Googleマップでは高評価。
それでもAIは「その店は確認できませんでした」と答えた

――京都の体験店10店舗を、日本語・英語・繁体字中国語・簡体字中国語の4言語で検証してみた

2026年7月14日 ｜ Kääselä

ある着物レンタル店は、Googleマップで★4.9、口コミは500件以上ある。ところが、その店名をChatGPTに入力して詳しく聞いてみると、返ってきたのは「その店舗は確認できませんでした」という答えだった。そしてAIは、その代わりに、名前のよく似た別の店を勧めてきた。

一方で、口コミ数がその半分ほどしかない小さな茶室については、料金や所要時間まで、一字一句そのまま正確に説明していた。

AI時代、店はどうすれば顧客に知ってもらえるのか。本レポートでは、京都の体験型店舗10店を対象に、日本語・英語・繁体字中国語・簡体字中国語の4言語で生成AIに質問し、その結果と観察から見えてきたことをまとめた。

【指名検索の4つのパターン】AIはあなたの店をどう理解しているのか

今回の調査では、AIの店舗に対する反応は、大きく4つのパターンに分けられた。

A｜正確に認識されている

A店｜茶道体験・清水寺周辺

「A店の料金と所要時間は？」と尋ねると、AIは3つのプランそれぞれの料金と所要時間を正確に説明し、さらに子ども連れで参加する際の注意点まで紹介していた。内容はすべて正しく、引用元もすべてこの店の公式サイトだった。

もともと私は、「質問する言語が違えば、AIの答えも変わるのではないか」と考えていた。しかし、特定の1店舗について尋ねる場合、その違いは見られなかった。この店には中国語版のページはない。それでも繁体字中国語で質問すると、同じ精度で答えてくれる。AIが読んでいるのは日本語の公式サイトに書かれた事実であり、それを自分で繁体字中国語へ翻訳して答えているだけだった。

つまり、本当に必要なのは「多言語ページ」ではない。AIが理解でき、そして引用できる形で整理された事実なのである。

この店は小さな茶室で、SNSで多くのフォロワーを抱えているわけでもない。それでもAIに伝わる情報は非常によく整理されており、海外からの旅行者にも誤って伝えられることはないだろう。

B｜内容が推測で補われている

B店｜茶道体験

AIはこの店を認識している。住所も営業時間も、口コミの評価も正しかった。しかし、料金について尋ねると情報は出てこない。そして所要時間については、こんな説明が返ってきた。

体験時間（約60〜90分のプランが中心）

あとで確認すると、この数字に根拠はなかった。AIが他店の相場から推測し、空白を埋めていたのである。

しかも同じ回答の中で、AIはB店と他の茶道体験を並べて紹介し、「それぞれの違いも比較できます」と続けていた。つまりAIにとってB店は、「他の茶道体験とだいたい同じような店」としか認識されていなかった。

これは、店側がもっとも気づきにくい状態でもある。店名は検索できる。住所も合っている。だから問題ないように見える。しかし、その中身は、AIが想像で埋め合わせている。

C｜「存在しない」と判断される

C店｜着物レンタル

Googleマップでは★4.9。口コミは500件以上ある（いずれも2026年7月時点）。海外からの旅行者による評価も高い。そんなこの店についてChatGPTに尋ねると、返ってきたのは次のような答えだった。

「（C店名）」という店舗は確認できませんでした。

そして、その代わりに名前のよく似た別の店を2店舗紹介してきた。繁体字中国語で質問すると、さらに率直だった。

京都では、この名前の店は見つかりませんでした。

500件を超える高評価は、AIには届いていなかった。

D｜別の店と混同される

同じ店について、同じ質問をもう一度してみた。すると今度は、答えが変わった。

おそらく「（別の店名）」のことを指していると思われます。評価は5.0、口コミは約1,600件以上あり、非常に人気があります。

しかし、それは別の店だった。同じ京都市内にあり、漢字が一文字違うだけの別法人で、独自ドメインの公式サイトも持っている。つまりAIは、見つけられなかったC店を、名前のよく似た別の店として認識してしまっていたのである。

注目したいのは、「おそらく」という表現だった。AI自身にも確信はない。同じ質問に対して、1回目と2回目で矛盾する答えを返したこと自体が、その証拠である。AIはC店を知らないのではない。判断するための材料を持っていない。だから、そのたびに推測している。

本当に怖いのはここだ。C店に寄せられた500件以上の高評価は、今この瞬間も競合店へ客を送り続けているのかもしれない。そして、そのことに店側は気づいていない可能性が高い。

