理論だけでは不十分である。データが検証する。以下は5社のライブパイロットブランドを約6週間運用した集計観察であり、顧客名および識別可能な数値は匿名化している。
5社のパイロットブランドは B2B、B2C、実店舗、純オンラインに跨がる：
| コード | 業種 | タイプ | 市場言語 | 開始時GEOスコア |
|---|---|---|---|---|
| Brand A | B2B SaaS（マーケティングテック） | オンライン | 中英バイリンガル | 中位 |
| Brand B | 専門金融サービス | オンライン | 主に英語 | 高位 |
| Brand C | B2B SaaS（ナレッジマネジメント） | オンライン | 中英バイリンガル | 中位 |
| Brand D | 飲食チェーン、実店舗 | 実店舗 | 中国語 | 低位 |
| Brand E | 百元科技自身（ドッグフーディング） | オンライン | 中英バイリンガル | 低位（コールドスタート） |
開始時GEOスコアは低/中/高位で表示し、相対構造を保持しつつ絶対値は伏せている。
5サンプルでは統計的主張はできない。本章は結論ではなく観察を提示する — 運用の実際の形を伝えることが目的である。
6週間を通じて全ブランドが全7次元で動きを見せた。
%%{init: {'theme':'base'}}%%
graph TD
W1["Week 1 集計平均<br/>Citation: 中低<br/>Position: 中<br/>Coverage: 低<br/>Breadth: 低<br/>Sentiment: 中立<br/>Depth: 低<br/>Consistency: 低"]
W6["Week 6 集計平均<br/>Citation: 中<br/>Position: 中高<br/>Coverage: 中<br/>Breadth: 中<br/>Sentiment: 中立〜肯定<br/>Depth: 中<br/>Consistency: 中"]
W1 -.->|6週間運用| W6
図 11-1：全次元が改善。CoverageとBreadthの改善が最大。データは「低/中/高」階層で示し、具体値は省略。
同一ブランドのシテーション率はAIプラットフォーム間で劇的に異なる。当方5ブランドの集計から見た相対強度：
flowchart LR
subgraph HighLang["英語強みブランド（Brand A/B/C/E）"]
H1[ChatGPT ✓✓]
H2[Claude ✓✓]
H3[Perplexity ✓]
H4[DeepSeek ✗]
H5[Kimi ✗]
end
subgraph LocalLang["中国語ローカルブランド（Brand D）"]
L1[ChatGPT ✓]
L2[Perplexity ✗]
L3[AI Overview ✓]
L4[DeepSeek ✓]
L5[Kimi ✓]
end
図 11-2：✓✓ = 実質的に引用、✓ = 言及あり、✗ = ほぼゼロ。英語圏B2BブランドはUS発AIで強い、中国語ローカルブランドは中国語モデルとGoogle AI Overviewで強い。
日本市場への含意：Brand Dのケースと同様、日本ローカルブランドも ChatGPT / Claude 偏重は危険である。ChatGPT日本語UI、Perplexity、Google AI Overview（日本語）、そして国内で比較的利用の多いGemini を主戦場と見なすべきである。
%%{init: {'theme':'base'}}%%
xychart-beta
title "完成度(%) vs 6週間後のシテーション率差分（イメージ）"
x-axis ["< 40%", "40-60%", "60-80%", "80-100%"]
y-axis "シテーション率差分（相対）" 0 --> 100
bar [10, 25, 55, 80]
図 11-3：完成度帯別の6週間シテーション率改善（相対値）。80%超のブランドが最大のシテーション向上を示した。
5社のうち3社（A / B / C）は Week 2-3 でのみ AXP 展開、残り2社（D / E）は Week 1 から稼働。このタイムラグが AXP の独立効果を観察させる。
%%{init: {'theme':'base'}}%%
xychart-beta
title "AIボット日次アクセス数（AXP前後、相対インデックス）"
x-axis ["Wk 1", "Wk 2", "Wk 3 (AXP展開)", "Wk 4", "Wk 5", "Wk 6"]
y-axis "AIボットアクセス（指数）" 0 --> 200
