SNSの"いいね"はAIに見えない——AI引用を可視化するLLMO時代のSNS効果測定【実装データ 公開】
- 50 分前
- 読了時間: 16分
公開日： 2026年4月2日
著者： https://www.hsworking.com/about（FULMiRA Japan 代表 /HSビル・AIスタッフ運営）
監修AI： 蒼真ツバサ（HSビル SEO/AIO診断エージェント）
LLMO（Large Language Model Optimization）時代のSNS効果測定は、従来のKPIでは機能しない。 本記事では、AI全5社推薦を獲得したHSビルがSNS→AI引用の因果を可視化する実装手法を公開する。
あなたのnote記事が100いいねを獲得しても、ChatGPTはその数字を1つも見ていない。
これは比喩ではなく、2026年のAI検索が動作する仕組みそのものの話だ。ChatGPT、Gemini、Perplexity、Claude、Google AI Overviewといった主要AI検索エンジンは、SNSの「エンゲージメント量」ではなく「情報の構造・独自性・第三者からの言及密度」で引用元を選んでいる。つまりインプレッション、いいね、フォロワー数といった従来のSNSKPIでは、自社コンテンツがAIの回答にどれだけ貢献しているかが一切可視化できない。
この構造的な盲点は、データで裏付けることができる。Peec AIが2026年3月末に公開した3,000万ソースの分析、Semrushが32万5,000プロンプトを対象に行った調査、TinuitiのQ1 2026 AI Citation Trendsレポート――これらの独立した研究が一致して示すのは、プラットフォームごとにAIが引用するソースの構成が根本的に異なり、そしてSNSの中でも「引用される層」と「無視される層」がはっきり分かれているという事実だ。
プラットフォーム: Reddit
AI回答での引用頻度: 全体1位（Peec AI 30M分析）
主な引用先AI: Perplexity: 24%、AI Overview: 44%（社会引用中）
備考: AIモデル間で差が極端。ChatGPTは一時60%→10%に急落した時期あり
────────────────────────────────────────
プラットフォーム: YouTube
AI回答での引用頻度: 全体2位
主な引用先AI: Gemini: 29%、AI Overview: 21%
備考: トランスクリプトと説明文の両方が引用対象
────────────────────────────────────────
プラットフォーム: LinkedIn
AI回答での引用頻度: 全体3位（平均11%）
主な引用先AI: ChatGPT: 14.3%、Google AI Mode: 13.5%
備考: 2025年11月→2026年2月で引用ランク#11→#5に急上昇
────────────────────────────────────────
プラットフォーム: Wikipedia
AI回答での引用頻度: 全体4位
主な引用先AI: ChatGPT: 7.8%（ChatGPT内トップ）
備考: 訓練データとリアルタイム検索の二重影響
────────────────────────────────────────
プラットフォーム: Medium
AI回答での引用頻度: Gemini特化
主な引用先AI: Gemini: 28%（社会引用中）
備考: 他AIでは低い
────────────────────────────────────────
プラットフォーム: X / note / Instagram
AI回答での引用頻度: いずれも主要調査で上位10に非掲載
主な引用先AI: ―
備考: 日本語圏のnoteは一次情報源としてのポテンシャルあり。定量データは限定的
出典：Peec AI 3,000万ソース分析（2026年3月）、Semrush 89,000 LinkedIn
URL分析（2026年1-2月）、Tinuiti Q1 2026 AI Citation Trends Report、Profound
6.8億引用分析
