AI検索の競合分析5ステップ｜SOVとポジション把握で差をつける方法

AI検索の競合分析とは、ChatGPT・Gemini・Perplexity・Google AI Overviewsなどが生成する回答の中で、自社と競合がどの程度・どのように言及されているかを比較する手法です。核心は「SOV（AIシェア・オブ・ボイス）」という言及量の指標と、「ポジション」という言及順位・文脈・センチメントの質を分けて評価することにあります。本記事では競合特定からプロンプト設計、計測、SOV算出、改善アクションまでの5ステップを、計算式の具体例と記録用テンプレートを交えて解説します。

AI検索の競合分析とは？なぜ今SOVとポジション把握が重要なのか

AI検索の競合分析とは、生成AIの回答内で自社と競合がどの程度・どのような文脈で言及されているかを比較し、AI検索での立ち位置を把握する取り組みです。ゼロクリック検索が広がる中、AIの回答だけで比較検討が完結する利用者が増えており、言及される・されないの差がそのまま将来の市場シェアに直結すると考えられています。

従来のSEO競合分析は、検索順位や被リンク数、コンテンツ量といった「掲載されるかどうか」の観点が中心でした。一方でAI検索の競合分析は、AIの回答という限られた枠の中で「誰が・何社・どの順番で・どう語られて」登場するかを見る必要があり、評価軸そのものが異なります。

観点	SEOの競合分析	AI検索の競合分析
評価対象	検索結果の順位・表示回数	AI回答内の言及有無・順位・文脈
主な指標	検索順位・被リンク・流入数	AI SOV・引用ポジション・センチメント
競合の枠	同じキーワードで上位表示される企業	AIが並べて推薦する3〜5ブランド
変動性	比較的緩やか	回答生成のたびに変動しやすい

従来のSEO競合分析とAI検索の競合分析の違い

AI検索の競合分析では、検索順位という単一の尺度ではなく、AIの回答内でどの企業と並べて語られ、何番目に紹介されるかという相対的な立ち位置を見る必要があります。AIの回答は通常3〜5ブランド程度しか推薦しないと言われており、この枠に入れるかどうかが顧客の初期検討に大きく影響すると指摘されています（Amicited）。

したがってSEOで上位表示されていても、AIの回答枠に入っていなければ接点を失っている可能性があります。両者は補完関係にあるため、SEOの成果とAI検索での言及状況は別軸で確認することが望ましいと言えます。

SOV（量）とポジション（質）の違い

SOVは「言及された回数の割合」という量の指標であり、ポジションは「言及順位・フレーミング・センチメント」という質の指標です。言及された回数が多くても、常に最後に付け足しのように紹介されていたり、ネガティブな文脈で語られていたりすれば、実質的な効果は限定的です。

そのため競合分析では、まずSOVで「見えているかどうか」を確認し、次にポジションで「どう見えているか」を確認するという二段構えで評価することが重要になります。この観点の分離は、AI検索対応（AI検索対策）の優先順位づけにも直結します。TechSuite株式会社の「AI検索パートナーズ」は、自社サイトにおけるAI Share of Voiceが高水準を維持しており、支援先ではAI Overviewの引用率を改善した実績を積み重ねています。

AI SOV（シェア・オブ・ボイス）の定義と計算式

AI SOVとは、ChatGPTやGemini、Perplexityなどが生成する回答の中で、自社が競合と比べてどの程度引用・推奨されているかを示す指標です。将来の市場シェアを先取りして測る指標として注目されており（SwitchItMaker2）、まず計算式を理解することが分析の出発点になります。

基本的な計算式は「（ブランドが言及されたAI回答数 ÷ テストしたプロンプト総数）× 100」です。たとえば20個のプロンプトを5つのプラットフォームでテストすると合計100回答になり、そのうち35回答で自社が登場した場合、AI SOVは35%になるという具体例が示されています（Amicited）。別の算出方法として「ブランドXの言及シェア(%)＝ブランドXの言及回答数 ÷ 全ブランドの言及回答数の合計 × 100」もあり、こちらは競合との相対比較に向いています（AIOPulse）。

算出方法	計算式	数値例
プロンプト総数基準	言及回答数 ÷ テスト総数 × 100	100回答中35回答で言及＝35%
全ブランド言及数基準	自社言及数 ÷ 全ブランド言及数合計 × 100	15回答中9回言及（他社12回・6回）＝約33.3%
自社シミュレーション例	上記いずれかを月次で継続算出	自社40%・競合A35%・競合B25%（仮定）

