AIエージェント経由の集患効果を可視化する手法｜音声アシスタントからの流入を分析する指標

• Facebook
• X(旧:Twitter)
• はてブ
• LINE

音声アシスタントやAIエージェントを通じて医療機関を探す患者が増えている今、従来のSEO解析だけでは集患の全体像を正確に把握できなくなっています。AIエージェント経由の流入は、通常のアクセス解析では「直接流入」に分類されてしまい、見過ごされがちです。

本記事では、開業医や開業を控えている先生方に向けて、AIエージェント経由の集患効果を数値で捉える具体的な手法と、音声アシスタントからの流入を正しく評価するための指標をお伝えします。見えにくい流入経路を可視化することで、今後の集患戦略をデータに基づいて組み立てられるようになるでしょう。

AIエージェント経由の集患がなぜ見えにくいのか、その原因を押さえておこう

AIエージェント経由の集患効果が把握しにくい最大の原因は、従来のアクセス解析ツールがAIエージェントからの流入を個別に識別できない点にあります。Google AnalyticsをはじめとしたWeb解析ツールは、検索エンジン経由・SNS経由・直接流入といった分類を用いますが、AIエージェントからのアクセスは多くの場合「direct」や「referral」に紛れ込んでしまいます。

音声アシスタント経由のアクセスが「直接流入」に分類されてしまう仕組み

SiriやGoogleアシスタント、Alexaなどの音声アシスタントが患者の質問に応じて医療機関のウェブサイトを提示する場合、リファラ情報（どこからアクセスしたかを示すデータ）が付与されないケースが大半です。そのため、解析ツール上では「ブックマークからのアクセス」や「URLを直接入力したアクセス」と区別がつかなくなります。

つまり、音声アシスタント経由で来院につながったアクセスが存在していても、データ上は「出所不明」として扱われてしまうのです。この構造的な問題が、集患効果の把握を困難にしています。

AIエージェントがウェブサイトを参照する際に起きるデータ欠損

ChatGPTやPerplexityなどのAI検索エンジンがユーザーの質問に答える際、医療機関のウェブサイトから情報を引用しても、必ずしもリンクを通じてユーザーをサイトに誘導するわけではありません。回答内で情報が完結してしまうと、患者はサイトを訪問せずに電話予約をする場合もあるでしょう。

こうしたケースでは、ウェブサイトのアクセスログには痕跡が残りません。実際には集患につながっているにもかかわらず、データとしては「ゼロ」に見えてしまうギャップが発生しています。

従来のSEO指標だけでは集患チャネルの全体像をつかめない

検索順位やオーガニック流入数といった従来のSEO指標は引き続き大切ですが、それだけでは集患チャネルの全貌を捉えきれません。AIエージェント経由の流入が増加傾向にあるなかで、「見えない流入」を放置すると、施策の効果判断を誤るリスクが高まります。

たとえば、SEO対策に注力しているのに新規患者数が伸び悩む場合、実はAIエージェント経由で十分な流入が発生している可能性も考えられます。正しい判断をするためには、従来指標と新しい指標を組み合わせた多角的な分析が求められるでしょう。

音声アシスタントから医療機関への流入を測る基本指標はこれだ

音声アシスタント経由の流入を把握するには、通常のアクセス解析に加えて、UTMパラメータの活用やサーバーログの分析など複数のアプローチを組み合わせる必要があります。単一の指標では全容を捉えきれないため、複数のデータソースを突き合わせて推計する方法が実用的です。

UTMパラメータを使ってAIエージェント経由のアクセスにタグを付ける

UTMパラメータとは、URLの末尾に付加する追跡用のテキストです。たとえば、Googleビジネスプロフィール上のウェブサイトリンクに「?utm_source=google_assistant&utm_medium=voice」のような形で設定しておけば、音声アシスタント経由のアクセスを通常の流入と区別できます。

ただし、音声アシスタントがどのURLを患者に提示するかは完全にはコントロールできません。そのため、UTMパラメータはあくまで補助的な手段として位置づけ、他の手法と併用するのが現実的です。