本記事では、AI全5社（ChatGPT、Gemini、Perplexity、Claude、Google AI Overview）か
ら推薦を獲得した奈良のコワーキングスペース「HSビル・ワーキングスペース」が、SNS
発信→AI引用の因果関係をどう観察・可視化しているかを、実装データ付きで公開する。
なぜSNSの成果がAI時代に「見えなくなった」のか
従来のSNSファネル vs AIアテンションファネル
従来のSNSマーケティングでは、投稿→インプレッション→いいね/リツイート→フォロー→サイト訪問→コンバージョンという一直線のファネルが存在し、各段階が数値で可視化できた。GA4を開けばどのSNS投稿がどれだけのセッションを生んだかが分かり、そこから逆算してROIを計算できた。
ところがAI検索の介在によって、まったく異なるファネルが生まれている。コンテンツ公開→AIクローラーが取得→学習またはインデックスに反映→ユーザーの質問に対しAIが引用→（クリック）→サイト訪問。この「AIアテンションファネル」では、クローラーによる取得、インデックスへの反映、引用の判断という3つの中間プロセスが完全にブラックボックスだ。GA4に映るのはクリック後の行動だけであり、その手前でAIがどのコンテンツをどう評価したかは、従来の分析ツールでは一切見えない。
HSビル・ワーキングスペースの運営者である三宅は、この構造的な盲点を身をもって体験した。「2020年から2024年にかけて、Xでは100万インプレッションを超えたこともあり、収益化プログラムの対象にもなりました。しかし率直に言って、その投稿が事業に直結していたかというと内容はバラバラで、SNSから事業への導線として明確な手応えがなかった。実際、その時期に公式サイトへのアクセスは伸びていませんでした。」
「見えない」ことの実害
この可視化の断絶は、3つの実害を生む。まず、SNS担当者（あるいは一人で運営している事業者）が「SNS発信は効果が出ていない」と判断して発信を止めてしまう。次に、経営者が「SNSは費用対効果が悪い」と予算や時間を削る。そして結果として、AIが引用するための燃料である一次情報が、SNS上から枯渇する。皮肉なことに、AIに引用されるコンテンツを止めてしまうことで、AI時代の最大のマーケティング資産を自ら手放す構図が生まれている。
2026年の構造的変化
この問題は業界全体が直面している。LLMO（Large Language Model Optimization）の効果測定手法は2026年4月現在でもまだ標準化されていない。しかしツールは急速に立ち上がっている。Keywordmapは2026年3月末に「AI検索結果レポート（β版）」をリリースし、ChatGPTやGeminiでの自社ブランド言及シェアを可視化する機能を公開した。Semrush、Peec AI、OtterlyAIといったグローバルプレイヤーも、AI引用トラッキングに特化した機能を次々と投入している。つまり「見えない」時代は終わりつつある。問題は、その見え方を理解し、自社の運用に落とし込めているかどうかだ。
AIはSNSの「何」を見ているのか
AIが引用元を選ぶ3つの基準
3,000万ソースの分析データとSemrushの89,000 LinkedInURL調査から浮かび上がる、AIが引用元を選択する際の3つの基準がある。
1つ目は「情報の一次性」だ。独自のデータ、実体験、調査結果が含まれているかどうか。Semrushの調査によれば、AIに引用されるLinkedIn投稿の95%はオリジナルコンテンツであり、リシェア（他者の投稿の共有）はわずか5%しか引用されていない。AIは「誰かの意見の転載」ではなく「その人自身のデータや経験」を求めている。
2つ目は「構造の明確さ」だ。見出し、FAQ形式、結論先出しといった構造によって、AIが情報を抽出しやすくなっているか。Semrushのデータでは、AIに引用されるLinkedIn記事の最適な長さは500〜2,000語、フィード投稿は50〜299語だ。長すぎても短すぎてもなく、構造化されたちょうど良い情報密度が引用されやすい。
