シェア・オブ・モデルとは？AI時代のブランド戦略とLLMOの関係

AIの普及により、ブランドが消費者に認知される経路は変化しています。従来の検索中心の戦略に加え、生成AIが新たな情報接点として注目されるようになりました。

本記事では、こうした変化に対応する新指標「シェア・オブ・モデル（Share of Model）」と、AIに参照されるための戦略「LLMO（Large Language Model Optimization）」の基本について解説します。

言及率だけじゃダメ？本当に重要なLLMOの指標とは？

「言及率を調査したが次の施策がわからない…」「何を指標にすればいいかわからない」
LLMO対策で次の一手を考える時に本当に重要な指標は「言及率」ではありません。
「言及率」という結果ではなく、なぜその結果が生まれたかという「要因」を分析しなければ、戦略に活かすことができません。

デジタルアイデンティティでは約1万のプロンプトを調査し、LLMがブランドを推奨するプロセスを解析！「結果」ではなく「要因」を分析することで本質的な施策を見える化します！

資料請求はこちら

1 AI時代における「情報接点」のパラダイムシフト
- 1.1 猛烈な勢いで拡大する生成AIの影響力
2 シェア・オブ・モデルとは
3 なぜシェア・オブ・モデルが重要なのか
4 シェア・オブ・モデルを高めるための戦略
5 LLMOを自社で実践する際の課題
- 5.1 効果測定が難しい
- 5.2 AIの挙動がブラックボックス
6 まとめ
7 LLMO対策のお悩み、デジタルアイデンティティにお任せください！

AI時代における「情報接点」のパラダイムシフト

これまでの消費者の情報収集は、検索エンジンを起点とする行動が前提とされていました。
しかし近年、生成AIの普及によって「情報起点は検索である」というその前提そのものが揺らぎ始めています。

ユーザーは生成AIに自然言語で質問し、対話を通じて条件を整理し、選択肢を絞り込み、意思決定に近づいていきます。
この過程において、AIは単なる検索補助ツールではなく、ブランドとの情報接点の出発点として機能しています。

その結果、ユーザーが最初に接触する情報は、検索エンジンの「検索結果一覧」ではなく、AIが生成した回答や提案内容になるケースが増えています。
商品やサービスは、AIが提示した文脈のなかで初めて認知され、比較・検討の対象となるのです。

猛烈な勢いで拡大する生成AIの影響力

生成AIは特定のツールに限らず、複数のプラットフォームを通じて急速にユーザー層を広げています。検索、業務効率化、情報収集といった日常的な行動のなかに組み込まれつつあり、その影響力は一般層にも広がっています。

Google（Gemini）

例えば、GoogleのAIモデルは、多くのGoogle製品に使用されているため、その影響は非常に巨大です。
特に、Google検索に組み込まれたAI Overviewsは、毎月20億人のユーザーに利用されており、Geminiアプリも毎月6億5000万人以上のユーザーを獲得しています。
（参照：Google、ジェミニ3号による知能の新時代）

ChatGPT

また、米国の非営利調査機関であるPew Research Centerの調査では、2025年時点で米国成人の約34％がChatGPTを利用した経験があると報告されています。
（参照：Pew Research Center、34% of U.S. adults have used ChatGPT, about double the share in 2023）

これは、生成AIが一部ユーザーに限らず、一般層にも広く浸透しつつあることを示すデータといえるでしょう。

さらに、外部報道によれば、ChatGPTは数億人規模のユーザーを抱えるプラットフォームへと成長しており、生成AI市場全体においても大きな影響力を持つ存在となっています。
（参照：BUSINESS INSIDER、ChatGPT is now being used by 10% of the world’s adult population）

Perplexity

Perplexityは、検索に特化した生成AIとして利用者を拡大しているサービスです。
回答と合わせて情報源を明示する設計が特徴で、従来の検索エンジンに近い使い勝手を保ちながら、生成AIの利便性を提供しています。
こうした特性から、検索体験の代替として利用が進んでおり、検索特化型の生成AIとして存在感を高めています。

