AI可視性
診断報告デッキ

02はじめに

結論を先に申し上げます。

詳細は本編でご説明しますが、90回の計測から見えた要点は次の4つです。

1. 事実　AIはすでに3rdschoolを推薦することがあります。ただし90セッション中23回（26%）、4回に1回です。出るときは強く、1位・筆頭が11回ありました。
2. 事実　勝敗はくっきり分かれています。AIがGoogleマップの店舗データを参照した回は10戦10勝、Web記事を検索した回は0勝13敗でした。
3. 解釈　Web経路で負ける原因は「順位が低い」ではなく「掲載自体がない」ことです。AIが読む比較サイト（コエテコ等）に3rdschoolが載っていません。
4. 提案　2026年8月の1ヶ月で6つの施策に並行着手し、月末に同一条件で再計測して効果を確かめます。

計測データの出典は、本資料を通じてすべて自社計測（2026年7月24日〜29日・90セッション）です。

03はじめに

目次 — 全体像から各論へ進みます。

前提の解説から始め、計測結果の全体像、その要因、そして施策と計画の順にご説明します。項目をクリックすると該当スライドへ移動します。

041. 前提

AEOとは、AIの回答に自社を登場させるための施策です。

AEO（Answer Engine Optimization / アンサーエンジン最適化）は、ChatGPTのような「答えを返すAI」に自社が引用・推薦される状態を作る取り組みを指します。LLMO・GEOと呼ばれることもありますが、ほぼ同義です[1]。

051. 前提

保護者の情報収集は、すでにAIに移りはじめています。

国内外の調査を数字で確認します。いずれも公開されている調査の確認済みデータです。

061. 前提

AIの回答は毎回変わる。だから「3回中何回出たか」で測ります。

AIの回答は同じ質問でも毎回変わります（確率的に生成されるため）。Googleの検索順位のような固定の「順位」は存在しません。1回の結果で判断せず、同じ質問を3回ずつ投げて判定します。

この◎◯△×の3状態（定着・境界線上・不在）が、以降のすべての結果表の読み方になります。

071. 前提

AIごとに読んでいる情報源はほぼ別物。だから複数AIで測ります。

1つのAIで見えても、別のAIでは見えない — これが実態です。海外の大規模調査がそれを裏づけています。

082. 計測の設計

3つのAIに同じ10問を3回ずつ — 累積90セッション。

2026年7月24日から29日にかけて、履歴の影響を受けない統制条件で計測しました。

「無料版」を使う理由: 保護者が実際に使う条件に合わせるためです。計測条件は最終ページにも再掲します。

092. 計測の設計

AIに投げた質問の原文です。

実際の保護者の聞き方を想定して11問を設計しました（質問11は8月の定点計測から追加します）。このスライドは下にスクロールできます。

103. 現在地

現在地: 90回中23回。4回に1回、AIは3rdschoolを挙げました。

事実　累積90セッションの全体成績です。登場した枠では上位で出る一方、登場しない枠でははっきり不在という結果でした。

113. 現在地

同じ質問でも、AIによって成績はまったく違います。

事実　ChatGPTが最も弱く（30回中3回）、GeminiとClaudeは30回中10回で並びました。

バーは3rdschoolの登場回数（各AI30セッション中）。シェア・オブ・ボイスはChatGPT 1.9%（156言及中3回）／Gemini 7.5%（134言及中10回）／Claude 7.5%（133言及中10回）。

123. 現在地

定着マトリクス — 勝ち枠と負け枠がくっきり分かれています。

事実　10問×3AIの30マスを「3回中何回登場したか」で塗り分けました（各マス3試行）。

133. 現在地

勝ち枠は「武蔵野市」「指定なし」「ロボット・Scratch」。
負け枠は「学年指定」「マイクラ・AI」。

解釈　前のマトリクスを言葉にすると、次のように整理できます。

なぜこのような分かれ方をするのか — 次のスライドで、勝敗を分けている構造をご説明します。

144. 発見

地図検索なら10戦10勝。Web検索なら0勝13敗。

事実　Claudeの回答を情報経路で分解すると、Googleマップの店舗データを参照した回（プレイス検索）は10戦10勝（筆頭9回・2位1回）、Web記事を検索した回は0勝13敗でした。

