AI流入はAI貢献ではない：AIAAの5層で帰属を分ける

「今月、AI由来の流入が何件あり、そこからいくら売れました」。一見すると分かりやすい報告です。しかし、この一文の中には少なくとも三つの異なる事実が混ざっています。AIがブランドを回答内で取り上げたこと。AIエージェントがページを読みに来たこと。人間がAIの推薦リンクから訪問したこと。そして、その訪問が購買や問い合わせに結び付いたこと。これらは同じではありません。

AI時代の帰属で最も危険なのは、すべてを「AI traffic」という一つの箱に入れてしまうことです。経営会議では便利ですが、現場の判断を誤らせます。

AIAAの5層

第一層はAnswerです。AI回答がブランド名を言及したり、ページを引用したり、製品情報を吸収したりする段階です。これは露出であり、訪問ではありません。Share of Voiceやプロンプト監視で観測できますが、サンプル性とノイズを前提に見る必要があります。

第二層はRequestです。AIエージェントが商品ページ、価格、在庫、ポリシーを直接読みに来る段階です。ここではサーバーログやEdgeログが重要になります。ただし、これは機械行動であり、人間の需要とは限りません。

第三層はVisitです。ユーザーがChatGPT、Perplexity、Geminiなどの推薦リンクから実際にサイトへ到着します。ここで初めて人間の訪問になります。ただし、訪問はまだ収益ではありません。

第四層はCommerceです。訪問者が商品閲覧、カート追加、チェックアウト開始、問い合わせ、資料請求など、商業意図のある行動を起こします。ここからマーケティングKPIとしての意味が強くなります。

第五層はAttributionです。注文や商談が、リファラー、セッション、注文データ、CRMデータによってAI由来だと説明できる状態です。最も価値がありますが、証拠の要求も最も高い層です。

この表が重要なのは、AI貢献を「一つの数字」にしないためです。たとえばEdgeログを導入した月にRequestが急増しても、それは市場需要が急に増えたのではなく、これまで見えていなかった機械行動が見えるようになっただけかもしれません。逆に、Answerでの言及が増えてもVisitが増えない場合、AI回答内のリンク、ブランド指名検索、商品ページの導線、第三者引用元の整備を見直す必要があります。

実務上は、observed growthとcomparable growthを分けるべきです。observed growthは、今見えているすべてのAI関連シグナルを含みます。comparable growthは、前月と今月で同じデータソースだけを比較します。この区別をしないと、新しい計測範囲の追加が「AI需要の成長」と誤って報告されます。

また、層ごとに責任者も変わります。AnswerはGEO/コンテンツチームが見る。RequestはインフラやSEO技術チームが見る。VisitとCommerceはGrowth、EC、分析チームが見る。AttributionはBI、CRM、広告、経営管理が見る。AIAAは部門を混ぜるための言葉ではなく、部門間で同じ証拠を別の粒度で読めるようにするための設計です。

たとえば、ある月にAI由来セッションが少なく見えても、AnswerとRequestが伸びているなら、上流では需要の種が増えている可能性があります。この段階で広告予算を急に削るのは危険です。逆に、Visitが増えているのにCommerceが伸びないなら、問題はAI可視性ではなく、着地ページの信頼性、商品情報の不足、価格説明、比較表、CTAにあるかもしれません。Attributionだけを見ても、こうした途中の詰まりは分かりません。

この考え方は、従来のSEOとPaid Mediaの間にも橋をかけます。SEOチームはAI回答でブランドがどう説明されているかを見ます。広告チームはリターゲティングやブランド検索の成果を見ます。営業やECチームは問い合わせや注文を見ます。AIAAは、どのチームが成果を「取ったか」を争うためのものではありません。AIが作った接点が、どの段階で人間の行動に近づき、どの段階で既存チャネルに吸収されたかを説明するためのものです。

日本企業では、意思決定までに社内確認、比較表、稟議、導入事例、FAQ確認が入ることも多いです。AIはこの前半の情報収集に強く影響しますが、最後のクリックはブランド検索やDirectになることがあります。したがって、AI貢献をlast-clickだけで読むと過小評価し、エージェント数だけで読むと過大評価します。AIAAはその間にある「説明可能な中間証拠」を残します。

報告では、各層に信頼度ラベルを付けると運用しやすくなります。Answerは観測サンプル、Requestは機械観測、Visitは人間到着、Commerceは購買意図、Attributionは収益接続です。このラベルを毎月固定すれば、AI検索の成長を誇張せず、かといって見逃しもしないバランスが取れます。

