LLMモニタリングの最小セット指標（候補集合／順位／文脈／引用）
結果を比較可能にするプロンプト設計の型
データを改善チケットに落とす運用フロー
ゴール：「候補に入る → 上位で言及される → 正しい根拠で引用される」を、定点で追える状態にすること。
| 指標 | 定義 | 見えること |
|---|---|---|
| 候補集合カバレッジ (Consideration Coverage) |
特定カテゴリ質問で、自社が候補として登場する割合 | 「そもそも候補に入っているか」 |
| 言及順位 (Mention Rank) |
候補提示型回答における表示順 | 「候補の中で勝っているか」 |
| 比較文脈 (Comparison Context) |
価格・機能・導入難易度・信頼性など、どの軸で比較されているか | LP/事例/FAQの改善テーマ |
| 引用ドメイン/URL (Citations) |
根拠として参照された媒体の分布 | 「何を直す/どこで評価を取るべきか」 |
LLMは会話・表現が揺れるため、モニタリング用プロンプトはテンプレ化します。
固定すべき変数：対象市場（日本/国内B2B）・予算帯（月額10万〜）・評価軸（セキュリティ、権限、エクスポート、監査性等）・回答形式（箇条書き/表）
保存すべき情報：いつ・どのLLM・どのプロンプト・どの回答だったか（監査性）
（例：比較/課題解決/代替）
（監査性が武器）
（表記揺れ辞書を共通化）
（コンテンツ修正／比較ページ追加／第三者露出など）
ChatGPT・Gemini・Perplexity・Google AI Overviews・Microsoft Copilotでの自社と競合の露出を、無料で診断します。
できます。プロンプト固定と、言及/引用のルール化（辞書・抽出条件）で、比較可能な時系列にできます。
重なる部分はありますが、LLMは「比較文脈」や「候補集合」が重要で、第三者評価や仕様情報の整備が効きやすい点が異なります。
「〇〇（サービスカテゴリ）ツール おすすめは？」「〇〇の課題を解決するには？」といったプロンプトをChatGPTに入力し、回答に自社名が含まれているか確認します。揺らぎを考慮するため同じプロンプトを3〜5回試すのが基本です。LLM Insightを使えば、ChatGPT・Gemini・Perplexityへのプロンプト送信と言及確認を自動化できます。
手動での確認は週次・月次が限界です。LLM Insightでは、登録したプロンプトを定期実行し「自社の言及率・言及順位・引用されたURL」を自動集計します。パーソナルプランではChatGPT、Gemini、Perplexity、Google AI Overviewsを監視し、ビジネスプラン以上ではMicrosoft Copilotも対象にできます。Claudeは現在未対応です。
引用されていない場合は、AIが学習したコンテンツとの関連性を高めることが有効です。具体的には、①Wikipedia・業界メディアに自社の正確な情報を掲載、②自社ページに「〇〇とは」「〇〇の選び方」など構造化された解説コンテンツを追加、③引用されている競合のコンテンツ構造を分析して自社コンテンツを改善、の3つが基本アクションです。
ChatGPTは学習済みの内容から回答を生成するため、Web検索を有効にしていない場合は学習時点の情報が反映されます。Perplexityはリアルタイム検索を組み合わせて回答するため、最新のWebコンテンツが引用されやすいです。どちらも「ブランド名が回答に登場する頻度（言及率）」と「回答内での言及順位」をモニタリングすることが重要です。
LLM Insightで、AIに選ばれるブランドへ
