【LLMO論文解説】ブランドの見え方を測るための100万人の買い手像と516万の質問をAIで作る｜実在の質問との一致は未検証（プレプリント）

2026年9月25日2026年9月30日

ChatGPTやGeminiに自社の名前が出るかを調べるとき、質問文は、たいてい調べる側が自分で考えます。ところが、同じことを尋ねても、言い方や言語が変わると、回答に出てくるブランドは入れ替わります。

そこで「その業種の買い手が実際に尋ねそうな質問」を、検討の段階ごとに大量に用意しておこうと考えたのが、2026年8月にarXivで公開された論文「Demand-Side Measurement for Generative Engine Optimization: Constructing and Validating a Million-Persona, Intent-Annotated Buyer Corpus」です。

この記事は、その論文を原文から読んで整理します。先にお伝えしておくと、論文が作った約100万人の「買い手像（ペルソナ）」は、実在の人から集めたデータとは別物です。

公開データにある人物の説明文をもとに、AIが肉付けした合成データです。また、著者の1人は、AIでの見え方を計測するサービスを販売する企業の最高経営責任者で、研究の費用もその企業が負担しています。

合同会社謙虚は、3つのドメインを並行して運用し、何を変えると数字が動くかを測り続けています。AIでの見え方を測るときに「どの質問で測るか」を誰がどう決めればよいのかを確かめるために、この論文を読みました。

結論：3行で言うと

論文が作ったのは、AIが合成した103万1,732人分の買い手像と、そこに付いた5,160,046件の検索質問のデータです。1人ごとに「情報収集・比較検討・購入」のどの段階にいるかと、信頼する情報源の種類が記録されています
論文が検証したのは、項目の欠け、偏りの大きさ、項目同士の関係といったデータの内側の整い方です。実際の買い手の質問と一致するかは未検証で、論文自身がこれを「中心の未解決問題」と書いています
試しにフィンテック（金融とITを組み合わせたサービス）の買い手30人分、150問をAIに尋ねると、97.3%の回答にブランド名が出て、名前が出たブランドは530種類に散らばりました。データは英語・米国中心で、日本語の質問は無く、日本市場を対象にした集計もありません（元データは主に米国の人物）

この論文の基本情報

項目	内容
題名（原題）	Demand-Side Measurement for Generative Engine Optimization: Constructing and Validating a Million-Persona, Intent-Annotated Buyer Corpus
著者	Dmitrij Zatuchin（原文では頭文字のZに点が付く表記）、Daniil Dzemesjuk の2人
所属	1人目はエストニアの企業家精神応用科学大学（タリン）と、AIでの見え方の分析サービスを販売する企業（最高経営責任者）。2人目は同じ企業の従業員
公開日	2026年8月30日（arXivの初版で、現時点で唯一の版）
arXiv番号	2608.30023（主な分野はcs.IR、情報検索。自然言語処理のcs.CLにも登録）
掲載・採択状況	arXivのコメント欄は「17ページ」とあるだけで、学会や論文誌の掲載情報は空欄です（2026年9月24日に確認）。査読前のプレプリントです
種類	研究用のデータ集を作り、その作り方と品質を報告する論文。計測サービス企業の自社報告の性格が強いもの
データ・コード	103万件の全体は非公開で、非営利の研究に限り申請制で共有。1万4,955人分の抽出版（非営利・同条件での再配布を条件とする公開ライセンス）と、別の作り方で作った5,000人分を、データ共有サイトで公開。作成に使ったプログラムは非公開

論文はこちらで読めます。arXiv（2608.30023）、DOI。

著者の立場について補足します。論文末尾の「利益相反」の節には、1人目の著者がこの研究に費用を出した企業の最高経営責任者で、その親会社も所有していること、企業はAIでの見え方の分析を商用の顧客に販売していること、データは同社の設備で作られ保管されていることが書かれています。