bar [25, 30, 35, 95, 140, 165]
図 11-4：AXP展開週にAIボットトラフィックが急上昇する。指数100 = 展開前平均。
しかし — ボットトラフィック上昇はシテーション率上昇を保証しない。AXPコンテンツ自体が意味的に薄ければ、AIが扱う材料が無い。AXPは「見てもらうためのインフラ」であり、銀の弾丸ではない。
顧客側運用から共通する5つの落とし穴が浮上した。
pie title "顧客側落とし穴（5ブランド、6週間）"
"industry_code 未入力" : 28
"logo_url 欠落または破損" : 22
"GBP 未接続（実店舗）" : 18
"description 短すぎ（<20文字）" : 17
"sameAs 外部リンク未入力" : 15
図 11-5：業種分類の欠落が最頻出の落とし穴、Schema.org @type 選定に影響する。
これらの観察を受け、プロダクト変更を実施した：
logo_url フィールドにライブ検証を追加（ペースト時に HEAD リクエストで200を確認）予期しなかったが記録に値する3つの観察。
Brand A / C / E はいずれもバイリンガル（中 / 英）である。AIが同一ブランドを中国語クエリと英語クエリで記述する内容はしばしば実質的に異なる。例：
これはハルシネーションではない — 両記述とも部分的には真である。これはAIが言語跨ぎで同一エンティティを集約する能力が未成熟であるためである。ブランドオーナーへの示唆：中国語と英語の Schema.org レコードは sameAs で明示的に相互リンクし、記述は独立執筆ではなく意味等価であるべきである。
日本市場への含意：ja / en（および必要ならzh-TW）のトリリンガル展開時も同一原理が適用される。日本語ブランドページと英語ブランドページを sameAs で明示結合しなければ、AIは別エンティティとして扱いかねない。
当方は否定的なAI発言が最大の脅威と予想していた。運用の現実は逆であった：「AIがブランドを全く言及しない」方がより深刻な問題である。否定的言及は少なくともAIがエンティティの存在を認識していることを証明し、ClaimReviewで訂正可能である。完全不在はブランドが候補プールに入っていないことを意味 — 手掛かりが無い。
これは当方がシテーション率の重みを25%に設定した（第3章参照）理由の説明である — 重要な指標だが、総合を支配させると他次元が周縁化する。
通説：「同一AI応答に競合が出現するとビジビリティが希薄化する」。当方は逆を観察した。適切な競合と並列に挙げられることはブランドのカテゴリアイデンティティを強化する。Brand Aは早期、著名な大手競合2社と共起した。シテーション率は中位だったが、エンドユーザの頭の中で「同じ階層」とブラケットされたことが、異常に強い下流コンバージョンへ転化した。
確証にはさらなるデータが必要である。しかしGEOにおける「敵と味方」の概念は、従来SEOの「競合」概念と逆向きに作用する可能性を示唆する。AI時代においては、適切なブランドと並べられることが、単独で名指されることより重要であるかもしれない。
上記5ブランドは社内ドッグフーディングとパートナーパイロットの組合せであった。並行して、百元GEOは有料SaaSとして商業化初月で3社の商業顧客を成約した。業界はパイロットと異なる：
| 業種 | 形態 | 主要ドライバ |
|---|---|---|
| 美容クリニックチェーン | 多拠点実店舗、競合密集カテゴリ | GBP統合 + 実店舗 LocalBusiness Schema.org + 医療グレード・ハルシネーション検知 |
| 新興飲食チェーン | 多拠点実店舗、急拡張期 | 拠点レベルAXP + Phase ベースラインで拡張期変化を捕捉 |
| プレミアム・アロマテラピー／ヨガ | 高ACV、口コミ駆動 | Content Depth + Sentiment を主次元（物語品質 > シテーション頻度） |
これら顧客は執筆時点で新規契約であり、詳細運用データは将来改訂で公開する。ここでのポイント：百元GEOのエンジニアリング設計は社内だけでなく、有料の外部需要からも検証された。
日本市場への含意：日系「美容クリニックチェーン」「飲食チェーン」「サロン業態」は上記台湾3業種と構造的に類似し、GBP × 多拠点 × 医療グレード検知という組合せはそのまま通用する想定である。note.com / Qiita での日本語発信は、この受容ペルソナを念頭に置く。
ナビゲーション：← 第10章：フェーズ・ベースライン試験 · 📖 目次 · 第12章：限界と今後の課題 →