Evidence Ladder：JS、Edge、ログでAI可視性を段階的に上げる

多くの企業は、AI流入の計測をブラウザJavaScriptから始めます。それは正しい第一歩です。AIリファラーから来た人間の訪問を見つけ、滞在やコンバージョンを測ることができます。しかし、そこで止まると、AI活動の大部分を見落とします。

AIクローラーはJavaScriptを実行しないことが多い。サーバー側のagent fetchはブラウザセッションを作らない。MCPやAPI経由の取得は、通常のWeb解析には出ません。つまり、JSは重要ですが、AI可視性の最終形ではありません。

L0：プラットフォーム基準

GA4、GSC、広告管理画面だけを見る段階です。人間訪問や検索需要の一部は見えますが、AIエージェントがどのページを読んだかはほとんど分かりません。経営報告の出発点にはなりますが、AI時代の全体像ではありません。

L1：ファーストパーティJS

自社ドメインで動くJSを入れると、AIリファラー、訪問者行動、ページ閲覧、フォーム、購入手前の行動をより正確に見られます。CitationGraphのような一手データはここで効きます。ただし、JavaScriptを実行しないAIには届きません。

L1.5：Edge Lite Bridge

CDNやEdgeで軽量にリクエストを観測すると、GPTBot、ClaudeBot、PerplexityBot、ChatGPT-Userのようなアクセスをブラウザの前で捕捉できます。ここは費用対効果が高い段階です。JSでは見えなかったRequest層が一気に見えるため、AIAAが急増することがあります。ただし、それはAIが急に増えたのではなく、観測範囲が広がったという意味かもしれません。

L2：管理されたログ連携

Cloudflare、Vercel、Shopify、サーバーアクセスログを継続的に取り込む段階です。どのエージェントが、どのパスを、どの頻度で、どんなステータスで読んだかを見られます。SEO、GEO、セキュリティ、インフラの会話が同じデータに乗り始めます。

L3：企業テレメトリ

OpenTelemetry GenAI span、MCP tool call、API監査、checkoutやpayment authorizationの証跡まで見る段階です。これはすべての企業に最初から必要ではありません。ただし、大規模なcommerceやB2Bでは、将来的にAIがどのtoolを呼び、どの判断をし、どの取引に関わったかを監査する必要が出ます。

Evidence Ladderの要点は、各段階が違う問いに答えることです。JSは人間訪問を見ます。Edgeはエージェントリクエストを見ます。ログは全体地図を作ります。テレメトリは実行チェーンを示します。すべてを一つのAI流量にまとめるのではなく、証拠のレベルとして扱うべきです。

この表で注意すべきなのは、跳ね方を成長と同一視しないことです。L1.5を入れた瞬間にAI活動が数倍に見えることがあります。しかし、それはAIが突然数倍に増えたというより、これまでブラウザJSでは見えなかったRequest層が見え始めたという意味です。経営報告では、この増加をCoverage Expansionとして分けて説明する必要があります。

実務では、L0からL3を一気に進める必要はありません。まずGA4/GSCと既存ログで基準線を作り、次に一方JSで人間訪問を安定して見る。その後、Edge LiteでAIエージェントのリクエストを捕捉し、最後に必要な企業だけがOpenTelemetryやMCP tool callまで進みます。重要なのは、各段階で「何が新しく見えるようになったか」を記録することです。

この順序を守れば、AI可視性の改善を誤読しにくくなります。Requestが増えたなら技術的な観測範囲が広がったのかもしれない。Visitが増えたなら人間の反応が増えている。Commerceが増えたなら購買意図に近づいている。Attributionが増えたなら収益説明に近づいている。Evidence Ladderは、AIの増加を一つの数字で騒ぐのではなく、どの証拠が増えたかを冷静に読むための道具です。

日本企業でこの考え方が重要なのは、AI計測がマーケティングだけの問題ではないからです。GA4を管理する分析チーム、GSCを見るSEOチーム、CDNやWAFを管理するインフラチーム、ShopifyやEC基盤を運用するチーム、CRMや営業データを見るチームが、それぞれ別の画面を見ています。AIエージェントの活動は、この境界をまたぎます。だから、一つのツールにすべてを押し込むより、証拠の階段を作り、どの階段まで来ているかを共有する方が現実的です。

たとえば、ある月にEdge Liteを導入してGPTBotやClaudeBotのリクエストが大量に見え始めたとします。これは重要な進歩です。しかし、その数字をそのまま「AI需要が500%伸びた」と発表すれば誤解になります。正しい言い方は、「Request層の観測範囲が広がり、これまで見えていなかったAIエージェント活動を捕捉できるようになった」です。そのうえで、翌月以降に同じ観測条件でComparable Growthを追います。

