AI検索の時代において、私たちはいったい何と戦っているのでしょうか。

順位でしょうか。
競合でしょうか。
それともアルゴリズムでしょうか。

前回の記事では、Rand Fishkinの実験をもとに、AI検索には「固定された順位」という概念が存在しないことを確認しました。生成AIはランキング装置ではなく、問いに対する答えの候補が広がる「意味の分布装置」です。重要なのは何位かではなく、何度問い直されても候補に残る確率、すなわち出現率（Visibility）でした。

その議論をさらに補強するデータが、Mike Sondersによる「Most AI Visibility Tracking is Misleading」です。Mikeは、同一プロンプトを100回実行すると、出現ブランドは大きく揺れ動く。しかし、その中には高頻度で繰り返し現れる重心のような存在があるという実験結果を示しました。この事実は、生成AIの内部に確率分布の偏りがあることを改めて示していると筆者は考えます。

ここで自然に浮かぶ問いがあります。

「もし意味の分布に偏りがあるのなら、私たちはその中でどう戦うべきなのか？」

競争の少ないニッチに絞り、分布の中での勝率を高めるべきなのか。それとも、そもそも分布の切り出し方そのものを設計することができるのか。

本稿では、前回の記事で紹介したアトラクター（Attractor）やアンカー（Anchor）という考え方をどのようにGEOに活用していけばよいのか、その設計思想をさらに深掘りしていきたいと思います。

1.  LLMは内部に「確率の重心」を持っている

Mike Sondersによる実験では、同じプロンプトを100回実行した際、ChatGPTが挙げたブランドは平均44個にのぼりました。しかし、その中で出現率が80%を超えたのは、わずか5つに留まっています。

回答の順序は試行ごとに大きく入れ替わるものの、何度問い直しても必ず現れるブランドが存在するのです。こうした偏りが生じる背景には、生成AI特有の「構造的な理由」があります。

生成AIは内部に確率分布を持ち、そこから都度サンプリングを行います。分布の中には密度の高い領域があるため、特定の文脈では同じブランドが繰り返し選ばれやすくなるわけです。これは、前回の記事で触れたアトラクターという仮説とも見事に合致しています。

厳密に言えば、この実験が内部構造を直接証明したわけではありません。しかし、100回の試行で見られた極端な偏りは、「意味の分布に重心が存在する」という仮説を強力に裏付けるものだと言えるでしょう。

2.  ニッチ戦略は合理的である。しかし作用するレイヤーが違う  

▲競争の激しい市場（上）とニッチ市場（下）におけるブランドVisibilityの分布。競合市場ではロングテールが大半を占める一方、ニッチ市場では支配的ブランドの割合が高い。確かにニッチ市場の方が、新興企業でも高頻度で引用される確率は高い可能性がある。

Mike Sondersは次のように提案しています。

「もしあなたがビッグブランドでないなら、ニッチなカテゴリーに絞るべきだ。」

(If you’re not a big brand, you’re better off being in a niche category.）

競争の激しいカテゴリーではロングテールに埋もれやすい。しかしニッチであれば母集団が小さくなり、その中での支配的ブランドになりやすい。確率論として非常に合理的な戦略です。限られたリソースの中でVisibilityを高める、極めて実践的なアプローチと言えるでしょう。

ここで、一つ整理しておきたいポイントがあります。それは、ニッチ戦略が主に作用するのは、あくまで「既存の分布の中」での位置取りである、という点です。つまり、分布の中での立ち位置を変える戦略です。もし自社に有利な「新しい判断軸」を提示できるなら、必ずしも同じ土俵で戦う必要はないかもしれません。

ニッチ戦略とは、いわば「戦う土俵（母集団）」を限定することで勝率を引き上げるアプローチです。一方で、生成AIの検索構造には、従来の検索エンジンとはまた異なる特性が存在します。この違いを理解することで、進むべき方向が見えてきます。

3. AI検索は「ワンショット」ではなく「状態遷移」である 

従来の検索はワンショット型でした。各クエリは独立しており、前回の検索が次回の検索結果を直接的に変えることはありません。

一方、生成AIによる検索は会話型です。ユーザーは「おすすめの会計ソフトは？」と尋ね、その後「その中でレポート精度が高いものは？」と深掘りします。AIはゼロから完全に再計算しているわけではなく、前の回答で形成された文脈を引き継いで次の回答を生成します。ここがSEOとGEOの大きな違いです。

SEOは「その一回の検索」で勝つ競争でした。GEOは「探索プロセス全体」の中で想起され続けることが問われます。

人間の探索行動は、多くの場合、

• 　1. 全体像の把握
• 　2. 判断基準の形成
• 　3. 具体的選定

という段階を踏みます。

会話型検索では、上流段階で提示された判断軸が、その後の回答の切り出し方に影響を与えます。つまり、最終的な製品比較の枠を争うだけでなく、「どの観点で比較するか」を定義すること自体が、Visibilityに累積的な影響を及ぼす可能性があるのです。つまり、評価軸の提示そのものが戦略になるということです。