計算式と具体例

実際の分析では、同じプロンプトセットを複数のAIプラットフォームに投げ、自社と競合それぞれの言及回数を集計してから上記の式に当てはめます。自社40%・競合A35%・競合B25%といった数値が出た場合、単純な差だけでなくどのプロンプト種別で差がついているかまで分解して見ることが改善策の精度を左右します。

たとえば「比較型」のプロンプトでは競合Aに劣っているが「手順型」では自社が優位、といった内訳が見えると、次に強化すべきコンテンツ領域が明確になります。

ポジションを測る3指標

AI可視性を測る必須指標として、プレゼンス（言及の有無）、センチメント（語られ方の文脈・トーン）、比較ポジション（回答内で何番目に登場するか）の3つが挙げられています（Amicited）。SOVだけでは、この3つのうち「量」しか捉えられません。

そのため計測記録の段階から、言及の有無に加えて何番目に紹介されたか、どのようなニュアンス（推奨・比較対象・注意喚起など）で語られたかまで記録しておくことが重要です。TechSuite株式会社の「AI検索パートナーズ」は、構造化データの実装や意味的文脈の整合、エンティティ認識、想定質問の分解といった技術的アプローチを通じて、AIが自社をどう認識し引用するかという一次情報設計まで踏み込んで対策を行っています。構造化データの考え方はGEO（生成エンジン最適化）とはで詳しく解説しています。

AI検索の競合分析5ステップ【全体像】

AI検索の競合分析は、①競合特定、②プロンプト設計、③計測・記録、④SOV算出と分析、⑤改善アクション策定という5つのステップに整理できます。この順序を守ることで、思いつきの単発チェックではなく再現性のある分析フローとして運用できます。

この5ステップの考え方は、AIOPulseが提示する「ジョブ（キーワード）洗い出し→質問テンプレート用意→言及ブランド記録→言及シェア計算→定点観測」という流れ（AIOPulse）や、Ahrefsが示す競合特定からステークホルダー共有までの8段階のプロセス（Ahrefs）を、実務で扱いやすい粒度に再構成したものです。

ステップ	やること	主な出力物
ステップ1	比較対象ブランド（競合）を3〜5社特定する	競合セットリスト
ステップ2	AIに投げるプロンプトを20問程度設計する	プロンプトリスト
ステップ3	複数AIで回答を収集し記録する	記録スプレッドシート
ステップ4	SOVを算出し競合ポジションを可視化する	SOV数値・マッピング図
ステップ5	改善アクションを優先順位付けして実行する	アクションプラン

ステップ1〜5の全体像

各ステップは独立した作業ではなく、前工程の精度が後工程の精度を左右する連続したプロセスです。競合セットの定義が曖昧なまま計測を始めると、SOVの数値そのものが比較対象として意味を持たなくなってしまいます。

そのため最初の2ステップ（競合特定とプロンプト設計）にかける時間を軽視しないことが、分析全体の精度を大きく左右します。

手動分析とツール活用の違い

無料・手動での分析は、数キーワードでの単発調査による現状把握には有効ですが、AIの回答は日々変動するため単発計測では正確なトレンドが見えにくく、日次での継続計測は工数的にほぼ不可能という限界があります（AIOPulse）。

そのため、まず手動で現状把握を行い、継続運用のフェーズに入る段階で専用ツールの導入を検討するという段階的な進め方が現実的です。TechSuite株式会社の「AI検索パートナーズ」は、戦略設計から技術実装、計測、改善までを一つのチームで一気通貫に支援できる体制を整えており、手動分析からツール導入への移行判断も含めて伴走できます。

競合特定とプロンプト設計はどう進める？（ステップ1・2）

ステップ1では自社の主要ビジネスキーワードでAIが実際に並べて言及する競合を3〜5社特定し、ステップ2ではその競合と自社を比較できる質問（プロンプト)を20問程度設計します。この2ステップの精度が、以降のSOV算出の信頼性を決めます。

競合には「AIが並べて言及する競合」「引用元として扱われる競合」「ユーザーが実際に比較検討する競合」という3タイプがあり、これらは必ずしも一致しません。自社名・製品名・ドメイン名などブランドの表記バリエーションも事前に洗い出しておくと、後の記録作業で言及の見落としを防げます。

