GA4で把握できるAI経由の訪問と、アクセス解析に残らない認知・検討の経験の違い
最初に知ったきっかけ、比較検討の情報源、今回の訪問方法を分けて尋ねる設問の設計
AIの利用場面を区別し、記憶違いや推測による回答を抑える選択肢の作り方
アンケート結果とGA4の数値を並べるときの分母の確認と、割合の差の読み方
自社と接点のない検討者のAI利用を、パネル調査で調べる方法
法人向けの業務支援サービスを探す担当者が、AIに相談して候補を知り、サービス名で検索して公式サイトを訪れたとします。
この場合、アクセス解析で検索からの訪問を確認できても、訪問元の情報だけでは、検索前にAIへ相談した経験やサービス名を知ったきっかけまでは分かりません。
ログに残らない行動を補う手段として、認知のきっかけや比較・検討時の情報源を直接尋ねるアンケート調査が有効です。その分析にあたっては、自己申告特有の記憶違いや回答者の偏りを考慮した検証が必要です。
本記事で紹介するのは、認知のきっかけ、検討時の接点、対象とするサイト訪問の方法を分けた設問の設計です。
回答とアクセス解析の記録を併せて読み、AIが認知や検討に関わった経験を、訪問経路と区別して捉えるための考え方を解説します。
サイトへの訪問経路と、サービスを最初に知ったきっかけは別の情報です。アクセス解析で把握できる範囲と、アンケートで補う対象を整理します。
AIを利用した人の訪問でも、サイトに到着するまでの行動によってアクセス解析上の分類は異なります。
例えば、法人向けの業務支援サービスをAIに相談した後、回答内のリンクを押す場合と、社名を検索して訪れる場合では、記録される訪問元が別になるためです。
AIとの接触経験と、サイトへの流入経路を分けて確認します。
GA4（Googleが提供するアクセス解析ツール）のチャネルは、取得した訪問元などの情報をルールに沿ってまとめる分類です。
2026年5月13日の公式更新情報では、AIアシスタントというチャネルの追加が案内されました。参照URLが認識対象のAIに一致すると、メディアにai-assistantが設定され、AIアシスタントに分類されます。
現行の公式定義では、ChatGPTなどの対話型AIサービスからの訪問が対象です。Google検索のAIによる概要・AIモードからの訪問は、オーガニック検索に含まれます。AIが回答を表示する機能でも、GA4上の分類は共通ではありません。
社名を検索して広告以外の結果を押せばオーガニック検索、検索広告を押せば有料検索が基本です。URLを入力した訪問は直接流入に当たりますが、直接流入には参照元が明確でない訪問も含まれます。
実際の分類は、取得した参照元や広告の識別情報、計測設定に左右されるため、直接流入の数だけでURL入力の件数を判断するのは不適切です。
図表① AI接触後の行動とアクセス解析上の分類
AI接触後の行動 | GA4の基本的な分類 | 分類の前提 |
対話型AIの回答内のリンクをクリック | AIアシスタント | 参照元が認識対象のAIに一致する |
社名を検索し、自然検索結果をクリック | オーガニック検索 | 検索エンジンからの広告以外の訪問として識別される |
社名を検索し、検索広告をクリック | 有料検索 | 広告の識別情報などが分類条件を満たす |
ブラウザにURLを入力して訪問 | 直接 | 他の流入元を示す情報が付かない通常のURL入力を想定 |
図注：説明用の経路例。実際の分類は、取得情報・計測設定・適用される分類ルールによって変わります。直接流入には、参照元が不明な訪問も含まれる点に注意が必要です。
補足：Google検索のAIによる概要・AIモードからの訪問は、オーガニック検索に含まれます。
図表出典：Google Analytics公式・デフォルトチャネル
経理担当者が対話型AIに業務の効率化を相談し、サービス名を初めて知った場面を想定します。この担当者が比較記事を閲覧した後にサービス名で検索し、広告以外の検索結果から公式サイトへ訪れたとします。