特に、若年層や高所得層など「時間の効率化」を重視する層ほど、検索よりもAIを活用している人が多いといわれています。

今後のコンテンツ戦略として、検索エンジンと生成AIの双方にとって理解されやすい情報設計が求められます。

シェア・オブ・モデルとは

シェア・オブ・モデルとは、生成AIが特定のブランドや商品をどの程度「参照・推奨」しているか測定する指標です。AIの回答内における自社ブランドの登場頻度や割合に着目します。

シェア・オブ・モデルの定義

生成AIの理解や推奨構造におけるブランドの存在感を測定する概念です。
ユーザーがAIに投げかけた質問に対して「自社ブランドが回答や提案として登場する割合」を評価します。

この割合が高いほど、AI内でのブランド認知度が高く、消費者の意思決定に影響を与える可能性が高いといえます。

従来の評価指標との違い

従来のマーケティング指標と比較すると、その違いは明確です。

シェア・オブ・ボイス（声のシェア）：広告やSNSなどのチャネルにおいて、自社ブランドの露出量が競合全体に占める割合
シェア・オブ・サーチ（検索のシェア）：特定のキーワードに対する検索のうち、自社ブランド名を含む検索が占める割合

しかし、これらの指標は、あくまで人間の行動や既存コンテンツの露出を反映するものです。対してシェア・オブ・モデルは、「AIが自社をどの程度認識し、参照しているか」を指します。

AI時代においては、ユーザーの質問に対して自社コンテンツがAIの「推奨リスト」に入らなければ、消費者の意思決定のプロセスに入りにくくなります。

そのため、シェア・オブ・ボイスやシェア・オブ・サーチだけでは測れない、新たな指標となるでしょう。

シェア・オブ・モデルの具体例

現状ではツールによる計測が難しいため、定性的な確認が中心となります。例えば、ユーザーになりきり「おすすめの〇〇（自社カテゴリ）を教えて」と問いかけ、その回答内に自社ブランドがどれだけ含まれているかを確認します。

これを繰り返し行い、競合他社との出現頻度を比較することでシェアを把握できます。

なぜシェア・オブ・モデルが重要なのか

なぜシェア・オブ・モデルが重要なのでしょうか？
主な理由は以下の3点です。

AIがブランド体験の最初の接点

従来はユーザーが検索キーワードを入力し、検索結果に出た複数のサイトを比較検討して、判断していました。
しかし、今後はAIとの対話のみで情報収集から比較検討までが完結する「ゼロクリック検索」が増加するといわれています。

ある調査では、すでに半数以上のユーザーが生成AIによって商品やサービスを勧められた経験があるというデータもあります。つまり、AIが生成した回答がユーザーにとってのブランド体験の最初の接点となるケースが増えています。

消費者の選択肢に影響を与える

検索エンジンの場合、ユーザーが特定のブランド名を指定して情報収集を行うケースも多くあります。
しかし生成AIを活用した情報収集では、ユーザー自身が知らなかった選択肢が、AIによって提示される可能性があります。

その結果、ユーザーにとっては選択肢が広がる一方で、ブランド側としては、AIが提示する選択肢の中に含まれなければ、選ばれる可能性が大きく下がってしまいます。

こうした背景から、生成AIの回答内でどれだけ自社ブランドが言及・参照されているかを示す「シェア・オブ・モデル（Share of Model）」の重要性が高まっています。

検索時代の指標では測れない

検索エンジンを前提とした時代では、検索結果で上位表示されるほどクリック率が高まる、という評価軸が一般的でした。
しかし、生成AIが情報源となる場合、AIが参照する情報は必ずしも検索順位の上位記事に限られません。

情報の信頼性や具体性が高ければ、検索順位が上位でなくてもAIに引用されるケースがあります。
「検索順位」でなく「AIの回答占有率」をみるという視点の転換が必要です。

シェア・オブ・モデルを高めるための戦略

シェア・オブ・モデルを高めるためには、AIに「この情報は信頼できる」と判断させる必要があります。その中核を担うのが、コンテンツをAI向けに最適化するLLMO（Large Language Model Optimization）戦略です。