3つ目は「第三者からの言及密度（サイテーション）」だ。他のサイトやSNSで参照・言及されているかどうか。Yextの680万引用分析では、AIが引用するソースの86%はブランドが直接管理または影響可能な情報源（自社サイト44%、リスティング42%、レビュー・SNS8%）であり、AI引用の基盤はコントロール可能な自社情報資産にある。
いいね数、フォロワー数、インプレッション数は、この3基準のいずれにも該当しない。Semrushのデータが明確に示しているのは、AIに引用されるLinkedIn投稿の中央値のエンゲージメントは「15〜25リアクション、コメント1件以下」だということだ。バズは引用の条件ではない。
プラットフォーム別のAI引用特性
LinkedInは、AI検索において急速に存在感を増しているプラットフォームだ。Profoundの分析によれば、LinkedInのChatGPTにおけるドメインランクは2025年11月の約11位から2026年2月に約5位まで急上昇し、引用量は2倍以上に増加した。Semrushとの共同調査では、AI応答の平均11%がLinkedInを参照しており、とりわけ企業ページのAbout欄や専門家の長文投稿はAIの引用対象として特別な関連性を持つ。Perplexityは企業ページを59%の割合で引用し、ChatGPTとGoogle AIModeは個人の投稿を59%の割合で引用するという分化も見られる。
noteは、日本語圏の一次情報ソースとしてAIが参照する可能性がある。ただしPeecAI、Semrush、Tinuitiなどのグローバル調査では計測対象に含まれておらず、定量的なエビデンスは限定的だ。日本語に強いGeminiやChatGPTの日本語モードでの引用事例は確認されているが、体系的なデータは存在しない。
X（旧Twitter）は、リアルタイム情報としてPerplexityが参照するケースがあるものの、主要調査のトップ10引用ドメインには入っていない。情報のフロー型（流れては消える）という特性が、AIの構造化引用と相性が悪い。
Googleビジネスプロフィール（GBP）は、ローカル検索とAIOverviewの交差点に位置する。Yextのデータでは、「◯◯市で最も良い△△」型のクエリにおいて、レビュー内容がAI回答に反映されている。コワーキングスペースのようなローカルビジネスにとって、GBPの口コミ管理はAI引用戦略の重要な構成要素だ。
Instagramは、現時点でAI引用への直接貢献が最も低い。ビジュアルコンテンツはAIのテキスト抽出と相性が悪く、キャプションの構造化も限定的だ。ただし、Instagramでのブランド認知→指名検索の増加→AI推薦の向上という間接ルートは存在する。
「いいねゼロでもAIに引用される」のメカニズム
HSビルは2024年後半から発想を逆転させ、SNS投稿の目的を「人間のエンゲージメント獲得」から「AIへの訴求を高める構造への転換」に切り替えた。三宅はこう振り返る。「確かに、人間からのSNSの反応はほぼゼロに近くなりました。しかし不思議なことに、公式サイトのインプレッションや成約率は明らかに伸びており、事業への収益貢献を実感するようになりました。」
これはSemrushのデータと完全に整合する。AIに引用されるLinkedIn投稿のリアクション中央値は15〜25件。フォロワー500人未満のクリエイターでも、専門的なオリジナルコンテンツを継続的に投稿していれば、2,000人以上のフォロワーを持つアカウントと同等以上の頻度でAIに引用されている。AIは「人気度」ではなく「情報の網羅性と一次性」で選ぶ。いいね3のnote記事でも、独自の実装手順が書いてあればAIの情報源になり得る。逆に、数千リポストされた汎用的な投稿をAIが引用することはほぼない。
SNS→AI引用の効果を可視化する4つの方法
LLMO時代のSNS効果測定には、従来のGA4ダッシュボードとは異なるアプローチが必要だ。ここでは、コストゼロから段階的に始められる4つの方法を紹介する。
方法1：手動プロンプト監視（コスト：0円）
最もシンプルだが、即座に始められる方法だ。自社に関連するプロンプトを20〜30個リストアップし、月1回、主要AI（ChatGPT、Gemini、Perplexity、Claude、Google AIOverview）に投げて、回答内に自社の名前・URL・サービス名が引用されているかを記録する。管理にはGoogleスプレッドシートで十分で、「日付×AI×プロンプト×引用有無×引用元URL」のカラムを設定すれば、3ヶ月で傾向が見えてくる。
