​

可視性の変化を調べる

比較条件を揃えて変化を確認し、該当する回答を読んで、事実と調査すべき仮説を整理します。

長さが同じ二つの期間、同じ質問・AI・地域を指定します。条件変更と回答件数の差を先に確認し、増減の事実と原因の仮説を分けます。

作業が分かっている場合は、この一覧から進められます。操作の理由と確認事項は後の番号付き手順を参照してください。

CLI クイックスタートでインストールと認証を完了します。例は CLI 0.5.0 のコマンドです。対象のワークスペースを選択し、ID は一覧に返された値を使ってください。

保存した基準値と、比較する両期間の回答。

保存した基準値と現在のレポートで、期間の長さと測定対象を揃えます。対象の質問を選び、回答一覧から取得した ID で本文を読みます。

返却された期間と集計軸を確認します。比較に使う場合は同じ条件の基準値を選び、異なる条件は分けて扱います。

どの情報源が回答に引用されているか確認します。引用を、クロールや実際の訪問と同じ指標として扱いません。

対象ブランドまたは質問で一覧を取得し、回答日時を確認します。本文を読む回答 ID を一覧から選んでください。

YOUR_ANSWER_ID を一覧から取得した ID に置き換えます。回答に実際に書かれた内容と引用 URL を残します。

回答の日時を確認し、比較する期間のものを使います。変化した数値、回答 ID、引用 URL、確認が必要な仮説をまとめます。更新後の調査では変更 URL と公開日時も残します。過去データが不足する場合は基準値の記録に戻り、更新が変化の原因だとは断定しません。

まず AI ごとの変化を比較し、差が大きい質問の回答を読みます。リスト記事などの情報源は、同じ期間の取得数と引用数を分けて確認します。

losing と trending は取得観測に基づく切り口です。これだけでブランドの可視性変化や引用減少を説明したことにはなりません。エージェントが同じ質問の回答と照合し、主要な変化ごとに根拠、考えられる説明、次に確かめるページを残します。

同じ質問・地域・同じ長さの期間で、AI ごとの変化を並べます。質問の追加・停止、モデルや計測設定の変更、自社ページの公開、競合の変更を時系列に添えます。一つの AI だけの変動、複数の AI に共通する変動、観測不足を分け、対応する回答と引用を読みます。

一つの AI だけが動いても、エンジン更新が原因だとは断定しません。比較条件が揃わない場合は、条件の差を返して再取得します。結果には「観測された変化」「考えられる説明」「次に確かめる証拠」を分けて残します。

データが不足する場合は、ワークスペース、収集期間、絞り込み、ページングを確認します。取得の失敗と空の結果を分けて記録してください。指定できる条件は --help で確認できます。

ワークフロー一覧 · グローバルオプション

失敗が残る場合は、失敗を報告して再検証するで、このワークフローと失敗した手順を報告へ添えます。