154. 発見

地図経路の勝因は、Googleビジネスプロフィールの評価5.0×レビュー16件。

事実　Googleビジネスプロフィール（GBP: Googleマップに表示される店舗情報）のレビュー件数は、吉祥寺圏の子ども向けプログラミング教室で圧倒的1位です。

GBPレビュー件数の比較（青=3rdschool・灰=競合上位グループ）。3rdschoolは評価5.0×16件。

164. 発見

Web経路の敗因は、順位ではなく「掲載自体がない」こと。

解釈　AIが読む比較記事・ポータル群（コエテコ等）に3rdschoolが載っていない — これがWeb経路0勝の直接原因です。

175. AIからの見え方

AIの中には、実態に合った3rdschool像が定着しはじめています。

事実　90セッションの回答原文から、繰り返し観測された描写を集計しました。いずれも実態に合致するポジティブな内容です。

GeminiとClaudeで描写の出所が違う点に注目してください。Geminiは内部知識、ClaudeはGBPレビューを読んでいます。

185. AIからの見え方

一方で、事実と異なる可能性のある描写が5つ観測されました。

⚠ 要照合　特に「中高生向け」への偏りは、低学年の保護者への推薦から外れる恐れがあり、優先して正すべき誤描写です。

195. AIからの見え方

一度も言及されなかった「空白」があります。

事実　定着でも誤描写でもなく、そもそもAIの回答に一度も現れなかったイメージです。

206. 競合

全AI回答のべ423言及のうち、3rdschoolは23回（8位/25ブランド中）。

事実　シェア・オブ・ボイス（SoV: AI回答に登場した全ブランド言及のうち自社が占める割合）の全体像です。首位は69回で3rdschoolの約3倍です。

16〜25位: ステモン3・Tech Chance! 3・ヒューマンアカデミーロボット教室3・Life is Tech! 2・その他6ブランド各1（計17言及）。3rdschoolの内訳はChatGPT 3／Gemini 10／Claude 10。首位2社の内訳はLITALICOワンダー25/27/17、スタープログラミングスクール24/21/24。

216. 競合

カテゴリ語が入ると、推薦される顔ぶれ（棚）は総入れ替わりします。

事実　「ロボット」「Scratch」「マイクラ」「AI」— 質問のテーマ語ごとに、まったく別の王者が観測されました。

226. 競合

開校1年前後の新顔が、AIの棚で9セッション全て筆頭を独占。

事実　ロジカルAIスクールは、AIの質問（質問10）で9セッションすべて筆頭でした。要因は再現可能な「4点セット」に整理できます。

1. カテゴリ名（AI）入りの校名・ドメイン — 質問のテーマ語と校名が一致している。
2. 自社で書いた比較記事 —「吉祥寺の子ども向けAI教室・プログラミング教室を徹底比較」（自社サイトのブログ）。
3. PR TIMESのプレスリリース — 開校リリースがClaudeの検索に3回とも表示された。
4. コエテコ掲載 — AIが最も頻繁に読む比較ポータルに載っている。

236. 競合

「自社で記事を書く→AIが引用する」は、本計測で4件実際に起きています。

事実　仮説ではなく、90セッションの中で観測された事実です。

1. ロジカルAIスクールの自社比較記事が、マイクラの質問（質問9）でClaudeの検索にヒットし、自社が推薦枠入り。LITALICOワンダーの紹介文の出典までこの記事でした。
2. 同校はAIの質問（質問10）で9戦全勝。Claudeの検索6件中3件が自社発（自社サイト＋自社記事＋PR TIMESリリース）でした。
3. スタープログラミングスクールの自社ブログ（Scratchコース紹介）がChatGPTに3回連続引用され、Scratch枠9/9。「AI時代」と題したブログ記事もAIの質問で引用され続けました。
4. 対照: 3rdschoolは引用されうる自社記事がゼロ → ClaudeのWeb検索13セッション・89件に一度も登場せず。条件差は「引用されうる記事の有無」だけです。

