EvertuneのエージェントGEOとは？｜任せる範囲と確認役

「エージェントに任せれば、AIの回答での露出は勝手に上がっていくのだろう」「測るだけの道具だったものが、記事や広告まで作るのは行き過ぎではないか」——AI検索の対策を任された担当者からは、期待と警戒が同じくらい聞こえてきます。どちらも、Evertune が2026年10月に発表した仕組みを少し取り違えています。エージェントが引き受けるのは、露出の変化の調べものと、施策の下書きまでであって、何を採り、効いたかどうかを決めるのは人の側に残るからです。この記事では、Evertune のエージェント型のGEOを社内に入れるとき、測定から施策と広告へ進む段階でどこまで任せるか、回答のぶれと測定値の信頼性、施策の承認と効果検証を誰が持つかを、運用に定着させる順に整理します。

Evertune は、AIの回答の中で自社がどう語られるかを測り、動かす基盤

Evertune は、ChatGPT や Claude などの生成AIが、ある分野の質問に対してどのブランドを挙げ、どう説明し、どの情報源を引いているかを測る米国の基盤です。公式の説明では、質問の作り方は1億5,000万件を超える実際のAIとの会話をもとに設計しており、1つの質問を1モデルあたり100回抽出し、11以上のAIモデルを対象にしているとしています。経営陣には広告の買い付け基盤の大手で働いていた人が多く、公式の発表では2,000万ドルの資金調達を公表しています。

AI検索での露出を測る道具そのものは、ここ1年で数が増えました。測る方式や、ツール選びの考え方は別の記事で扱っているため、ここでは繰り返しません。Evertune を取り上げる理由は、測定の先にある「測った結果を、エージェントが施策と広告に変える」段階まで、一つの製品として踏み込んできた点にあります。社内に入れるかどうかの判断も、測定の道具を選ぶときとは別の問いになります。

判断の軸は、測った数字をどこまで信じるか、エージェントの提案と下書きを誰が採るか、広告で再接触するときに何のデータが動くか、そして施策が効いたかを誰が確かめるか、の四つです。以下ではこの順に、公式に確認できた事実の範囲で整理します。

2026年の動き：広告、再接触、そして10月のエージェント

Evertune の公式の発表を時系列で並べると、測定の会社から、施策と広告までを扱う会社へ広がってきた流れが見えます。2月には、AIの回答が引用している情報源のページに広告を出せる仕組みを、広告の買い付けと広告枠の取引の大手2社との連携で発表しました。業界誌の報道では、AIの答えを読んだ人が、引用元のページに移った後で広告を見せる考え方だと説明されています。

公式の発表日	内容
2026年2月11日	Partner Connect を広告取引に広げ、AIが引用する情報源のページへの広告配信を発表
2026年3月23日	Gartner が初めて出したAI回答の露出を測る道具の市場ガイドで、代表的なベンダーの一つに挙げられたと公表
2026年5月20日	AIの回答で自社が推されていない会話に向けて広告を組む広告エージェントを、招待制のベータで発表
2026年8月10日	AI Retargeting をベータとして開始。AIが引用した情報源を訪れた利用者に、広告で再接触する仕組み
2026年9月17日	Forrester の調査で注目ベンダーに挙げられたと公表。Google のクラウドの販売窓口での提供も開始
2026年10月28日	エージェント型のGEOとして、調査と提案、下書き、MCP 接続をまとめて発表

この並びから分かるのは、広告の機能はいずれもベータや招待制の段階で出てきていることです。10月の発表も製品の更新として出されたもので、個々の機能がどこまで一般提供なのかは、契約前に営業窓口で確かめる必要があります。市場調査会社の評価は、製品の存在感を示す材料にはなっても、自社の運用に合うかどうかを保証するものではありません。

誤解：「エージェントに任せれば、露出は勝手に上がる」

10月の発表を読むと、露出の低下を見つけ、原因を調べ、記事の構成案と下書きを作り、既存ページの手直しまで提案する流れが一続きで描かれています。そのため、道具を入れれば施策が回り続けると受け取られがちです。しかし公式の説明でも、下書きは利用者が承認した構成案から作るとされ、どこを直すか、どこに力を入れるかは利用者が決めると書かれています。

