share-of-voice

/digital-marketing-pro:share-of-voice

スクリプトの場所。 ホストで ${CLAUDE_PLUGIN_ROOT} が設定されていない場合、スクリプトは skills/ と同じ階層にあるこのプラグインの scripts/ フォルダー内にあります。Python 3.10 以降で実行してください。python を使用し、python が見つからない場合は python3 を使用します（macOS および多くの Linux システム）。

目的

複数の競争軸にわたるシェア・オブ・ボイスを算出し、追跡します。オーガニック検索（検索ボリュームで重み付けしたキーワードランキング）、有料検索（インプレッションシェアとオークションの動向）、ソーシャルメディア（メンション数とセンチメントで重み付けしたプレゼンス）、AI エンジン（GEO の可視性と引用率）において、競合他社と比べてブランドがどの程度可視化されているかを測定します。シェア・オブ・ボイスは市場シェアを先行して示す指標です。可視性で一貫して競合他社を上回るブランドは、時間の経過とともに市場シェアを獲得する傾向があるため、SOV は追跡すべき最も戦略的に重要な競争指標の 1 つです。このコマンドは、各軸固有の SOV スコアを集約して競争上のポジションを総合的に評価し、パイプラインや収益に影響が及ぶ前に勢いの変化を明らかにするトレンド追跡機能も備えています。現在の競争上の立ち位置を把握する時点スナップショットと、過去の実行で SOV を測定している場合の履歴トレンド分析の両方に対応しています。

必要な入力

ユーザーは次の情報を指定する必要があります（または入力を求められます）。

• 比較対象の競合他社：SOV の計算に含める競合他社名の一覧です。例：「Acme Corp、Beta Inc、Gamma Labs」。詳細な分析を行うには、競合他社モニタリングで追跡済みの競合他社（保存済みベースラインがあるもの）と一致させることを推奨します。ただし、新しい競合他社もその場で追加できます。その場合、過去の情報は限定され、初回測定ではトレンドデータを利用できません。有意義な競争比較には最低 2 社を推奨しますが、特定のライバル関係を評価するための 1 社との比較分析にも対応しています
• 算出する SOV の軸：分析に含める可視性の軸です。organic（対象キーワード群の月間検索ボリュームで重み付けしたキーワードランキングの可視性）、paid（Google Ads のインプレッションシェア、オークションインサイト、利用可能な場合は Meta 広告のインプレッションデータ）、social（指定期間におけるソーシャルプラットフォーム全体のメンション数とセンチメントで重み付けしたプレゼンス）、ai（6 つの標準 AI サーフェス（Google AI Mode、Google AI Overviews、ChatGPT、Perplexity、Gemini、Copilot）における AI エンジンの引用率と GEO 可視性スコア）。このサーフェスのセットと評価基準は /digital-marketing-pro:aeo-audit で定義されています。競争上の可視性を総合的に把握するにはすべての軸を選択し、特定のチャネルに絞った分析には個別の軸を選択してください
• 対象キーワードリスト：オーガニックおよび有料 SOV の計算に使用するキーワード群です。ブランド関連語、カテゴリの主要キーワード、製品固有のキーワード、パイプラインに直結する競争上の可視性が重要な購入意欲の高い商用検索クエリを含めます。指定がない場合は、ブランドコンテキストプロファイルのキーワード、過去のキーワード調査または SEO 監査コマンドで追跡したキーワードリスト、ベースライン収集時に特定された競合他社との重複キーワードが使用されます
• ソーシャルリスニングデータの対象期間：ソーシャルメディアのメンション数とセンチメント分析の対象となる日付範囲です。例：「過去 30 日間」「2025 年第 4 四半期」「2026 年 1 月」「直近 90 日間」。期間を長くすると、イベントによる急増が平準化され、一時的な拡散ではなく継続的なプレゼンスを反映する、より信頼性の高い SOV の割合が得られます。指定がない場合は、直近 30 日間が使用されます
• 比較期間（任意）：トレンド分析で比較する過去の期間です。例：「その前の 30 日間」「前年の同じ期間」「前四半期」。期間ごと、競合他社ごとに SOV の増減を示す差分レポートが有効になり、競争上の勢いの変化や、どの企業が優勢になりつつあるか、または後退しているかを明らかにします