メリットは初期投資ゼロで即開始できること。デメリットは完全手動のため月2〜3時間の作業が発生すること、そしてチェックした瞬間の結果しか記録できないことだ。
方法2：GA4のAIリファラル分離（コスト：0円）
GA4の「探索」レポートでセッションソース/メディアを確認し、chatgpt.com、perplexity.ai、gemini.google.comからのリファラルを個別に抽出する。カスタムチャネルグループを作成して「AI Search」として一括分類すると、月次の成長トレンドが追いやすくなる。AI検索からのリファラルは現在、一般的なサイトで全体トラフィックの2〜6%程度だが、その成長率は月40%を超えるケースも報告されている。SNS発信の強化期間とAIリファラルの増減を時系列で並べることで、間接的な相関を観察できる。
ただし注意点がある。AIからの流入がすべてリファラルとしてGA4に計上されるわけではなく、ダイレクトに分類されるケースもある。これはAIプラットフォーム側のリンク生成方法に依存するため、GA4だけでAI引用の全体像を把握するのは困難だ。
方法3：n8n＋LLM APIでの自動化（コスト：月額500〜1,200円）
HSビルが実際に運用している方法だ。HS Craw（自律型監視エージェント）がn8nへの旗振り役を務め、タスクの種類に応じて自身が処理するか、n8nを経由してClaude Code（＋Codex）やGeminiにタスクを振り分けて実行する。LLM API（DeepSeekV3.2）にプロンプトを定期送信し、回答内の自社名・URLの出現を自動検出、結果をGoogleスプレッドシートまたはCloudflare D1に自動記録する。
この仕組みの月額コストは約500〜1,200円（DeepSeekAPIの従量課金）。n8n自体はDockerでセルフホストしており追加費用はかからない。専用ツール（月額$49〜$450）と比べると圧倒的に低コストでありながら、5社のAIに対する自社引用の有無を週次で自動チェックできる。
この自動監視によって分かるようになったのは、「どのAIが、どのプロンプトで、いつ自社を引用し始めたか（あるいは引用を止めたか）」という時系列データだ。これがあれば 、SNS発信やブログ更新のタイミングとAI引用の変動を突き合わせることができる。因果関係の証明は難しいが、相関パターンの蓄積こそがLLMO時代のSNS効果の核心になる。
方法4：専用ツール導入（コスト：月額$29〜$450+）
事業規模が大きい場合や、競合ベンチマークが必要な場合は、AI引用監視に特化した専用
ツールの導入が効果的だ。
ツール名: OtterlyAI
対応AI: 6 AI
月額目安: $29〜$189
特徴: Lite〜Premiumの3プラン、シンプルUI
向いている企業: ソロ・小規模、初めてのAI監視
────────────────────────────────────────
ツール名: Peec AI
対応AI: 10+ AI
月額目安: €89〜
特徴: 3,000万ソース分析、日次監視、ドメイン別フィルター
向いている企業: 中規模・マーケチーム
────────────────────────────────────────
ツール名: ZipTie
対応AI: ChatGPT/Perplexity/AIO
月額目安: $69〜
特徴: 監視＋改善アクション提案の両輪
向いている企業: 施策実行まで一気通貫したい企業
────────────────────────────────────────
ツール名: Semrush AI Toolkit
対応AI: 全主要AI
月額目安: $120〜
特徴: Prompt Research＋Narrative Drivers、SEO統合
向いている企業: 大規模・既存Semrushユーザー
日本語特化のツールとしては、Keywordmapが2026年3月末にGEO/LLMO機能「AI検索結果レポート（β版）」をリリースしており、数千規模のキーワードに対するAI言及シェアを可視化できる。