計算機とAIの利用料、2人目の著者の作業時間も同社の負担で、公的な研究費は受けていません。論文は「このデータは、同社が販売する市場の研究を支えるものだ。

読者はそれを踏まえて結果を重みづけてほしい」と明記しています。この記事では社名を伏せ、「著者の所属企業」と書きます。

この論文が答えた問い

AIの回答にブランドが入るかどうかを研究するために、「買い手が何を尋ね、何を必要とし、どの情報源を信頼するか」という需要側のデータを、業種ごと・検討段階ごとに、大規模にそろえられるか。

論文は、AI検索の研究に必要なデータを2種類に分けます。1つは供給側で、ある質問に対してAIがどのブランドを挙げ、どこを引用したかの記録です。

もう1つが需要側で、その業種の買い手がどんな質問をし、どんな情報を探しているかの記録です。供給側はAIに直接質問すれば集められる一方、需要側には、供給側と突き合わせられる形と規模のデータが無い。

これが論文の出発点です。

論文は、この需要側のデータが測定の弱点を補うと主張します。根拠に挙げるのは、同じ1人目の著者による別の論文の結果で、1つの回答のばらつきのうち、質問の言語で説明できる部分が26.5%、ブランドの違いで説明できる部分が1.5%でした。

分析者が質問を自分で考えると、結果を最も大きく動かす要素を手で決めてしまう。だから買い手の言い方の質問を業種・段階ごとに用意して選ぶべきだ、という理屈です。

どうやって調べたのか

データは、2024年10〜12月、2025年1〜3月、2026年1〜3月の3回に分けて、同じ設定と指示文で作られています。作り方は5段階です。

段階	やったこと	件数の変化
1. 集める	研究用に公開されている4つの人物データセットから、人物の説明文を集める	約4,000万件
2. 文字の重複を除く	文字の並びがほぼ同じもの（一致度0.9以上）を削除	約420万件（89.5%減）
3. 意味の重複を除く	文章の意味を数値に変えるAIで比べ、似すぎたもの（類似度0.9超）を削除	約100万件（76.2%減）
4. AIで肉付けする	Grok（Grok-4-1-fast）が、各説明文を決まった項目に展開。答えのばらつきを決める温度は0.7	1回目で形式どおり98.5%、再試行後99.8%
5. 仕上げ	表記の統一と、整合性の検査で落ちた1.5%の除外	103万1,732件（全項目がそろった行）

1人分の記録には、名前、性別、役割、年齢や職業、目標、悩み、物語風の説明、知りたいこと、まだ満たされていない困りごと、そして検索のふるまいが入ります。検索のふるまいには、次の4つがあります。

主な検索意図：情報収集、比較検討、購入、特定サイトへの移動のどれか1つ。質問ごとではなく、その人の質問のまとまり全体に1つ付けます
よくする質問：通常5件で、3〜10件の幅があります
検索を始めるきっかけ
信頼する情報源：調査会社のレポート、利用者の口コミ、コミュニティ、専門媒体など、情報源の種類を名前で並べたもの

品質の確認は3種類です。必要な項目がそろっているか。

業種・市場・性別・検索意図がどれだけ偏っているか（均等なら1になる指標で測定）。そして、項目同士にどれだけ関係があるか（カイ二乗検定と、関係の強さを0〜1で表すクラメールのV）。

加えて、質問集をAIへ投げる小さな試験も行っています。

結果

1. できあがったデータの規模

項目	件数
買い手像（人数）	1,031,732
業種の区分	511
市場の区分	4（個人向け、法人向け、法人経由で個人向け、行政向け）
検索質問	5,160,046
知りたいこと	5,132,320
目標	3,124,904
悩み	3,115,862
満たされていない困りごと	2,883,689
項目の合計（1人あたり平均18.8）	19,416,821

