ナレッジセンター

Forrester Visibility Vacuum とは ─ AI検索が変えるBtoBバイヤーの「見つけ方」

株式会社ベネクロによる解説記事「Forrester Visibility Vacuum」のカバー画像。Forrester B2B Summit North America 2026(Series #4)で打ち出された、AI検索(Answer Engine)がBtoBバイヤーの情報探索を変える構造変化「Visibility Vacuum」を解説。BtoBバイヤーの94%が購買プロセスでAI検索を使用(Forrester Buyers' Journey Survey 2025)という主要データを掲載。サブタイトルは「AI検索が変えるBtoBバイヤーの見つけ方」。
目次

要約

  • Forrester は 2026 年サミットで、BtoB バイヤーが AI 検索で意思決定の大半を完了し、自社サイトに来なくなる現象を Visibility Vacuum と表現
  • 94% の BtoB バイヤーが既に AI 検索/AI ツールを購買プロセスで使用
  • 今後 12〜18 ヶ月で、自社サイトへの自然流入は 50〜75% 減少する見込み
  • 一方、Answer Engine 経由のトラフィックは コンバージョン率が 3〜4 倍
  • Forrester は 5 つの戦略 を提示
  • 戦術的な「対策」ではなく、構造的な GTM 再設計が必要

はじめに ─ Forrester が示した「最も差し迫った変化」

2026年4月の Forrester B2B Summit North America で、サミット初日のキーノートとして示された現象が Visibility Vacuum です。

これは Forrester の Principal Analyst である John Buten 氏が 初日キーノートで打ち出したワード です。BtoB バイヤーが AI 検索の中で意思決定の大半を完結させ、自社サイトに辿り着く前に購買判断を済ませてしまう ─ つまり、マーケティング担当者から「見えなくなる」、同時にバイヤーからも「自社が見えにくくなる」現象を指します。

前回の記事「Forrester Connected GTM Framework とは」では、GTM 全体の枠組みを解説しました。今回は、その枠組みを実装するうえで 最も外的圧力が強くなっている領域 である Visibility Vacuum を、Forrester のキーノートを軸に、関連セッション(Webflow、Profound、Jasper)の事例も交えて解説します。

2. Visibility Vacuum とは何か

Profound社のセッションスライド。Customer perception is shaped before ever visiting your siteと表記され、AI検索時代にバイヤーが自社サイトに来る前にブランド認識が形成されることを示す概念図。
Profound 社プレゼンスライド:AI 検索時代のバイヤー認識形成


Forrester による定義はシンプルです。

Visibility Vacuum

BtoB バイヤーが Answer Engine 内で意思決定の大半を完結し、自社から「見えなくなる」現象。

ここで重要な用語が Answer Engine(アンサーエンジン) です。これは、Claude、ChatGPT、Perplexity、Google AI Overviews、Microsoft Copilot のように、検索結果のリンク一覧ではなく、質問に対して直接「答え」を返す情報サービスを指します。

Forrester はこの新しいインターフェースに対する最適化を AEO(Answer Engine Optimization) と呼んでいます。日本で先行している「LLMO」という用語とは対象範囲や発想に違いがありますが、本記事では深入りせず、本シリーズの後続記事で改めて整理します。

3. 数字で見る変化

John Buten氏のキーノートスライド。94%のB2BバイヤーがAI検索/AIツールを購買プロセスで使用、AI検索は他接点と比べて購買判断への影響度が2倍と表示。出典はForrester Buyer's Journey Survey 2025(n=17,649)。
John Buten 氏キーノートスライド:AI 検索利用率 94% と影響度 2 倍のデータ


John Buten 氏のキーノートで示された主要データ

指標数値出典 
AI 検索/AI ツールを購買プロセスで利用する BtoB バイヤー94%Forrester Buyers’ Journey Survey 2025(n=17,649)
AI 検索が購買判断に与える影響度(他接点比)2 倍同上
自社サイトへの自然流入の減少(今後 12〜18ヶ月)50〜75% 減Forrester
Answer Engine 経由トラフィックのコンバージョン率3〜4 倍Forrester
John Buten氏のキーノートスライド。今後12〜18ヶ月で自社サイトへの自然流入が50〜75%減少する一方、Answer Engine経由のトラフィックはコンバージョン率が3〜4倍に増加することを示すデータ。
John Buten 氏キーノートスライド:自然流入 50-75% 減、CV 率 3-4 倍増


