---
title: "G2 AEO Insightsとは｜AI検索で引用される根拠の読み方"
description: "G2 AEO Insightsとは、G2のAEOカテゴリ・レビュー・Market Moversから「AIが自社をどう語るか」を読み取る見方です。星評価で止まらず、言及と計測の違い、5つの見方、自社サイトでの計測手順まで解説します。"
canonical: https://curumi.co.jp/blog/aeo-g2-insights
date: 2026-11-20T06:05:22.348Z
---

# G2 AEO Insightsとは｜AI検索で引用される根拠の読み方

## G2 AEO Insightsとは？AI検索時代にG2のレビューデータを読む5つの見方

G2 AEO Insightsは製品名ではなく、G2のデータをAIの視点で読む見方の総称です。G2にはAEO（Answer Engine Optimization、AIの回答に自社を載せるための最適化）という独立したカテゴリがあり、レビューと、成長製品を発表するMarket Moversのデータが蓄積されています。それらを「AIが自社や競合をどう引用するか」という問いで読み直したものが、英語圏でG2 AEO Insightsと呼ばれている中身です。

私たち株式会社くるみは、G2のAEOカテゴリやMarket Moversの発表を見て「自社のAI検索対策に何が使えるのか」を知りたいB2Bマーケター・SaaS事業者に向けてこの記事を書きました。2026年10月時点で日本語の解説がほとんど無いため、全体像から自社サイトでの計測手順までを一本でたどれる構成にしています。

G2を読む前に、AIに自社を載せる取り組み全体の地図があると迷いません。詳しくは[LLMOとは何か](/blog/llmo)で整理しています。

### G2 AEO Insightsの定義：見方は5つに分かれる

G2のデータは、カテゴリ順位、レビュー文言、競合の引用数、レビュー量差、比較の感情の5つの見方で読みます。星評価を眺めるだけでは見えないものを、この5つで切り分けます。

<figure class="article-figure"><img src="https://assets.curumi.co.jp/articles/aeo-g2-insights/fig1.webp" alt="G2 AEO Insightsの5つの見方を示す判定図。カテゴリ順位、レビュー文言、競合の引用数、レビュー量差、比較の感情の5項目と、星の数ではなくAIが引用する根拠を見るという判断。" width="1200" height="800" loading="lazy" decoding="async"><figcaption>G2 AEO Insightsは製品名ではなく、G2のデータをAI検索の視点で読む5つの見方の総称。各項目の意味は本文で1行ずつ説明します。</figcaption></figure>

- カテゴリ順位：AEOカテゴリの中で自社と競合がどの位置にいるか。AIが候補に挙げる範囲を知る入口です
- レビュー文言：レビューに書かれた買い手の言葉。AIが回答文に転用しやすい表現がどれかを見ます
- 競合の引用数：AI回答で競合の名前が何回、どの根拠付きで出るか。自社との差を数で把握します
- レビュー量差：自社と競合のレビュー件数の差。AIが参照できる材料の量の差になります
- 比較の感情：「AよりBが使いやすい」のような比較の向き。AIが推薦の方向を決める材料です

### G2に載っていない企業でも使える判断基準

G2に自社が載っていなくても、この5つの見方は使えます。第三者レビュー、比較記事、自社の計測に置き換えれば、同じ問いを日本語のAI検索に投げられます。読み方の中身は次の節から順に説明します。

## G2のAEOカテゴリとMarket Movers：何が起きているか

G2ではAEOが独立カテゴリになり、Market Moversで成長3社が発表されています。AEOカテゴリにはツール導入企業のレビューが集まり、その蓄積がAIの回答の根拠として参照される段階に入っています。この節では公式発表に出ている範囲で動きを整理し、個別製品の評価は行いません。

### Market Moversとは：G2データで選ぶ成長3製品の発表

Market Moversは、G2 Data Solutionsが勢いのあるカテゴリを選び、上位3製品をG2のデータに基づいて紹介するシリーズです。AEOはその対象に選ばれたカテゴリで、公式発表では直近90日間にAIの親カテゴリの中で最も閲覧され、前の90日間と比べて62%増えたと説明されています。発表には3製品の名前が挙がっていますが、どれが自社に向くかの評価はこの記事では扱いません（[G2 Data Solutions' Market Movers in AEO Software](https://company.g2.com/news/g2-data-solutions-market-movers-in-answer-engine-optimization-aeo-software)）。

