Markable 
この記事のポイント
AI検索の台頭とGA4での流入計測の現状（2026年9月現在）
AI検索流入は、GA4上では主に参照元、メディア、ランディングページ、主要イベントを組み合わせて把握するのが現実的です。ただし、AI回答内で自社名や記事が表示されてもクリックされないケース、アプリ内ブラウザやプライバシー制御により参照元が欠落するケースがあります。したがって、GA4の流入数だけをAI検索全体の露出量として扱わないことが、2026年時点の基本姿勢です。
GA4では、AIサービス由来の参照元をグループ化し、セッション、エンゲージメント、主要イベントを確認します。たとえば「AI リファラ」を探索レポート上で分類し、従来のOrganic Searchと比較すれば、単なる訪問数ではなく資料請求や問い合わせへの寄与を把握しやすくなります。
「AI Overview」など最新のAI検索機能がウェブトラフィックに与える影響
AI OverviewなどのAI検索機能は、検索結果上で要約回答を提示するため、クリック前の情報接触を増やし、サイト訪問の質を変化させます。ユーザーは回答内で概要を把握したうえで、比較、導入事例、料金、専門的な根拠を確認する段階でサイトに訪問しやすくなります。
BtoBでは、流入数が横ばいでも、来訪時点で検討度が高いケースがあります。クリックされなかった露出はGA4だけでは測れないため、検索結果上の表示、AI回答での引用、サイト訪問後の行動を分けて評価します。
AI検索流入を識別するGA4の計測設定：リファラとカスタムディメンションの活用
AI検索流入の識別では、参照元に含まれるAIサービス名を正規表現で分類し、カスタムディメンションで分析軸を固定します。対象例にはChatGPT、Gemini、Perplexityなどがあります。
確認順は、参照元別セッション、ランディングページ、エンゲージメント率、主要イベント、CVページ到達の順が実務向きです。理由は、流入元だけを見ても成果判断ができず、どの回答文脈からどのページに来て何をしたかまで見なければ改善対象が決まらないためです。
従来の自然検索とAI検索流入をGA4で区別するポイント
従来の自然検索とAI検索流入は、流入チャネルではなく参照元、ページ意図、イベント到達率の差で区別します。GA4のデフォルトチャネルだけではAI経由の訪問がReferralやOrganic Searchに混在する場合があるため、探索レポートで独自分類を作ります。
⚠️ 注意：参照元がdirectやnot setになる訪問もあるため、AI検索の影響を過小評価しない設計が必要です。GA4は行動データ、Markable AIのようなモニタリングはAI回答上の引用状況を把握する役割として使い分けます。
GA4データで見るAI検索時代のユーザー行動変容
AI検索時代のGA4分析では、流入数よりもエンゲージメントと主要イベントの変化を重視する必要があります。AI回答で概要理解が進むほど、訪問者は比較表、導入事例、料金、ホワイトペーパーなど意思決定に近い情報へ直接移動しやすくなります。つまり、PV減少だけで失敗と判断せず、少ないセッションで高い商談貢献が生まれているかを確認します。
Markable AIのサービス資料では、AI検索時代にはSEOだけでは不十分で、AIに自社情報が取り上げられなければ商談の比較候補に入りにくいという市場認識が示されています。これはGA4分析でも同じで、アクセス解析と引用モニタリングを併用しなければ、接触から流入までの全体像を読み違える可能性があります。[1]
| 指標 | 従来の自然検索 | AI検索流入 | 変化の背景 |
|---|---|---|---|
| 直帰率 | 多様な意図で訪問、直帰も平均的 | 期待値と合致しないと直帰増 | 事前理解度とページ内容の一致が重要 |
| エンゲージメント率 | 平均的 | ページ内容と合致で高まる傾向 | 目的意識の高いユーザーが多い |
| セッション時間 | 平均的 | 短くてもCVR高の場合あり | 目的の情報に直行する傾向 |
| コンバージョン率（CVR） | 平均的 | 事前理解で高まる可能性 | 意思決定に近い情報へのアクセス増 |
AI検索からの流入が「直帰率」や「エンゲージメント率」に与える影響
AI検索からの流入は、ページ内容と回答文脈が一致していればエンゲージメント率が高まり、一致していなければ直帰に近い行動が増えます。AI回答で期待値が形成された状態で訪問するため、ページ冒頭に結論、根拠、次の行動がないと離脱しやすくなります。
