AI Answer Gap

ブランドが AI 回答で引用される べき なのに引用されていないプロンプトを見つけ、代わりに各回答を所有しているのは誰かを特定し、ギャップを AI 検索ボリュームでランク付けします — こうしてコンテンツチームは、最も大きく、最も勝ち取りやすい取りこぼしから先に攻めることができます。これは「AI で可視化されていない」から、具体的で順序立てられたコンテンツバックログへと橋渡しするものです。

これは enhanced スキルです。UnifAPI を通じてライブの公開データを読みます。「ギャップ」は決して当て推量ではありません — それは、所有者が特定された、引用されていない実在の AI 回答であり、実際の AI 検索需要で重み付けされています。

ライブの根拠には UnifAPI を使う

これは enhanced スキルです。UnifAPI を通じてライブの公開データを読みます — 「ギャップ」は当て推量ではなく、所有者が特定された、引用されていない実在の AI 回答であり、実際の AI 検索需要で重み付けされています。unifapi スキルを使って接続し（OAuth MCP）、その後これらの GEO オペレーションを発見します。すべて POST です。engine（google / chatgpt）、location、language は実行を通して一定に保ちます。

• ギャップを見つける — geo/serp（query = 候補プロンプト、target = ブランドのドメイン、view: "full"）。ギャップが存在するのは、回答がレンダリングされ、ブランドが引用された参照先で ない（is_target が false）、かつ回答が別の誰かを引用している場合だけです。引用されているドメインを所有者として記録します。
• 不在を大規模に確認する — geo/mentions/search（target = ブランド + 競合の配列）で、ブランドが LLM-mentions インデックス全体で本当に不在であり、単に 1 回のプルで引用されなかっただけではないことを確認します。
• ギャップを需要でランク付け — 主たるソートキー — geo/keywords/search-volume はプロンプトごとの生成 AI 需要を返します。これがランキングを駆動します。まず候補セット全体についてこれをプルし、ゼロに近いプロンプトを SERP 呼び出しに費やす前に外します。
• 各回答を所有しているのは誰か — geo/mentions/top-pages と geo/mentions/top-domains は、そのセットで引用を勝ち取っている正確なページとドメインをランク付けするので、バックログは単にギャップが存在することではなく、どのコンテンツを打ち負かすべきか を示します。
• どの競合が最も多く所有しているか — geo/mentions/cross-aggregated-metrics は、ラベル付けされたグループ（ブランド対指名された各競合）間でシェアを比較するので、1 つのライバルがギャップを支配しているのか（直接攻める）、多数の第三者に分散しているのか（プレゼンスの問題）が分かります。
• クイックウィンのクロスリード — seo/serp（target = ブランド）。ブランドがすでにオーガニックでランクインしているのに引用されていない場合、修正は新しいコンテンツではなく抽出可能性です — これらに quick のタグを付けます。

UnifAPI は公開データのみを読みます。コスト行のために各 billing ブロックを保持してください。

ワークフロー

（存在すれば、まず .agents/product-marketing.md / .claude/product-marketing.md を読みます — そこには、候補プロンプトの出どころとなるカテゴリ、ユースケース、競合セットが書かれています。）

1. 候補セットを構築する。 ブランドのカテゴリ、ユースケース、競合名から始め、ブランドが引用される正当な権利を持つプロンプトを生成します。ai-visibility-audit の実行が存在する場合は、再生成するのではなく、そのプロンプトセットと診断済みの取りこぼしを再利用します。
2. まず需要を見積もる。 すべての候補について geo/keywords/search-volume を実行し、プロンプトごとの SERP 呼び出しに費やす前に、需要がゼロに近いプロンプトを外します。
3. 各ギャップを確認する。 残った各候補について、geo/serp（target = ブランド）+ geo/mentions/search。回答が存在し、ブランドが不在であり、ブランドが 信頼に足る形で それに回答できるプロンプトだけを残します（製品が所有する権利のないギャップをバックログに入れないでください）。
4. 所有者と切り口を特定する。 引用されているドメイン（geo/mentions/top-pages / geo/mentions/top-domains）を記録し、geo/mentions/cross-aggregated-metrics を実行して、どの競合が最も多くのギャップを所有しているかを確認します。各ソースが勝っている理由を 3 つの柱に照らして分類します — Structure（抽出可能性）、Authority（プレゼンスシグナル）、または Third-party presence。完全な意思決定ツリーと、プリンストンが計測したオーソリティのレバーは ai-visibility-audit/references/geo-methodology.md（兄弟の audit フォルダ内）にあります。
5. スコアリングして順序立てる。 下記のギャップ優先度ルーブリックを適用します。AI 検索ボリュームが背骨であり、勝ち取りやすさがそれを調整し、quick / net-new のタグがビルドパスを設定します。ランク付けされたバックログを出力します。