「検索の時代」と「Answer Engine の時代」の構造比較

観点検索の時代Answer Engine の時代 
検索ボリューム20 億件/週25 億件/週(増加)
クリック数8 億件/週4.6 億件/週(約半減)
平均クエリ長3〜4 語15〜23 語
可視性(自社が表示される割合)29%15%

検索の総量は増えているのに、クリックは減っている。これがゼロクリック化の本質です。
バイヤーはアンサーエンジン内で答えを得て、そのままサイトを訪れることなく次のプロセスへと進んでいきます。

4. 「Visibility をKPIにする」とはどういうことか ─ SAP 事例

Forrester は具体的な先行事例として SAP のケースを紹介しました。

SAP は 2024 年から流入減少を察知し、2025 年に全社対応を開始。SEO プラットフォームベンダーと協力して 自社独自の「Visibility Score」 を開発し、Answer Engine 上での自社言及率と競合の言及率を可視化しました。

John Buten氏のキーノートスライド。SAPのERPカテゴリにおけるAnswer Engine上のブランド言及率は12.8%、サイト引用率は5.3%。競合3社(1.7-3.6%)と比較して圧倒的に高いブランド言及率を持つが、サイト引用率は半分以下にとどまる構造を円グラフで示している。
John Buten 氏キーノートスライド:SAP の ERP カテゴリ言及率と引用率


※SAP の数値(Forrester プレゼン公開時点)

ERP カテゴリにおける Answer Engine 上の言及率

ベンダーブランド言及率サイト引用率 
SAP12.8%5.3%
競合13.6%1.4%
競合22.8%1.3%
競合31.7%1.0%
その他77%87.6%

ブランド言及率は高いのにサイト引用率は半分以下 ─ つまり、Answer Engine 上で SAP の名前は出るものの、SAP のサイトに辿り着いてもらえない構造が見えます。これが Visibility Vacuum の典型的な姿です。SAP はこの可視化を起点に LLM 経由トラフィックを 400% 改善 したと、Forrester は報告しています。

5. Forrester が示した「5つの戦略」

John Buten 氏は、Visibility Vacuum を乗り越えるための 5 つの戦略 を提示しました。

戦略1:Make Visibility a KPI(可視性を KPI 化する)

「自社が Answer Engine 上にどれだけ表示されるか」を、定期的に測定する公式の KPI として組織内に組み込む。SAP の Visibility Score はこの先行事例です。

戦略2:Study How Buyers Now Buy(バイヤーの新しい買い方を観察する)

John Buten氏のキーノートスライド。What buyers used to ask(旧)とWhat buyers ask today(新)を対比。e-discovery製品を例に、旧来のキーワード検索から自然言語の長い質問へバイヤーの問いかけが変化していることを示す。
John Buten 氏キーノートスライド:バイヤーの質問パターンの変化

バイヤーが Answer Engine にどのような 「質問」 を投げかけているのか、その傾向を継続的に観察します。検索キーワード分析の延長線上にあるが、より自然言語に近く、より長い質問が前提となります。

例:法律事務所向け e-discovery 製品の場合

旧(検索の時代)

  • 「e-discovery software」(キーワード型・短い)

新(Answer Engine の時代)

  • 「法律事務所にとって最適な e-discovery 製品は何か?」
  • 「事務所はいつ現行の e-discovery ツールから卒業すべきか?」
  • 「e-discovery で最も重要な KPI は何か?」

    質問型・文脈型に変わり、文字数も大幅に増加(平均 15〜23 語)これが Answer Engine 時代のバイヤーの問いの姿です。

戦略3:Learn How to Speak LLM(LLM の言語を学ぶ)

John Buten氏のキーノートスライド。LinkedInのAnswer Block Structureガイダンスを引用。創造的な言語ではなく、直接的でLLMが理解しやすい構造で書くべきと示す。
John Buten 氏キーノートスライド:LLM 向けライティングの構造ガイダンス

LLM/Answer Engine が「理解しやすい」コンテンツ構造を整えます。具体的な方法は、別途 Webflow 社が詳しく解説しました(次節参照)。

戦略4:Prioritize Human Voices(人間の声を優先する)

John Buten氏のキーノートスライド。Delinea社のJust-in-Time Access製品ページを例に、人間の専門家による署名入りコンテンツがLLMに合意(consensus)として認識されやすい構造を示す。
John Buten 氏キーノートスライド:Delinea 社の人間の声活用事例

LLM は 「合意(consensus)」 を重んじる。同じことが多くの場所で言及されていれば、それを正解と判定する傾向がある。だからこそ、第三者の声(顧客、業界専門家、レビュアー)を意図的に育てる必要がある。