247. 情報源

AIが読んでいた情報源を3つの層に整理しました。

事実　90セッションでAIが引用・表示した情報源の全体像です。どの層でも「3rdschoolが載っていない場所」が多いことがわかります。

層1: 比較ポータル・ランキングサイト（AIが読む「おすすめリスト」）

257. 情報源

結論: 掲載・強化を目指す先は、この順番です。

情報源の分析から導かれる優先順位です。ローカルSEOの年次専門家調査も「AI検索では第三者サイトでの言及が新しい被リンクにあたる」と位置づけています[17]。

1. コエテコ — 最優先。21/90セッションに登場する唯一の全AI・全カテゴリ常連。ここに載っていないことがWeb経路0勝の最大要因。しかもコエテコ自身が2026年2月に会話型AIレコメンド機能を導入し、掲載13,000教室超のデータをAIの学習データに活用すると発表済み（掲載＝AIの学習素材入り）[13]。
2. Googleビジネスプロフィール — 既に最強。レビューをさらに増やし「学年・コース名・ツール名」が入る設計にする（守りと攻めの両方）。
3. コドモブースター — 6位→5位以内に上げる（AIの引用は上位5校で切られた実績があるため）。
4. 理ナビ — 既存掲載ページの情報充実（写真・コース・料金）。
5. プロリア等の新顔ポータル — 順次掲載申請。
6. 自社発の記事・リリース — 層3の経路を自分で作る（詳細は施策④）。

268. 施策

まず全体像 — AEOの打ち手は6つの領域に分かれます。

海外の定石に基づく分類です[18]。各領域の「3rdschoolの現在地」は本計測の結果から記載しています。

この6領域マップに沿って、優先順位→各論の順でご説明します。

278. 施策

「やる意味はあるのか」— 実名の先行事例で答えます。

海外・国内・そして吉祥寺の同業に、すでに成果の実例があります（いずれも公開情報・確認済み）。

288. 施策

効果の薄いことはやりません。投資判断として明記します。

流行の施策でも、データが効果を否定しているものは後回しにし、浮いた工数を優先施策①〜⑥に集中投資します。

298. 施策

優先順位 — 結論を先に。①GBP → ②コエテコ → ③公式サイトから。

提案　8月はすべて並行で着手します。この順位は投資の重みづけとレビューのためのものです。

1. 施策① GBPレビュー強化（領域C）— 既に勝っている経路をさらに固める
2. 施策② コエテコ掲載（領域D）— 最大の欠落を埋める
3. 施策③ 公式サイト整備（領域A+B）— 誤描写を正し、受け皿を作る
4. 施策④ プレスリリース配信＋自社記事（領域E）— 競合が実証済みの新経路を移植する
5. 施策⑤ YouTube発信（領域E）— 同上（言及の面を広げる）
6. 施策⑥ 定点観測の固定化（領域F）— 効果を測る仕組みを固定する

