前回の記事では、生成AI時代の企業戦略を考えるうえで、「AIに理解されること」と「AIに選ばれること」は違う、という話をしました。
では、企業がAIに選ばれるためには、何をすればよいのでしょうか。
この問いを考えるとき、まず出てくるのが「Optimization（最適化）」です。
AIO、AEO、LLMO、GEOなど、呼び方や定義にはさまざまな議論がありますが、生成AIが企業や商品について回答する時代になり、「AIに自社の情報を正しく理解してもらうためにはどうすればよいか」が重要なテーマになっています。
もちろん、これは必要です。しかし、AIに「理解される」ことを突き詰めていけば、本当にAIに「選ばれる」ところまで到達できるのでしょうか。
今回は、この問いから考えてみたいと思います。
前回の記事はこちら↓
『AIに選ばれる会社になる。その本質は「ブランド」にある』
AIに「理解される」ために、Optimizationは必要である
まず確認しておきたいのは、Optimizationそのものを否定する必要はまったくない、ということです。
企業について十分な情報が存在しない。
情報はあるものの、AIが読み取りにくい。
Webサイトと他の情報源で内容が食い違っている。
自社が何を提供している企業なのか、誰を対象としているのか、どのような特徴を持っているのかが曖昧である。
こうした状態では、AIが企業について正確に理解することは難しくなります。まして、複数の企業を比較し、その中からユーザーに合った企業を推奨する場面では、そもそも比較の候補に十分入れない可能性もあります。
そう考えれば、Optimizationの役割は明確です。
企業が持つ情報や価値を、AIが正しく取得し、理解できる状態をつくること。
生成AI時代において、これは企業が取り組むべき重要なテーマの一つです。
まず、AIに正しく理解してもらう。ここまでは、間違いなく必要です。
問題は、その先です。
「正しく理解される」ことと「選ばれる」ことは違う
たとえば、同じ市場で競争しているA社とB社があるとします。両社ともOptimizationに十分取り組んでいて、AIはそれぞれについて正確な情報を持っています。
A社が何を提供しているのか。B社にはどのような特徴があるのか。
価格、機能、実績、技術、顧客層。
AIはそれらを正しく理解しています。
では、ユーザーがこう尋ねたらどうでしょう。
「私の課題なら、A社とB社のどちらを選ぶべきですか？」
ここで、問題の性質が変わります。
・A社について正しく説明できること。
・B社について正しく説明できること。
そして、
・「この人の、この課題であれば、A社を選ぶ理由がある」と判断すること。
この三つは同じではありません。つまり、理解の問題と、選択の問題は違うのです。
Optimizationによって「何者であるか」を正しく伝えることはできる。しかし、比較されたときに「なぜ自社なのか」という問いは、それだけでは解決しません。
ここに、AI推奨を考えるうえでの重要な論点があります。
AIに選ばれるためには、「選ばれる理由」が必要なのです。
Optimizationを突き詰めても、「なぜこの会社なのか」は決まらない
もう少し具体的に考えてみましょう。
企業には、さまざまな事実があります。
「創業50年」
「導入実績1,000社」
「独自技術を保有」
「全国にサポート拠点を展開」
こうした情報を整理し、AIが正確に取得・理解できるようにすることは重要です。しかし、「導入実績1,000社」という事実がAIに正確に伝わったとして、それだけでユーザーがその企業を選ぶべき理由になるでしょうか。
重要なのは、その事実が何を意味するのかです。
たとえば、1,000社への導入経験があるからこそ、多様なケースに対応するノウハウを持っているのかもしれない。だから、標準的なサービスでは対応しにくい複雑な課題を抱える企業にとって、安心して相談できる会社なのかもしれない。
ここでは、
Fact → Meaning → Reason to Choose
という変換が起きています。
事実がある。
その事実には意味がある。
そして、その意味が、ある顧客にとって「この会社を選ぶ理由」になる。
AIに選ばれることを考えるなら、この最後の段階まで考えなければなりません。
ところが、ここにはOptimizationだけでは決められない問題があります。
そもそも、自社は誰に選ばれたいのでしょうか。
どんな課題を持つ人から選ばれたいのでしょうか。
そして、その人に対して、競合ではなく自社を選ぶ理由を何にするのでしょうか。
これは、情報をAIにどう伝えるかという問題ではありません。