2. 中身の偏り

見た切り口	結果
主な検索意図	情報収集78.3%、比較検討17.4%、購入4.3%。特定サイトへの移動は0.1%未満
市場	個人向け70.6%、法人向け23.2%、法人経由で個人向け4.5%、行政向け1.6%
業種	上位3つ（業種横断28.1%、教育テック22.9%、コンサルティング9.2%）で60.2%、上位15で94.9%。フィンテックは1.5%
性別	女性52.9%、男性44.2%、ノンバイナリー2.9%
年齢	10.9%（11万2,850人）が13歳未満と記載され、質問の中身から保護者の代理購入と判断して年齢を推定し直した。推定後は35〜44歳が最多（21.3%）
項目同士の関係	業種と検索意図のクラメールのVは0.299（論文の区分で中程度）、市場と検索意図は0.164（小〜中程度）

ブランドの推薦が起きるのは比較検討の段階だ、と論文は見ています。その比較検討の人は約17万9,600人で、質問は約90万件です（いずれも論文の概数）
比較検討の割合は、法人向けで32.0%、個人向けで12.4%でした。論文は、業種と検索意図の関係が中程度あることを、AIが業種ごとに違う質問を作り分けた証拠だと読んでいます
情報収集78.3%という比率について、論文は「このデータの性質であり、実際のAI検索の利用の内訳の推定とは別物」と断っています。分類の枠組みがキーワード検索の時代のものだからです

3. 「実際の買い手の質問と一致するか」は検証されたのか

最も大事な点です。答えは未検証です。

論文の限界の節には、すべての項目がAIによる生成であること、内部の整合性と多様性は確認したが実際の買い手の行動との対応は確認していないこと、専門家による個々の買い手像の評価も、実際の消費者調査や検索ログとの比較も行っていないことが、はっきり書かれています。

論文は、最も有力な次の検証は「同じ業種の、比較検討段階の実際の検索ログと質問集を比べること」だとし、AIが作った質問集を実際の買い手の検索ログと比べた研究は、著者の知る範囲では発表されていないとも述べています。用途についても、仮説づくり、質問集の作成、システムの試験には向くが、実際の買い手の行動の代わりには使えない、という立場です。

4. 質問集をAIに投げてみた小さな試験

質問集が測定の道具として働くかも試しています。フィンテックで比較検討の意図を持ち、質問が3〜5件の人（7,912人）から30人を無作為に選び、その150問を、名前の書かれていない商用の生成AI1つに、1問1回ずつ尋ねました。

「120語以内で、必要なら具体的な事業者名を挙げて答える」という指示付きです。

見たこと	結果
ブランド名が1つ以上出た回答	150件中146件（97.3%）。1回答あたり平均5.01ブランド
ブランドの散らばり	言及751回で530種類。上位10ブランドの合計は言及全体の9.3%、集中度を表すハーフィンダール指数は0.0030
同じ人の質問同士の言葉の重なり	0.042（別の人の質問同士は0.041）
ブランド名の抜き出しの一致	2つのAIモデル（Geminiの3.5と2.5の軽量版）が別々に抜き出し、完全一致は36.0%、平均の重なりは0.737（論文の評価は中程度）

この質問集はAIにブランド名を挙げさせることができ、その分布を数えられる。論文が試験で確かめたのは、この2点です
フィンテックのこの質問では、推薦は一部のブランドに集中しませんでした。論文は、業種全体を尋ねる質問で測ると少数のブランドが大きな取り分を持つことと対比し、「集中して見えるかどうかは、質問しだいだ」と述べています
試験で、論文は自分の当初の説明を訂正しています。1人の質問のまとまりは同じ悩みの言い換えだと考えていたのに、言葉の重なりは別の人の質問同士と同程度でした。そのため「言い方で答えがどう変わるか」を測るには、目的に合わせた言い換えを作り、何度も尋ねる必要がある、と書いています

