来訪」という形で、従来よりも圧倒的に高いコンバージョン率(CVR)となって結実する。


従来のPV依存型KPIにしがみつくマーケターは、この「表面的なアクセスの低下」を恐れるあまりGEOへの投資を躊躇し、AIの回答空間(シェア)を競合他社に無血開城することになる。


2. GEO/LLMOを多角的に捉える「新・3大KPI体系」の全貌

トラフィックの「量」から、AI回答空間における「質と支配力」へ評価軸を転換するため、企業は以下の3つのメトリクスを統合した新しいKPIダッシュボードを構築しなければならない。


                    ┌─────────────────────────────────────────┐
                    │      GEO/LLMO 統合KPIダッシュボード       │
                    └────────────────────┬────────────────────┘
                                         │
       ┌─────────────────────────────────┼─────────────────────────────────┐
       ▼                                 ▼                                 ▼
【1. 露出・構造指標】             【2. ブランド波及指標】           【3. 最終コンバージョン指標】
  ・SoM (Share of Model)            ・指名検索ボリューム推移          ・AI Referral CVR
  ・AI回答内引用率(%)             ・ダイレクト流入数                ・AI貢献コンバージョン数
  ・エンティティ固定度             ・ソーシャルプルーフ言及数        ・顧客獲得単価(CAC)削減幅

2-1. 露出・構造指標:SoM(Share of Model / モデル内推奨シェア)

SEOにおける「検索順位」に代わる最も重要な指標がSoM(Share of Model)である。これは、自社のターゲット領域における主要なプロンプト(例:「2026年 おすすめのB2B受発注システム」「〇〇業界 課題 解決策」など30〜50個のクエリ群)をAIに入力した際、「全回答の中で自社ブランドが言及・推奨・引用された割合(%)」を数値化したものだ。


  • SoM(%)の計算式:


    $$\text{SoM (\%)} = \left( \frac{\text{自社ブランドがポジティブに推奨・引用されたAI回答数}}{\text{実行したターゲットプロンプトの総数}} \right) \times 100$$

  • 目標水準: 主要業界クエリにおいてSoM 30%以上を獲得することが、市場でのリーダーシップを証明する閾値となる。


2-2. ブランド波及指標:指名検索(Branded Search)とダイレクト流入の推移

AI検索によって自社を知ったユーザーは、AI回答内のテキストを認知の足がかりとし、後からGoogleやYahoo!で「社名」や「プロダクト名」を直接検索する行動をとる。


Google Search Console(GSC)およびGoogle Trendsにおいて、一般キーワード(ノンブランドクエリ)のインプレッションが減少している一方で、ブランド名(指名クエリ)の表示回数およびクリック数が上昇している現象が確認できれば、それはGEO施策が強力な「認知獲得エンジン」として機能している明確な証拠である。


2-3. 最終コンバージョン指標:AI Referral(AI参照トラフィック)のCVRと貢献度

GA4(Google アナリティクス 4)等のアクセス解析ツールにおいて、chatgpt.com、perplexity.ai、claude.ai などのAIサービスから直接流入してくるユーザーの行動を追跡する。


AI回答内のリンクをクリックして来訪するユーザーは、事前にAIによる厳密な比較やスクリーニング、要約を経て「この記事(自社サイト)が自らの課題に対する最適な回答である」と納得した上で訪問している。そのため、従来の自然検索流入と比較してCVR(コンバージョン率)が2倍〜5倍に跳ね上がるという特徴を持つ。

3. 役員会・事業責任者を納得させる会計的ROI算出モデルと証明スキーム

「PVが減っているのに、なぜGEOに予算を投じるのか?」という経営陣や財務部門からの冷徹な問いに対しては、感性や抽象論ではなく、厳密な財務・会計的モデルを用いて説明しなければならない。


3-1. GEO総合貢献売上(Total GEO Attributed Revenue)の算出方程式

GEO施策がもたらす直接的・間接的な経済的価値は、以下の複合方程式によって算出される。


$$\text{GEO総合貢献売上} = R_{\text{direct}} + R_{\text{branded}} + R_{\text{cac\_saved}}$$

各変数の定義と計算ロジックは以下の通りである。


  1. 直接AI流入売上 ($R_{\text{direct}}$):

    GA4等で計測された、AI検索エンジン(Perplexity, ChatGPT Search, Claude等)のドメインを参照元(Referral)とするコンバージョン売上の直接合計額。


    $$R_{\text{direct}} = \text{AI Referral セッション数} \times \text{AI Referral CVR} \times \text{平均顧客単価 (LTV)}$$

  2. 指名検索増分売上 ($R_{\text{branded}}$):

    GEO施策開始前のトレンドライン(傾向線)と比較し、施策開始後に「ブランド名・社名クエリ」の検索から発生したコンバージョン売上の自然増分。


    $$R_{\text{branded}} = (\text{施策後の指名CV数} - \text{施策前の指名CV過去平均}) \times \text{平均顧客単価 (LTV)}$$

  3. 広告代替・CAC削減価値 ($R_{\text{cac\_saved}}$):