プロンプトカテゴリ	質問の例	確認できること
定義型	「〇〇とは何ですか」	用語・概念の説明で自社が触れられるか
比較型	「〇〇と△△の違いは」	競合との比較文脈での立ち位置
推薦型	「〇〇におすすめの会社は」	推薦リストへの登場順位
手順型	「〇〇を始める手順は」	実践的な文脈での引用のされ方

競合エンティティの整理方法

競合エンティティの整理では、単に社名を並べるのではなく、AIがどの文脈でその企業を認識しているかまで確認することが重要です。自社の主要ビジネスキーワードを20問程度リストアップし、ChatGPT・Perplexity・Geminiの各AIに入力して企業名やURLの言及を記録するという手順が実務的です（Jinrai）。

この段階でブランドエンティティが曖昧だと、後続のSOV集計で自社の言及を数え漏らすリスクがあるため、旧サービス名や略称も含めて記録対象を定義しておくことが望ましいです。

プロンプトリストの作り方

プロンプトはSEOキーワードの延長ではなく、ユーザーが実際にAIへ話しかける自然な言い回しで設計する必要があります。定義型・比較型・推薦型・手順型など複数カテゴリに分けて作成すると、どの文脈で自社の言及が弱いかを特定しやすくなります。

TechSuite株式会社の「AI検索パートナーズ」は、業種・商材・課題に応じて競合セットの定義やプロンプト設計そのものを個別にカスタム設計しており、テンプレートの流用ではなく企業ごとのボトルネックを起点にした分析設計を行っています。プロンプト設計の考え方はAI検索対策の記事でも解説しています。

計測・記録とSOV算出はどう進める？（ステップ3・4）

ステップ3では設計したプロンプトを複数のAIプラットフォームに実際に入力して回答を記録し、ステップ4ではその記録からSOVを算出して競合ポジションを可視化します。この2ステップを通じて、初めて数値として自社の立ち位置が見えるようになります。

AIプラットフォームには特性の違いがあり、ChatGPTは利用者が多くWeb検索統合が進んでいる、GeminiはGoogle検索エコシステムとの連携が強い、Claudeは長文分析でバランスの取れた回答を生成しやすい、Perplexityは引用元を明示する特徴があるとされています（AIOPulse）。この違いを踏まえて、記録時にはプラットフォーム名も必ず残すようにします。

項目	記録内容の例
計測日	2026年3月1日
プロンプト種別	推薦型
LLM名	ChatGPT／Gemini／Perplexity など
言及ブランド	自社・競合A・競合B
自社の登場順位	2番目（3社中）
文脈・センチメント	比較対象として中立的に紹介

記録用スプレッドシートの項目

記録用スプレッドシートには、計測日・プロンプト種別・LLM名・言及ブランド・自社の登場順位・文脈やセンチメントの6項目を最低限含めておくと、後からSOVだけでなくポジションの傾向も遡って確認できます。AI検索での競合分析には、メンション数・引用数・インプレッション・AIシェア・オブ・ボイスという4つの指標があり、表示の有無だけでなくどのように取り上げられているかまで含めて評価することが重要とされています（Ahrefs）。

この記録を月次で積み重ねることで、単発の数値ではなく時系列のトレンドとして自社と競合の変化を追えるようになります。

競合ポジションマッピングの見方

SOVを算出したら、自社と競合の数値を棒グラフや時系列グラフで可視化し、どのプロンプトカテゴリで差がついているかを競合マッピングとして整理します。AI検索の競合分析で見るべき指標としては、AI引用頻度・AI引用ポジション・構造化データの実装状況・ドメインオーソリティ・サイテーション数・コンテンツのカバレッジ・SNSのフォロワー数とエンゲージメント率という7つが挙げられています（Jinrai）。

特に、自社が引用されず競合だけが引用されているクエリ（いわゆるブルーオーシャンクエリ）を見つけられると、そこが次に優先して対策すべきコンテンツ領域になります。TechSuite株式会社の「AI検索パートナーズ」は、バクヤスAI記事代行事業で培ったAIを活用したコンテンツ制作の仕組みをLLMO対策に転用しており、こうしたブルーオーシャンクエリに対応するコンテンツを検索意図の分解に沿って高品質かつ高速に設計できます。制作面の考え方はLLMO対策の記事でも紹介しています。

分析結果を改善アクションと継続運用につなげるには？（ステップ5＋運用）

ステップ5では分析結果を具体的な改善アクションに変換し、その後は月次を目安に継続的なモニタリングへつなげます。分析は一度きりで終わらせるものではなく、施策の効果測定と次の打ち手の発見を繰り返すサイクルとして運用することが前提になります。

