AIは自社を知っているのに、なぜ推薦しないのか

「認識される」と「推薦される」は別のハードル

認識されるために必要なのは、モデルが「この名前はこの会社を指す」と知っていることだけです。ハードルはさほど高くありません。公式サイトに明記があり、一貫した公開情報がいくつかあれば通常は越えられます。

一方、推薦は順位づけの問題です。「数社推薦して」と聞かれたとき、モデルは同じカテゴリの中から数社を選びます。ここで問われるのは存在の有無ではなく、御社に関する引用可能な根拠が十分に多く、新しく、第三者の裏付けを伴っているかどうかです。同業他社と同じ列に並んで比較されています。

中小ブランドが推薦層でゼロになりやすい理由

質問の立て方そのものが、答えの母集団を決めているためです。「ECをやっている日本の会社を推薦して」のような汎用的な聞き方では、モデルはほぼ大手しか挙げません。これはモデルの偏りではなく市場の実態です。そのカテゴリについて読み込んだ内容が、もともと数社に集中しているからです。

ここから2つのことが言えます。第一に、汎用的な質問でゼロなのは正常であり、それだけで見込みがないと判断する必要はありません。第二に、本当に注視すべきは汎用的な質問ではなく、御社の顧客が実際にどう尋ねるかです。

• 汎用型：「インテリアデザインの会社を推薦して」→ 大手が独占
• 地域型：「横浜で地元のインテリアデザイン会社を探している」→ 中小に機会が生まれる
• 状況型：「予算が限られていて初めてのリフォーム、どこに頼むべきか」→ 差別化された会社が際立つ

推薦層でスコアを得るために何をするか

核心は「引用可能な具体的コンテンツ」をつくることです。モデルが推薦する際には理由が必要であり、その理由はテキストから読み取れるものでなければなりません。「丁寧に対応します」は理由になりませんが、「15坪以下の小規模住宅に特化、平均工期45日、直近3年で120件」は理由になります。

もう1つは第三者の裏付けです。同じ内容でも、自社が言う場合と業界メディアが書く場合とでは重みがまったく違います。実質的な内容を伴う報道が1本、業界団体名簿への掲載が1件、実名の顧客事例が1本 — これらは自社サイトに10ページ追加するより効くことが多くあります。

• 提供範囲を、検証可能な数値と条件で書く（形容詞で書かない）
• FAQページを設け、見出しは顧客が実際に使う言葉にする（社内用語を避ける）
• 第三者メディアによる実質的な記事を最低1本は蓄積する
• 事例は写真だけでなくテキスト段落として書く

単一の質問だけで結論を出さない

「この分野の会社を推薦して」と一度聞いただけで可視性ゼロと判断するのは、一科目だけ受験して学力を語るようなものです。同じブランドでも文脈を変えると結果は大きく変わります。当社の診断で質問の視点を複数に分けているのは、このためです。

実務上の推奨順序は明確です。まず「認識」の層で何点かを確認してください。そこがゼロであれば、推薦層への努力はほとんど回収できません。

FAQ