### カテゴリ新設から引用までの4段階の流れ

動きは、カテゴリ新設：AEOが独立、レビュー蓄積：導入企業の声、成長3社発表：Market Movers、AIが引用：回答の根拠に、の4段階で整理できます。G2公式の発表を編集部で並べ直したものです。

<figure class="article-figure"><img src="https://assets.curumi.co.jp/articles/aeo-g2-insights/fig2.webp" alt="G2のAEOカテゴリの動きを4段階で示す工程図。カテゴリ新設、レビュー蓄積、成長3社の発表、AIが回答の根拠として引用、の順。" width="1200" height="800" loading="lazy" decoding="async"><figcaption>G2がAEOを独立カテゴリとして扱い、Market Moversで成長企業を発表するまでの流れ（2026年10月時点、G2公式発表に基づく編集部整理）。</figcaption></figure>

- カテゴリ新設：AEOが独立。G2がAEOをAIの親カテゴリの下に独立したカテゴリとして置いた段階です
- レビュー蓄積：導入企業の声。AEOツールを導入した企業のレビューが集まり、買い手の言葉が蓄積されます
- 成長3社発表：Market Movers。蓄積されたデータから勢いのある3製品が公式に発表されます
- AIが引用：回答の根拠に。カテゴリページとレビューが、AIの回答で「どのツールがよいか」の根拠として参照される段階です

### AEO対策そのものとG2データの違い

AEO対策は自社サイトや公開コンテンツを整えてAIの回答に載るための施策で、G2データはその成否を外から読むための材料です。混同すると、G2の順位を上げること自体が目的になり、AI回答への反映を確認しないまま終わります。施策側の全体は別の記事にまとめています。詳しくは[AEO対策の進め方](/blog/aeo-optimization)。

## なぜG2のレビューデータがAI回答に効くのか：仕組み

AIは製品比較の問いに答えるとき、自社ページより第三者のレビューを根拠にしやすいからです。自社ページは自己申告で比較の表現が少なく、レビューサイトには買い手の比較表現が大量に、しかも継続的に追加されます。この構造の差が、AIが引用元を選ぶときにそのまま効きます。

### AIが根拠に選ぶ情報源の比較表

自社の製品ページ、第三者の比較記事、G2のようなレビューサイトを、第三者性、比較表現、更新頻度、AI引用の4行で並べました。論点を編集部で整理したもので、エンジンや問いによって差があります。

<figure class="article-figure"><img src="https://assets.curumi.co.jp/articles/aeo-g2-insights/fig3.webp" alt="AIが製品比較の回答に使う情報源を、自社ページ・比較記事・G2レビューの3列で比較した表。第三者性、比較表現、更新頻度、AI引用のされやすさの4行。" width="1200" height="800" loading="lazy" decoding="async"><figcaption>AIが『どの製品がよいか』に答えるとき、根拠にされやすい情報源の比較。上位記事の論点をもとにした編集部整理で、エンジンや問いによって差があります。</figcaption></figure>

- 第三者性：誰が書いたか。自社ページは低、比較記事は中、レビューサイトは高で、AIは中立に見える情報源を根拠にしやすくなります
- 比較表現：「AとBのどちらが」という文がどれだけあるか。自社ページは少、比較記事とレビューサイトは多です
- 更新頻度：新しい情報が足される速さ。自社ページと比較記事は低、レビューサイトは高です
- AI引用：上の3行の結果として、根拠にされやすさが△、○、◎と変わります

### 比較が始まる前に出会う：広告との違い

広告は、買い手が比較を始めてから名前を刈り取る手段です。AI回答に名前が出るかどうかは、その比較が始まる前に、第三者データの中で自社がどう語られているかで決まります。G2自身もAEOをブランドと需要の両方に効く取り組みとして位置づけ、my.G2でLLM経由のトラフィックを確認できると案内しています（[Drive Brand and Demand with AEO](https://sell.g2.com/resources/webinars/drive-brand-and-demand-with-aeo)）。

