AI可視性
ChatGPT、Gemini、Perplexity などの答えの中で、あなたの会社やサービスがどれだけ出てくるか、どう扱われているかの度合いです。検索エンジンの順位と違い、答えは毎回変わるため、1回の結果では測れません。同じ質問を何度も投げて割合で表します。
ChatGPT や Gemini、Perplexity の答えの中で、あなたの会社がどう扱われているかを数字にするとき、同じ言葉が人によって違う意味で使われています。「言及された」と「勧められた」は違いますし、「引用された」も何を数えたかで意味が変わります。このページは、PromptCensus が計測とレポートで使う言葉を、その定義のまま公開したものです。前半は計測の結果を読むための言葉、後半は測り方そのものを確かめるための言葉です。
ChatGPT、Gemini、Perplexity などの答えの中で、あなたの会社やサービスがどれだけ出てくるか、どう扱われているかの度合いです。検索エンジンの順位と違い、答えは毎回変わるため、1回の結果では測れません。同じ質問を何度も投げて割合で表します。
社名を指定しない質問（「おすすめの採用管理システムは」）が無指名の質問、社名を含む質問（「◯◯の評判は」）が指名の質問です。指名の質問で社名が出るのは当然なので、可視性の計測には無指名の質問だけを使います。
答えの本文に社名やサービス名が出ることです。勧められたか、説明の材料として出ただけかは問いません。
答えの中で、あなたの会社を「おすすめ」「候補」として前向きに挙げているものです。社名ごとに、勧める・説明・否定のどれにあたるかを判定します。「A社と比べると B社は価格が高い」という一文で B社は言及されていますが、勧められてはいません。この区別が、可視性を「見え方」から「選ばれ方」に変えます。
推薦率は、無指名の質問への答えのうち、あなたの会社が勧められた割合です。PromptCensus が中心に置く数字です。言及率は、勧められたかを問わず社名が出た割合で、推薦率の参考値として並べます。言及率は説明や否定を含む合算なので、単独では「選ばれ方」を表しません。
答えに付いた参考ページのリンクです。どのページが答えの根拠に使われたかを URL 単位で数え、ドメインごと、ページごとに集計します。出典を見ると、社名が出たときに「あなたの会社のサイト」「比較記事」「プレスリリース」のどれが根拠になったかが分かり、次に手を入れる場所が決まります。
同じ質問を独立に何回も投げることが反復です。1回の答えは「出た・出なかった」の二択にしかならないため、反復して割合を出します。割合には幅が付きます。10回中3回出た会社と、100回中30回出た会社は同じ30%ですが、幅は後者の方が狭く、次の週も30%前後に収まる見込みが高いことを意味します。PromptCensus は1パネルにつき30の質問を3回ずつ、3つのエンジンで週に270回投げ、推薦率と言及率を幅つきで記録します。
施策の前と後を同じ物差しで比べることです。同じ質問セット、同じ反復回数、同じエンジンで測った推薦率を並べ、差が幅を超えて動いたかを見ます。週ごとの上下は幅の中に収まることが多いため、1週の差で施策の効果を判断しません。
掲載や公開が、答えに映るまでの時間です。媒体とエンジンで違います。当社の週次計測では、プレスリリースは配信直後の週に集中して読まれ、その後は新しいリリースに場所を譲ります。比較記事のような一覧は長く読まれ続けます。記事媒体は新しい記事が入る枠が狭く、入るときは公開から数日で入ります。「公開して1週間で出ない」は、まだ判定できない状態です。
計測は「いま何%で、何が根拠に使われているか」を出すこと、施策はそれを動かすためにサイトや記事や掲載を変えることです。先に測ってから施策を選ぶと、施策の前後を同じ物差しで比べる形になります。PromptCensus は計測と示唆までを提供し、サイトの実装や記事の執筆は行いません。
前半の数字がどう作られているかを確かめるための言葉です。造語は PromptCensus が定義した語、限定は一般の用語に当社の限定を付けた語です。
質問に答えを返す観測の単位です。モデルに、検索の仕組み、システムプロンプト、配信の経路を合わせた合成物を指し、モデル名とは区別します。「ChatGPT の有料画面」「ChatGPT の無料画面」「API 経由の gpt-5-mini」は3つの別のサーフェスです。公表する数字には、どのサーフェスを、何反復で、いつ測ったかを必ず付けます。