改善アクションとしては、一次情報（独自調査・実験結果・未公開統計データ）の掲載、構造化データ（Schema Markup／JSON-LD）の実装、アンサーファースト（冒頭2〜3文での結論提示）、サイテーション（第三者からの肯定的言及）の獲得、一貫したブランドメッセージの発信という5つが有効とされています（SwitchItMaker2）。加えて、独自データやケーススタディでの差別化、競合が実装していない構造化データでの先行、競合が対応していないニッチクエリの攻略という3つの逆転戦略も提示されています（Jinrai）。

アクション類型	内容	優先度の目安
修正	既存ページのアンサーファースト化・構造化データ追加	高（低コストで即着手可能）
構築	一次情報・独自調査コンテンツの新規作成	中（中期的な差別化）
影響	第三者メディアへのサイテーション獲得	中〜長期（信頼性の積み上げ）

改善アクションの優先順位付け

改善アクションは「修正・構築・影響」の3類型に整理すると優先順位をつけやすくなります。既存ページの修正は着手コストが低く即効性が見込めるため、まず修正系のアクションから着手し、その後に構築・影響系の中長期的な施策へ移行する順序が現実的です。

分析結果は経営層や関係部署にも共有する必要があり、HubSpotの活用法でも基準値設定から競合ポジショニング分析、最適化機会の特定、戦略的改善の実施という4ステップでのレポート運用が案内されています（HubSpot）。

モニタリング頻度と社内共有

モニタリングの頻度は、現状把握フェーズでは1回限りの調査、施策効果測定フェーズでは月1回程度、本格運用フェーズでは週次〜月次でのトラッキングが目安とされています（Jinrai）。頻度を決めたら、社内共有用のレポート項目もあらかじめ固定しておくと運用が安定します。

TechSuite株式会社の「AI検索パートナーズ」を通じたAI検索対策では、AI検索経由での受注率が従来のSEO経由の約3倍となった実績があり、露出や順位そのものではなく受注という成果につながる改善アクションの選定と優先順位付けを重視しています。費用面の考え方はLLMO対策の記事も参考になります。

よくある質問

SOVとポジションのどちらを優先して見るべきですか？

まずSOVで言及の有無や量を確認し、その後にポジション（登場順位や文脈・センチメント）で質を確認する順序が実務的です。SOVが高くてもネガティブな文脈で語られていれば改善の緊急度は高くなるため、片方だけで判断しないことが重要です。

AI検索の競合分析はSEOの競合分析とどう違いますか？

SEOの競合分析は検索順位や被リンクなど「掲載されるかどうか」を中心に見ますが、AI検索の競合分析はAIの回答内で誰と並んで何番目にどう語られるかという相対的な立ち位置を見る点が異なります。両者は補完関係にあり、どちらか一方だけで十分とは言えません。

分析の頻度はどのくらいが適切ですか？

現状把握の段階では1回限りの調査で十分ですが、施策の効果測定を行う段階では月1回程度、本格的な運用フェーズでは週次から月次での継続トラッキングが目安とされています。AIの回答は日々変動するため、単発計測だけではトレンドを見誤るおそれがあります。

中小企業でも大手に勝てますか？

AIは企業規模や広告費よりも特定テーマへの集中度や専門性の深さ、一貫性を重視して引用先を選ぶ傾向があるとされています。そのため絞り込んだテーマで独自視点のコンテンツを作ることで、中小企業でもAI SOVにおいて優位に立てる可能性があります。

まとめ

AI検索の競合分析は、SOVという言及量の指標とポジションという言及順位・文脈・センチメントの質の指標をセットで評価することが要点です。競合特定、プロンプト設計、計測・記録、SOV算出、改善アクションという5つのステップを順に踏むことで、思いつきの単発チェックではなく再現性のある分析フローとして運用できます。

改善アクションは修正・構築・影響の3類型で優先順位をつけ、月次を目安に継続的なモニタリングへつなげることが望ましいと言えます。まずは自社の競合セットとプロンプトリストを定義し、実際にAIへの入力を始めてみることが次の一歩になります。

参考にした情報源

• Ahrefs「AI検索での競合分析」
• SwitchItMaker2「AI SOVとは」
• Jinrai「AI検索での競合分析の具体的な実施手順」
• AIOPulse「AIO競合分析のやり方」
• Amicited「AI検索のシェア・オブ・ボイス」
• HubSpot「AI検索分析ツール」