GA4では直帰率だけでなく、エンゲージメントのあったセッション、スクロール、資料CTAクリックを合わせて見ます。AI検索 アクセス解析では、訪問前の文脈が通常検索より強いため、ランディングページ単位の評価が重要です。
「セッション時間」や「コンバージョン率（CVR）」の変化とその背景
セッション時間が短くてもCVRが高い場合、AI検索で事前理解が進んだユーザーが目的の行動だけを実行している可能性があります。逆に長時間滞在してCVしない場合は、比較検討材料や導入後のイメージが不足している可能性があります。
BtoBでは、資料請求、ウェビナー申込、料金ページ閲覧、事例ページ回遊を主要イベントとして設定します。CVRは流入元単体ではなく、ページ種別と検討フェーズを掛け合わせて判断することが重要です。
BtoBサイト特有のユーザー行動データ変化の読み解き方
BtoBサイトでは、AI検索由来の訪問をリード獲得だけでなく、指名検索、再訪、商談化前の接触として評価します。初回訪問でCVしなくても、後日ブランド名検索やメール経由で戻るケースがあります。
BtoBコンテンツ制作では、人間が一次情報を整理し、AIが制作作業を支援する分業が重要です。生成AIで一般論を増やすだけでは、比較検討中の読者に選ばれにくいため、顧客インタビュー、営業資料、ウェビナー文字起こしを記事に反映します。
GA4を活用したAI検索流入の具体的な分析手法
AI検索流入の分析は、参照元分類、ページ評価、イベント評価、引用状況の照合という順序で行うと再現性が高まります。前提条件として、GA4の主要イベントが設定済みで、問い合わせ、資料請求、メール登録、料金ページ到達などの成果行動が区別できる状態にします。さらにGoogle Search Consoleを連携し、検索クエリとランディングページの変化を確認します。
以下は、実データを匿名化した参照元分類表と探索画面の例です。機能や数値は2026年9月16日時点の確認例であり、特定企業の成果や因果関係を断定するものではありません。
| 分類 | 参照元例 | 確認指標 | 判断理由 |
|---|---|---|---|
| AIサービス由来 | chatgpt.com、perplexity.ai | セッション、主要イベント | AI回答からのクリック可能性を確認 |
| 自然検索 | google、bing | クリック、LP、CVR | 従来SEOとの比較軸を維持 |
| 不明・欠落 | direct、not set | 再訪率、LP傾向 | AI経由の取りこぼし候補を把握 |
AI検索流入をセグメント化し、深掘りするGA4レポート作成術
GA4の探索では、AI参照元セグメントを作成し、ランディングページ別に主要イベント率を比較します。探索画面では、行に参照元、列にデバイスや新規・リピーター、値にセッション、エンゲージメント率、主要イベントを置きます。
SEO・LLMOコンテンツ制作を
もっと効率的に
Markable AIなら、自社のナレッジや一次情報を活用しながら、 SEO・LLMOを意識した高品質なコンテンツ制作を効率化できます。
| 項目 | 設定例 | 目的 | 補足 |
|---|---|---|---|
| カスタムイベント（比較行動） | 料金表クリック、事例ページ遷移 | ユーザーが比較検討段階で関心を示す行動を把握 | AI回答で概要理解後の詳細検討を追跡 |
| カスタムイベント（リード化行動） | ホワイトペーパーDL、問い合わせフォーム到達 | 潜在顧客から見込み顧客への移行を計測 | 意思決定フェーズの行動を重視 |
| カスタムディメンション（コンテンツ種別） | 記事、サービスページ、事例 | ページの種類ごとにAI流入の貢献度を評価 | コンテンツ戦略の最適化に活用 |
| カスタムディメンション（AI参照元分類） | AIリファラ（chatgpt.com, perplexity.aiなど） | AIサービスからの流入を一元的に識別 | 月次レポートでの分析軸を固定 |
匿名化した探索画面の評価ルールは、流入が少なくても主要イベント率が高いページを改善候補に残し、流入が多くても滞在やCTAクリックが弱いページを構成改善候補にすることです。量と質を分けて見ることで、限られた制作リソースを無駄にしにくくなります。
効果的なカスタムイベントとカスタムディメンションの設定例
AI検索時代のカスタムイベントは、記事閲覧後の比較行動とリード化行動を分けて設計します。たとえば、料金表クリック、事例ページ遷移、ホワイトペーパーDL、問い合わせフォーム到達を別イベントにします。
カスタムディメンションでは、コンテンツ種別、想定フェーズ、AI参照元分類を付与します。AI リファラを固定の分類名として管理すれば、月次レポートで担当者ごとの解釈ブレを抑えられます。