もう一つの誤解は、反対側の「測定の道具が施策まで作るのは行き過ぎ」という警戒です。エージェントが調べものを引き受けると、担当者は露出が落ちた理由を探す時間を、採るかどうかを考える時間に回せます。問題は機能の多さではなく、提案、下書き、書き換え、広告のどこまでを、誰の承認で動かすかが決まっていないことです。

AIの回答での露出は、検索の順位以上に、自社では動かせない要素に左右されます。モデルの更新、情報源の入れ替わり、競合の発信、質問の言い回し。エージェントはそれらの変化を拾って理由を推測しますが、推測は推測です。この記事の残りでは、任せてよい作業と、人が持つべき判断を分けていきます。

三つの仕組み：GEO Manager、Content Studio、MCP

10月の発表で示された仕組みは三つです。一つ目の GEO Manager は、ある話題での露出の低下、競合の伸び、回答に影響している情報源といった変化を調べ、見つけたこと、裏付けの材料、次の打ち手の案を返す役です。作るべき記事、掲載を狙う外部サイト、広告に回す話題の提案まで含まれ、個々の回答や情報源に掘り下げて問い返すこともできるとされています。

二つ目の Content Studio は、露出や引用の足りないところを、記事の方針と書き手向けの構成案に変え、承認された構成案から自社の文体で下書きを作る役です。既存のページを読んで修正案を出し、それを反映し、前後の点数を比べる機能もあると公式は説明しています。三つ目の MCP は、Evertune のデータを Claude や ChatGPT から直接問い合わせられるようにする接続で、既存の Evertune の権限がそのまま引き継がれるとされています。

この三つは、任せる重さが違います。調べものと提案は読むだけで、外には何も出ません。下書きは社内で止められます。既存ページの書き換えと広告は、外に出る行為です。導入の判断は、この重さの違いに沿って段階を切るところから始めるのが現実的です。広告の側には、別に Ads Manager という仕組みがあり、露出の足りないところに向けた広告を組み立てるとされています。

測定値の信頼性：1質問100回の抽出が意味すること

生成AIの回答は、同じ質問でも毎回少しずつ変わります。Evertune が1つの質問を1モデルあたり100回抽出するとしているのは、このぶれをならして、ある時点で自社が挙がる割合を安定して見るためです。公式の説明では、一般的な道具は1日に1回の抽出が多いと比べています。抽出の回数が多いほど、1回の回答の偶然に振り回されにくくなるのは確かです。

ただし、回数を増やしてならせるのは、同じ質問、同じモデル、同じ時期の中のぶれだけです。モデルが更新されれば、回答の傾向そのものが変わります。質問の言い回しを変えれば、別の数字になります。100回の抽出で得られるのは「この質問の組み合わせで、この時期に、こう答えられやすい」という観測であって、市場全体での評判を測ったものではありません。

社内の報告では、数字と一緒に、どの質問の組み合わせで、どのモデルを、いつ測ったかを必ず添えます。質問の一覧を入れ替えた週は、前の週と比べないことも決めておきます。エージェントが「露出が下がった」と知らせてきたときに最初に確かめるのは、質問の一覧やモデルの範囲が変わっていないか、という点です。

回答のぶれを、施策の成果と取り違えない

運用で一番起きやすい失敗は、記事を出した翌週に露出の割合が上がり、それを施策の成果として報告してしまうことです。AIの回答に新しい記事が反映されるまでの時間は一定ではなく、同じ週にモデルの更新や競合の発信が重なれば、どれが効いたのかは分かりません。エージェントが前後の点数を比べてくれても、点数の差がそのまま因果を示すわけではありません。

取り違えを減らすには、施策を打つ話題と打たない話題を分けて、両方の推移を並べて見る方法が使えます。施策を打たなかった話題でも同じように露出が上がっていれば、それはモデルや市場の側の変化だった可能性が高いと読めます。数週間の幅で見て、施策を打った話題だけが、打たなかった話題より上に離れたかどうかを判断の基準にします。