この一連の行動における各段階の接点は、次のように分類されます。
認知経路：対話型AI
検討時の接点：対話型AI、比較記事
流入経路：自然検索（オーガニック検索）
この例が示すとおり、検索結果からの訪問というアクセスログと、AIを介してサービスを認知した事実は矛盾なく成立します。
一方、アクセス解析上で流入元が検索に分類されていたとしても、その情報のみから認知や検討の段階におけるAIの関与を判別するのは困難です。
検索結果画面の要約やAIの回答を閲覧したのみで外部サイトへ遷移しない行動（いわゆるゼロクリック検索）が存在することも、アクセス解析の記録と実際の行動に乖離が生じる要因です。
アクセスログに残らない認知や検討の経緯を補う手段として、アンケート調査が役立ちます。
アンケート調査の結果を扱う上ではサイト訪問者のみを対象とした調査では訪れる前に離脱した層の動向を捉えられない点や、自己申告に基づく回答には記憶違い、サンプリングバイアスといった歪みが混入しやすい制約を抱えている点に配慮する必要があります。
自社の顧客や申込者に回答してもらうアンケートを想定し、認知・検討・訪問を別々の設問で尋ねる設計案を示します。
認知経路は、回答者が当社のサービスを初めて知った時点の接点です。複数の接点を経た回答者にも最初の1つだけを答えてもらうため、回答形式は単一回答にします。
1つに絞れない回答者の受け皿になるのが、「覚えていない」という選択肢です。集計でも、その他の自由記述に接点が2つ書かれていれば、分析者の判断でどちらかへ振り分けず、判別不能として扱います。
検索結果のリンク、検索広告、検索画面に表示されたAIの回答を分けて集計したい場合は、選択肢に画面の説明を加えます。AIに関する選択肢も同じ設問に置き、利用した場面ごとに分けます。
AIサービスの画面で質問し、回答を読んだ（ChatGPT、Gemini、Claudeなど）
Google検索の画面に表示されたAIの回答を読んだ（AIによる概要、AIモードなど）
AIを使ったが、どちらの場面か分からない
検索結果のリンク（広告とAIの回答を除く）
検索結果に表示された広告（広告であることが表示されたリンク）
検索以外の広告（Webサイト、SNS、動画などに表示された広告）
選択肢ごとに対象の範囲を括弧書きで示しておくと、検索結果、広告、AIの回答の範囲が重なりません。同じ体験が2つの選択肢に分かれて回答される事態も防げます。
最初の認知に生成AIが関わっていなくても、比較検討の段階だけでAIを使う回答者はいます。検討時の接点は複数にまたがることがあるため、複数回答で尋ね、最初に知ったきっかけとは別の指標として集計します。
選択肢の候補は、対象サービスの検討で使われる情報源に合わせて入れ替えが必要です。
たとえば法人向けの業務支援サービスであれば、資料請求で入手した資料、無料トライアル、営業担当者からの説明、展示会・セミナーが追加の候補になります。
生成AIを選んだ回答者には、次の追加質問を設定します。
追加質問1：利用したサービス
追加質問2：利用目的
追加質問3：相談内容
相談内容の質問は任意回答とし、入力した文章の正確な再現は求めません。正確な再現を求めると回答の負担が増え、記憶にない文面を補って書く回答も混ざりやすくなるためです。
情報源を使ったことと、申込みの判断に影響したことは、別の質問で確かめる必要があります。
影響の大きさを知りたい場合は、前の質問で選ばれた項目の中から最も参考にしたものを1つ選ぶ質問を追加し、申込みの決め手はさらに別の設問で尋ねる構成が扱いやすい形です。
訪問方法の設問は、回答者がどの訪問について答えるのかを特定できる場面で使います。
申込完了画面やサイト閲覧中に表示するアンケートは、対象の訪問が回答している最中の訪問に定まるため、回答者が迷いにくい聴取場面です。
申込後のメールで依頼する場合は、「お申し込み手続きのために当社サイトを訪れたとき」のように、どの訪問を指すかを質問文に書き込むことが前提になります。