Forrester は、Social/Web/Customer/PR/Product という 5 つのチャネルを統合的に運営する ことを推奨しました。

戦略5:Work Together as One(ワンチームとして動く)

John Buten氏のキーノートスライド。Nasdaq Boardvantage事例で、Web・PR・Social・Customer・Productの5チャネルを統合的に運営することでAEOにおいて効果を上げる構造を図解。
John Buten 氏キーノートスライド:Nasdaq Boardvantage の 5 チャネル統合事例

AEO 対応は、マーケ単独で完結しません。広報、製品、CS、開発(特に Web 開発)まで含めた横断的な取り組みが必要です。

Forrester の言葉で:AEO is more of a team sport than SEO is.
(AEO は SEO 以上に「チームスポーツ」だ)

5 戦略のまとめ

Slide: See Through the Visibility Vacuum with five bullet actions for improving visibility.
John Buten 氏キーノート最終スライド:5 つの戦略の俯瞰

5 つの戦略は、Visibility Vacuum という構造変化に対する Forrester からの初期回答です。
ただし、これは「やるべきことのリスト」ではなく、「組織として向き合うべき視点のセット」と捉えるべきものでしょう。

特に戦略5「Work Together as One」が示すように、AEO 対応は単一部門の取り組みでは
完結しません。マーケティング、広報、製品、カスタマーサクセス、Web 開発が同じ
方向を向き、共通の KPI(戦略1)の下で、バイヤーの新しい買い方(戦略2)に合わせ、
LLM に伝わるコンテンツ設計(戦略3)を、第三者の声を含めて(戦略4)統合的に
運営する ─ この複合的な取り組みが必要です。

次節では、戦略3「Learn How to Speak LLM」を実務レベルで具体化した、
Webflow 社の AEO「4 つの柱」フレームワークを見ていきます。

6. AEO の「4つの柱」─ Webflow 社の実践

Webflow社のForrester B2B Summit 2026プレゼンスライド「AEO vs SEO in four categories」。AEO(Answer Engine Optimization)対応の4つの柱を提示。①Content:キーワード→質問への回答→パーソナライゼーション、②Technical:SEO→自動化されたサイト構造→スピード、③Authority:バックリンク→広範な肯定的言及、④Measurement:キーワード順位→言及→Share of Voice(出現シェア)。
Webflow 社プレゼンスライド:AEO と SEO の 4 観点比較フレームワーク

Forrester の戦略3「Learn How to Speak LLM」を、実務レベルで具体化したのが Webflow 社のセッション(Day02、15:00〜15:30)でした。

Webflow は、AEO に取り組む組織に向けて 4 つの柱 を提唱しています。

① Content(コンテンツ)

  • 旧:キーワード単位
  • 新:質問単位(プロンプト形式)

具体的アクションと実証データ:

  • ブログ記事の見出しを質問形式に変更 → 流入 13% 増
  • コンテンツ更新頻度を 5 倍 にした結果:流入 42% 増、コンバージョン率 14% 増
  • 95% の ChatGPT 引用は 過去 10 ヶ月以内に更新されたコンテンツ(中央値 6 ヶ月)

実際のバイヤーの質問は、営業コール録音、CS メール、Google の「他の人はこちらも質問」から抽出可能。

② Technical(技術)

Webflow社のセッションスライド。Metadata reduces cost for LLMs to consume your siteと題し、SEOメタデータ、altテキスト、schema markupの3要素を整備することでLLMがサイトを解読しやすくする方法を示す。
Webflow 社プレゼンスライド:LLM 解析コストを下げる 3 要素(SEO メタデータ・alt テキスト・schema マークアップ)

LLM がすぐ解読できる形で、サイトの構造と意味を提示する:

  • SEO メタデータ、alt テキスト、構造化データ(schema.org)の徹底
  • FAQ セクションの追加
  • 目次の追加(テンプレート全体に適用したら LLM 経由流入 59% 増、SEO 流入 23% 増

注目すべきは schema 実装率の数字:

  • Google トップ 10 結果の 73% は schema を実装
  • しかし全 Web サイトのうち実装しているのは わずか 12%

これは「マーケと開発者が同じ場で議論する機会がほぼない」ことが原因と Webflow 社のスピーカーは指摘していました。schema を実装すると 引用獲得率が 42% 増加 するというデータも。

③ Authority(権威性)