Google Search ConsoleデータとGA4を連携した多角的な分析
Search ConsoleとGA4を連携すると、検索での表示・クリックと、訪問後の成果行動を同じページ単位で確認できます。検索順位やクリックが伸びているのにCVが増えないページは、検索意図とCTAのズレが疑われます。
一方で、AI回答で引用されてもSearch Consoleのクリックに反映されない接触もあります。そのため、AI回答上の露出は、対象プロンプト、引用URL、自社名の有無を別途記録し、GA4やSearch Consoleの行動データと照合します。
AI検索で成果を出すためのSEO・コンテンツ戦略
AI検索で成果を出すコンテンツ戦略は、GA4の行動データとAI回答での引用状況をつなぎ、改善優先度を決めることです。テクロの14社分析では、対象質問とKPIを先に決め、改善施策、定点観測、再設計を同じ条件で繰り返すことが成功企業の共通工程として整理されています。[3]この工程を踏むと、記事を増やすだけでなく、どの質問で引用されたいのか、どのページで商談化に近づけるのかが明確になります。
Markable AIを活用したコンテンツ施策を評価する際は、公開本数やPVだけでなく、検索順位10位以内・3位以内のキーワード数、ランディングページ別の主要イベント、問い合わせや資料請求への貢献を同じ期間・同じ条件で確認します。個別事例の数値をそのまま一般化せず、自社のテーマ、競合環境、公開頻度、既存ドメインの状態に合わせて成果を判断することが重要です。
AI検索で評価されやすいコンテンツの傾向とGA4での検証
AI検索で評価されやすいのは、結論、根拠、比較、一次情報が明確で、引用しやすい構造を持つコンテンツです。一般論だけの記事より、導入事例、調査結果、専門家コメント、実務手順が含まれる記事のほうが、回答生成時の参照候補になりやすいと考えられます。
GA4では、こうしたページのエンゲージメント率、資料CTAクリック率、再訪率を検証します。AIに引用されるための設計と、人間がCVするための設計を同時に満たすことが、LLMO・AIO時代のSEOです。
GA4データから導く、リソース最適化のためのコンテンツ制作優先順位
制作優先順位は、AI回答での表示余地、GA4上の成果行動、既存記事の改善余地を掛け合わせて決めます。新規記事ばかりを増やすのではなく、順位低下記事、情報が古い記事、カニバリが起きている記事をリライト対象にします。
Markable AIでは、キーワード登録後に検索意図やペルソナを整理し、構成、本文、画像、図解を生成できます。ただし、⚠️ 注意：AI生成記事をそのまま公開する運用は推奨されていません。公開前に人間が事実関係、自社サービス説明、誤解を招く表現を確認します。
「ChatGPT 流入」など、特定のAIツールからの流入を意識したコンテンツ戦略
ChatGPT 流入を増やすには、特定ツールからの訪問数だけでなく、どの質問文脈で自社が想起されるかを設計します。比較系、課題解決系、導入検討系の質問を登録し、自社名、サービス名、記事URLの引用状況を追います。
特定のAIツールからの流入を評価する場合は、立ち上げ時期、記事公開本数、月間PV、上位表示キーワード数、ランクインキーワード数を時系列で整理します。この数値は確認時点の事例であり、すべての企業で同じ成果を保証するものではありません。
LLMO・AIO時代のBtoBマーケティングにおけるコンテンツ設計の要点
LLMO・AIO時代のBtoBコンテンツは、AIに理解される情報設計と、検討者に信頼される一次情報の両立が要点です。営業資料、顧客インタビュー、セミナー文字起こし、社内ノウハウをナレッジ化し、記事へ反映します。
Markable AIは、BtoB企業向けのAIマーケティング支援ツールです。SEO・LLMOを意識した記事作成、既存記事のリライト、キーワード分析、画像・図解生成、ナレッジ活用などを通じて、コンテンツマーケティング業務の効率化と品質向上を支援します。
まとめ：2026年以降のGA4とAI検索の未来予測
2026年以降のAI検索対策では、GA4だけで流入を判断するのではなく、AI回答での露出、引用、サイト内行動、商談貢献を統合して評価する必要があります。AI検索はクリック前の情報接触を増やすため、従来のPV中心のSEO評価だけでは投資判断を誤りやすくなります。GA4は成果行動を見る基盤、AIモニタリングは露出を見る基盤として役割分担させることが重要です。
少人数のBtoBマーケティング組織では、すべてを手作業で分析し、記事を制作し、リライトを続けるのは現実的ではありません。Markable AIの考え方は、人を減らすことではなく、マーケターが単純作業から離れ、戦略、一次情報の整理、品質判断に時間を使える状態を作ることです。