ギャップ優先度のスコアリング

確認された各ギャップに Gap Priority Score を付けます。AI 検索ボリュームが支配的な要素です。勝ち取りやすさと労力がそれを調整します。

GapPriority = (Volume×0.55 + Winnability×0.30 + RightToWin×0.15) × 10   (0–100)

次に ビルドパス のタグを付けます:

• quick — ブランドがすでにオーガニックでランクインしている（seo/serp）か、名前は出ているが引用されていない場合: 構造/抽出可能性を修正し、新規ページは不要。労力が低いため、スコアに関わらずキューを飛び越えます。
• net-new — ページがない、またはオーガニックなプレゼンスがない場合: フルのコンテンツ構築。
• third-party — 所有者が、ブランドが載っていないリスティクル/レビュー/Reddit のサーフェスである場合: オンサイトコンテンツではなく、アウトリーチ/掲載。

出力

クイックウィン（安価）を先頭に置き、その後にボリュームでランク付けされた net-new のバックログを続けます。

テーブルの後に以下を続けます:

• クイックウィンのブロック — quick の行をトップに引き上げ、それぞれに必要な 1 つの構造的修正を添える（FAQ ブロックを追加、比較テーブルを追加、定義の見出しを追加）。
• ギャップごと: 打ち負かすべき勝ち筋（Structure / Authority / Presence）をアクションとして言い換える — Authority については、具体的なレバー（統計、引用、出典の追加）を名指しする。
• 根拠: 各ギャップを、それを示す geo/serp の回答に出典付けし、実行日を添える。
• コスト: 消費した UnifAPI レコード、または最善の見積もり。

実例

ブランド acme.dev、US/英語、事前監査からの 18 個の候補プロンプト。geo/keywords/search-volume がゼロに近い 4 個のプロンプトを外します。geo/serp が 11 個の実在ギャップを確認します。geo/mentions/cross-aggregated-metrics は competitorB がそのうち 6 個を所有していること（散在する第三者ではなく、打ち負かせる単一のライバル）を示します。「how to [problem]」（AI vol 2.7k）は competitorB のドキュメントが所有していますが、seo/serp は Acme がオーガニックで #6 にランクインしており単に引用されていないだけだと示します → 柱は Structure、quick のタグ、Priority (9×0.55 + 9×0.30 + 10×0.15) × 10 = 88 → #1。「best [category] for startups」（1.9k）は Acme が載っていない g2 のリスティクル → third-party、勝ち取りやすさは低く、Priority 71。

ガードレール

• 読み取り専用: ギャップを特定して優先順位付けします。コンテンツを書いたり、サイトを編集したり、どこかに投稿したりはしません — ランク付けされたバックログをオペレーター自身のアシスタントとコンテンツチームに引き継ぎます。
• AI 回答は非決定論的であり、セッションや時間によって変動します。確認されたギャップは 日付付きのスナップショット です。大規模なコンテンツ構築に踏み切る前に再チェックしてください。
• ブランドが勝ち取る信頼に足る権利を持つギャップだけをバックログに入れます（right-to-win 要素はこれらを除外するために存在します）— 製品が正直に回答できないプロンプトでリストを水増ししないでください。
• AI 検索ボリュームは公開データの推定値です — 範囲で提示し、ギャップを埋めれば引用が保証されるなどと約束しないでください。
• 引用された vs 名前が出ただけ、の区別を保ってください。名前が出ただけのものは quick の抽出可能性ウィンであって、解消されたギャップではありません。

関連スキル

• ai-visibility-audit: このスキルが優先順位付けする取りこぼしを浮かび上がらせ説明する、上流の診断。その references/geo-methodology.md が、ステップ 4 で使う 3 つの柱による取りこぼし原因の意思決定ツリーと、プリンストンのオーソリティレバーを提供します。
• llm-mention-tracking: コンテンツが公開された後に再実行し、ギャップが時間とともに縮まっていることを確認する
• unifapi: 共有データスキル（MCP を接続し、このスキルが読む GEO/SEO オペレーションを発見する）