• 記事を出した翌週の露出の上昇を、そのまま施策の成果として経営会議に出す
• 質問の一覧を入れ替えた週と、その前の週の数字を並べて比べる
• エージェントが示した「低下の理由」を、確かめないまま原因として報告する
• 前後の点数の差だけを見て、効かなかった施策を打ち切る

効果を確かめる役は、施策を提案し、承認した人とは別の人に置くのが理想です。少人数の部門で難しければ、少なくとも月次の振り返りで、施策を打たなかった話題との比較を必ず並べる、という書式を決めておきます。

運用定着の全体像：観測、提案、承認、実行、検証

Evertune のエージェント型の機能を社内に定着させる順番は、任せる範囲を段階的に広げる形が向いています。最初から書き換えや広告まで開くと、何が効いたのか分からないまま、外に出る行為だけが増えていくからです。各段階に、承認する人と、効果を確かめる人を名前で置きます。

この順番は、10月の発表で示された三つの仕組みの重さの違いに沿っています。観測と提案は外に何も出さないため早く始められ、書き換えと広告は外に出るため最後に置きます。

段階1：提案を受け取るだけの期間に、何を見るか

観測だけの期間に確かめたいのは、エージェントの提案が、自社の事業にとって意味のある話題を拾っているかどうかです。GEO Manager は露出の低下や競合の伸びを見つけて理由を推測しますが、どの話題が商談につながるかは、Evertune の側には分かりません。BtoBでは、露出の割合が大きく動く一般的な質問より、検討の終盤で投げられる具体的な比較の質問のほうが、事業への影響が大きいことがよくあります。

提案は、話題の重要度、裏付けの材料の確かさ、打ち手の重さ、の三つで仕分けます。裏付けとして示された回答や情報源は、担当者が実際に開いて読みます。エージェントが示した理由をそのまま原因として扱わず、根拠として挙げられた回答と情報源を人が読むことを、この期間の決まりにします。

この期間に、数字の揺れ幅も把握しておきます。施策を何も打たない週でも、露出の割合がどれくらい上下するかを知っておけば、後で施策の効果を読むときの物差しになります。揺れ幅より小さい変化は、エージェントが知らせてきても、施策の材料にはしないと決めておきます。

段階2：Content Studio の下書きを出す前に、人が確かめること

Content Studio は、承認された構成案から自社の文体で下書きを作るとされています。ここで気をつけたいのは、AIの回答に引用されることを狙って作られた下書きは、読者より機械に向けた文章に寄りやすい点です。引用されやすい形に整えることと、読者の役に立つことは、重なる部分もあれば、ずれる部分もあります。

下書きを出す前に確かめる項目は決まっています。製品の仕様、価格、事例、数字が自社の公式の情報と合っているか。競合について書いた部分に、確かめられない比較が入っていないか。法務や広報の確認が要る表現がないか。下書きの事実確認は、構成案を承認した人とは別の人が担当すると決めておくと、見落としが減ります。

• 下書きの点数が上がったことは、公開してよい理由にはならない。点数は Evertune の基準での評価であり、読者や検索エンジンの評価とは別物
• AIの回答に出るためだけの言い回しや、同じ内容の量産は、検索エンジンの方針に反するおそれがあるため避ける
• 社外秘の情報を構成案や指示に含めない。何を入力したかの記録を残す

下書きの作成をどこまで任せるかは、記事の種類で分けると決めやすくなります。用語の解説や製品の基本情報は下書きを使い、事例や比較、価格に触れる記事は人が書き起こす、といった線です。

段階3：既存ページの書き換えを、どこまで許すか

公式の説明では、Content Studio は既存のページを読んで修正案を出し、反映し、前後の点数を比べることができるとされています。既存ページの書き換えは、新しい下書きよりも重い判断です。すでに検索や商談で役割を果たしているページを、AIの回答のために書き換えると、別の成果を失うことがあるからです。

書き換えを許す前に、対象のページを三つに分けます。AIの回答のために手を入れてよいページ、手を入れる前に検索の流入と商談への寄与を確かめるページ、手を入れないページ、の三つです。製品の価格や契約条件、法務の確認を経た表現が入るページは、三つ目に入れます。