また、L3を急ぐ必要がある企業とそうでない企業も分けるべきです。AIがまだページを読み、ユーザーを送る段階なら、L1とL1.5で十分な場合が多い。AIエージェントが在庫確認、価格照会、見積もり、チェックアウト、API操作に関わり始めるなら、OpenTelemetryやMCP tool callの監査が必要になります。つまり、Evidence Ladderは機能リストではなく、AIが事業プロセスのどこまで入り込んでいるかに応じた投資順序です。

Gravityがこの階段を重視するのは、AI visibilityを「見えた/見えない」の話で終わらせないためです。見えたものがAnswerなのか、Requestなのか、Visitなのか、Commerceなのかで、次の施策は変わります。コンテンツを直すのか、ログをつなぐのか、商品情報を整備するのか、注文接続を作るのか。Evidence Ladderは、その判断を感覚ではなく証拠の層で決めるための枠組みです。

導入順序を決めるときは、まず「今の意思決定に必要な最小証拠」を確認します。経営会議でAI由来の売上を語りたいなら、Attributionに近いデータが必要です。GEO施策の早期効果を見たいなら、AnswerとRequestで十分なこともあります。サイト改善をしたいなら、VisitとCommerceを見なければなりません。目的が違えば、必要なレベルも違います。

日本の多くの企業では、最初からL3を作るより、L1とL1.5を安定させる方が現実的です。AI referrerから来た人間を見つけ、AI Agentが読んでいるページを把握し、商品、FAQ、価格、事例、比較ページのどこに関心が集まるかを見る。これだけでも、コンテンツ改善やGEO優先順位は大きく変わります。さらに商業イベントや注文接続を加えると、AIが単なる可視性ではなく事業機会に近づいているかが分かります。

もう一つの実務ポイントは、セキュリティやインフラとの合意です。AI Botをすべて遮断すれば、データ保護の安心感はありますが、AI可読性とGEO機会を失う可能性があります。逆にすべて許可すれば、無駄な負荷やスクレイピングリスクが高まります。Evidence Ladderは、どのAgentを観測し、どのAgentを許可し、どのアクセスを制限するかを、マーケティングとインフラが同じデータで話す土台にもなります。

最初の90日で見るなら、第一段階はL0とL1の棚卸しです。GA4、GSC、広告管理画面、既存イベント、フォーム、注文データの定義をそろえる。第二段階はL1.5で、Edge側のbot判定、user-agent、IP、パス、ステータスコードを保存する。第三段階はL2で、Cloudflare、Vercel、Shopify、サーバーログを継続的に統合する。この順番なら、過剰なシステム投資を避けつつ、AI時代に必要な証拠を増やせます。

そして、各段階の導入月には必ず注記を残します。「今月はEdge観測を追加したためRequestが増えた」「今月はShopifyイベントを追加したためCommerceが増えた」と書く。これにより、後から数字を見た人が市場成長と計測改善を混同しません。Evidence Ladderは、計測の透明性を保つための運用ルールでもあります。

この透明性がないと、AI施策はすぐに過大評価と過小評価の間で揺れます。ある月は「AIが急伸した」と言い、次の月は「伸びていない」と言う。しかし実際には、データソース、bot判定、ログ保持、イベント定義が変わっただけかもしれません。Evidence Ladderは、その変化を記録し、比較可能な期間を守るための仕組みです。

したがって、ダッシュボードには数値だけでなく、導入済みレベル、変更日、追加されたデータソース、比較可能な開始月を必ず入れるべきです。これだけで、AI可視性の議論はかなり落ち着きます。

さらに、各レベルで「次に進む条件」を決めておけば、過剰投資も計測不足も避けられます。

この段階管理が、AI可視性を継続運用できる指標に変えます。

数字の増減を、次の改善行動へ接続できるからです。

ここが実務上の差になります。

この差が、継続改善を可能にします。

FAQ

Q1: なぜJSだけでは足りないのですか？

A: 多くのAIクローラーやserver-side fetchはJavaScriptを実行せず、通常のWeb解析に現れないためです。

Q2: 最初に導入すべき段階はどれですか？

A: 多くの企業ではL1のファーストパーティJSとL1.5のEdge観測が現実的な第一歩です。

Q3: Edge導入後にAI指標が急増したら成長ですか？

A: 必ずしもそうではありません。観測範囲が広がっただけのCoverage Expansion Liftである可能性があります。

Q4: L3はいつ必要ですか？

A: AI agentが実際にtool call、checkout、payment、業務APIに関わる段階で必要になります。

Q5: Gravityは何を重視しますか？

A: 各レベルの証拠を分け、AIAAとして接続することです。