申込みまでに何度も訪問する商材で対象の訪問を特定できないときは、訪問方法の質問を省いても、最初に知ったきっかけと比較検討に使った情報源の結果は単独で集計できます。
認知のきっかけと今回の訪問方法を「当社を知ったきっかけ・訪れた方法」のように1問にまとめると、回答者がどちらを答えたのか判別できません。
生成AIに関する選択肢は、総称だけだと回答者によって思い浮かべる範囲が変わります。生成AI（ChatGPT、Gemini、Claudeなど）のように代表的なサービス名を例示し、例示にないサービスを使った人も選べるよう、その他のAIサービスを加えます。
対話型AIと検索結果内のAI要約を分けたい場合、モデル名だけの選択肢では足りません。Googleのように、検索結果に表示されるAIの要約（AIによる概要）と対話型のAI（Gemini）を同じ企業が提供している例があるためです。
選択肢の文言は、利用した場面を描写する形にします。
AIと会話する画面で質問し、回答を読んだ
検索したときに、検索結果に表示されたAIの要約を読んだ
AIを使ったが、どちらの場面か分からない
AIを使ったがどちらの場面か分からない、という選択肢がないと、判別できない回答者が推測でどちらかを選ぶおそれがあります。
AIとの接点は、認知のきっかけ、検討時の情報源、サイトへの訪問方法に分けて確認します。3つの基本設問を並べた比較表が、図表②です。
図表② 認知・検討・訪問を分ける設問設計
聞く対象 | 質問文 | 回答形式 | 主な選択肢 | 集計で把握したい内容 |
認知経路 | 当社のサービスを最初に知ったきっかけを、1つお選びください。 | 単一回答 | 生成AIとの対話、検索結果、SNS、広告、知人・同僚からの紹介、その他、覚えていない | 最初の認知にAIが関わった回答者の割合と場面別の内訳 |
検討時の接点 | 今回の申込みを検討する際に、情報収集や比較に使ったものをすべてお選びください。 | 複数回答 | 公式サイト、検索結果、生成AI、比較サイト・レビューサイト、SNS、知人・同僚の話、その他、特に使っていない | 検討時に生成AIを使った回答者の割合と、併用された情報源 |
流入経路 | 今回、当社サイトを訪れた方法を1つお選びください。 | 単一回答 | 生成AIの回答内のリンク、検索結果のリンク、広告のリンク、メール・SNSのリンク、URL入力・ブックマーク、その他、覚えていない | 今回の訪問で生成AIの回答内のリンクを経由した回答者の割合 |
図注：設問は本記事の設計案。選択肢は対象サービスと聴取場面に合わせて調整する。
アンケートで把握したAIとの接点をアクセス解析と併せて読む際は、各指標が表す範囲を確認します。集計後は、回答者ごとの経路や時期による変化に着目し、AIが認知や検討に関わった場面を掘り下げる流れです。
AIでサービスを知った人の割合と、AIからサイトを訪れたセッションの割合は、測っている内容が異なります。対象者や期間をそろえても、割合の差を計測漏れとみなしたり、足し合わせてAI経由の割合を求めたりする扱いは不適切です。
集計時には、アンケートの対象者・回答数・調査時期と、アクセス解析の対象範囲・期間・指標を併記します。具体的な数値の読み方と、判断に必要な追加情報を整理したのが図表③です。
図表③ 結果から読み取れる範囲と追加確認
具体例
観測された結果 | 読み取れる範囲 | 追加で確認する情報 |
【具体例】申込者500人のうち300人が回答（回答率60％） | 集計結果は回答した300人についての値 | 未回答の200人と回答者の違い（属性、申込時期など） |
【具体例】回答者300人のうち30人が、最初の認知経路に生成AIを選択（10％） | 回答者のうち、最初の認知を生成AIと答えた人の割合 | 500人全体の割合は不明。未回答者の状況と、同じ条件で継続した場合の推移 |
【具体例】同じ期間のサイト全体10,000セッションのうち、AIアシスタントに分類されたのは200セッション（2％） | サイト全体のセッションのうち、AIアシスタントに分類された訪問の割合 | 申込者のセッションとの対応、分類に使われた参照元の情報と設定 |