サーフェスのうち、モデル以外の部分です。検索の取り込み、システムプロンプト、生成の設定、経路の切り替えなど。
答えを作るときに Web 検索の結果を根拠として取り込むことです。同じ「検索あり」でも、製品画面の検索と API の検索は別の実装で、別のサーフェス要素として扱います。
本当に知りたい対象（利用者が画面で見る答えの分布）の代わりに測る、観測できる量です。当社では API 経由の計測がこれにあたります。代理変数が対象を代表しているかは仮定せず、実測で確かめます（次の天井比）。
同じサーフェスに同じ質問を独立に複数回投げたとき、答え同士がどれだけ一致するかが自己一致です。当社は答えに出た社名の集合の重なりで測ります。検索を使うサーフェスの自己一致は、おおむね0.5〜0.7に収まります（2026年7月の実測。「同じ質問でも答えは半分程度しか再現されない」の定量表現です）。この自己一致を天井と呼びます。どんな計測も、対象サーフェス自身の再現性を超える一致は出せないためです。
異なるサーフェス同士の一致がクロス一致、それを天井で割ったものが天井比です。1.0 なら、対象サーフェスの別サンプルと統計的に区別がつきません。当社は天井比 0.8 以上を代理変数として使える基準にしています。
一致の2つの側面です。幅は答えのばらつきの大きさが同程度か、傾向は反復を平均した言及率の中心がずれていないかです。幅が合っても傾向がずれることがあるため、両方を開示します。
反復しても消えない偏りと、反復すれば平均が安定するばらつきです（統計では系統誤差とランダム誤差にあたります）。傾向のずれは偏りであり、計測回数を増やしても解消しません。
同じ質問の独立した実行です。週次計測は3反復です。1回だけ実行した結果は、当社の公表対象にしません。
判定の基準と解析の手順を、データを取る前に文書化し、git のコミットで時刻を固定する運用です。結果を見てから基準を変えることを、仕組みとして防ぎます。事前登録のあとにやむを得ず変える場合は、理由と時刻を明記して追記します（プロトコル修正）。
代理変数と対象サーフェスの一致を定期的に測り直すことです。サーフェスは予告なく変わるため、一度合っていた計測が合い続ける保証はありません。
「AI に引用された」を2つの軸で割る考え方です。軸1は指名か無指名か、軸2は勧める・説明・否定のどれかです。合算した引用率は、指名の検索が増えただけで上がるため、無指名で勧められた1マス（推薦率）を中心の指標にします。
答えの中で社名がどう扱われたかの区分です。勧めるは利用者の要望への選択肢として前向きに提示、説明は例示や文脈や比較の相手として名前が出るが勧めてはいない、否定は避けるべき・合わないと述べる。判定は LLM の審判で行い、推薦率に数えるのは「勧める」だけです。
業種ごとの検出対象の一覧です。正式名と表記ゆれの辞書で、答えの本文を機械的に照合します。目視では数えません。辞書に無い社名は「存在しない」扱いになるため、答えに出た未登録の社名を毎週拾い上げて辞書に足します。
出典の URL を、答えを作るときに果たした役割で分ける軸です。発見は候補の一覧を作る（おすすめ一覧、比較記事）、検証は候補の事実確認（公式サイト、料金）、評判は勧め方の調子に効く（レビュー、調査）。掲載施策の期待値を見積もるときに使います。
答えに表示される出典は、候補を見つけた元、評価に効いた元、根拠として表示された元のうち最後のものに偏り、三者は一致しないことがあります。出典の地図は「繰り返し出る＝観測上重要」という痕跡として読み、AI が内部で参照した全てとは説明しません。
「少なくとも一方でゼロ」だった組のうち、両方ゼロだった割合です。「あなたの会社は出てこない」という診断そのものの再現性を確かめる指標です。
答え同士の顔ぶれの一致は Jaccard 一致率（社名集合の積÷和）、並び順の一致は Spearman の順位相関で測ります。割合の幅は、質問単位の再抽出（bootstrap）による95%信頼区間で出します。分布の形は仮定しません。
「言及されない」と断言するときは、サーフェス間の差（無料画面はほぼ常に何かを挙げる）を明記します。
改訂日: 2026-09-30。