  • バックリンクは引き続き重要、ただし、それだけでは不十分
  • プレーンテキストでの広範な肯定的言及(consensus) が新たに重要
  • 重視されるべきは Reddit、YouTube(トランスクリプトが解析される)、業界レビューサイト(G2、ITreview 等)
  • 第三者データへのリンク追加実験:LLM 経由流入 14% 増、SEO 流入 8% 増

④ Measurement(測定)

  • 旧:キーワード順位
  • 新:出現シェア(Share of Voice) ─「自社の主要質問群に対して、何 % の確率で自社が回答に含まれているか」

Webflow 社自身の実績:自社の主要質問群に対して 67% の確率で出現(カテゴリ 1 位)。市場シェア 60% を持つ競合を Answer Engine 可視性で上回る。

5 レベル成熟度モデル(自社診断用)

Webflow社のセッションスライド。5-Level AEO Maturity Rubricと題し、Content・Technical・Authority・Measurementの4観点それぞれについて、SEO中心のLevel 1からProgrammatic AEOのLevel 5までの成熟度を5段階で診断できる表。
Webflow 社プレゼンスライド:AEO 5 レベル成熟度ルーブリック

Webflow 社からの重要な注意点

AEO は現状、低〜中程度の一桁 % のトラフィック貢献。SEO を捨てるのは間違い。比重として「いまの貢献より大きく投資する」が正しい。

Google AI Overview に出現する内容の 52% は同じ Google のトップ 10 検索結果にも含まれており、両者の基礎は重なっています。

7. Visibility だけでは足りない ─ Profound 社の「3階層」

Profound 社のセッション(Day03、11:35〜12:05)は、AI 検索対応をもう一段深い構造で捉えました。

Parrot Problem(LLM の補足過多問題)

Profound 社の Trevor Pyle 氏が提唱した概念です。

オウムが、聞かれたことに答えると同時に、勝手なおしゃべりを続ける ─ この比喩のように、LLM は質問に答えるとき、要求されていない「補足情報(unsolicited helpful augmentation)」を 応答全体の約 50% も追加します。

Profound社のセッションスライド。AI answers are not direct, they're verboseと題し、同一プロンプト群に対するChatGPT、Gemini、Claudeの平均応答文字数を比較。ChatGPT 3043字、Gemini 2921字、Claude 1590字とLLMによって冗長度が約2倍違うことを示す。
Profound 社プレゼンスライド:LLM 別の応答冗長度比較(ChatGPT 3043 字 vs Claude 1590 字)
Profound社のセッションスライド。Nike Alphafly 3の価格を質問した場合のLLM応答例。価格情報の後に、競合製品Saucony Endorphin Pro 4やAdidas Adios Pro 3との比較、ランニング選手の評価などEditorial unrequested informationが勝手に追加される構造を示す。
Profound 社プレゼンスライド:Nike Alphafly 3 で見る Parrot Problem

例:「Nike Alphafly 3 の価格は?」と聞くと、価格情報の後に、競合製品との比較、購入の次ステップなどが勝手に挿入される。これにより、ブランドが意図しない文脈に置かれたり、競合と比較された状態で語られたりする。

AEO は3階層で捉える

Profound社のセッションスライド。How can you help LLMs editorialize in your favorと題し、まずAccuracy(正確性)を整備することがSentiment(感情・態度)に直結する構造を示す。
Profound 社プレゼンスライド:正確性から感情への影響フロー

Profound は AEO を 3 階層 で整理しました。

階層何を見るか確認方法 
Accuracy(正確性)LLM は自社のことを正しく語っているか50,000 件のプロンプトと応答を分析
Sentiment(感情・態度)肯定的に語られているかML モデルでテーマ別感情分析
Visibility(可視性)そもそも出現するか出現シェア計測

深刻な実例

Profound社のセッションスライド。大手ウェアラブルメーカーの調査結果として、LLM応答の11%でブランドの誤情報が含まれていたことを示すダッシュボード。例として「Leading Wearable does not track steps」のような誤った主張がLLMから返されるケースを表示。
Profound 社プレゼンスライド:ウェアラブルブランドの 11% 誤情報事例

Profound が大手ウェアラブルメーカーと組んで行った調査では、応答の 11% でブランドの誤情報が含まれていた。原因の多くは、Web 上に残った古い PDF、更新されていない第三者レビュー、過去のプレスリリースだった。