書き換えた場合は、元の版を残し、いつ、何を、誰の承認で変えたかを記録します。前後の点数だけでなく、検索の流入と問い合わせの推移も同じ期間で並べることで、AIの回答のための書き換えが、ほかの成果を削っていないかを確かめられます。公開の操作そのものは、社内の管理画面で人が行う形を基本にしておくと、止めたいときに止めやすくなります。

広告へ進むとき：露出の弱い会話に広告を当てる意味

Evertune は、測定のデータを広告に使う仕組みも段階的に出してきました。5月に発表された広告エージェントは、ChatGPT で自社が推されていない会話を見つけ、その足りないところに向けて広告の対象と文面を組み立てるものと説明されています。8月の AI Retargeting は、AIが引用した情報源を訪れた利用者に、広告で再接触する仕組みです。

考え方としては筋が通っています。自然な露出が弱いところを、有料の露出で補う。AIの答えを読んだ後で情報源に移った人は、比較検討の途中にいる可能性が高い。ただし、AIが自社を推さなかった理由が、製品の弱点そのものだった場合、広告で補っても印象は変わりにくいことも、業界誌の報道で指摘されています。広告の前に、なぜ推されていないのかを人が読む工程は省けません。

BtoBで使う場合は、もう一つの制約があります。AIで比較検討する人の数は、消費財の分野に比べて少なく、再接触の対象になる人数も限られます。少ない人数に何度も広告が出れば、かえって印象を損ねます。広告に進むのは、自然な露出の施策を数か月回し、どの話題で補う意味があるかが見えてからで十分です。

再接触の広告で、何のデータが動き、何が社外に出るか

AI Retargeting の公式の説明では、AIが引用した情報源を訪れた利用者の集まりを、利用者が選んだ広告の配信基盤に送り、そこで広告を配信するとされています。一方で、どの識別子で利用者を照合しているか、同意をどう扱っているかは、公開されている説明には書かれていません。この点は契約前に必ず確かめる項目です。

社内で確かめたいのは、自社の側から何が外に出るかと、外から何が入ってくるかの両方です。測定と提案だけであれば、自社の顧客の個人データを渡す必要はありません。広告の配信基盤とつなぐ段階で、自社の広告アカウントの権限、配信の対象リスト、成果のデータの流れが加わります。広告に進む前に、法務と情報システムの担当に、データの流れを図にして見せることを手順にしておきます。

日本の利用者に向けた配信を考えるなら、クッキーなどの識別子の扱いについて、自社の利用規約やプライバシーポリシーとの整合も確かめます。識別子の照合が提供元や配信基盤の側で行われる場合でも、自社がその広告を出す以上、説明の責任は自社にも残ります。確かめられない点が残るうちは、引用元のページに広告を出す文脈型の配信にとどめるのも一つの判断です。

誰の権限で動くか：MCP 接続と既存の権限

10月の発表では、Evertune MCP により、Claude や ChatGPT から自社のブランドや計測の設定を問い合わせ、競合との比較や情報源の調査ができるとされています。データを書き出さずに外のAIから扱える便利さがある一方で、外のAIの会話の中に、自社の露出のデータが流れ込むことになります。

公式の説明では、既存の Evertune の権限がそのまま MCP 接続に引き継がれるとされています。つまり、誰が何を見られるかは、Evertune の側の権限設定で決まります。まず Evertune の中で、閲覧だけの人、提案を採る人、広告を動かす人を分け、そのうえで MCP 接続を許す人を絞ります。外のAIの会話の記録がどこに残り、学習に使われるかどうかは、社内で使っている Claude や ChatGPT の契約形態の側で決まるため、個人の無料の契約からの接続は認めないと決めておきます。

MCP の接続そのものの考え方は別の記事で扱っているため、ここでは Evertune に固有の点だけを挙げます。露出のデータは競合との比較を含むため、社外の協力会社や代理店に共有するときは範囲を決めること。外のAIで作った分析を報告に使うときは、元の数字を Evertune の画面で確かめ直すこと。この二つです。