サーバーログからUser-Agentを解析してAIボットのアクセスを特定する

ウェブサーバーのアクセスログには、どのソフトウェア（User-Agent）がサイトを訪問したかの情報が記録されています。OpenAIのGPTBotやGoogleのBard関連のクローラーなど、AIサービスが使用するUser-Agentは特定のパターンを持つため、ログを精査すればAIエージェントによるクロール頻度や対象ページを把握できます。

クロールされている回数が多いページは、AI検索での露出が高い可能性があります。直接的な患者アクセスとは異なりますが、AIエージェント上での自院の「認知度」を間接的に測る指標になり得るでしょう。

電話問い合わせ時の「当院を知ったきっかけ」調査で実態を補完する

デジタルデータだけでは捕捉できない流入経路を補う手段として、電話予約時や受付での「当院をどこでお知りになりましたか」というアンケートが有効です。選択肢に「音声アシスタント（Siri・Googleアシスタントなど）」「AI検索（ChatGPTなど）」を追加しておくだけで、アナログながら貴重なデータが得られます。

回答精度を高めるには、スタッフが「スマートフォンに話しかけて検索されましたか」と尋ねるのも効果的です。患者自身が「音声アシスタント」という言葉に馴染みがなくても、動作で伝えれば正確な回答を得られます。

AIエージェント経由の集患効果を数値で見える化する具体的な手順

AIエージェント経由の集患効果を可視化するには、データの取得・分類・統合という3つの段階を順序立てて進めることが大切です。一度仕組みを構築してしまえば、月次レポートとして継続的に効果測定ができるようになります。

Google Analyticsで「direct流入」の内訳を推計するフィルタ設定

Google Analytics上で直接流入に分類されるアクセスのうち、AIエージェント経由と推定されるものを切り分けるには、ランディングページのパターンに注目します。

音声アシスタント経由の患者は「診療科目ページ」や「症状別ページ」に直接到達する傾向があります。フィルタ機能でランディングページ別の直接流入を抽出し、時系列で追えば変動を把握できるでしょう。

Googleビジネスプロフィールのインサイトデータを活用した間接的な計測

Googleビジネスプロフィール（旧Googleマイビジネス）のインサイトには、「検索からの表示回数」「電話タップ回数」「ウェブサイトクリック回数」といったデータが含まれています。音声アシスタントの多くはGoogleのナレッジパネルやビジネスプロフィールの情報を参照するため、このインサイトデータはAIエージェント経由の反応を間接的に示す指標となります。

とりわけ「電話タップ回数」の推移は見逃せません。音声検索で医療機関を見つけた患者は、ウェブサイトを経由せず直接電話をかけるケースが多いからです。

Search Consoleの検索クエリ変化から音声検索の増加傾向を読み取る

Google Search Consoleで表示される検索クエリの中に、「近くの内科」「頭痛 すぐ診てもらえる病院」のような口語的・会話的なフレーズが増えていれば、音声検索の利用拡大を示唆するシグナルです。

従来型のキーワード検索は「地域名＋診療科」のような短い組み合わせが中心でしたが、音声検索では自然な話し言葉に近いフレーズが使われます。こうしたクエリの出現傾向を月単位で記録しておくと、音声アシスタント経由の需要がどの程度伸びているかを把握する材料になるでしょう。

音声アシスタントで自院が「推薦」されるために整備すべきウェブサイト構造

音声アシスタントやAIエージェントに自院の情報を正しく認識してもらうには、ウェブサイトの構造化データ（Schema.org）の整備とコンテンツの充実が重要です。いくら優れた診療体制を持っていても、AIが情報を読み取れなければ患者への推薦候補に入りません。

構造化データ（Schema.org）のMedicalClinicマークアップで情報を正確に伝える

Schema.orgが提供する「MedicalClinic」や「Physician」といった構造化データのマークアップを自院のサイトに実装すると、AIエージェントが診療科目・所在地・診療時間・対応疾患などの情報を正確に把握しやすくなります。

特に住所・電話番号・診療時間のような基本情報は、構造化データとして埋め込むことで、音声アシスタントが「近くの耳鼻科を教えて」といった質問に回答する際の参照精度が上がります。HTMLの知識がなくても、WordPressのプラグインを使えば比較的簡単に対応できるでしょう。

