#### CMOが本当に聞いていること
AI測定の議論は、最初は検知から始まります。どのAIプラットフォームが来ているのか。何件のAIリクエストがあるのか。どの回答でブランドが引用されているのか。これは重要です。しかし、経営会議で求められる答えはもう一段上にあります。
CMOやCFOが知りたいのは、「AIは存在するか」ではありません。「AIへの投資が成長を生んでいるか」です。GEOに投資した結果、AI経由の登録、KYC、入金、注文、契約が増えたのか。もし投資を止めたら、どれだけ減るのか。ここで必要になるのは検知ではなく、証拠の階層です。
#### 5段階の因果エビデンス階段
C0は観測相関です。AI引用、AI訪問、AIソースの登録が存在することを示します。これは出発点ですが、まだ因果ではありません。「AI経由ユーザーがいる」ことと「GEO投資がそのユーザーを増やした」ことは別です。
C1は品質比較です。AIソースユーザーと非AIユーザーの行動を比較します。KYC完了率、入金率、Trial-to-Paid、平均注文額、LTVが違うかを見る。ここで初めて、AIチャネルが単なるトラフィックではなく、質の高い需要かどうかが分かります。
C2は時系列の変化です。GEOコンテンツ公開、llms.txt整備、構造化データ改善などの介入後に、AIソース指標がどう変わったかを追います。市場全体の成長と自社の変化を分ける必要がありますが、意思決定には十分使える段階です。
C3は準実験です。市場、製品ライン、コンテンツカテゴリなどを比較し、GEOを強化したグループとそうでないグループの差を見ます。Difference-in-Differencesの考え方を使えば、単なる全体トレンドと自社施策の効果を分けやすくなります。
C4は受控実験です。Geo LiftやHoldoutを設計し、一部市場や対象で投資を一時停止、または段階的に投入し、AIソース成果の差を検証します。これは最も説得力が高く、CFOや取締役会に提出しやすい証拠です。ただし設計、データ量、組織的な合意が必要です。
#### なぜ多くの企業はC0で止まるのか
第一の理由は、データ基盤が足りないことです。C2以上の分析には、数か月分の履歴が必要です。しかし多くのブランドは、AIソースの基本検知すら最近始めたばかりです。履歴がなければ、トレンドも介入効果も分析できません。早く検知を始めるほど、将来の因果検証に必要な資産が早く蓄積されます。
第二の理由は、方法論の壁です。DiD、Geo Lift、Holdout、時系列分析は、通常の広告運用だけで完結するものではありません。統計知識、実験設計、十分なデータ品質が必要です。
第三の理由は、組織の意思です。Holdoutは、意図的に一部の投資を止めることを意味します。短期指標が落ちる可能性を受け入れなければなりません。だからこそ、因果検証は単なる分析ではなく、経営の意思決定プロセスです。
#### CitationGraphの段階的な因果検証
CitationGraphは、初日からC4を要求しません。まずC0でAIソースを検知し、AIチャネルの存在を可視化する。次にC1でカスタム成果を接続し、AIユーザーの質を比較する。十分な履歴ができたらC2で介入前後を見て、複数市場や製品ラインがある場合はC3へ進む。最後に、経営合意が取れた段階でC4のGeo LiftやHoldoutを設計します。
この段階設計が重要です。C0は「AI接触があるか」に答えます。C1は「AIユーザーは質が高いか」に答えます。C2は「施策後に変化が起きたか」に答えます。C3は「他の要因と分けても効果がありそうか」に答えます。C4は「投資を止めたら本当に下がるか」に答えます。
すべての意思決定にC4が必要なわけではありません。しかし大きな予算、取締役会承認、長期投資の正当化には、C4に近い証拠が強力です。
#### 自社構築よりCitationGraphが向く理由
因果検証には、単一企業のデータだけでは難しい問題があります。市場全体でAI検索が伸びている時、自社の伸びが施策によるものなのか、業界全体の波なのかを分ける必要があります。CitationGraphは複数業界の横断的なベースラインを持つため、この比較の設計がしやすくなります。
また、AI回答における引用率は、広告費とは異なる独立した証拠になります。ブランドがAI回答でどれだけ引用されるかは、GEO施策やコンテンツ構造の影響を受けますが、通常の広告クリックとは別の信号です。この信号を成果データと組み合わせることで、因果に近づく分析が可能になります。
最後に、データの完全性です。因果分析はデータ欠損に弱い。GA4だけ、MMPだけ、アンケートだけでは、AI影響の大部分が欠けます。多層のAI可視性があって初めて、信頼できる因果検証に近づきます。
#### 究極の質問への回答
シリーズの出発点は、「AI投資の成果をどう計算すればよいか分からない」という問いでした。Causal Evidence Ladderを使えば、答えは段階的になります。
C0では、AI引用、AI訪問、AIソース登録がどれだけあるかを示します。C1では、AIソースユーザーのKYC完了率や入金率が他チャネルより高いかを示します。C2では、GEO施策後にAIソース成果が市場トレンド以上に伸びたかを示します。C3では、施策を行った市場や製品ラインが対照群より伸びたかを示します。C4では、GEO投資を止めた地域で成果が落ち、再開後に戻るかを示します。
この階段を上がるほど、議論は「AIが来ている」から「AIに投資すべきだ」へ変わります。
#### いつC4を目指すべきか
すべての企業がすぐにC4を目指す必要はありません。新しい市場に入る前、年間予算を大きく増やす前、GEOを全社施策にする前、または投資家や取締役会にAI成長戦略を説明する前に、C4に近い証拠が強く効きます。
逆に、初期段階ではC0やC1でも十分に価値があります。AI接触が存在すること、AIソースユーザーの質が通常流入と違うことを示せれば、次の3か月の実験予算は説明できます。因果階段の考え方は、完璧な証明を待つためのものではありません。今の証拠レベルを正直に示し、次に上げるべき一段を明確にするためのものです。
この透明性が、AI時代の測定では信頼そのものになります。
実務上は、各レベルに合わせて会議体も変えるべきです。C0はマーケティング運用会議で十分です。C1はGrowthとFinanceの共同レビューに上げる価値があります。C2とC3はデータチームと経営企画を巻き込み、C4は最初からCFOまたはBoard向けの設計にするべきです。証拠レベルと意思決定レベルを合わせることで、AI/GEO投資は感覚論ではなく、段階的な資本配分の議論になります。
#### 核心論点
AIトラフィック検知は出発点にすぎません。パフォーマンスチームに必要なのは、より多いデータではなく、より高いレベルの証拠です。C0からC4への因果エビデンス階段が、AI/GEO投資をCFOが承認できる数字へ変えます。
A: 検出したい効果の大きさによります。イベント数が少ない場合は、まずC0-C2で履歴を蓄積し、十分なパワーが出る段階で実験を設計すべきです。
A: できます。製品ライン、コンテンツカテゴリ、時系列介入などを使い、C2やC3に近い検証から始められます。
A: 統計手法の名前ではなく、意思決定できる数字で説明します。「投資停止時にAIソース登録が何%落ちる見込みか」「1ドルのGEO投資がどれだけの増分収益を生むか」が中心です。