「11% の確率で営業担当者が誤った情報を顧客に伝えている」と置き換えれば、その深刻さがわかります。

8. Marketing Engineer ─ AEO 時代の新職種

Profound のセッションで打ち出されたもう一つの重要な提言が、Marketing Engineer という新職種です。

Marketing Engineer の役割:

  • マーケティングの知識(戦略、ブランド、コンテンツ)を持ち
  • かつ、AI エージェントを構築するスキルを併せ持つ

Profound の Trevor Pyle 氏によれば、すでに Google、Ramp、Autodesk、Circle が Marketing Engineer の求人を出しており、Google の募集要項は 同職種の最初の Job Description とのこと。

「マーケのバックグラウンドがある人にエージェント構築スキルを足す」のと、「エンジニアに マーケティングの実務感覚を一から学ばせる」のとでは、前者の方が圧倒的に早い。Profound は前者を推奨しています。

Profound社のセッションスライド。Marketing Engineerが構築するエージェント例としてContent Refresh Agentを図解。CMSからコンテンツを取得し、古い製品仕様や製品名を検知して最新情報に置換し、CMSに戻す自動ワークフロー。
Profound 社プレゼンスライド:Content Refresh Agent の実例

9. ツール市場の立ち上がり ─ AI Visibility Hub の登場

Forrester サミットでは、AEO 対応を支援する複数のベンダーセッションも開催されました。

例えば Jasper 社は 「IQ レイヤー」+「AI Visibility Hub」 という構造を発表。

  • IQ レイヤー:ブランドの声、トーン、ガイドライン、ターゲット、製品情報を一元化したテンプレート層
  • AI Visibility Hub:複数の LLM 横断で自社サイトの可視性をモニタリング、診断、改善するワークスペース

Jasper の AI Visibility Hub は、サイト全体(数百ページ単位)をクロールし、トピッククラスター、プロンプト、ブランド可視性スコア、競合とのシェア比較、改善アクションを自動生成します。

このように、AEO は単なるコンセプトの段階を超え、専用ツール市場 が立ち上がりつつあります。これは、マーケティングオートメーション(MA)の黎明期に Marketo、Eloqua、HubSpot 等のツールエコシステムが立ち上がった構造と似た流れです。

10. まとめ ─ Visibility Vacuum は構造変化である

Profound社のセッションスライド。How this applies to your workと題し、AEO対応の6ステップ(不正確性とネガティブ感情の特定、業界出版物との連携、エージェント構築による古い情報の更新、独自データを持つ非コモディティコンテンツ、価格・比較ページの再構造化、コンテンツ更新エージェントの構築)を一覧で提示。Profound社のセッションスライド。How this applies to your workと題し、AEO対応の6ステップ(不正確性とネガティブ感情の特定、業界出版物との連携、エージェント構築による古い情報の更新、独自データを持つ非コモディティコンテンツ、価格・比較ページの再構造化、コンテンツ更新エージェントの構築)を一覧で提示。
Profound 社プレゼンスライド:実務応用の 6 ステップフレームワーク

Forrester の Visibility Vacuum が示しているのは、AI 検索を起点とした GTM の構造変化 です。

観点旧時代新時代 
バイヤーの発見方法検索エンジンで自社を見つけるAnswer Engine で答えを得る
マーケの主戦場自社サイトでの体験LLM 上での可視性・正確性・感情
役割の境界線マーケ単独で完結マーケ+PR+製品+開発+CS で横断
必要なスキルコンテンツ+SEOコンテンツ+AEO+エンジニアリング
新職種(特になし)Marketing Engineer
測定対象キーワード順位Visibility / Sentiment / Accuracy

これは「LLM への対策」という戦術論ではなく、BtoB GTM の 構造そのものの再設計 を要求しています。

GTM Singularity 時代のなかで、Visibility Vacuum は最も外的圧力の大きい領域です。本シリーズの後続記事では、5大示唆の残り(Preference Marketing、Buying Group Transformation、Accountability Reset、Human + AI GTM)を順に解説していきます。


よくある質問(FAQ)

Q1. Visibility Vacuum と「LLMO 対策」は同じものですか?

A. 完全に同じではありません。LLMO(Large Language Model Optimization) は LLM そのものを最適化対象とした技術論寄りの概念であるのに対し、Forrester が用いる AEO(Answer Engine Optimization) は Answer Engine というバイヤーとの 新しい接点全体 を最適化対象とした戦略的概念です。両者は重なる部分も多いですが、視野の広さや組織への要求事項に違いがあります。本シリーズの後続記事で詳細を整理します。

Q2. SEO はもう不要ですか?