以降、各施策を「何をするか／計測結果からの根拠／海外・国内の定石からの根拠／8月の動き」の4点セットでご説明します。

308. 施策 — 各論 1/6

施策① GBPレビューの「語彙設計」強化　領域C

最強経路（地図検索10戦10勝）の源泉であるレビューを、量・鮮度・語彙の3面から強化します。

318. 施策 — 各論 2/6

施策② コエテコ掲載の獲得　領域D

Web経路0勝の最大要因である「未掲載」を解消します。あわせて他ポータルも底上げします。

328. 施策 — 各論 3/6

施策③ 公式サイトの一次情報整備　領域A+B

AIに間違われたくない事実を、公式サイトに数字と日付入りで置きます。誤描写への自衛でもあります。

338. 施策 — 各論 4/6

施策④ プレスリリース配信＋自社記事（note・ブログ）　領域E

ロジカルAIスクールが実証した経路を、そのまま移植します。

348. 施策 — 各論 5/6

施策⑤ YouTubeでの発信開始　領域E

AI可視性と最も強く相関するチャネルに、小さく着手します。

358. 施策 — 各論 6/6

施策⑥ 定点観測の固定化　領域F

施策の効果は「同じ質問セットの定点比較」でしか測れません。今回の90セッションが比較の基準点（ベースライン）になります。

369. 計画

2026年8月 — 1ヶ月で全て実行し、計測まで終えます。

提案　週次の実行カレンダーです。6施策すべてに着手し、月末に効果測定の第1回を行います。

レビュー依頼と定点計測は9月以降も毎月の定常運用に組み込みます。

379. 計画

最後に、正直にお伝えしたいことがあります。

期待値を正確に共有することが、この取り組みを続けるうえで最も大切だと考えています。

38付録

用語集

本資料で使った用語のまとめです。

39付録

計測条件の再掲と出典一覧

出典一覧（クリックで各元記事が開きます）

1. LLMO（LLM最適化）とは？ — Speee Marketing Insights
2. AI時代の検索マーケティングを支援する新組織「AI Searchマーケティング事業本部」を新設 — サイバーエージェント
3. Local Consumer Review Survey 2026 — BrightLocal
4. AI Overviews Reduce Clicks by 34.5% — Ahrefs
5. Does AI Search Traffic Convert Better? 0.5% of Visitors Drove 12.1% of Signups — Ahrefs
6. Profound Raises $96M Series C at $1B Valuation — Profound
7. GEO/LLMOソリューション — 電通デジタル
8. Do AI Engines Cite the Same Sources? Study of 161,286 Prompts — Writesonic
9. Exclusive: As AI Threatens Search, Profound Raises $96 Million（Fortune） — Yahoo Finance
10. New Study of 10,000 Local Businesses Reveals What AI Actually Uses（Insites） — National Law Review
11. Do Self-Promotional "Best" Lists Boost ChatGPT Visibility? Study of 26,283 Source URLs — Ahrefs
12. 67% of ChatGPT's Top 1,000 Citations Are Off-Limits to Marketers — Ahrefs
13. 「コエテコ byGMO」が会話型AIによるプログラミング教室レコメンド機能の提供を開始 — GMOインターネットグループ
14. プログラミング教室運営者さま 教室を掲載しませんか？ — コエテコ byGMO
15. 教室掲載のお申込み（掲載は有料） — コドモブースター（株式会社イトクロ）
16. プロリアへの掲載希望のお問い合わせ — プロリア プログラミング
17. 2026 Local Search Ranking Factors — Whitespark
18. Answer Engine Optimization (AEO) Course — Ahrefs Academy
19. How HubSpot Became the #1 CRM in AI Search [A Case Study] — HubSpot
20. Answer Engine Optimization Case Studies That Prove the ROI of AEO — HubSpot
21. Customers — Profound
22. 【自社事例を公開】LLMO対策の成功事例 — Speee Marketing Insights
23. We Tracked 1,885 Pages Adding Schema. AI Citations Didn't Budge — Ahrefs
24. Do AI Assistants Prefer to Cite Fresh Content? — Ahrefs
25. 90+ AI SEO Statistics (Fresh and Original Data) — Ahrefs
26. AI検索で引用されるドメイン、YouTubeが首位維持！noteは5位→2位に急上昇【Ahrefs調べ】 — Web担当者Forum
27. 生成AIが引用するプレスリリースの60.5%はPR TIMES（AI回答81,895件分析） — Optyino.ai（株式会社Wallabee）
28. AI Search Visibility Report March–April 2026（5.35M Citations, 8 LLMs） — Meltwater
29. I Studied How AI Recommends Local Businesses（Simon Moser） — Entrepreneur
30. YouTube Mentions Are the Strongest Signal of AI Visibility（Ahrefs 75,000-Brand Study） — The Next Web
31. Semrush Releases Expanded 2026 AI Visibility Index（126M Prompts） — Semrush

本資料はここまでです。Escで一覧表示に戻れます。ご検討のほど、よろしくお願いいたします。