企業として、何をもって選ばれる存在になるのか。
そのものを決める問題です。
では、「選ばれる理由」はどうやってつくるのか
ここでいったん、AIやOptimizationから少し離れて考えてみます。
企業が「選ばれる理由」をつくるためには、何が必要でしょうか。
まず、「誰に選ばれたいのか」を決める必要があります。
次に、「その人の、どんな課題に対して選ばれたいのか」を考える。
そして、「そのとき、競合ではなく自社を選ぶ理由は何なのか」を明確にする。
たとえば、目指す認識が、「〇〇なら、この会社」というものだったとします。
しかし、企業がそう決めただけでは、世の中からそのように認識されるわけではありません。
その理由を裏付ける商品やサービスが必要です。
技術や実績も必要でしょう。
顧客の評価も必要かもしれません。
そして、それらの事実をWebサイト、記事、ニュース、広告、営業活動、顧客体験など、さまざまな接点を通じて伝えていく必要があります。
しかも、一度伝えれば終わりではありません。あるページではAと言い、別の場所ではBと言っているのでは、明確な認識は形成されません。
一貫性を持って。
継続的に。
さまざまな事実や情報を積み重ねていく。
その結果として、少しずつ、
「この会社は〇〇に強い会社だ」
「〇〇という課題なら、この会社を検討する理由がある」
という認識が形成されていく。
AIに選ばれるために必要なことを考えていたはずなのに、どうやら私たちは、単なるAI対策とは少し違う場所まで来たようです。
そうです。それこそが「ブランド戦略」である
ここまで読んで、マーケティングに詳しい方なら、すでにお気づきかもしれません。
そうです。
私たちがここまで考えてきた、
「誰に、何を理由に選ばれる存在になるのかを定め、その認識を形成していく」という営み。
それこそが、ブランド戦略なのです。
ブランドというと、ロゴやデザイン、ネーミング、あるいは知名度の話を思い浮かべる人もいるかもしれません。もちろん、それらもブランドを構成する要素ではあります。
しかし、ブランドの重要な側面はそれだけではありません。
その企業や商品が、何によって他社と区別され、何を理由に選ばれる存在なのか。
そして、その認識が顧客や市場の中に形成されていること。
これもブランドです。
ブランド戦略とは、単に「こう見られたい」というイメージを決めることではありません。
目指す認識を定める。
その認識を支える実体や事実をつくる。
そして、さまざまな情報や体験を通じて、一貫性・継続性をもってそれを積み重ねる。
そうすることで、「〇〇なら、この会社」という認識を確かなものにしていく。
AI推奨に必要な「選ばれる理由」を突き詰めていくと、私たちは結局、ブランド戦略という昔から存在するテーマに行き着くのです。
AIの「推奨」は、単なる情報提示より一段重い
なぜAI推奨において、ここまで考える必要があるのでしょうか。それは、説明することと、推奨することは違うからです。
「A社は〇〇というサービスを提供しています」と説明することと、
「あなたの課題であれば、A社を選ぶ理由があります」と推奨することには、大きな違いがあります。
これは、人間に置き換えると分かりやすいでしょう。
ある会社の名前を知っている。
その会社が何をしているのかも知っている。
Webサイトを読んだこともある。
しかし、それだけで友人や取引先にその会社を勧められるでしょうか。
「知っている」と「勧められる」の間には距離があります。
誰かに勧めるためには、その会社について十分な材料があり、それらが一定の方向を示していて、
「こういう理由で、この人にはこの会社を勧められる」という判断ができなければなりません。
AIについても、基本的な構造は同じです。
個々のコンテンツが正しく理解されることは必要です。しかし、AI推奨を考えるなら、それだけではなく、さまざまな情報の蓄積から、
「この企業は、何に強い企業なのか」
「どんな課題を持つ人にとって、選ぶ理由がある企業なのか」
という、企業そのものへの認識にまでつながっていることが重要になります。
だからこそ、AI推奨はコンテンツ単体のOptimizationだけでは捉えきれないのです。
競合もOptimizationする時代、最後に問われるもの
さらに、もう一つ考えておくべきことがあります。
Optimizationに取り組むのは、自社だけではありません。
AI経由の情報探索が一般化し、AIO、AEO、LLMO、GEOといった考え方が普及していけば、当然、競合企業もAIに理解されやすい情報発信を行うようになります。
A社も正しく理解される。