### 生成AIの検索（GEO）とレビューデータの関係

AIの回答に載るための対策は、GEO（Generative Engine Optimization、生成AI向けの最適化）と呼ばれることもあります。G2のレビューデータは、GEOで「AIがどの根拠を拾っているか」を観察する材料になります。自社の説明を増やす前に、第三者がどう書いているかを読む順番にすると施策がずれにくくなります。詳しくは[GEO対策とは何か](/blog/geo-optimization)。

## G2から読み取れる5つのインサイトと、レビュー量差の見方

見るのはカテゴリ順位、レビュー文言、競合の引用数、レビュー量差、比較の感情の5つです。それぞれG2のどの画面で読み、AIの回答と何を突き合わせるかを順に説明します。最後にレビュー量差を2×2で判定します。

### カテゴリ順位の見方：AIが候補にする範囲を知る

AEOカテゴリの一覧で、自社と競合がどの位置にいるかを確認します。順位そのものがAIの推薦順になるわけではありませんが、AIが主要なツールとして候補に挙げる範囲の目安になります。上位にいる競合の名前を控えておくと、後の実測で問いを作りやすくなります。

### レビュー文言の見方：買い手の言葉をそのまま拾う

レビュー本文で繰り返される言い回しを拾います。「導入が早い」「別のツールから乗り換えた」のような言葉は、AIが回答文に転用しやすい素材です。自社のレビューに無く競合のレビューにある言葉は、自社サイトの説明に欠けている論点の候補になります。

### 競合の引用数の見方：AI回答に出る回数と根拠

同じ問いをAIに投げ、競合の名前が何回出るか、どの根拠（G2のカテゴリページ、レビュー、比較記事）付きで出るかを数えます。引用元まで記録すると、競合が「どこで語られているから」出ているのかが分かります。G2のカテゴリページが根拠に挙がる場合、カテゴリ内での位置がそのまま効いていると読めます。

### レビュー量差の判定：2×2で打ち手を決める

自社と競合のレビュー量を多い・少ないで、AI回答での言及をあり・なしで分けると、4つの象限になります。打ち手は象限ごとに変わります。

<figure class="article-figure"><img src="https://assets.curumi.co.jp/articles/aeo-g2-insights/fig4.webp" alt="レビュー量の多少とAI言及の多少で4象限に分けた判定図。レビューは多いのにAIに言及されない象限が最も伸び余地が大きいことを強調している。" width="1200" height="800" loading="lazy" decoding="async"><figcaption>自社と競合のG2レビュー量と、AI回答での言及の有無を掛け合わせた判定。4つの象限の意味は本文で1行ずつ説明します。</figcaption></figure>

- レビューが多く、AIに言及される：現状維持と引用元の継続確認。差が付いている根拠を守ります
- レビューが多いのに、AIに言及されない：レビューの言葉を自社の比較コンテンツに反映する段階。最も伸び余地が大きい象限です
- レビューが少なく、AIに言及される：第三者の比較記事など他の根拠が効いている状態。レビュー量を増やして足元を固めます
- レビューが少なく、AIに言及されない：レビュー獲得と比較コンテンツの両方から始めます

伸び余地が最も大きいのは「レビューは多いのにAIに引用されない」象限です。材料はあるのに、AIが拾える形に整っていないだけだからです。

### 比較の感情の見方：推薦の向きを読む

レビューや比較記事に含まれる「AよりBが」の向きを読みます。自社が比較の起点として語られているか、乗り換え先として語られているかで、AIが推薦する方向が変わります。否定的な比較が多い論点は、記事で根拠を補う優先候補になります。

## 星評価で判断しない：言及可視性と計測可視性の違い

G2の星やバッジは満足度の指標で、AI可視性とは別の指標です。星は使った人がどれだけ満足したかを示し、AIの回答に自社の名前が出るかは示しません。AI可視性は、言及可視性と計測可視性の2段階に分けて見ると判断を誤りにくくなります。