この4つの違いを分けていたのは、店の規模ではなかった。

口コミが多い店のほうが、AIには見えていなかった。

【方向性は2つ】指名検索では自分の情報が、推薦では他者の評価が見られている

上記のような違いは、それぞれの店が「どこに情報を置いているか」にあった。比較のため、もう1店舗（E店）を加えてみる。E店には独自ドメインの公式サイトはなく、予約SaaSのページが1つあるだけだった。それでもAIは、この店をきちんと認識していた。

C店の「公式サイト」として登録されていたのは、予約プラットフォーム上の紹介ページだった。しかし、そのページの主体はC店ではなく、予約プラットフォームである。AIから見ると、C店は「1つの店」ではなく、「予約サイトの中にある1つの商品」として存在していた。

ここから見えてきたことは、とてもシンプルだった。

AIが認識するのは、キーワードでもページでもない。エンティティ（Entity）である。

そして、エンティティとして認識されるのは、「自分自身について語り、その内容を引用できるページ」を持っている店だった。この意味で、C店はまだ「1つのエンティティ」になれていなかった。なぜなら、予約サイトの中の1つの商品としてしか存在していなかったからである。

もちろん、これは必ずしも独自ドメインの公式サイトを作らなければならない、という話ではない。E店には独自ドメインはない。それでも、予約SaaSのページの主語がE店自身だったため、AIはそのページを「E店について書かれた情報」として認識していた。AIが必要としているのは、独自ドメインではない。引用できる形で存在する、「あなた自身の情報」である。

ただし、質問の仕方が変わると、AIが見に行く情報源も変わる

これは前半で触れた「言語によって答えは変わるのか」という検証と並んで、今回もっとも興味深かった発見の1つだった。

例えば、「A店はどんな店ですか？」と店名を指定して質問すると、AIが参照するのはA店の公式サイトだった。料金も所要時間も、店自身が公開している情報から答えている。

しかし、「京都でおすすめの茶道体験は？」という探索型の質問に変えると、AIが参照する情報源は一変した。

• 大手旅行メディア（Lonely Planetなど）
• 京都市や日本政府観光局などの観光サイト
• 訪日観光客向けの「おすすめ◯選」記事
• Reddit

体験店の公式サイトは、ほとんど引用されなかった。

この2つは、まったく別の課題である。公式サイトを整えることは、「すでに自分を知っている人」に対して正しく理解してもらうためのもの。一方で、「京都で茶道体験をしたい」と尋ねた人に見つけてもらえるかどうかは、他の誰かがあなたの店について書いているかどうかに左右される。

【適用範囲】言語ごとに勝つ店は違う──ただし、業種による

同じ「京都でおすすめの○○体験は？」という質問を4つの言語で試してみると、業種によって結果は大きく異なった。

茶道体験──4言語とも、登場するのは同じ3店舗

日本語、英語、繁体字中国語、簡体字中国語。どの言語で質問しても、おすすめとして挙がるのは同じ3店舗だった。言語による違いは、ほとんど見られなかった。

着物レンタル──4言語すべてに登場する店は1つもなかった

ここからは、3つのことが見えてくる。

1つ目。日本語でおすすめされた上位3店舗（店⑥・⑦・⑧）は、他のどの言語でも一度も登場しなかった。

2つ目。業界最大手である店⑬は、簡体字中国語で質問したときだけ登場した。日本最大級の着物レンタル店であるにもかかわらず、日本語で「京都で着物を借りるなら？」と聞いても、AIはこの店を挙げなかった。

3つ目。前半で紹介した、AIに正しく認識されなかったC店は、4言語すべてで一度も推薦されなかった。そのため、この表にも登場していない。さらに、C店について質問した際にAIが誤って関連付けた競合店は、英語・繁体字中国語・簡体字中国語の3言語でおすすめとして登場していた。

なぜ、ここまで違いが生まれるのか

引用元を見れば、その理由ははっきりする。

茶道体験では、どの言語もLonely Planetやjapan.travel、japan-atlasといった同じ国際旅行メディアを引用していた。だから、推薦される店もほぼ同じだった。

一方で、着物レンタルは違う。日本語では「着物レンタル比較ナビ」、中国語圏ではMATCHA、英語ではJapan Cheapoというように、言語ごとにまったく異なる比較サイトを参照していた。見ている記事が違う以上、推薦される店も変わる。つまり、

AIがどの店を推薦するかは、その言語で「まとめ記事」を書いているメディアによって大きく左右される。

しかも、ここで引用されていたのは、大手ニュースメディアではない。japan-atlas、MATCHA、Japan Cheapo、着物レンタル比較ナビ。いずれも「京都でおすすめの○○10選」のような記事を数多く掲載している旅行メディアやアフィリエイトサイトだった。少なくとも2026年7月時点では、こうした媒体が、実質的にAIの推薦先を決めているように見えた。

だから、「多言語対応をすべきか」「どの言語に力を入れるべきか」という問いにも、今のところ万能な答えはない。少なくとも現時点では、自分の業種と、狙いたい言語圏において、AIが実際にどの情報源を参照しているのかを調べてみることが、一番確実な方法だと思われる。

