「良いコンテンツを発信しているはずなのに、AIの回答に自社が出てこない」——そんな経験をしたBtoBマーケターは少なくないはずだ。SEOの順位を追うだけでは、もはやAI検索時代の競争に追いつけない。今こそAEO（Answer Engine Optimization）プロンプトトラッキングを軸に、AI検索での可視性を数値で把握・改善する実践的な仕組みを構築するタイミングだ。
AEOプロンプトトラッキングとは何か、SEOとどう違うのか
AEOプロンプトトラッキング（AEO Prompt Tracking）とは、ChatGPTやPerplexity、Google AI Overviewsといったアンサーエンジン（Answer Engine）に特定の質問を投げたとき、自社ブランドや自社コンテンツが回答内に引用されるかどうかを継続的に監視する手法だ。
従来のSEOランクトラッキングは「特定のキーワードで何位か」を測る。一方、AEOプロンプトトラッキングが測るのは「AIの回答の中に自社が存在しているか否か」という、もっと根本的な問いだ。「3位に入っているか」ではなく「そもそも会話の俎上に載っているか」を問う指標、と言い換えてもいい。
日本のBtoB企業でも、購買担当者や情報収集段階のビジネスパーソンがChatGPTやPerplexityを使って「おすすめのMAツールは」「SFAとCRMの違いは」といった質問をするケースは急増している。ここで自社が言及されなければ、SEOで1位を取っていても競合に負ける。
SEO順位は比較的安定しているが、AIの回答は同じプロンプトでもセッションやモデルのアップデートのたびに変わる。クリックによる流入データも残りにくく、アトリビューション（Attribution）が複雑になる点も、SEOとの大きな違いだ。
マーケターが追うべき5つのAEOメトリクス
計測できないものは改善できない。AEOプロンプトトラッキングで追うべき指標は、次の5つに絞られる。
エンジン別カバレッジ（Coverage by Engine）は、ChatGPT・Perplexity・Geminiそれぞれで自社が引用されているプロンプトの割合だ。「全体平均では20%」でも、Perplexityでは40%・Geminiでは0%という状況はざらに起きる。エンジン別に見ないと対策の打ちどころが見えない。
シテーション頻度と掲載位置（Citation Frequency and Placement）は、引用される回数と、回答内のどの位置に登場するかを示す。先頭で言及されるのか、末尾の脚注扱いなのかは、ブランドへの印象に大きく影響する。
シテーションシェア（Citation Share）は、同じプロンプトセットで競合と比較したときの引用占有率だ。SEOで言うオーガニックシェアオブボイス（Share of Voice）に相当する。100プロンプト中35回引用されているのに競合が52回なら、17ポイントのギャップがある——という形で、競合との差を定量的に語れるようになる。
アンサーエンジンからのリファラルトラフィック（Referral Traffic from Answer Engines）は、AIの引用経由での実際の流入数だ。Perplexityは比較的追跡しやすいが、ChatGPTからの流入はダイレクトトラフィックに紛れ込みやすい。GAのチャネルグループ設定でAI流入セグメントを早めに作っておくと、後々の比較に役立つ。
パイプラインへの影響（Demand and Pipeline Influence）は、最終的にAI経由の接点がどの程度の商談や受注に関与しているかを示す。CRMで「AI流入コンタクト」をタグ付けし、ライフサイクルステージと照らし合わせることで初めて見えてくる数字だ。
プロンプトライブラリの作り方：失敗しない3ステップ
ここが落とし穴で、多くのチームがツールを導入してもすぐ挫折する原因は「追うべきプロンプトが決まっていない」ことだ。場当たり的にChatGPTで検索するのは「監視」ではなく「偶発的チェック」にすぎない。
ステップ1：ペルソナと購買フェーズから種プロンプトを洗い出す。
情報システム部長が使う言葉と、マーケティング担当者が使う言葉は違う。それぞれのペルソナが認知・検討・比較フェーズで実際に入力しそうな質問を書き出すことから始める。社内の営業メモやサポート問い合わせ、Googleのサジェストも良い素材だ。まず100〜200本を目安に集める。
ステップ2：トピック・インテント・ファネルステージでタグ付けする。
フラットなリストのままでは「どのフェーズでどれだけ見えているか」が分からない。トピッククラスター（例：「CRM選定」「リードスコアリング」）、ユーザーインテント（情報収集・比較・購買）、ファネル位置（ToFu/MoFu/BoFu）の3軸でタグを付ける。これが後の分析を格段に楽にする。
ステップ3：オーナー・ターゲットページ・ソースギャップ・QAサイクルを設定する。
各プロンプトに「担当者」「引用されるべき自社ページ」「現状のギャップ」を紐付ける。ライブラリは一度作って終わりではなく、月次で軽くチェックし、四半期に一度フル見直しをかける運用リズムが現実的だ。
コンテンツギャップの特定と改善：AIに引用される記事の作り方
プロンプトライブラリを動かし始めると、「このプロンプトでは競合しか引用されていない」という箇所が必ず見えてくる。そこが最も優先すべきコンテンツ投資先だ。
まずトラステッドソース分析（Trusted-Source Analysis）を行う。引用されているURLを見ると、アンサーエンジンが好むコンテンツの形式が浮かび上がる。明確な定義を含むグロッサリーページ、独自のデータや調査レポート、正直な比較記事——この3形式は特に引用率が高い。
次に、ページの構造をアンサーエンジン向けに最適化する。具体的には、ページ冒頭200字以内に「〇〇とは、〜〜のことを指す」という明確な定義文を置く。FAQセクションのQ文をプロンプトライブラリの質問と一致させる。ブランド名・製品名は表記を統一し、FAQスキーマなどの構造化データ（Schema Markup）を実装する。これらは難しい技術ではないが、やるとやらないとでは引用率に大きな差が出る。
まとめ：AI検索時代のBtoBマーケティング戦略は計測から始まる
AEOプロンプトトラッキングは、複雑に見えて本質はシンプルだ。「AIの回答に自社が出ているか」を定点観測し、出ていなければコンテンツで埋める——ただ、それを属人的な感覚ではなく、数値と仕組みで回すことが今求められている。SEOの代替ではなく、補完的な計測層として構築すれば、AI検索がパイプラインに与える影響を経営層に説明できる武器になる。まず100本のプロンプトライブラリを作るところから始めてほしい。
参考：https://blog.hubspot.com/marketing/aeo-prompt-tracking
**