### 3つの指標の比較表：星評価・言及可視性・計測可視性

何を見る、取れる場所、動かせる度、判断の材料の4行で、星評価・言及可視性・計測可視性を並べました。星評価はG2画面で取れますが間接的にしか動かせず、言及可視性と計測可視性はAIに質問して得る値です。

<figure class="article-figure"><img src="https://assets.curumi.co.jp/articles/aeo-g2-insights/fig5.webp" alt="星評価、言及可視性、計測可視性の3つを、何を見るか・取れる場所・動かせる度・判断の材料の4行で比較した表。計測可視性を本命としている。" width="1200" height="800" loading="lazy" decoding="async"><figcaption>G2の星評価とAI検索の可視性は別の指標。言及可視性はAI回答に名前が出るか、計測可視性は順位と引用元まで測った値を指します（2026年10月時点の編集部整理）。</figcaption></figure>

- 何を見る：星評価は満足度、言及可視性はAI回答の登場、計測可視性は順位と引用元まで見ます
- 取れる場所：星評価はG2画面、言及可視性と計測可視性はAIに質問して取ります
- 動かせる度：星評価は間接、言及可視性は中、計測可視性は高です。引用元が分かる計測可視性は、直接手を打てます
- 判断の材料：星評価は参考、言及可視性は入口、計測可視性が本命です

### 計測可視性の記録項目：表で残す基準

計測可視性を取るときは、問いごとに次の項目を表で残すと、後から差を追えます。

| 記録項目 | 内容 | 何に使うか |
| --- | --- | --- |
| 問い | 買い手の場面で作った質問文 | 同じ問いを再計測する |
| 自社の登場 | 名前が出たか（あり・なし） | 言及可視性 |
| 順位 | 回答内で何番目に出たか | 計測可視性 |
| 引用元 | 根拠として示されたURLや媒体 | 差の特定 |
| 競合名 | 一緒に出た会社・製品 | 競合の引用数 |

### 測ってから始める：Gemini 12問の実測例

測ってから始めると、現在地が数で見えます。私たちが2026年8月28日にGeminiへ12問を投げた実測では、株式会社くるみの想起は0/12、3問以上で繰り返し想起された会社は7社でした。この数字は「測るとこう見える」という例で、ここから問いと引用元を記録する作業が始まります。診断の進め方は別の記事にまとめています。詳しくは[LLMO診断の進め方](/blog/llmo-audit)。

## G2のインサイトをAEOに活かす手順：確認→実測→反映

最初に手を付けるのはカテゴリ確認で、そこから実測、反映へと5工程で進めます。読み取った内容を記事に落とすまでを一つの流れにしないと、G2を眺めるだけで終わります。工程は、カテゴリ確認：順位と競合把握、文言を拾う：買い手の言葉、AIで実測：欲望の問いで、差を特定：引用元と順位、記事に反映：根拠を足す、の5つです。

<figure class="article-figure"><img src="https://assets.curumi.co.jp/articles/aeo-g2-insights/fig6.webp" alt="G2のインサイトをAEOに活かす5工程の図。カテゴリ確認、レビュー文言を拾う、AIで実測、差を特定、記事に反映の順。" width="1200" height="800" loading="lazy" decoding="async"><figcaption>実測の問いはカテゴリ名ではなく買い手が困っている場面の言葉で作る。各工程の中身は本文で説明します。</figcaption></figure>

- カテゴリ確認：順位と競合把握。AEOカテゴリで自社と競合の位置を見て、実測で名前を数える相手を決めます
- 文言を拾う：買い手の言葉。レビューに繰り返し出る言い回しを集め、問いと記事の両方の材料にします
- AIで実測：欲望の問いで。カテゴリ名ではなく、買い手が困っている場面の言葉で問いを作って投げます
- 差を特定：引用元と順位。競合が出た根拠と自社との順位差を記録し、どこで負けているかを絞ります
- 記事に反映：根拠を足す。足りない論点を自社サイトの比較・解説記事に根拠付きで足します

### 工程1〜2：カテゴリ確認と買い手の文言の拾い方

カテゴリ確認では、順位だけでなく、AIに問いを投げたとき名前が出そうな競合を先に決めておきます。文言を拾う工程では、レビューの中で「〜で困っていた」「〜から乗り換えた」の形の文を優先します。買い手の場面がそのまま書かれているため、次の工程の問いに転用できます。