B社も正しく理解される。
C社も正しく理解される。
これはAIにとってみれば、比較できる材料が増えることを意味します。
情報が少なかった時代には、「情報が存在すること」自体が優位性になったかもしれません。しかし、多くの企業について十分な情報を取得し、整理し、比較できるようになればなるほど、表面的な情報量だけで差をつくることは難しくなります。
そこで、より重要になるのが、「結局、この会社は何が違うのか」という問いです。
そして、「どんな人の、どんな課題で、この会社を選ぶ理由があるのか」という問いです。
AIが比較できるようになるほど、最後に問われるのはOptimizationの巧拙だけではなく、企業そのものが持っている価値の違いなのです。
AI最適化とAIブランディングは、役割が違う
ここまで来ると、AI最適化とAIブランディングの関係が見えてきます。私は、この二つを次のように整理しています。
AI最適化とは、企業が持つ情報や価値を、AIが正しく取得・理解できる状態にすること。
一方、AIブランディングとは、
「何を理由に選ばれる存在になるのか」を定め、一貫した情報や事実、体験の蓄積によって、企業そのものへの認識を形成していくこと。
もっと短く言えば、
AI最適化 ＝ 伝わる状態をつくる
AIブランディング ＝ 選ばれる理由と認識をつくる
という違いです。
どちらが重要か、という話ではありません。役割が違うのです。
そしてAI推奨を考えるなら、この二つを切り離すことはできません。
AI推奨 ＝ AIブランディング × AI最適化
ブランド戦略によって、「誰に、何を理由に選ばれる会社になるのか」を明確にしたとします。
しかし、その価値を裏付ける情報がAIから取得できなかったり、誤って理解されたりしていれば、AIの推奨にはつながりません。
反対に、どれだけOptimizationを進め、AIが自社について完璧に理解できる状態をつくったとしても、そこに明確な「選ばれる理由」がなければ、競合と比較されたときの決め手は生まれません。
だから私は、AI推奨を次のように捉えています。
AI推奨 ＝ AIブランディング × AI最適化
「＋」ではなく、「×」です。
何を理由に選ばれるのかをつくること。
そして、その理由を、AIが正しく理解できる状態にすること。
どちらか一方ではなく、この二つが掛け合わされることで、初めてAI推奨につながっていく。
このように考えると、生成AI時代の企業戦略は、単に「AI向けにWebサイトやコンテンツを最適化する」という話ではないことが分かります。
むしろ問われているのは、「自社はそもそも、何を理由に選ばれる会社なのか」という、極めて本質的な問いなのです。
では、「誰に、何をもって選ばれる会社」になるのか
ここまでで、AIに選ばれるためには「選ばれる理由」が必要であり、その形成にはブランド戦略が重要である、というところまで来ました。
しかし、ここで次の問題が出てきます。
企業には、さまざまな顧客がいます。
複数の商品やサービスがあります。
強みも一つではありません。
競合も、顧客が抱える課題によって変わります。
そう考えると、すべての人から、あらゆる問いにおいて「〇〇なら、この会社」と認識されることは現実的ではありません。
では、どこを目指すのでしょうか。
誰に選ばれたいのか。
どの課題で選ばれたいのか。
何を理由に選ばれたいのか。
AIブランディングを実際の戦略に落とし込むためには、この三つを具体的に定める必要があります。そして、この問いは決して新しいものではありません。
マーケティングには、すでにこの問題を考えるための基本的なフレームがあります。
STP――Segmentation、Targeting、Positioningです。
生成AIという新しい技術が登場したからといって、マーケティングの原理そのものがすべて変わるわけではありません。
むしろ、AIが大量の情報を収集し、整理し、比較できるようになるからこそ、「誰に、どのような価値によって選ばれるのか」を明確にすることの重要性は、さらに高まっていくのではないでしょうか。
次回は、この問いを掘り下げます。
「AI推奨戦略は、なぜSTPから始まるのか」
AI時代のSTPとは何か。
そして、「誰に、何をもって選ばれる会社になるのか」を、AI推奨戦略の中でどう設計すべきなのか。
次の記事では、そこから考えていきます。
人にもAIにも理解され、選ばれるコンテンツづくりを通して企業のブランドマーケティングを支援します
ChatGPTやGeminiなどで、自社の表示状況や競合との違いを確認します。
まず何から見直すべきかを知りたい方におすすめです。