日本の現場でよく起きるのは、AIの影響がブランド検索や指名流入に変換されるケースです。ユーザーはAI回答で候補を知り、その場でクリックせず、後から会社名や商品名を検索します。GA4ではOrganic SearchやDirectに見えるかもしれません。広告ツールではリターゲティング接触が最後に残るかもしれません。だからといってAIの貢献がゼロとは言えません。一方で、AI回答で一度名前が出ただけで売上をAIに帰属させるのも行き過ぎです。必要なのは、AnswerからAttributionまでの間にある中間証拠を積み上げることです。

そのため、AIAAレポートには「確定値」と「診断値」を分けて置くべきです。確定値は注文や問い合わせに接続したAttributionです。診断値はAnswer、Request、Visit、Commerceの各層です。診断値は売上として扱わないが、改善対象を決める材料として使います。たとえば、AI回答では強いのにVisitが弱いなら、リンク設計やブランド指名検索を改善する。Visitは強いのにCommerceが弱いなら、サイト内の比較情報や安心材料を改善する。この使い分けが、AI計測を実務に落とします。

また、データの比較期間も固定する必要があります。新しいログ収集、AI referrer分類、GA4イベント、Shopify連携を追加した月は、過去月との単純比較が壊れます。その月は「計測範囲が変わった」と明記し、翌月以降に同じ条件で比較する。こうした地味な運用こそ、AI時代の帰属で信頼を守る要点です。

最終的に、AI trafficとAI contributionの違いは、会議での問いを変えます。「AIから何件来たか」ではなく、「AIはどの層で証拠を作り、どの層で途切れ、どの層で商業価値に近づいたか」と問う。これができれば、AI検索、GEO、広告、CRM、EC改善が同じ事実を見ながら議論できます。

取締役会向けには、合計値よりも階層別の表が有効です。AnswerとRequestは将来需要の兆候、VisitとCommerceは行動の進行、Attributionは収益に最も近い証拠として説明します。これにより、AI検索への投資を「流行しているから」ではなく、「どの層を改善すれば売上に近づくか」という形で議論できます。AIAAは、AIの存在感を成果に見せかけるためではなく、成果に近づく道筋を誠実に管理するためのフレームです。

この区別は、外部パートナーとの会話でも役立ちます。SEO会社、広告代理店、CRM担当、EC担当が同じ「AI貢献」という言葉を使っていても、見ている層が違えば結論は変わります。AIAAを使えば、まず証拠レベルをそろえてから施策の責任範囲を決められます。

その順序を守ることで、AI施策の評価は「印象」から「検証可能な改善項目」へ移ります。

結果として、次に直すべき計測、ページ、商品データ、CRM連携が明確になります。

ここが分かれば、AI投資は再現可能な運用になります。

混ぜると、偽の帰属が生まれる

AI回答でブランドが言及されたことは、AIが訪問を送ったことではありません。AIが訪問を送ったことは、ユーザーが購入したことではありません。ユーザーが購入したことは、その売上をAIに帰属できることではありません。

この線引きを怠ると、二つの問題が起きます。第一に、クローラーの大量アクセスを「AI需要」と誤認します。第二に、通常の売上をAI由来売上として過大申告します。どちらも短期的には見栄えがよく、長期的には信頼を壊します。

ダッシュボードは層ごとに分ける

実務では、AIAAを一つの合計値だけで見ない方がよい。Answer、Request、Visit、Commerce、Attributionを別々に表示し、さらに同じ期間に接続済みだったデータソースだけで比較する必要があります。新しいEdgeログを接続した月にAIリクエストが急増しても、それは市場が急に伸びたのではなく、見える範囲が広がっただけかもしれません。

GravityがAIAAを重視する理由はここにあります。GEOはAIに見つけられるための仕事です。CitationGraphやログ分析は、見つけられた後に何が起きたかを観測する仕事です。広告、SEO、AI検索、CRMを同じ数字に押し込むのではなく、証拠レベルを分けてつなぐ。これがAI時代の帰属の最低条件です。

FAQ

Q1: AI流入とAI貢献は何が違いますか？

A: AI流入は主に訪問を指します。AI貢献は、回答内露出、機械リクエスト、訪問、商業行動、収益帰属までを含む広い概念です。

Q2: なぜAI crawlerを人間訪問と分ける必要がありますか？

A: crawlerはJavaScriptを実行しないことが多く、購買意図も持ちません。人間訪問と混ぜると需要を過大評価します。

Q3: AIAAで最も重要な層はどれですか？

A: 目的によります。認知ならAnswer、技術的可視性ならRequest、売上報告ならAttributionが最も重要です。

Q4: 最初に作るべきダッシュボードは何ですか？

A: AI回答、AIリクエスト、AIリファラー訪問、商業イベント、注文帰属を別々に表示する5層ダッシュボードです。

Q5: すべてを正確に測れない場合はどうすべきですか？

A: 不完全な層を明示します。分からないものをゼロとも売上とも扱わないことが重要です。