### 工程3：AIで実測する問いの作り方（CEP）

競合はカテゴリ名ではなく、買い手の欲望で決まります（CEP、Category Entry Points：買い手が購買を思い立つ場面）。問いも「AEOツールのおすすめは」ではなく、買い手が困っている場面の言葉で作ります。

> ChatGPTに自社名が出ない。何から確認すればいいか、使えるツールと合わせて教えてください
>
> 競合がAIの回答に先に出てくる。自社サイトの何を直せば根拠として拾われますか

同じ問いをChatGPT、Gemini、Perplexityなど複数のエンジンに投げ、前の節の表の形で記録します。実測を助けるツールの選び方は別の記事で比較しています。詳しくは[LLMOツールの比較](/blog/llmo-tools)。

### 工程4〜5：差の特定と記事への反映の基準

差を特定するときは、順位の差より引用元の差を先に見ます。競合がG2のカテゴリページを根拠に出ているなら、自社も同じカテゴリ内の位置と言葉を整える方が早いからです。記事に反映する工程では、拾ったレビュー文言と比較の論点を、公開データや一次資料の根拠付きで足します。根拠の無い自己評価を増やしても、AIの引用には結びつきにくいと私たちは考えています。

## G2だけで終わらせない：自社サイトのAI検索流入を測る

AI検索からの訪問は実際に来ていて、自社サイトでは全体の3.2%でした。対象はcurumi.co.jpの2026年5〜7月の訪問で、参照元にAIサービス名を含むものを数え、広告経由は除外しています。比較対象の全業種平均は1.08%（Conductor 2026 AEO/GEO Benchmarks、13,770ドメイン）なので、約3倍の水準です。

### 計測結果：AI経由の訪問は3.2%、滞在は約1.4倍

参照元にAIサービス名を含む訪問の割合を、全業種平均の1.08%と並べると次の図になります。

<figure class="article-figure"><img src="https://assets.curumi.co.jp/articles/aeo-g2-insights/fig7.webp" alt="curumi.co.jpのAI検索経由訪問がサイト全体の3.2%であることと、全業種平均1.08%を並べた棒グラフ。" width="1200" height="800" loading="lazy" decoding="async"><figcaption>参照元にAIサービス名を含む訪問の割合（広告経由は除外）。比較対象はConductor 2026 AEO/GEO Benchmarks（13,770ドメイン）の全業種平均。匿名の自社計測で第三者未検証。</figcaption></figure>

3.2%の内訳も見ておきます。AI経由の訪問の平均滞在は160秒で、自然検索の118秒に対して約1.4倍でした。AI経由のうちChatGPT系が83%を占め、着地ページの87.7%がブログ記事でした。

量はまだ小さいものの、長く読む訪問が記事に来ている、というのがこの計測の読み方です。この数字は匿名の自社計測で第三者未検証です。

### GA4で同じ測り方をする手順

GA4（Googleアナリティクス4）があれば、同じ測り方を自社サイトでできます。

- 探索レポートで、ディメンションに「セッションの参照元」、指標にセッション数と平均エンゲージメント時間を置きます
- 参照元に「chatgpt」「gemini」「perplexity」「copilot」などAIサービス名を含む行だけをフィルタで残し、広告経由（cpc・paid）を除外します
- 全体に対する割合と、自然検索との滞在時間の差を月ごとに記録します

### 計測から始める支援の位置づけ

G2の読み取りも、自社サイトの計測も、まず現在地を数で持つところから始まります。G2で仮説を立て、AIへの実測で確かめ、自社サイトの流入で結果を見る、という3つの計測を一つの流れにすると、施策の優先順位がぶれにくくなります。計測から始める支援の内容は[LLMO支援](/solutions/marketing/llmo)にまとめています。

## G2 AEO Insightsに関するよくある質問

### G2 AEO Insightsとは何ですか

特定の製品や機能の名前ではなく、G2のAEOカテゴリ、レビュー、Market Moversのデータを「AIが自社や競合をどう引用するか」という視点で読む見方の総称です。カテゴリ順位、レビュー文言、競合の引用数、レビュー量差、比較の感情の5つに分けて読むと、星評価だけでは見えないAI可視性のギャップが分かります。

