どのGEO指標が信頼でき、どれが使えないのか？

混合スコアが自らの判断を壊すのは、可視性の指標が支えられる行動が「次はこのエンジンに取り組む」だけであり、エンジンをまたいで平均することが、まさにその情報を消してしまうからです。それが、このカテゴリのほぼすべてのダッシュボードの既定の出力になっています。

まず、エンジンどうしがどれだけ共有していないかから見てください。11,500件のクエリを扱ったSIGIR 2026の研究は、Googleのオーガニック結果、AI Overviews、GeminiのあいだのURLレベルのJaccard類似度を0.11–0.18と測りました。¹ 具体的に読んでください。2つのサーフェスが1つの問いに対してそれぞれ10個のURLを引用するなら、Jaccard 0.15は両方のリストに載るのがおよそ3個だという意味です。しかもその3つのサーフェスは、1社が、1つのインデックスの上に、1つの製品ファミリーの中で作ったものです。無関係な2つのアシスタントなら、重なりはもっと小さくなります。2026年の批判的サーベイは、そのまま引用する価値のある一文で結論を述べています。これらの結果は「グローバルなGEOランキングという考え方を否定する。可視性はエンジンとサーフェスごとにインデックスされる」。²

次に、平均が実際の1週間に何をするかを見てください。あるエンジンで言及率が8ポイント上がり、別のエンジンで6ポイント下がり、残りの3つで横ばいだったとします。混合スコアはおよそ0.5ポイント動き、レポートには「安定」と書かれます。その裏で2つのエンジンが、調べる価値のあることをしたばかりです。ここでの失敗は不正確さではありません。同じものを測っていない量どうしの、行儀のよい平均になってしまっていることです。この食い違いの仕組みはエンジンは一致するかの記事で詳しく追っています。

クロスエンジンの集約にも正当な使い道が1つだけあり、それはスコアではありません。しきい値を超えたエンジンの数を数えてください。「5つのエンジンのうち3つで、回答の4分の1以上に名前が出た」は説明できる要約の一文です。通約できない量の平均ではなく、それぞれ独立に説明できる事実の個数だからです。

シェア・オブ・ボイスが脆いのは、信頼できる指標の中で唯一、分母が判断で決まるからです。だから世界で何も起きていなくても、数ポイント動かせてしまいます。数えるセットに小さな競合を2つ足せばあなたのシェアは下がり、黙って外せば上がります。直し方は統計的なものではありません。競合セットに名前を付け、四半期のあいだ凍結し、バージョンを付け、そのバージョンを数字の横に印刷してください。

2つ目の脆さは構造的なもので、規律では直せず、開示するしかありません。引用ベースのシェア・オブ・ボイスは分母がエンジンに依存します。エンジンによって、1つの回答に添えるソースの数が大きく違うからです。2026年1月から4月に収集された1億2,600万件の米国のAI検索プロンプトの上に構築され、2026年6月26日に公表されたベンダーのインデックスは、あるアシスタントが1回答あたり平均およそ15のソースを引用するのに対し、別のアシスタントはおよそ3だったと報告しています。⁷ 方向は1回答あたりの引用数に関する学術的な測定でも裏付けられているので、比率は実在するものとして扱い、正確な平均値は目安として扱ってください。引用された3つのうちの1つであることと、15のうちの1つであることは別の出来事です。だから引用ベースのシェアはエンジン間で比較できず、言及ベースのシェアのほうが安全な既定値になります。

候補の指標を4つの問いにかけ、4つすべてに答えられるときだけ足してください。あなたが管理でき、口に出して言える分母があるか？分母がエンジンのトラフィック、プロンプト数、ユーザー数なら、あなたはそれを言えないので、その指標はパーセント記号を付けた当て推量です。その周りに区間を計算できるか？観測が、数えられる実行回数の上で数えられる出来事でないなら、区間はなく、変化とゆらぎを見分ける手立てもありません。

それが動いたときに判断が変わるか？データを集める前に、標準誤差2つ分の変動が引き起こす具体的な行動を書き出してください。1つも挙げられないなら、その指標は注意力が有限なページの上の飾りです。反証できるか？ある読み取りが誤りだと示す観察を名指ししてください。上の表の最後の列は、それを強いるために存在します。反証する観察を持たない指標は、何かを測っているのではなく、気分を書き表しているだけです。

いま使っているダッシュボードにも同じ4つの問いをかけてみてください。多くのプログラムでは、3つ目の問いだけで2つか3つのパネルが落ちます。