費用の増え方と、止め方・やめ方

Evertune の公式の説明では、同業の基盤に比べて費用は半分程度だとしていますが、具体的な価格は営業窓口での見積もりが前提です。10月には、小規模な広告の運用から始められる新しい入口の提供も発表されています。費用が増える要因は、測る質問の数、比べるブランドの数、対象のモデルの数、そして広告の予算です。測定の部分は契約で上限が決まりやすい一方、広告は配信の予算がそのまま積み上がります。

止め方は、段階ごとに決めておきます。下書きと書き換えは、承認の工程を止めれば外には出ません。広告は、配信基盤の側で予算の上限と停止の権限を、Evertune の外にも持っておきます。広告を止める権限を、エージェントを使う担当者だけに置かないことが、止めたいときに止められる条件です。

やめるときに手元に残したいのは、質問の一覧、測った数字の推移、採った施策と見送った施策の記録です。質問の一覧と施策の記録は、別の道具に移っても使い回せる資産です。契約の前に、数字の書き出しの形式と、解約後のデータの扱いを確かめておきます。

承認と効果検証を誰が持つか：役割の表

ここまでの段階を、役割として一枚にまとめます。少人数の部門では一人が複数の役を兼ねることになりますが、施策を承認する人と、効いたかどうかを判定する人は、できるだけ分けるのが基本です。同じ人が両方を持つと、効かなかった施策を認めにくくなります。

作業	エージェントに任せる範囲	人が持つ判断	担当の例
露出の変化の調査	変化の発見、理由の推測、裏付けの提示	変化が揺れ幅を超えているかの判断	コンテンツの担当
施策の提案	記事、掲載先、広告の話題の案	採る、見送るの判断と記録	コンテンツの責任者
下書き	承認済みの構成案からの下書き	事実確認、法務と広報の確認	構成案を承認した人とは別の人
既存ページの書き換え	修正案と前後の点数	対象ページの範囲、公開の操作	サイトの管理者
広告と再接触	対象と文面の案	予算の上限、データの流れの承認、停止	広告の責任者と法務
効果の検証	前後の点数の比較	施策を打たなかった話題との比較、範囲の見直し	提案と承認に関わっていない人

この表を最初の打ち合わせで決め、半年ごとに見直します。任せる範囲を広げるのは、効果の検証で根拠が積み上がった話題からにします。

よくある質問

Evertune を入れれば、AIの回答で自社が挙がるようになりますか。

保証はされません。Evertune が担うのは、露出の測定と、変化の調査、施策の提案と下書き、広告の仕組みです。AIの回答に自社が挙がるかどうかは、モデルの更新や情報源、競合の発信など、自社では動かせない要素にも左右されます。施策の効果は、施策を打たなかった話題との比較で確かめます。

測定だけを使い、エージェントの機能は使わないことはできますか。

運用の上では、提案を読むだけにとどめ、下書きや書き換え、広告には進まないことは可能です。契約の単位で機能を分けられるかどうかは公開情報では確かめられなかったため、見積もりの段階で営業窓口に確かめてください。

日本語の質問でも測れますか。

対象の地域や言語の扱いは、公開されている説明だけでは詳しく確かめられませんでした。日本の市場で使う場合は、試行の段階で日本語の質問を実際に登録し、回答が想定どおりに集まるかを確かめてから契約するのが安全です。

AIの回答のための書き換えは、検索の評価に影響しませんか。

読者に役立つ改善であれば問題になりにくい一方、AIに引用されることだけを狙った言い回しの量産は、検索エンジンの方針に反するおそれがあります。書き換えの前後で、検索の流入と問い合わせの推移を同じ期間で並べて確かめてください。

まとめ

Evertune のエージェント型のGEOは、AIの回答での露出の測定から、変化の調査、施策の提案、下書き、広告までを一つにつなぐ仕組みです。便利さの裏で、AIの回答のぶれ、エージェントの推測、外に出る行為が一続きになるため、どこまでを任せ、どこで人が承認し、誰が効果を確かめるかを先に決めることが、社内に入れる条件になります。観測だけの期間で揺れ幅を知り、提案の採否を記録し、下書きは人が直して出し、書き換えと広告は範囲と予算を決めて最後に開く。効果は施策を打たなかった話題と比べて判定する。この順番を守れば、エージェントは調べものの手間を減らす道具として、無理なく運用に乗せられます。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。