プロセス

1. ブランドコンテキストと競合ベースラインを読み込む：アクティブなスラッグを特定するために ~/.claude-marketing/brands/_active-brand.json を読み込み、次に ~/.claude-marketing/brands/{slug}/profile.json を読み込みます。ブランドのポジショニング、ターゲット市場の定義、競合状況のコンテキストを適用します。competitor-tracker.py から既存の競合ベースラインとモニタリングデータを読み込み、保存済みの競合プロフィール、追跡対象のキーワードリスト、トレンド比較に使用する過去のSOV測定値を取得します。比較期間が指定されている場合は、差分計算のためにその期間のSOVスナップショットを取得します。~/.claude-marketing/sops/ に代理店のSOPがないか確認します。ブランドが設定されていない場合は、「まずブランドを設定しますか（/digital-marketing-pro:brand-setup）？」と尋ねるか、デフォルト値で進めます。
2. オーガニックキーワードSOVを計算する：キーワードセット内の各ターゲットキーワードについて、利用可能な検索ランキングデータを使って、ブランドと各競合の現在の順位を特定します。実際の可視性への影響を反映するため、各キーワードに月間検索ボリュームを重みとして適用します。たとえば、検索ボリューム50,000のキーワードで3位にランクインする方が、検索ボリューム500のキーワードで1位にランクインするよりもSOVへの貢献度が高くなります。クリックスルー率に基づくモデルを用いて、順位ごとの可視性スコアを計算します。1位は可視性100％、2位は約65％、3位は約45％、4位は約30％、5位は約22％とし、10位の約10％まで段階的に低下させます。2ページ目以降の可視性は0％とします。ブランドと各競合について、セット内のすべてのキーワードの可視性加重スコアを合計し、利用可能な可視性の総量に占める割合として算出します。これがオーガニックSOV、すなわち追跡対象のキーワード全体において各エンティティが獲得するオーガニック検索可視性の割合です。
3. 有料SOVを計算する：ターゲットキーワードセットについて、Google Ads MCPからオークション分析データを取得します。対象指標は、インプレッションシェア（獲得した適格インプレッションの割合）、重複率（各競合の広告がブランドと同時に表示された頻度）、上回り率（ブランドの広告が各競合より上位に表示されたオークションの割合）、ページ最上部表示率（オーガニック検索結果より上に表示されたインプレッションの割合）です。これらの指標を集約し、可視性の量と競争上のポジショニングの質の両方を反映する、エンティティごとの有料検索SOVスコアを算出します。Meta Ads MCP経由でMeta Adsのデータを利用できる場合は、ブランドのターゲット市場に関連するセグメントについて、インプレッションシェア、推定リーチ指標、オーディエンスの重複データを組み込みます。検索広告とソーシャル広告の指標を組み合わせ、プラットフォーム全体の有料可視性を反映する加重有料SOVスコアを算出します。
4. ソーシャルSOVを計算する：ソーシャルリスニングコネクタが設定されている場合は、指定期間におけるブランドと各競合の言及数とセンチメントデータを取得します（デフォルトではコネクタは含まれていません。/digital-marketing-pro:add-integration から接続するか、以下で説明する承認済みの公開ソースのエビデンスパケットを使用します）。まず、各エンティティの総言及数を、追跡対象の全エンティティの言及数の合計に対する割合として算出します。これは純粋な会話シェアを表します。次に、各エンティティのボリュームシェアに、正規化された尺度での平均センチメントスコアを掛けます。ポジティブな言及には1.5倍、中立には1.0倍、ネガティブには0.5倍の重みを適用し、質を調整したソーシャルSOVを算出します。これにより、単なる言及数ではなく、ポジティブな会話を生み出しているブランドが評価されます。生の値と言及数のセンチメント加重値の両方をレポートし、競合の言及数は多くてもセンチメントが低い場合に、強みではなく論争を示している可能性を明らかにします。
   • X/Twitterが対象で、コネクタのカバー範囲が不完全な場合は、スコアリング前に skills/share-of-voice/x-twitter-source-evidence.md を読み込みます。このファイルを使って、承認済みの公開ソースから監査可能なソースエビデンスパケットを作成し、言及数のカウント、センチメントのスコアリング、提案はこのスキルの範囲内で行います。
5. AI可視性SOVを計算する：geo-tracker.py のGEO監査データを使用して、6つの標準AIサーフェス（Google AI Mode、Google AI Overviews、ChatGPT、Perplexity、Gemini、Copilot）全体で、ブランドと競合の引用率および推奨頻度を比較します（scripts/geo-tracker.py の PLATFORMS 定数。/digital-marketing-pro:aeo-audit の標準ルーブリックでスコアリングします）。各エンティティについて、カテゴリに関連するクエリへのAI生成回答のうち、そのエンティティを引用、推奨、または名称で言及している割合を算出します。これをAI SOVとして表し、カテゴリ内で各エンティティが獲得するAIエンジンの可視性シェアを示します。データが利用可能な場合はAIエンジンのマーケットシェアで加重します（例：ChatGPTの引用は、小規模なエンジンの引用より高く加重します）。すべての競合についてGEOデータが揃っていない場合は、データの不足を明示し、利用可能なデータに基づくSOV計算を提示します。その際、AI可視性プロフィールが不完全な競合を示す信頼度インジケーターを付けます。
6. 統合SOVダッシュボードに集約する：各ディメンションのSOVスコアを組み合わせ、競争上の可視性を統合的に評価します。ディメンション別（オーガニック、有料、ソーシャル、AI）のSOVパーセンテージと、デフォルトのディメンション別重み（オーガニック35％、有料25％、ソーシャル25％、AI15％）を使った全体の加重SOVスコアを算出します。重みは、業界の特性やブランドのチャネル優先度に応じて調整できます（例：B2B SaaSブランドではオーガニックとAIの重みを高め、ソーシャルの重みを下げる場合があります）。比較期間が指定されている場合は、ディメンションおよび競合ごとのSOVの変動を示す差分を、方向を示す指標とともに計算します。ブランドが最も強いディメンション（維持すべき競争優位）と最も弱いディメンション（解消すべきギャップ）を特定し、複数期間にわたり勢いを増している競合が、新たな競争上の脅威となる可能性を示している場合はフラグを立てます。
7. competitor-tracker.py でSOVデータを保存する：全ディメンションの内訳、競合ごとのスコア、キーワード単位のオーガニックSOV詳細、プラットフォーム単位の有料・ソーシャルSOV詳細、AIサーフェス単位のGEO SOV詳細、測定タイムスタンプを含むSOV測定全体を、次の場所に保存します。