### G2のレビューはChatGPTの推薦に本当に影響しますか

AIが製品比較の問いに答えるとき、自社ページより第三者のレビューや比較記事を根拠にしやすい構造があるため、影響する可能性は高いと考えられます。ただし、どの問いでどのエンジンがG2を引用するかは一定ではありません。自社に関する問いを実際に投げ、引用元を記録して確かめるのが確実です。

### G2のLeaderバッジはAI可視性に必須ですか

必須ではありません。バッジや星評価は買い手の満足度を示す指標で、AIの回答に名前が出るかを示す言及可視性とは別の指標です。バッジがなくてもレビュー文言や比較記事が根拠として拾われれば名前は出ますし、バッジがあっても出ないこともあります。星と言及は分けて測ります。

### Market Moversは何を基準に選ばれていますか

G2 Data Solutionsが勢いのあるカテゴリを選び、G2のデータに基づいて上位3製品を紹介するシリーズです。AEOの回では、直近90日間にAIの親カテゴリの中で最も閲覧されたカテゴリとして取り上げられました。選定の詳細は公式発表で確認できます（[G2 Data Solutions' Market Movers in AEO Software](https://company.g2.com/news/g2-data-solutions-market-movers-in-answer-engine-optimization-aeo-software)）。

### 日本企業でもG2 AEO Insightsの考え方は使えますか

使えます。G2に自社が載っていなくても、国内の第三者レビューサイト、比較記事、自社サイトの計測の3点に置き換えれば、同じ5つの見方で読めます。日本語のAIの回答でも、自社ページより第三者の比較が根拠になりやすい構造は同じです。まず自社に関する問いを投げて現在地を測るところから始められます。

## まとめ：G2は星ではなく『AIが引用する根拠』として読む

始め方は、自社をAIに12問聞いて現在地を測ることです。G2を見る目的は星の数を確かめることではなく、AIが回答の根拠に何を引用しているかを読むことにあります。この記事の結論は3つに戻ります。

- G2は、カテゴリ順位、レビュー文言、競合の引用数、レビュー量差、比較の感情の5つの見方で読む
- 星評価は満足度の指標で、AI回答に名前が出る言及可視性、順位と引用元まで測る計測可視性とは別に扱う
- G2に載っていなくても、第三者レビュー・比較記事・自社計測の3点で同じ読み方ができ、AI検索流入は自社サイトで測れる

### 5つの見方の再掲：G2はAIが引用する根拠として読む

最後に5つの見方をもう一度置きます。カテゴリ順位、レビュー文言、競合の引用数、レビュー量差、比較の感情です。

<figure class="article-figure"><img src="https://assets.curumi.co.jp/articles/aeo-g2-insights/fig1.webp" alt="G2 AEO Insightsの5つの見方を示す判定図。カテゴリ順位、レビュー文言、競合の引用数、レビュー量差、比較の感情の5項目と、星の数ではなくAIが引用する根拠を見るという判断。" width="1200" height="800" loading="lazy" decoding="async"><figcaption>G2 AEO Insightsは製品名ではなく、G2のデータをAI検索の視点で読む5つの見方の総称。各項目の意味は本文で1行ずつ説明します。</figcaption></figure>

- カテゴリ順位：AIが候補に挙げる範囲の目安
- レビュー文言：AIが回答に転用する買い手の言葉
- 競合の引用数：AI回答に出る回数と根拠
- レビュー量差：伸び余地が最も大きいのは「多いのに引用されない」象限
- 比較の感情：推薦の向きを決める比較の方向

### 次の一手：12問の実測から始める基準

次の一手は、買い手が困っている場面の言葉で12問を作り、自社の名前が出るか、何番目か、引用元は何かを記録することです。G2を読んで仮説を立て、自社の計測で確かめる順番にすると、施策の優先順位が崩れにくくなります。AIに想起されるかを含めた現状診断の入口として、[AIおきかえくんの診断](/okikaekun)を用意しています。