4.  アンカー戦略：分布を書き換えるのではなく、「切り口」を変える 

ニッチ戦略が「既存の意味分布」の中で勝率を高める戦術だとすれば、私が提唱するアンカー戦略は、その分布の「切り出し方」そのものを制御する設計です。ここで重要なのは、自社が不利な土俵、つまり既存の分布で無理に勝負して埋もれる必要はないという視点です。もし新しい判断軸を提示することで自社の商品が優位に立てるなら、従来の物差しに従う必要はありません。

アンカーとは、AIが回答を構築する際の判断フレームです。生成AIの意味空間（Manifold）は、事前学習によって形成された安定した地図のようなもので、そこにはビッグブランドが繰り返し想起される長期的な重心が存在します。しかし、AIの各回答はその固定空間を毎回作り直しているわけではなく、文脈に応じて「どの部分を、どの方向から切り出すか」を変えているに過ぎません。アンカーとは、この条件付き展開の方向を定める装置なのです。

たとえば、会計ソフトを単なる価格や知名度で比較している文脈に対し、「将来の監査コストまで含めたトータルコストで選ぶべきだ」という新たな評価軸を提示します。すると、AI内部のその文脈における確率の重みが変化し、従来の重心では周縁に追いやられていた製品が、特定の文脈においてより中心的に扱われる可能性が生まれます。

▲意味空間は固定された地形を持つが、その切り出し方は文脈によって変わる。緑色のアンカーは判断軸として破線の局所空間の展開方向を定め、意味の流れを特定のアトラクターへと導く。GEOとは、この展開方向を設計する試みである。

5.  アンカーはどのように意味空間の重心へ近づくのか 

アンカーは単体では一時的な装置に過ぎず、通常、会話が終了すればその文脈はリセットされます。しかし、その効果が常に瞬間的とは限りません。鍵となるのは「繰り返し」です。

アンカーの作用は三つの段階を経ます。短期的には「回答の切り口」を変え、中期的には「評価軸とブランドの結びつき」を強め、長期的には「特定の文脈で自然に想起される存在」へと近づいていきます。

まず短期段階では、アンカーは見方を瞬時に変えます。たとえば会計ソフトの比較で、「監査対応リスクを含めた総コストで選ぶべきだ」という評価軸を提示すると、AIは価格や知名度ではなく「監査対応」という観点から情報を再整理します。これは重心そのものを動かしたわけではありませんが、その場の回答の傾きを確実に変えています。

中期段階では、この評価フレームが記事や比較表、専門家レビューなどで繰り返し用いられることで、「監査対応 × 特定ブランド」という結びつきが強まります。生成AIは共起構造をもとに学習しているため、一貫した文脈での言及が増えるほど、その関係性はモデル内部でより強く反映されていきます。

そして長期的には、それは「局所的なアトラクター」として機能します。「監査対応に強いソフトは？」と問われたとき、特定のブランドが安定して想起される状態です。全体の重心を動かさなくても、特定の切り口においては中心になり得るのです。

アンカー構築とは、一過性のテクニックではありません。それは「顧客は何を基準に選ぶべきか」という問いを一貫して定義し続ける設計思想です。ただし、市場の実態とかけ離れた評価軸は定着しません。真に有効なアンカーとは、ユーザーにとって本質的でありながら見過ごされていた視点を、明確に言語化することにほかなりません。 

おわりに：Visibilityとは「初期条件」を設計すること

Mike Sondersの実験は、LLMが持つ確率分布の偏りを明確に示しました。それは、既存のビッグブランドが有利な位置にあるという現実でもあります。しかし、生成AIが常に「文脈」に従って応答を構築する存在である以上、戦略は一つに限られません。既存の分布の中で無理に競うのではなく、自社にとって意味のある「判断軸」を提示し、その観点から選ばれる条件を整えるという道もあります。

競争環境を限定して特定領域で確率を高めるのか。それとも、アンカーとなる評価軸を提示し、探索の初期条件を設計するのか。生成AI時代のVisibilityとは、単なる露出量ではありません。それは「どのロジックが繰り返し参照されるのか」という問いです。

私たちは今、検索順位を競う段階から、意味の基準を設計する段階へと移行しつつあります。ニッチ戦略とアンカー戦略は対立するものではなく、異なるレイヤーで作用する選択肢です。順位を追う競争者であり続けるのか。それとも、価値の基準を提示する設計者となるのか。GEOが問いかけているのは、その立ち位置の違いなのかもしれません。私たちは何と戦っているのか。それは競合でもアルゴリズムでもなく、「意味を定義する力」なのかもしれません。

執筆：渡辺一男

CONTENT MARKETING LAB ファウンダー

※本記事は執筆及び画像作成にあたり、生成AIを利用しています。