【対策】質問の種類によって、打つべき手は変わる

今回の調査から見えてきた対策は、4つある。

① 店名で検索されたときに正しく伝わりたいなら → 引用できる事実を、自分で用意する

料金、所要時間、対応言語、予約の必要性。こうした情報を、事実として整理し、自分のページに掲載する。A店ができていたのは、まさにこれだった。一方でB店に足りなかったのは、AIにも正しく読み取れる形で、自分自身について説明する情報だった。そして、「予約サイトに載っているから大丈夫」と考えるべきではない。それでは、自分自身の情報を発信していることにはならない。

② 見つけてもらいたいなら → AIが見ている記事に載る

これは自社サイトの力だけではない。まとめ記事、比較サイト、観光メディアなど、AIが参照している第三者の記事に掲載されることが重要になる。もう1つ、今回意外だった情報源がある。それがRedditだ。英語で質問すると、AIは何度もRedditの投稿を引用していた。日本の店舗で、ここまで見ているところは、まだ多くないのではないだろうか。

③ 推薦型の質問では、どこで発信すべきか → 業種ごと、言語ごとに違う。だから測るしかない

今回の調査では、茶道体験と着物レンタルで、AIが参照する媒体はまったく違っていた。その結果、業種によっては、言語が変わるだけで推薦される店も変わっていた。一般論では答えは出ない。自分の業種で、自分が届けたい言語圏では、AIが実際に何を引用しているのか。今のところ、それを実際に調べることが、一番確実な方法だと思われる。

④ これからの可能性 → 独自の特徴を、自社サイトでアピール

今回の調査では、探索型の質問でも、独自ドメインを持ち、さらに「子ども連れ歓迎」のような独自の特徴を打ち出している店が、AIに取り上げられる場面も見られた。もちろん、まだ断言はできない。しかし、もしまとめ記事に頼らない方法を考えるのであれば、自分自身のページで、「この店ならでは」の特徴を明確に発信していくことは、小さな店舗にとって現実的な戦略になるのかもしれない。

本調査について

今回の調査は、あくまで個人による小規模な実験である。対象は10店舗、使用したモデルはChatGPTのみ。質問回数もごく限られている。そのため、統計的な結論を導くことはできず、あくまで一つの観察記録として受け取っていただきたい。

言うまでもなく、生成AIの回答は毎回変化する。実際、C店についても、1回目と2回目ではまったく異なる答えが返ってきた。本来であれば、同じ質問を何十回も繰り返し、その分布まで含めて検証すべきだろう。

また、現在では多くの生成AIが、ユーザーとの過去の会話を記憶し、それをもとに回答を変える仕組みを持っている。そのため、店舗の運営者自身が自分のアカウントで「京都でおすすめの○○は？」と質問し、自分の店が表示されたとしても、それだけでは何も証明できない。AIが、あなた自身との過去のやり取りを記憶していただけかもしれないからだ。今回の調査は、メモリ機能をオフにした状態で行った。

おわりに

生成AI検索には、まだ十分に確立された方法論は存在しない。多くの人が、手探りで試行錯誤している段階だと思う。実際、私自身も、最初に立てた仮説の半分は外れた。「日本語では出てくる店が、中国語では消えるのではないか」という予想も、業種によって当てはまる場合と、そうでない場合があった。だから私は、当たった仮説だけでなく、外れた仮説も含めて、ここに記録していこうと思う。ここで私が残したいのは、もっともらしい理論ではない。実際に試して得られた観察記録である。

参考・背景

本記事で「エンティティ（Entity）」と呼んでいる考え方は、英語圏では entity-based SEO として知られており、生成AIの文脈では GEO（Generative Engine Optimization） の中で議論されている。学術的な出発点の一つとしてよく引用されるのが、Aggarwalらによる『GEO: Generative Engine Optimization』（arXiv:2311.09735、KDD 2024）である。同論文では、生成AIに情報を認識・利用してもらうための条件として、retrievable（検索可能であること）、groundable（根拠として利用できること）、citable（引用できること）の3つが整理されている。また、エンティティの認識には、Schema.orgなどの構造化データ、第三者サイトでの一貫した言及、一貫した識別子などが重要なシグナルになるとされている。一方で、「特定のレビューサイトに掲載されているとAIに引用されやすい」といった具体的な数値やノウハウについては、業界内で広く語られているものの、現時点では査読付き研究によって十分に検証されたものではない。本記事でも、その点については参考情報として扱っている。

本記事は、個人による調査・情報共有プロジェクトであり、特定の団体・大学・企業等とは関係ありません。

調査方法の詳細や、自社の検証に興味のある方は、お気軽にご連絡ください。