    AI回答内で最推奨枠(SoM)を獲得したことにより、本来であればリスティング広告(PPC広告)や展示会出展で獲得すべきであった同等の「意図の高い見込み客(SQL)」を自然獲得できたことによるWeb広告費の削減想定額。


    $$R_{\text{cac\_saved}} = \text{AI経由獲得リード数} \times \text{既存リスティング広告における想定CPA}$$

3-2. 役員会提出用 財務ROI試算の具体例

以下の条件でGEO最適化プロジェクト(外部コンサルティング、構造化データ改修、コンテンツの回答カプセル化リライト)を実施した場合の試算モデルを示す。


  • 年間GEO投入コスト(投資額): 400万円


  • 1年間の成果実績データ:


    • 直接AI流入 ($R_{\text{direct}}$): 1,200セッション / CVR 8.0% / 96 CV / 単価10万円 = 960万円


    • 指名検索増分 ($R_{\text{branded}}$): 指名クエリCVが年間40件増加 / 単価10万円 = 400万円


    • 広告費削減価値 ($R_{\text{cac\_saved}}$): 同等の高角度リード136件をリスティング広告(CPA 3万円想定)で獲得した場合の節約額 = 408万円


  • GEO総合貢献額: $960\text{万円} + 400\text{万円} + 408\text{万円} = \mathbf{1,768\text{万円}}$


$$\text{GEO施策の最終 ROI (\%)} = \frac{1,768\text{万円} - 400\text{万円}}{400\text{万円}} \times 100 = \mathbf{342.0\%}$$

PV数という「表面的なトラフィック」のみを凝視している限り、この1,768万円という実質的な事業成長価値は絶対に見えてこない。経営陣には、「質の低い万単位のPVを獲得する時代から、AIの推薦による数百件の超・高意図顧客を効率的に刈り取る時代への転換」をこの数値とともにプレゼンテーションすべきである。

4. 実務ツール別:GEO計測環境の具体的セットアップ手順

抽象的な理論を現場の運用に落とし込むため、既存のマーケティングインフラ(GA4およびGSC)を用いた具体的な計測設定プロトコルを解説する。


4-1. GA4(Google アナリティクス 4)における「AI Referral チャネル」の統合設定

GA4のデフォルト設定では、PerplexityやChatGPTからの流入は「Referral」や「Organic Search」にバラバラに分類され、GEOの成果として一括集計できない。チャネルグループのカスタムルールを作成するか、データ探索で以下の正規表現フィルターを設定する必要がある。


【カスタムチャネル定義の正規表現(Regex)】

参照元(Source)の条件に以下のパターンを登録し、単一の「AI Traffic / GEO」チャネルとして定義する。

コード スニペット


.*(chatgpt\.com|openai\.com|perplexity\.ai|claude\.ai|gemini\.google\.com|copilot\.microsoft\.com|bing\.com\/chat).*

[GA4 トラフィック種別ごとの質的比較レポート例]

  チャネルグループ          セッション数    エンゲージメント率    CVR       コンバージョン数
  ───────────────────────────────────────────────────────────────────────────
  1. Organic Search (従来)  50,000         42.0%              1.1%      550 CV
  2. Paid Search (広告)     20,000         38.0%              2.0%      400 CV
  3. AI Referral (GEO)       3,000         78.5%              8.2%      246 CV  ◄─―[高効率]

このレポートが示す通り、AI Referralはセッション数こそ従来のOrganic Searchの16分之1に過ぎないが、コンバージョン数においては約半分(246 CV)を叩き出している。これこそが、GEOが「高効率な営業代行AI」としてWebサイト機能している証拠に他ならない。


4-2. Google Search Consoleによる「指名検索シフト」の定量追跡

GSCを活用し、GEO施策が「ブランド認知」へ及ぼした影響を可視化する手順:


  1. クエリのグループ化フィルターの設定:


    • グループA(指名クエリ): 自社名、サービス名、代表者名などのKWを含む検索


    • グループB(一般クエリ): 業界用語、課題解決ワードなどのKW


  2. 時系列比較(GEO施策の導入前後6ヶ月):


    • 一般クエリの「クリック数」が微減または横ばいであっても、「表示回数(インプレッション)」が向上しているか確認する(AI概要のソースとしてGoogleに認識されているか)。


    • 指名クエリの「表示回数」および「クリック数」のグラフが右肩上がりで推移しているかを確認する。この二項の交差(クロスマッチ)こそが、AI検索時代の正しい成長曲線(GEOカーブ)である。

5. まとめと次回予告:数値の幻影を捨て、真の市場シェアを獲得せよ

アクセス数という過去の成功体験がもたらす数値の幻影を捨て去ること——それこそが、AI検索時代において企業が生き残るための最初の試練である。


トラフィックの絶対数が減少することを恐れてはならない。真に恐れるべきは、ユーザーが疑問を抱き、AIに問いを投げかけたその一瞬、自社という存在がAIの思考回路(ベクトル空間)から完全に抹消されていることなのだ。


SoM(Share of Model)を計測し、指名検索の波を作り出し、AI経由の質の高い顧客を確実に成果へと結びつける評価体系を、今すぐ自社の組織内に構築されたい。

この記事の執筆者

坂本 迪宇

ネットフェニックス合同会社 代表取締役


神戸市在住。営業(全国5位)、コールセンターの現場改善、難関塾(灘中・洛南・東大寺・開成・麻布など)のマーケティング(10年で灘中合格約100名)を経験。泥臭い「現場の対話」と「再現性のある仕組み」を武器に、企業の集客と組織づくりを支援しています。


👉 Web制作実績・事例を見る

👉 採用成功事例を見る

👉 お問い合わせはコチラ


SNS



bottom of page