60.0 / 60
発見可能性、構造化データ、情報整合性などの機械監査。
AI Visibility Operations / Public experiment
AIに見つかる。
正しく引用される。
感覚ではなく、変更と回答を時系列で測る。
nariken.aiを実証環境に、構造化データ、FAQ、機械可読フィード、比較コンテンツがAI回答へどう影響するかを継続検証します。
Baseline / 2026.08.02
初回診断 66.1 / 100
次回計測：2026年8月9日
6.1 / 30
正確性 2.8 / 15、nariken.aiの引用 3.3 / 15。
0.0 / 10
Codex、Claude、Antigravity（Gemini）で主要事実の一致度を比較。
3モデル × 3問 × 3回＝27回答。再クロールによる変化を分離するため、次回計測までは実験対象の内容を変更しません。
Score design
技術60点＋回答40点
実装しただけで満点にしない。
発見・構造・整合
crawlability、canonical／OG、JSON-LD、llms.txt、Agent Feedを機械監査します。
正確性と引用
固定プロンプトで、期待事実とnariken.aiの根拠URLが回答に含まれるかを測ります。
AI間の回答差
モデル名、日時、検索利用条件を記録し、主要事実の一致度を比較します。
Experiment backlog
一度に、
一要素だけ変える。
FAQ追加、Agent Feed更新頻度、JSON-LD改善、比較コンテンツ追加を別々に検証します。変更前後で同じプロンプトを最低3回実行し、結論が出ない場合も記録します。