論文自身が書いている限界

合成データであること：内部の整合性と多様性は確かめたが、実際の買い手との対応は確かめていない。外部で検証するまで、実在の集団に当てはめるべきではない
肉付けに使ったAIの癖：1つのモデルだけで作っており、性別の比率などにそのモデルの傾向が入っている可能性がある
業種の偏り：上位3業種で60.2%を占め、教育とキャリアに寄っている。件数の少ない業種は不確かさを見込んで扱う必要がある。511の業種の区分もAIが付けたもので、外部の検証は受けていない
米国中心・英語・期間限定：元のデータは主に米国の人物で、肉付けは英語で行い、2024年10〜12月から2026年1〜3月の傾向を反映している。英語の質問集は地元企業を構造的に低く見積もり、質問を翻訳しても別の市場には移せない
年齢の推定：10.9%の保護者の代理購入の人の年齢は推定値
検索意図は1人に1つ：実際の検索では目的が混ざり、会話を重ねるうちに質問が変わる。このデータは質問の順番も、前の答えが次の質問に与える影響も記録していない

原文を読んで気づいた点

日本語・日本市場：日本語の質問は無く、日本市場を対象にした集計もありません（元データは主に米国の人物）。論文自身が、英語の質問を翻訳して別の市場で使うことを否定しています
実際のサービスとの差：試験のAIは名前が伏せられた1つだけで、1日に150問を1回ずつ、120語以内の指示付きで尋ねています。普段の画面の回答とは条件が違います
評価は自動：ブランド名の抜き出しは、同じ会社の2つのAIモデルが行い、完全一致は36.0%でした。人が確かめた数字はありません
査読：arXivのプレプリントで、掲載先の記載は空欄です。本文に「この原稿の査読者」への言及があり投稿中とも読めますが、投稿先は不明です
自己引用の多さ：需要側のデータが必要だという理由に使われた数字（言語26.5%対ブランド1.5%）も、突き合わせ先として挙げる供給側のデータも、1人目の著者の別の論文です。参考文献27本のうち4本が1人目の著者の論文でした
検算できる範囲：第5節の統計はすべて非公開の全体データで計算されています。論文自身が「申請しないと第5節の数字は独立に確かめられない」と認めています

この論文から、言えること・言えないこと

言えること（論文の設定で確認された）	言えないこと（論文では確認されていない）
AIで、業種・市場・検索意図の付いた約100万人分の買い手像と約516万件の質問を作れた	その質問が、実際の買い手が入力する質問と一致すること
業種ごとに、検索意図（情報収集・比較検討・購入）の比率が違った	その違いが、実際の業種ごとの買い手の違いを映していること
フィンテックの150問では、97.3%の回答にブランド名が出た	別の業種、別のAI、別の日でも同じ結果になること
同じ人の質問同士は、言い換えの関係になっていなかった	このデータで「言い方による答えの変わりやすさ」を測れること
情報源の好みと引用元のデータを突き合わせる設計を示した	突き合わせた結果、推薦のされやすさが説明できること（論文は今後の課題としている）
英語・米国中心のデータとして作られた	日本語の質問や日本市場の測定に使えること

中小企業の視点で、どう受け取るか

ここからは論文の主張とは別の、私の読み取りです。

見え方を測る質問は、検討の段階で分けて用意する。論文は、ブランドの推薦が起きるのは比較検討の質問だと見ています。「〇〇とは」のような情報収集の質問と、「〇〇を頼むならどこがいいか」のような比較検討の質問を混ぜて数えると、結果の意味がぼやけます。知名度の段ごとに言及率を測った論文も、質問はAIが自動で作っていました。どの質問で測ったかは、数字と一緒に確かめる項目です
1回ずつ尋ねた結果で差を語らない。論文は、平均と並べてばらつきを報告し、ばらつきより小さい差は結果とみなさない、と述べています。引用割合の不確かさを扱った論文と同じ方向の注意です
日本の買い手の質問は、自社の手元にある。このデータは英語・米国中心で、論文自身が翻訳での流用を否定しています。中小企業にとっての需要側のデータは、問い合わせの文面、商談で最初に聞かれたこと、検索の管理画面に出る語句です。論文の未検証の部分を、自社は実際の声で埋められます
「どこを信頼するか」を聞いておく。論文は、買い手が信頼する情報源とAIが引用する先のずれを見ることを、使い道の1つに挙げています。これは提案の段階で、効果は示されていません。それでも、お客様がどの口コミや媒体を見て比べたかは、商談で聞ける情報です