A. いいえ。Webflow 社の事例によれば、AEO 経由のトラフィックは現状、全体の 低〜中程度の一桁 % にとどまります。SEO を放棄することは、95% 以上のトラフィックを捨てることを意味します。正しい姿勢は「SEO を維持しつつ、AEO への投資比率を上げる」です。また、Google AI Overview に出現する内容の 52% は同じ Google の検索結果トップ 10 にも含まれており、両者の基礎は重なっています。

Q3. AEO の効果は、どれくらいの期間で出ますか?

A. SEO と比較すると、はるかに早いタイミングで効果が見えます。Webflow 社の事例では、6 ページに schema と FAQ を追加してから 2 週間 で、LLM 経由の引用増の 57% がそれらのページから出ました。これは、Answer Engine が常時 Web を再クロールし、新しい情報を取り込んでいるためです。

Q4. 中堅・中小企業でも、AEO 対応は必要ですか?

A. はい、むしろ早く取り組む方が有利です。schema を実装している企業は全体の わずか 12% にすぎず、先行者の優位性が大きい領域です。また、AEO 対応の初期投資は SEO ほど大きくなく、自社サイトの構造化、FAQ 追加、コンテンツの質問形式化など、比較的小規模から始められます。

Q5. Marketing Engineer は、日本でも採用できますか?

A. 現時点では極めて困難です。米国でも Google、Ramp、Autodesk、Circle が先行採用を始めたばかりで、市場に流動的な人材プールが形成されているとは言えません。日本では、当面は 既存のマーケ人材に AI エージェント構築スキルを育てる、もしくは エンジニア/データサイエンティストにマーケの基礎を学んでもらう ハイブリッドアプローチが現実的です。これは本シリーズの後続 POV 記事で改めて掘り下げます。

Q6. Visibility Vacuum 対応は、どこから始めるべきですか?

A. 3 つのステップ を推奨します。

  1. 可視性の現状把握:主要な質問パターンを ChatGPT、Perplexity、Google AI Overviews 等で投げ、自社が出現するか、競合と並べられているか、正確に語られているかを把握。
  2. コンテンツの正確性監査:Web 上に残る古い PDF、過去のプレスリリース、業界レビューサイト上の情報を最新化。
  3. 質問単位のコンテンツ設計:営業録音・CS メールから実際のバイヤーの質問を抽出し、それに答える形でコンテンツを再設計。

Q7. AEO の効果はどう測定すればよいですか?

A. Forrester/Webflow が提唱する測定モデルは 2 段階 です。

第 1 段階:自社のアナリティクス上で 「LLM 経由のトラフィック」と「従来の検索経由のトラフィック」 を分け、それぞれのコンバージョン率を測定。

第 2 段階:外部ツールを使い、自社が主要質問群に対して何 % の確率で出現するか(出現シェア)を測定。

  • 米国 では Profound、Jasper、Ahrefs、SEMrush 等のツールが先行しており、AEO 対応専用機能が拡張中です。
  • 日本 では、これら米国ツールの一部(SEMrush、Ahrefs 等)が利用可能ですが、日本市場特化の AEO/LLMO 対応サービス(SEO ベンダー各社が「LLMO 対策」として提供)も徐々に立ち上がりつつあります。ただし、Forrester サミットで紹介されたような Profound/Jasper 級の精度・機能を持つ国産サービスはまだ限られているのが現状です。

最終的には、可視性(Visibility)に加えて、正確性(Accuracy)と感情(Sentiment) も合わせて 3 階層で測定するのが先進事例(Profound)の推奨形です。


関連記事

著者プロフィール

内村裕香

代表取締役 | CEO and Founder
BtoBマーケティング・RevOpsコンサルタント

内村裕香 プロフィール

2015年から大手総合電機メーカーでBtoBマーケティング組織の立ち上げと社内定着化を主導。Adobe Marketer of the Year 2020 受賞。2024年に株式会社ベネクロを創業し、日本のBtoB企業 ─ 特に従業員300〜2,000名規模の製造業 ─ を対象に、グローバル最前線の知見を日本市場向けに再構築した戦略コンサルティングを提供。専門領域はマーケティングオペレーション(MOps)/レベニューオペレーション(RevOps)。Forrester B2B Summit North America 2026 参加・Forrester Certification「Activating the Modern GTM」取得。NPO法人Forum2050 CDO、神奈川ニュービジネス協議会(KNBC)会員。

LinkedIn

https://www.linkedin.com/in/yuukauchimura/

目次