   python "${CLAUDE_PLUGIN_ROOT}/scripts/competitor-tracker.py" \
       --brand {slug} --action share-of-voice \
       --data '{"dimensions":{...},"competitors":[...],"measured_at":"YYYY-MM-DD"}'
   

   これにより、ブランドの競争上の可視性の履歴に時系列データポイントが作成されます。測定値を保存するたびに、以降の実行でトレンド分析が可能になり、期間ごとの比較、勢いの検出、季節パターンの認識、全ディメンションにおける長期的な競争上の推移のチャート化に役立ちます。

出力

以下を含む、構造化されたシェア・オブ・ボイス分析です。

• SOV ダッシュボード：ブランドと各競合の全体的なシェア・オブ・ボイスの割合、およびディメンション別の SOV 内訳（オーガニック％、有料％、ソーシャル％、AI％）を、ブランドを強調表示し、追跡対象のすべての競合との順位を示す比較表として表示します。全体スコアの計算に使用したディメンションの重みも含みます
• 競合比較表：測定したすべてのディメンションにおけるすべてのエンティティの並列比較表です。全体 SOV の順位と割合、オーガニック SOV、有料 SOV、ソーシャル SOV、AI SOVを含み、全体 SOV の降順で並べ、順位を示す指標と、首位以外の各エンティティについて首位との差を示す指標を付けます
• 前回測定とのトレンド比較：過去の実行で履歴 SOV データが存在する場合、前回の測定からの変化を示す差分値を表示します。全体 SOV のポイント変動と、エンティティごとのディメンション別変化を、上昇、横ばい、下降の方向指標とともに示します。2期以上連続して前期比で上昇したエンティティにはモメンタムフラグを、SOV の重要なしきい値を超えたエンティティ（例：あるディメンションでブランドを追い越したエンティティ）にはアラートフラグを付けます
• ディメンション別内訳：各ディメンションの詳細なドリルダウンを表示し、具体的な要因を示します。オーガニック SOV に最も貢献するキーワードとランキングの差が最も大きい箇所、有料 SOV の差を生み出すオークションセグメントとマッチタイプ、ソーシャル SOV を左右するソーシャルプラットフォームと会話トピック、AI SOV に寄与する AI エンジンとクエリカテゴリを明らかにします。影響の大きい具体的な機会に対する戦術的なアクションを可能にします
• ソースエビデンス付録：X/Twitter のソーシャル SOV について、クエリセット、期間、収集元、サンプリングの制限、重複排除ルール、エンティティ別のレコード数を含めます。これにより、レビュー担当者が公開会話のエビデンスがどのように SOV の入力データになったかを追跡できます
• 機会領域：競合と比べてブランドの SOV が最も低いディメンションと具体的な領域を優先順位付きで一覧表示し、各ギャップを埋めるための推定作業量と SOV への潜在的な影響を示します。たとえば、「『プロジェクト管理ソフトウェア』クラスターのオーガニック SOV は 8％で、Acme は 34％です。これら12個のキーワードを専用コンテンツでターゲットにすると、6か月でオーガニック SOV が推定12ポイント向上する可能性があります」
• 過去の SOV トレンドチャートデータ：すべてのエンティティとすべてのディメンションにわたる時系列データポイントを、可視化に適した形式で構造化してフォーマットします。ダッシュボードのトレンドチャートを作成し、測定履歴の週次・月次データを通じて、競争上のモメンタムの変化、季節的なパターン、長期的な軌道の乖離を視覚的に把握できるようにします

使用エージェント

• competitive-intel — オーガニック検索順位の調査、広告ライブラリの分析、ソーシャルリスニングのクエリ、AI 引用の監査など、すべての SOV ディメンションにわたる競合データの収集を行います。トレンド比較に向けて、競合のベースラインデータと履歴データを取得します。SOV の変化が市場動向や収益に及ぼす影響、および推奨される競争対応の優先順位について、戦略的な文脈を踏まえて競争上のポジショニングを解釈します
• analytics-analyst — 全体 SOV スコアの計算に向けた、設定可能な重み付けによる多次元データの集計、オーガニックキーワード SOV のクリック率可視性モデリング、センチメントを重み付けしたソーシャル SOV の算出、前期比差分の計算とモメンタム検出を含むトレンド分析、SOV ギャップ解消に向けた作業量と効果の推定による機会規模の算定、ダッシュボードの表や過去のトレンドチャート出力に向けた可視化対応データの構造化を行います