---
▎ ▶ まず自社のAI引用状況を「見える化」する
▎ HSビルが全5社推薦を獲得するまでに体系化した診断プロセスを、https://www.hsworki
AI Overviewにおける自社引用状況を全件調査し、LLMO改善ロードマップを策定します。
HSビルの実践——AI全5社推薦を獲得するまで
タイムライン
HSビル・ワーキングスペースがAI引用を意識し始めてから、全5社推薦に到達するまでの
経緯を、観察データとともに公開する。
時期 | やったこと | AI引用の変化 |
2024年後半 | llm.txt初導入。SNS戦略を「人間向けバズ」から「AI向け構造化」に転換 | この時点ではAI引用の確認なし |
2025年初頭 | AI比較記事・実装データ記事の公開開始。noteでの一次情報発信を本格化 | ChatGPTで初めて引用を確認 |
2025年中頃 | note記事の継続発信。LinkedInでの専門投稿開始 | Perplexityで引用を確認。Wixからの月間サイト訪問が4,500件前後に成長 |
2025年後半〜2026年初頭 | llm.txtをv3.xまで反復改善。A2Aプロトコル実装。15体AIエージェント体制構築 | 全5社（ChatGPT、Gemini、Perplexity、Claude、Google AI Overview）からの推薦達成 |
2026年4月現在 | llm.txt v3.2.0運用中。n8n＋HS Crawによる自動監視体制 | 月間予約67件（過去最高水準）。AI評価スコア82点（AI 10社評価） |
数字で見る成果
Googleオーガニックのインプレッションは前年比+215%増加した。AI関連記事のインプレッションは+1,130%、クリック数は+3,210%という急激な成長を記録している。予約件数は月間67件で過去最高水準に到達し、売上は前年比+65%。そしてこの成果を支えるAIの月額運用コストは約7800円だ。広告費はゼロ。
SNS発信が「効いた」と判断した根拠
因果関係を厳密に証明するのは難しい。しかしHSビルの運用データから観察された相関パターンは示唆的だ。
2020年から2024年にかけて、Xでは累計100万インプレッション以上を獲得し、収益化プログラムの対象にもなった。しかしこの時期、公式サイトへのアクセスは横ばいだった。SNSでのバズと事業成果の間に、明確な相関は観察されなかった。
2024年後半から転換し、AI検索を意識した構造化コンテンツ（llm.txt、一次データを含むnote記事、LinkedIn専門投稿）に注力し始めると、SNS上での人間からの反応はほぼゼロに近くなった。しかし公式サイトのインプレッションと成約率は明確に上昇し、事業への収益貢献が実感できるようになった。
この観察は、前章で紹介したSemrushのデータ——「AIに引用されるLinkedIn投稿の中央値エンゲージメントは15〜25リアクション」——と完全に整合する。人間の反応が少ない投稿ほど、AIにとっての「一次情報の構造化データ」として価値が高い可能性がある。SNSの効果測定軸を「いいね数」から「AI引用の有無」に切り替えたことが、HSビルの戦略転換の本質だ。
明日からできる3ステップ
Step 1：自社の「AIアテンションファネル」を描く（所要30分）
自社が運用しているSNSチャネルをすべて一覧化し、各チャネルの投稿が「一次情報（独自データ・体験・調査結果）」か「二次情報（他者の情報のシェア・コメント）」かを分類する。Peec AIの3,000万ソース分析が示す通り、AIに引用されるコンテンツの95%はオリジナルだ。まずは自社の一次情報比率を把握することが出発点になる。その上で、本記事の冒頭に掲載したプラットフォーム別AI引用データを参照し、AI引用に効きそうなチャネルに優先度をつける。
Step 2：プロンプト監視を始める（所要1時間/月）
自社のサービスや業界に関連するプロンプトを10個リストアップする。例えば「奈良でおすすめのコワーキングスペースは？」「中小企業がAIを導入するならどこから？」のような、見込み客が実際にAIに聞きそうな質問だ。これを月1回、ChatGPT・Gemini・Perplexityの3社に投げて引用有無を記録する。3ヶ月続ければ、自社が「どのAIに、どのプロンプトで引用されているか（されていないか）」の傾向が見えてくる。