【具体例】10％と2％の差（8ポイント） | 対象者・分母・測定内容が異なる2つの割合の差 | 計測漏れの量としては扱わない。対象と期間をそろえた比較が可能かどうか |
【回答の組み合わせ】同じ回答者が、最初の認知は生成AI、今回の訪問は検索結果のリンクと回答 | 回答者本人が申告した、AIで認知した後に検索から訪問した経路 | 検索語が社名かどうか、ログとの個人単位の対応づけの有無、継続調査での同じ組み合わせの増減 |
認知から訪問までの経路は、同じ回答者の回答を組み合わせて集計します。例えば、AIで知り、検索で訪れた回答者について、利用したAIサービスや相談内容を確認すれば、自社を知るきっかけになった相談の内容を具体的に把握できます。
回答とアクセス解析のログを個人単位で紐づけていない場合、把握できる経路は本人の申告に基づく範囲です。ログとの読み合わせは、期間ごとの傾向を確認する用途にとどめます。
継続調査では、配信対象、聴取時期、回答形式、選択肢を固定することが比較の前提です。AIを選ぶ回答や経路の組み合わせに変化が見られたら、自由回答と同時期の施策・サービスの変更履歴を確認します。
調査から得られるのは、変化の理由を検証するための手がかりです。AI施策による申込みや売上の増加を判断するには、施策の実施条件や他の要因を含めた別の検証が必要になります。
自社と接点を持たなかった検討者のAI利用は、顧客や申込者へのアンケートだけでは把握しきれない部分が残ります。
パネル調査を使えば、自社以外の検討者にも対象を広げ、AIを利用した場面と利用後の行動を調べる設計が可能です。
自社の顧客や申込者に聞く顧客調査は、回答者が自社を知ったきっかけや、申込みまでに経た接点を把握する用途に向いています。
パネル調査は、調査への協力者として登録された人の集まり（パネル）から回答者を集める方法です。自社と接点を持たない人や購入を見送った人も含めて、商品カテゴリの検討時にAIをどう使ったかを調べられます。
図表④ 自社顧客調査とパネル調査の使い分け
調査方法 | 対象者 | 分かること | 結果の利用先 | 解釈上の注意 |
自社顧客調査 | 自社の顧客・申込者 | 自社を知ったきっかけ、申込みまでの接点、今回の訪問方法 | 自社への認知・検討経路の把握、アクセス解析との読み合わせ | 自社と接点を持たなかった検討者の行動は含まれない |
パネル調査 | パネル登録者のうち、対象カテゴリの検討経験がある人（自社との接点の有無を問わない） | カテゴリ検討時のAI利用の有無、利用場面、利用後の行動 | 情報発信の課題に関する仮説づくり、カテゴリ全体の検討行動の把握 | 市場全体を代表するとは限らない。AI利用割合を自社サイトの流入割合に置き換えない |
関連記事
調査パネル（モニター調査）とは？Webアンケートモニターで低コスト・高速に意思決定する実践ガイド
調査対象者の条件は、対象期間、対象とする商品やサービス、検討への関与度の3点で設定し、本調査の前に実施する事前のスクリーニング設問によって抽出します。
法人向けの業務支援サービスを例に挙げると、過去1年以内に勤務先で業務支援サービスの比較や導入検討に関わった人、といった条件設定が該当します。この対象期間は商材の検討サイクルに応じて調整します。
回答者の検討ステータス（導入済み、検討中、導入見送り）は別の設問で把握し、調査の目的に応じて分析対象に含める範囲を決定します。
全体の流れは、次の分岐で組み立てます。
事前スクリーニング：対象期間内の検討経験および現在の検討ステータス（導入済み・検討中・見送り）を確認
本調査（全員対象）：スクリーニング条件に合致した全員に対し、検討時におけるAI利用の有無を質問
本調査（AI利用者のみ）：AIの利用経験がある層に絞り、具体的な利用場面やその後の行動を質問
最初からAI利用者のみを対象に設定した調査でも個別の利用場面は把握できるものの、検討者全体に占める利用割合の算出は困難です。検討行動の実態を客観的に測る上では、上記のような段階的な分岐設計が適しています。
