DTC ブランドの AI 流入監視実践：0.5% から全体像へ進む四段階

年商 2,000万ドルの DTC ブランドを想像してください。屋外用ポータブル電源を販売しています。GA4 では AI traffic は 0.5%、月間 1,500 sessions 程度です。CMO は「AI はまだ小さい。専用投資は不要」と判断しました。

これは合成シナリオです。数字は測定口径を説明するための例であり、Gravity の顧客データや特定ブランドの実データではありません。包括的な AI monitoring を導入すると、見えるものは単一の GA4 数字ではなく、trackable referral、AI Overview impressions、Dark AI Traffic、AI crawler intent、Citation SOV の五層に分かれます。結論も「AI は小さいか」ではなく「どの層が過小評価され、どの層に運用アクションが必要か」へ変わります。

このシナリオは特殊な例ではありません。多くの DTC ブランドが monitoring を整えた後に経験する典型的な変化です。

Level 0：GA4 native configuration（5分、ゼロコスト）

まず GA4 property に AI Assistant channel が表示されているか確認します。Reports → Acquisition → Traffic acquisition で AI Assistant 行を探します。表示されない場合は rollout 待ちです。既存の custom AI channel group があれば削除せず、履歴データの baseline として残します。native channel と custom group が同じ source を拾う場合は優先順位を調整します。

GA4 が標準認識しない platform も補う必要があります。DeepSeek、Perplexity、Kimi、Doubao、Tongyi Qianwen、Zhipu、ERNIE、Yuanbao、Poe、You.com、Grok、Mistral などを referrer regex で custom channel group に追加します。これで「完全に見えない」状態から「一部見える」状態になります。ただし Dark AI、AI Overview、crawler activity、zero-click influence はまだ見えません。

Level 1：GSC AI reports + cross-analysis（週30分）

GSC に Search Generative AI reports が来ているか確認し、週次で AI impressions、変化率、主要ページを記録します。ここで重要なのは、impressions を conversion metric として扱わないことです。これは visibility trend です。

見るべき軸は二つです。第一に、AI impressions と Organic clicks の方向性です。AI impressions が増え、Organic clicks が横ばいまたは下落するなら Great Decoupling の可能性があります。第二に、どのページが AI で引用されているかです。AI によく引用されるページは、AI search における storefront です。価格、スペック、policy、FAQ が古ければ、AI の回答も古くなります。

Level 2：Server-side analysis + crawler intent classification（中程度の技術投資）

ここで視界が大きく変わります。client-side から server-side へ移ることで、人間クリックだけでなく AI crawler activity と referrer loss も扱えるようになります。

Level 2 で見えるものは三つです。第一に AI Crawler Profile。どの AI platform がどのページをどの頻度で見ているか。第二に Intent Classification。training と user_fetch を分け、高意図シグナルを見つけること。第三に Dark AI Traffic。GA4 では Direct に入るが、server-side では AI 起点らしい特徴を持つ session を推定できます。

Level 3：Citation SOV sampling（継続運用）

最上位は zero-click influence の測定です。ブランド関連 query set を作り、主要 AI platform に定期的に投入します。ブランドが言及されるか、推薦リストで何番目か、文脈が positive / neutral / negative か、競合とどう比較されるかを記録します。

投資と成果のまとめ

全ブランドは L0 をすぐに行うべきです。月間 1万 visits 以上なら L1 を1-2か月以内に。AI growth に本気なら L2 を3か月以内に。カテゴリーリーダーや上位 DTC は L3 を6か月以内に始めるべきです。

この playbook は一度設定して終わりではありません。毎週、AI Assistant、Organic、Direct、AI impressions、server-side crawler、Citation SOV を同じ review に並べます。どのページが AI に引用され、どのページが user_fetch され、どのページで conversion が弱いのかを見る。そうすると、content、technical SEO、landing page、measurement のどこに手を入れるべきかが明確になります。

経営判断では、各 level に owner を置くことが重要です。Marketing は query set と content priority、Engineering は log access、Data は分類品質、Leadership は budget allocation を持つ。owner がなければ AI monitoring は dashboard で止まります。owner があれば、GEO は週次改善の運用に変わります。

次回は、GA4 的な traffic attribution から AI discoverability へ、測定パラダイムそのものがどう変わるかを扱います。

FAQ

Q1: custom channel group は native AI Assistant と衝突しますか？

A: 可能性があります。ChatGPT など標準対象は native に任せ、custom group は未対応 platform に絞るのが安全です。

Q2: Shopify だけのブランドでも Level 2 は可能ですか？

A: 可能です。Cloudflare Workers、Vercel Edge Functions、CDN layer などで server-side 取得ができます。

Q3: Citation SOV には何件の sample が必要ですか？

A: 最低 30 queries、3 platform 以上、4週間以上を推奨します。より多くの query set とプラットフォーム範囲が信頼性を高めます。

Q4: 費用感はどう考えるべきですか？

A: L0 は無料、L1 は運用時間、L2 は自社開発ならエンジニア工数、SaaS なら subscription、L3 は sample 頻度と platform 数で変わります。

Q5: 一つだけ選ぶならどれですか？

A: L2 です。server-side analysis は referral capture を広げ、crawler intent という GA4 には存在しないデータを開きます。