Step 3：SNS投稿に「AI引用フック」を仕込む（所要0分/追加コスト0円）
既存のSNS運用を大きく変える必要はない。3つのルールを意識するだけでいい。結論を冒頭に置くこと。独自データまたは実体験を必ず1つ以上含めること。汎用的な情報のリポストを減らし、一次情報の比率を上げること。Semrushの調査では、AIに引用されるLinkedIn投稿の54〜64%は「知識共有・実践アドバイス」を主目的としたコンテンツだった。販促よりも教育、転載よりもオリジナル。これがAI引用フックの基本だ。
よくある質問
Q1. SNSのフォロワー数はAI引用に影響しますか？
現時点のデータでは、フォロワー数とAI引用率に直接の相関は確認されていません。Semrushの89,000 LinkedIn URL分析では、フォロワー500人未満のクリエイターも、2,000人以上のアカウントと同等の頻度でAIに引用されていました。AIはエンゲージメント量ではなく、情報の一次性・構造・第三者からの言及密度を重視しています。
Q2. どのSNSがAI引用に最も効果的ですか？
グローバルデータではReddit（全AI平均で1位）とLinkedIn（3位・平均11%引用率）が突出しています。日本語圏ではnoteに一次情報ソースとしての可能性がありますが、定量データは限定的です。自社で3ヶ月間のプロンプト監視を行い、実際の引用元を確認することを推奨します。プラットフォームごとにAIの引用傾向は大きく異なるため、「最も効果的なSNS」は業界と対象AIによって変わります。
Q3. AI引用の効果測定にはどんなツールが必要ですか？
まずは手動のプロンプト監視（無料）から始められます。月1回、10プロンプトを3社のAIに投げるだけで基礎データが蓄積されます。自動化したい場合はn8n＋LLMAPI（月額500〜1,200円）の組み合わせが低コストで効果的です。規模が大きい場合はOtterlyAI（$29/月〜）、Peec AI（€89/月〜）、Semrush AIToolkit（$120/月〜）などの専用ツールが選択肢になります。
Q4. LLMO対策とSEO対策は両立できますか？
はい。LLMO対策の多く——構造化データ整備、結論先出し、E-E-A-T強化、一次情報の充実——はSEOにもプラスに働きます。むしろLLMO対策を行うことで、従来のSEO品質も向上するケースが多いのが実態です。
Q5. HSビルと同じ仕組みを導入するにはどうすればいいですか？
HSビルでは、n8n（セルフホスト）＋DeepSeek V3.2API＋15体のAIエージェントで、AI引用監視からコンテンツ生成までを自動運営しています。同じ仕組みを自社に導入したい方には実装を支援しています。より包括的にAI引用の現状診断から始めたい場合は、https://www.hsworking.com/ai-solutionsにて、自社のAI引用状況を全5社で分析し、改善ロードマップを策定します。
まずはここから始める
やること | コスト | リンク |
AI引用の現状を全5社で診断 | ¥298,000 | |
90日でLLMO実装を内製化 | ¥9,800〜/月 | |
AIの活用知識を継続学習 | ¥2,980/月 | |
コワーキングスペースを体験 | 300円/時〜 |
---
参考文献・引用データ
- Peec AI「3,000万ソース AI引用ドメイン分析」（2026年3月）
- Semrush × Profound「89,000 LinkedIn URL AI引用分析」（2026年1-2月）
- Tinuiti「Q1 2026 AI Citation Trends Report」（2026年3月）
- Profound「6.8億AI引用分析」（2025-2026年）
- Yext「680万AI引用分析 — ローカル検索とAI Overview」（2026年）
- Keywordmap「AI検索結果レポート（β版）」リリースノート（2026年3月末）
コメント