Skip to content
Affectosphere Group Kansai University, Keito Inoshita Laboratory
EN

Column

ChatGPTに聞かれるブランド評判は、どこから来ているのか

ユーザーがGoogleでなくAIで情報収集する時代、LLMのブランド知識は言語・市場ごとに参照ソースが異なります。GEO（生成AIエンジン最適化）の考え方で、AI時代の評判を先手で管理する方法を解説します。

5 分で読める English version →
地球儀を囲む複数の言語テキストと検索パネルのフラットイラスト。各市場からLLMへ情報が流れ込む様子

こんにちは。Affectosphere Group の井下です。

最近、気になっている質問があります。

「自社のブランドについて、ChatGPTはどう答えているか——知っていますか?」

SEO（検索エンジン最適化）の概念はすっかり浸透しました。でもいまユーザーがブランドを調べる場所は、Googleだけじゃなくなっています。ChatGPTやGeminiやClaudeに直接聞く人が増えている。

そしてLLMが答えるブランド評判は、LLMが学習したウェブ上のテキスト——Wikipediaやニュース、レビューサイト——から来ています。

2026年6月にarXivで公開されたZatuchin の研究（arXiv:2606.25787）は、この「LLMがブランド評判のどこから何を参照しているか」を言語・市場横断で分析したものです。

今日の3点

  1. LLMが生成するブランド評判は、言語や市場によって参照ソースの品質・偏りが大きく異なる。
  2. 英語市場と非英語市場では、LLMのブランド知識の質に格差がある可能性がある。
  3. GEO（Generative Engine Optimization）——LLMが参照する第三者コンテンツを積極管理する手法——が、AI時代の評判マネジメントの中心になりつつある。

① 「LLMに聞かれる」時代のブランド管理

少し前まで、ブランドの評判管理は「Google検索で上位に出るかどうか」が中心でした。

でも今は、ユーザーが「○○というブランドはどんな会社ですか」「このブランドの製品は信頼できますか」とChatGPTに聞く場面が増えています。そしてLLMの返答は、Google検索とは違うロジックで動いています。

Google検索は「ウェブページのリンク構造と関連性」でランキングを決めます。でもLLMは事前学習データから確率的にテキストを生成する。その学習データに何が含まれているかが、LLMのブランド知識の品質を決めます。

Zatuchinの研究が明らかにするのは、「LLMがブランドを語るとき、どのサイト・どの言語のコンテンツを参照しているか」というメカニズムです。

② 言語・市場による格差

この研究が指摘する重要な点は、英語市場と非英語市場でLLMの知識品質に差がある可能性です。

なぜか。LLMのトレーニングデータは、英語コンテンツの量が圧倒的に多い。WikipediaもニュースもSNS投稿も、英語の絶対量が多い。

これは何を意味するか。英語市場でのブランド評判は、Wikipediaや主要メディアの英語記事を通じてLLMに学習される可能性が高い。でも日本語・スペイン語・アラビア語など非英語市場では、LLMが参照できるコンテンツの量が少なく、品質にムラが出やすいと思います。

たとえば日本のブランドが英語Wikipediaに充実した記述を持っていなければ、外国人ユーザーがChatGPTに聞いたときの返答は薄い、あるいは古い情報になるかもしれません。

逆に言えば、「英語市場でのLLMによるブランド表現を整備することが、グローバルユーザーへのリーチに直結する」という示唆が得られます。

③ GEOとは何か——LLM時代のSEO

この研究が中心に置いている概念が「GEO（Generative Engine Optimization）」です。

SEOが「検索エンジンのランキングアルゴリズムに合わせて自社サイトを最適化する手法」だとすれば、GEOは「LLMが参照する第三者コンテンツを積極的に管理・整備する手法」です。

具体的には以下のようなコンテンツが対象になります。

  • Wikipediaの自社・自ブランドの記述（英語版、主要言語版）
  • 権威あるメディアに掲載されたプレスリリースや記事
  • Trustpilot・G2・Glassdoorなどのレビュープラットフォームの評価
  • 業界データベースやリサーチレポート内のブランド言及

これらのコンテンツは、LLMがブランド知識を生成する際に参照する「一次ソース候補」です。SEOと違って検索結果の順位ではなく、「そもそもLLMが学習・参照するテキストの中に、正確で豊富な自社情報があるか」を管理することがGEOの核心です。

自社で試すGEO監査：マーケ・広報担当者へ

この研究の知見を「自社でどう試せるか」に落とし込みます。

想定部署はマーケティング部門、広報・コーポレートコミュニケーション部門、またはデジタル戦略チームです。

まず今日できる第一歩として、「自社ブランドについてChatGPT・Gemini・Claudeにそれぞれ質問し、返答を記録する」ことをお勧めします。質問例は「○○社の主要製品と特徴を教えてください」「○○ブランドの評判・信頼性はどうですか」などです。英語版・日本語版の両方で試すと、市場別の格差が見えてきます。

次のステップが「参照ソース監査」です。LLMが答えた内容に誤り・古い情報・欠如がある場合、そのソースを特定します。Wikipediaか、古いニュースか、誤情報を含むレビューか。ソースを特定することで、修正の優先順位がつきます。

KPIとして設定できるのは「LLMブランド応答スコア」です。主要なLLMへの定期クエリを設計し、自社ブランドが正確に・好意的に・十分な情報量で返答されているかを月次でスコアリングします。競合他社と比較することで、GEO格差の可視化にもなります。

具体的な改善アクションとしては、英語版Wikipediaの自社ページ充実（記述が薄ければ一次資料を揃えた上で加筆）、信頼性の高いメディアへのプレスリリース配信（AIが参照する可能性の高い媒体を優先）、多言語対応プレスルームの整備などが考えられます。

「検索されない時代」への備え

少し先の話をすると、AIアシスタントがより日常的になるにつれ、ユーザーは「検索して自分で情報を取捨選択する」より「AIに聞いてそのまま判断する」フローに移行していくかもしれません。

そうなったとき、ブランドが「AIの記憶の中にどう存在するか」が、消費者の意思決定に直接影響します。

SEOで自社サイトを上位表示させてきた10年と同じことが、GEOという形でもう一度起きようとしています。違うのは、「コンテンツ自体の質と権威」に対する影響力がより直接的に問われる、という点かもしれません。

GoogleではなくAIに「選ばれる」ブランドになるために、LLMが何を参照しているかを把握することが、マーケ・広報の新しい基礎仕事になるのだと思います。

では！

参考論文

  1. Dmitrij Zatuchin (2026). How Large Language Models Source Brand Reputation Across Languages and Markets. arXiv preprint.

※ 本記事は一部 AI により執筆されており、間違った情報が含まれる恐れがあります。