シェア・オブ・モデルを高めるLLMOの役割

LLMO（Large Language Model Optimization）とは、生成AIに自社ブランドや情報を正しく認識・参照してもらうためのコンテンツ最適化を指します。

検索エンジンでの上位表示を目的とするSEOとは異なり、LLMOは「AIの回答内で言及・推奨されるか」を重視する点が特徴です。

シェア・オブ・モデルは、特定のテーマについてAIに質問した際、自社ブランドやサービスが回答内で言及される割合を示す指標です。

LLMOは、この「AIに参照される割合」を高めるための取り組みであり、シェア・オブ・モデルを伸ばすための重要な役割を担っています。

AIに参照されるためのLLMOの基本原則

LLMOでは、生成AIに「参照されるか」が重要になります。
その基本原則は、一次情報の公開とE-E-A-Tです。

一次情報とは、自社や執筆者が直接取得・検証した情報を指します。
具体的には、自社で実施したアンケート調査やユーザー調査、現場での体験談や検証結果などが該当します。
「誰が・いつ・どこで・どのように得た情報か」が明確である点が、一次情報の特徴です。

E-E-A-Tとは、Experience（経験）、Expertise（専門性）、Authoritativeness（権威性）、Trust（信頼）の4要素からなる考え方です。
生成AIは、こうした出典や根拠が明確な情報を優先して参照する傾向があります。
そのため、どれだけ内容が詳しく書かれていても、一次情報やE-E-A-Tの裏付けが弱い場合、AIの回答のソースとして採用されにくくなります。

また、一次情報やE-E-A-Tを満たしたコンテンツは、他サイトで言及されやすく、結果としてサイテーション（他サイトからの引用・言及）を獲得しやすくなります。
このサイテーションの蓄積は、AIがブランドや情報の信頼性を判断する際の重要な材料となります。

これらを前提としたうえで、記事構造にも配慮することが有効です。
見出しごとにテーマを分けたり、箇条書きで要点を整理することで、生成AIが内容を理解しやすくなります。
FAQ形式は質問と回答が明確なため、引用されやすい形式といえるでしょう。

ただし、文章構造やFAQはあくまで補助的な要素です。一次情報やE-E-A-Tといった情報の信頼性がともなっていなければ、いくら構造を整えても参照されにくい点には注意が必要です。

コンテンツ戦略におけるLLMOの実装

LLMOを実装するには、一次情報の創出、E-E-A-Tの明示、サイテーションを意識した情報設計の3つが重要です。
それぞれの具体施策を以下に整理します。

一次情報を意図的に作る

一次情報とは、自社が直接取得・検証したオリジナル情報を指します。生成AIは独自性の高い情報を優先して参照する傾向があるため、意図的な一次情報の創出は重要です。

自社独自の調査データの公開	自社で実施したアンケート調査やユーザー調査の結果を掲載する。
実証的なコンテンツの作成	現場での体験談やオリジナルデータを掲載する。
データの視覚化	数値データをグラフや表にし、情報源として引用しやすくする。

E-E-A-Tを明確に示す

生成AIは、情報の専門性・信頼性・経験性を重視して参照元を選定します。
そのためE-E-A-Tを明示する情報設計はLLMOの基盤となります。

専門家情報の明記	執筆者の経歴、資格、専門分野を明記する。
主張と根拠の提示	主張には、必ず裏付けとなる一次情報や信頼できる外部ソースを提示する。
出典の明示	引用した情報の出典元（外部サイト、文献など）を明確に記載する。

サイテーションを意識した情報設計

サイテーションを意識した情報設計とは、AIや他サイトが情報源として引用しやすい形にコンテンツを整理することです。

オリジナルデータの作成	他サイトに情報源として引用されやすい、オリジナルデータや独自の分析結果を作成する。
構造化の徹底	見出し構造を論理的に分けたり、結論を先に述べるなど、AIが内容を理解しやすく、引用しやすい構造を意識する。
FAQ形式の活用	質問と回答が明確なFAQ形式で記述し、AIが直接回答として引用しやすい形式を採用する。