GA4データドリブンな意思決定でAI検索時代を勝ち抜く
GA4データドリブンな意思決定では、AI検索由来のセッションを分類し、主要イベントまで追跡する運用を月次で継続します。判断基準を固定すれば、施策ごとの変化を比較しやすくなります。
見るべき順番は、参照元、ランディングページ、エンゲージメント、主要イベント、引用状況です。同じ条件で定点観測することが、AI検索 アクセス解析の精度を高めます。
コンテンツ制作のリソース不足を解消するDX推進の重要性
コンテンツ制作のリソース不足を解消するには、AIで制作工程を効率化し、人間が一次情報と最終判断を担うDXが不可欠です。自社のサービス資料、導入事例、ウェビナー、社内ノウハウなどをナレッジとして登録すれば、一般的なAIライティングでは反映しにくい企業独自の情報を記事へ活用できます。
Markable AIは、少人数のマーケティング体制でも、質と量を両立したコンテンツ制作を行える状態を目指しています。AI検索流入の分析から、記事制作、リライト、LLMO・AIO対策まで一貫して改善したい企業は、まず自社のGA4データとAI回答上の引用状況を整理することから始めてください。
よくある質問
GA4でAI検索からの流入を分析するには、具体的にどうすればよいですか？
GA4でAI検索からの流入を分析するには、主に参照元、メディア、ランディングページ、主要イベントを組み合わせて把握します。AIサービス由来の参照元をグループ化し、セッションやエンゲージメント、主要イベントを確認することで、流入数だけでなく商談貢献度を評価できます。ただし、参照元が欠落するケースもあるため、GA4の流入数だけをAI検索全体の露出量としないことが重要です。
AI検索からの流入は、従来の自然検索と比べてユーザーの行動にどのような違いが見られますか？
AI検索からの流入では、ユーザーはAI回答で概要を把握した後にサイトを訪問するため、比較、導入事例、料金など意思決定に近い情報へ直接アクセスしやすくなります。このため、流入数が横ばいでも来訪時点での検討度が高く、エンゲージメント率やコンバージョン率（CVR）が高まる傾向が見られます。GA4分析では、流入数よりもエンゲージメントと主要イベントの変化を重視することが重要です。
GA4でAI検索流入を分析する際に、特に注意すべき点や課題は何ですか？
GA4でのAI検索流入分析では、AI回答内で自社名が表示されてもクリックされないケースや、アプリ内ブラウザなどにより参照元が欠落するケースがあるため注意が必要です。そのため、GA4の流入数だけをAI検索全体の露出量とせず、AI回答上の引用状況を別途モニタリングし、GA4データと照合することで全体像を把握する必要があります。
AI検索で評価されやすく、かつ成果につながるコンテンツを作成するためのポイントは何ですか？
AI検索で評価され成果につながるコンテンツは、結論、根拠、比較、一次情報が明確で、引用しやすい構造を持つものです。一般論だけでなく、導入事例、調査結果、専門家コメント、実務手順を含めることが重要です。また、人間が一次情報を整理し、AIが制作作業を支援する分業で、顧客インタビューや営業資料の内容を反映させることで、検討中の読者に選ばれやすくなります。
参考文献
- MARKABLE AI サービス概要資料 2026Q1 — Techro, Inc（2026年）
- Markable AI｜開発背景・活用方法・運用方針 セミナー資料 — Techro, Inc（2026年）
- LLMO・AIO対策 14社分析レポート — Techro, Inc（2026年）
- Google アナリティクス — Google（https://marketingplatform.google.com/about/analytics/）
- Search Console — Google（https://search.google.com/search-console/about）
記事制作はAIへ
マーケターは“考える仕事”
へ
「作る」作業はAIへ。「決める」意思決定は人へ。
Markable AIは、BtoBマーケティングの実務から生まれた コンテンツマーケティング支援AIです。
SEO・LLMOを意識した記事・コンテンツ制作
自社ナレッジや一次情報を記事へ反映
少人数でも質と量を両立したコンテンツ運用
Markable AI サービス資料の一部をご紹介
Markable AI サービス資料を無料ダウンロード
機能・活用方法・導入イメージをまとめた資料をお送りします。