Eコマースを超えて：AI測定が全業界へ広がる時

#### Eコマースの外側にある世界

AI Commerceの議論は、どうしてもShopify注文やDTC購入に寄りがちです。注文は明確で、金額があり、決済と結びつき、経営者にも説明しやすいからです。しかしAIの影響は、Eコマースだけに閉じません。

暗号資産取引所では、重要なのは注文ではなく、登録、KYC、初回入金、初回取引、取引手数料です。SaaSでは、無料トライアル、初回アクティベーション、有料契約、更新、拡張です。FinTechでは、口座開設、本人確認、初回取引、月間アクティブです。教育、医療、不動産、ゲームにも、それぞれ固有の成果があります。

AIが上流でブランド発見を変えるなら、測定も「注文」だけでは足りません。各業界のビジネス成果に合わせて、AIソースをつなぐ必要があります。

#### なぜ汎用化が必要なのか

AIの影響は同じでも、成果の意味は業界ごとに違います。DTCでは購入が成果です。SaaSでは契約だけでなく、Time-to-Valueとリテンションが重要です。取引所では入金ユーザーと取引開始が重要です。FinTechでは規制要件を満たしたアクティブ口座が価値を持ちます。

もし全てを「Revenue」とだけ呼ぶと、意思決定を誤ります。注文売上、広告プラットフォームへ返す売上、AIが関与した売上文脈、因果的に検証された売上は、同じ数字ではありません。AI測定には、業界ごとの成果定義と証拠レベルの分離が必要です。

#### CitationGraphのカスタム成果レイヤー

CitationGraphは、AIソースを各業界固有の成果に接続するためのCustom Outcome Layerを持ちます。目的は、全ての企業をShopify型に押し込めることではありません。各企業がすでに使っているイベント、CRM、MMP、BI、決済、サブスクリプション基盤に合わせて、AI起点の証拠をつなぐことです。

ここで重要なのは、実装の細部ではなく設計思想です。AIで発見されたユーザーが、どのファネル段階まで進んだか。非AIユーザーと比べて、KYC完了率、トライアル有料化率、入金率、継続率がどう違うか。これを、既存の経営指標に翻訳する必要があります。

#### 業界ファネルテンプレート

暗号資産取引所では、AI引用、Web訪問、登録、KYC、初回入金、初回取引、取引手数料という流れになります。サイクルは数日から数週間に及び、途中離脱も多い。AI起点ユーザーが非AIユーザーより高い入金率を持つなら、GEO投資の意味は大きく変わります。

SaaSでは、AI引用、Web訪問、トライアル登録、初回コア機能利用、有料契約、更新、アップグレードという流れです。AI経由ユーザーは、比較検討を済ませてから来るため、ActivationやTrial-to-Paidで差が出る可能性があります。

FinTechでは、登録、本人確認、初回取引、継続利用が中心になります。KYC離脱率が高い業界では、AI経由ユーザーがより強い意図を持つかどうかが、重要な洞察になります。

DTCでは、商品閲覧、カート追加、チェックアウト、注文、リピート購入が基本です。ここではShopify連携が分かりやすいですが、それは多業界AI測定の一部に過ぎません。

#### 6つのRevenue Semantics

AI測定で特に危険なのは、異なる種類の売上を1つの数字に混ぜることです。Store Revenue、AI Source Revenue Context、AI Assisted Revenue、AI Attributed Revenue、AI Agent Checkout Revenue、Ads Attribution Revenueは、それぞれ意味も証拠レベルも違います。

Store Revenueは実売上です。AI Source Revenue Contextは、AI起点セッションの文脈にある売上であり、必ずしも帰属ではありません。AI Assisted Revenueは、マルチタッチの経路にAIが含まれた売上です。AI Attributed Revenueは、AIソースから注文までつながる高い証拠を持つ売上です。AI Agent Checkout Revenueは将来の概念で、現時点では慎重に扱うべきです。Ads Attribution Revenueは広告プラットフォームへ返す検証可能な売上です。

これらは足し算してはいけません。CitationGraphの原則は、数字を大きく見せることではなく、数字の意味を正直に分けることです。

#### Build vs Buy

大企業はよく「自分たちで作れるのでは」と考えます。基本的なAIソース検知は確かに作れます。しかし難しいのは、その後です。新しいAI環境への継続対応、ソースから成果への接続、MMPやCRMとの整合、業界別ベンチマーク、因果検証までを維持するには、単発スクリプトでは足りません。

取引所のエンジニアは取引エンジンとセキュリティに集中すべきです。SaaSのエンジニアはコアプロダクトに集中すべきです。AIソース測定は、各社が個別に持つには変化が速く、横断知見が重要な領域です。そこにGravity TechnologyとCitationGraphの役割があります。

#### 多業界化で避けるべき落とし穴

多業界対応で最も危険なのは、テンプレートを増やすこと自体を目的にしてしまうことです。テンプレートは営業資料ではなく、測定上の仮説です。暗号資産取引所の「初回入金」とSaaSの「有料契約」は、同じコンバージョンではありません。FinTechのKYC完了とDTCの注文も、価値の発生タイミングが違います。

だから、CitationGraphではテンプレートを固定した業界分類ではなく、成果イベントの意味と証拠レベルに分解して扱います。どのイベントがビジネス上の先行指標なのか、どのイベントが売上に近いのか、どのイベントは規制や審査の制約を受けるのか。この整理ができて初めて、AIソース測定は経営の言葉になります。

もう一つの落とし穴は、AI起点のユーザーを過大評価することです。AIから来たユーザーが常に高品質とは限りません。ある業界では検討意図が高く、別の業界では情報収集だけかもしれません。だからこそ、多業界の測定では「AIが来た」ではなく、「AIから来たユーザーがどの成果段階まで進んだか」を見る必要があります。

日本市場で考えると、この区別はさらに重要です。B2B SaaS、金融、越境EC、ゲームでは、意思決定者、利用者、支払者が異なることがあります。AIが誰に影響したのかを見誤ると、正しい成果イベントを選べません。多業界対応とは、単に言語や業種名を変えることではなく、購買構造そのものに合わせて測定することです。

この設計ができている企業ほど、AI投資を単発キャンペーンではなく、事業別の成長インフラとして扱えます。業界ごとの成果定義が明確なら、経営会議でも比較が可能になります。

結果として、AI測定はマーケティングの補助指標ではなく、事業管理の共通基盤になります。

#### 核心論点

AIの獲得影響はEコマースに限定されません。各業界は、自社固有の成果ファネルにAIソースを結びつける必要があります。CitationGraphのCustom Outcome Layerは、そのための多業界型測定レイヤーです。

FAQ

Q1: 業界ごとにイベント定義が違っても対応できますか？

A: はい。テンプレートは開始点であり制約ではありません。登録、KYC、入金、契約、予約、受講完了など、明確な成果イベントがあれば接続できます。

Q2: KYCなどのセンシティブな内容を扱いますか？

A: 原則として内容は扱いません。必要なのは「完了した」というイベントフラグや匿名化された識別子であり、機密データそのものではありません。

Q3: Revenueを合算してAI成果として出せますか？

A: すべきではありません。売上の意味が違うため、証拠レベルごとに分けて表示する必要があります。