関連記事
スクリーニング調査とは？条件設計・出現率の考え方とQiQUMOでの進め方
AI利用者への詳細質問では、利用目的と質問した内容に加えて、回答をどの程度参考にしたかと、利用後の行動を尋ねます。行動の対象を特定するため、AIの回答で名前が挙がったサービスも設問に含めます。
AIの回答で名前が挙がったサービス（複数回答）：〔自社サービス〕／〔競合サービスA〕／〔競合サービスB〕／その他（具体的に）／名前が挙がったサービスはなかった（排他）／覚えていない（排他）
回答の参考度（単一回答）：大いに参考にした／ある程度参考にした／あまり参考にしなかった／参考にしなかった
利用後の行動（複数回答）：AIの回答で名前が挙がったサービスの公式サイトを見た／料金や導入条件を追加で調べた／追加で検索した／複数のサービスを比べた／社内で相談した／検討をやめた／その他（具体的に）／特に何もしていない（排他）
名前が挙がったサービスの選択肢には競合も並べ、表示順を回答者ごとに入れ替えます。自社名だけを示すと調査の依頼主が伝わり、回答が自社に寄るおそれがあるためです。
たとえば、AI利用者の中で、料金や導入条件を追加で調べた回答者の割合が他の行動より高かったとします。この場合、AIの回答だけでは料金や導入条件の情報が十分届いていない、という仮説が立てられます。
自社を選んだ回答者にも同じ傾向があれば、次は自社サイトでの料金・導入条件の公開範囲と、同様の質問に対するAIの回答を確認する段階です。
A. AIの回答で見た説明や、公式サイトの情報と食い違っていた点を任意で尋ねる方法があります。
回答者の記憶だけで誤情報と断定せず、利用したAIサービス、利用時期、質問内容も分かる範囲で確認する設計です。会話履歴などが得られれば、当時の公式情報と照合し、具体的な食い違いを確かめます。
A. 回答者数の目安は、求める精度と、結果を分けて集計したい区分の数によって変わります。最初の認知にAIを選ぶ回答者が少ない段階では、数人の増減で割合が大きく動きます。
AIの利用場面別や属性別に分けると、区分ごとの人数はさらに少なくなるため、割合を比べる前に各区分の人数を確認しておきます。
A. 回答者数の目安は、どの程度の差を見分けたいかと、結果を分けて集計したい区分の数によって変わります。回答者が少ないと、AIを選ぶ人が数人増減しただけで割合が動きます。そのため、変化が実際に起きたのか偶然なのかを判断しにくくなります。
たとえば、最初の認知にAIを選んだ割合が、前回5％、今回8％だったとします。各回の回答者が100人なら、AIを選んだのは5人と8人で、偶然でも起こり得る差です。
各回1,000人で50人と80人であれば、偶然だけでは説明しにくい差になります。属性別などに分けて集計する場合は、区分ごとの人数が少なくなりすぎていないかも確認しておきます。
AIが自社サービスの認知や検討に関わったかどうかは、1つのデータだけでは確定しません。アクセス解析が記録するのは、サイトに到着した時点の訪問元です。
アンケートで得られる情報は、回答者が覚えている範囲の経験にとどまります。どちらにも記録されない部分があり、一方を正解として扱える関係にはありません。
2つの記録を扱う際の前提は、1つの数値にまとめようとしないことです。訪問の割合と回答者の割合は、数える単位も対象も異なります。
数値の食い違いは、AIの関与がどこで起きているかを考える手がかりになり、次に何を確かめるかを決める材料として働きます。
調べる相手の選び方も、知りたい内容によって変わります。自社を選んだ人の経路を知るには、顧客や申込者への調査が向いています。自社にたどり着かなかった検討者のAI利用を知りたい場合は、パネル調査が適した方法です。
QiQUMOは、自社の顧客リストへの配信と登録モニターへの配信の両方に対応しており、顧客調査とパネル調査を同じツールで実施できます。詳しい内容は公式サイトでご確認ください。