モデルシェア
モデルシェア（SoM）は、ChatGPTやGeminiのような生成AIシステムが、カテゴリに関連する質問に答える際に、競合他社と比べてあなたのブランドをどの程度、そしてどれほど好意的に言及または推奨するかを測定します。AIが回答の情報源であり、推奨者でもある時代において、従来のシェア・オブ・ボイスに代わる新たなブランド可視性KPIとして提案されています。
Share of Model（SoM）は、生成AIが回答の中であなたのブランドを競合と比べてどのくらい頻繁に、またどの程度好意的に言及するかを測る指標です。
この概念は、マーケティング企業Jellyfishが2024年後半に「Share of Model™ platform」で提唱したもので、この用語は登録商標です。
キーワード順位のような固定的なSEO指標とは異なり、LLMの応答は本質的に確率的であるため、SoMは言及率として追跡されます。
これは一部定性的でもあります。単純な露出回数だけでなく、各言及を取り巻くテーマ、感情、文化的文脈を分析します。
ChatGPTが事実上の回答チャネルになりつつある中で、SoMはShare of Voiceに続く次世代の可視性KPIとして議論されています。
Share of Modelとは
Share of Modelは、ユーザーがカテゴリに関連する質問をした際に、ChatGPT、Gemini、Llamaなどの生成AIシステムがあなたのブランドを競合と比べてどのくらい頻繁に、またどの程度好意的に言及・推奨するかを捉える指標です。最も理解しやすいのは、Share of Voiceを、検索結果ページ上での露出の割合を測るものから、「AIモデルの回答内であなたが持つシェア」へと拡張したものだと考えることです。この用語は、2024年後半に発表されたJellyfishの「Share of Model™ platform」によって世界的マーケティンググループJellyfishが初めて提唱したもので、登録商標です。
重要な背景として、消費者がブランドを見つけるまでの経路が変化しています。JellyfishはLLMを「単なるツールではなく、カスタマージャーニーの中心であり、それ自体がオーディエンスでもある」と位置づけています。ユーザーがAIに「最も耐久性の高いラゲッジブランドは」と尋ね、AIが特定のブランド名を挙げてその保証内容を要約した場合、それは検索結果を1回もクリックしないまま購入につながることがあります（ゼロクリック）。言い換えれば、AIの回答に含まれること自体が成果であり、それは検索で上位表示されることと同じくらい重要だという環境です。これは、の中核的な目標に直接結びついています。GEO（generative engine optimization）であり、Share of Model はそれを数値化する測定単位として機能します。
どのように異なるのかShare of Voice
どちらの指標も「シェア」を測定するという考え方は共通していますが、何を測定するか、そしてどのように機能するかが異なります。主な違いは以下のとおりです。
項目 | Share of Voice（従来型） | Share of Model（生成AI） |
|---|---|---|
測定対象 | 検索結果、広告、メディア全体における露出のシェア | ブランド言及のbrand mentionAI回答内での言及と推奨事項 |
結果の性質 | 比較的固定的（例：キーワード順位） | 確率的 — 同じ質問でも毎回異なる回答が返る |
測定単位 | インプレッション数とシェア（%） | 言及率に加え、センチメントとテーマ |
分析の観点 | 主に定量的（露出が発生したかどうか） | 定量的（頻度）＋定性的（センチメントと文化的コンテキスト） |
対象チャネル | GoogleやNaverなどの検索エンジン | ChatGPT、Gemini、Llama などの LLM |
LLM の応答は特に確率的であるため、たとえば「best organic skincare」の検索では、あるブランドが80%の確率で言及されることもあれば、20%しか言及されないこともあります。したがって、このアプローチは一度きりの順位チェックではなく、さまざまなプロンプトを繰り返し問い合わせて、平均的な言及率を追跡することになります。
証拠と事例
Jellyfish の発表によると、Share of Model™ プラットフォームは「複数の大規模言語モデル（LLM）がブランド、その製品、サービスをどのように認識しているかを分析するための、単一ビューのインターフェース」であり、分析対象モデルは ChatGPT、Google Gemini、Meta Llama です。Adweek の報道によれば、この製品は「AI モデルが競合他社と比較してブランドにどのくらい頻繁に言及するかを測定し、テーマ、センチメント、文化的文脈を分析」したうえで、そのインサイトを Google Performance Max（PMax）キャンペーン向けのターゲティングシグナルに変換します。要するに、LLM の調査結果を実際のデジタル広告戦略につなげるよう設計されています。
Project Management Institute（PMI）は、しばしば引用される成功事例です。Adweek によると、このアプローチにより、約90日間のキャンペーンで「売上が20%増加し、コンバージョンが45%増加し、広告費用対効果（ROAS）が156%改善した」とされています。Danone や Chivas Brothers などもベータ版に参加し、キーワード戦略の拡大や、ウェブサイトのテキストおよび画像アセットの調整に活用しました。別の報道では、martechview が LLM 内でのブランド認識を管理する緊急性を強調し、「18〜24歳の人の3分の2がブランドの推奨を AI モデルに求めている」と引用しています。（数値は各出典の記載に基づくものであり、キャンペーンや時期によって異なる場合があります。）
測定と実行のチェックリスト
コアとなるカテゴリ質問を定義する — 実際の顧客が AI に尋ねそうな「best ○○」や「○○ recommendations」のプロンプトを収集する。
ChatGPT や Gemini などの主要な LLM で同じプロンプトを繰り返し実行し、自社ブランドと競合がどのくらいの頻度で言及されるかを記録する（確率的な変動を考慮するため、複数回測定する）。
言及の有無だけでなく、センチメント（ポジティブ／ネガティブ）や、それとともに現れるテーマ、文脈にも注目する。
競合がより頻繁に、またはより好意的に言及されている質問を特定し、それらを使ってコンテンツとアセットのギャップを診断します。
コンテンツの機械可読性を向上させ、LLMが簡単に引用できるようにします。構造化データ（schema）、明確な事実に基づく記述、そしてllms.txtなど、技術的なGEO要素をまとめて適用してください。指標を一回限りのものとして扱わず、コンテンツやキャンペーンの変更が与える影響を検証するために、時間の経過とともに追跡します。
参考文献
Jellyfish — Share of Modelプラットフォームを発表
Jellyfish — Understanding Share of Model: a vital metric for progressive marketers
Adweek — Jellyfish Wants You to Use Large Language Models to Plan Your Ad Buys
MarTech View — Jellyfish Unveils AI Platform for Brand "Share of Model"
MarTech View — Jellyfish Unveils AI Platform for Brand "Share of Model"