FAQ構造化データで「よくある質問」をAIエージェントに直接届ける

サイト内の「よくある質問」ページにFAQPage形式の構造化データを追加すると、AIエージェントが患者の質問に対して自院の回答を直接引用する可能性が高まります。たとえば「インフルエンザの予防接種は予約なしで受けられますか」という質問と回答を構造化しておけば、音声アシスタントがそのまま読み上げてくれるケースもあります。

FAQ構造化データは、Googleのリッチリザルト（検索結果画面での目立つ表示）にもつながるため、従来のSEO面でもメリットがある施策です。

NAP情報（名称・住所・電話番号）を全プラットフォームで統一する

AIエージェントは複数の情報源を照合して回答を生成するため、自院の名称・住所・電話番号（NAP情報）がウェブサイト・Googleビジネスプロフィール・医療系ポータルサイト・SNSで食い違っていると、信頼性が低いと判断され推薦対象から外される恐れがあります。

「医療法人○○会 △△クリニック」と「△△クリニック」のような表記ゆれも、AIにとっては別の医療機関と認識されるリスクがあるため注意が必要です。

AI検索時代の集患効果を正しく評価するためのKPI設計

AI検索が普及する時代には、従来の「検索順位」「PV数」だけでなく、AIエージェント上での露出やそこからの患者行動を含めたKPI（重要業績評価指標）を設計することが、正確な効果測定につながります。

「AIエージェント上での表示回数」を推計する方法

現時点では、AIエージェント上で自院がどれだけ表示・推薦されたかを直接計測するツールは限られています。しかし、間接的に推計する方法はいくつかあります。

たとえば、PerplexityやChatGPTに自院に関連するキーワードで質問を投げかけ、回答に自院の情報が含まれるかを定期的にチェックする方法です。月に1回、主要な10個の質問パターンでテストを行い、表示率を記録しておくだけでも傾向を追うことができます。

予約経路別のコンバージョン率を追跡して投資対効果を測る

集患施策の費用対効果を測るには、予約経路ごとのコンバージョン率（実際に来院につながった割合）を追跡する仕組みが必要です。ウェブ予約・電話予約・窓口来院のそれぞれについて「どの経路で当院を知ったか」を紐づけることで、AIエージェント経由の患者がどの程度の割合で実際に来院しているかが見えてきます。

予約システムに経路選択のプルダウンを追加するなど、小さな工夫の積み重ねが正確なデータ収集を可能にします。

• ウェブ予約フォームに「来院のきっかけ」選択肢を追加
• 電話予約時のヒアリング項目に音声検索の選択肢を設定
• 月次で経路別の来院数・コンバージョン率を集計
• AIエージェント経由の増減傾向をグラフ化して比較

従来型SEO指標とAIエージェント指標を統合したダッシュボードを作る

SEO指標とAIエージェント指標を別々に管理していると、全体の傾向を見落としがちになります。Google Analytics・Search Console・ビジネスプロフィールインサイト・来院時アンケートの結果を一画面で確認できるダッシュボードを作ることで、施策判断のスピードが格段に上がるでしょう。

GoogleスプレッドシートやLooker Studioを使えば、無料でも実用的なダッシュボードを構築できます。月に1回のデータ更新でも四半期の振り返りに役立つでしょう。

Perplexityを使ってAIエージェント上での自院の露出状況をセルフチェックする

AIエージェント上での自院の見え方を把握するには、実際にAI検索を使って確認するのが手軽です。Perplexityは出典を明記してくれるため、自院のサイトが引用されているかを直感的に確認できます。

地域名と診療科目を組み合わせてAI検索での表示をテストする

Perplexityの検索窓に「○○市 内科 おすすめ」「○○駅 小児科 土曜診療」のような、実際の患者が使いそうなフレーズを入力してみましょう。回答の中に自院の名称やウェブサイトのURLが出典として表示されていれば、AIエージェント経由の集患が期待できる状態といえます。

逆に表示されない場合は、前述の構造化データやNAP情報の整備に改善の余地がある可能性が高いでしょう。競合医療機関がどのように表示されているかも併せて確認すると、改善のヒントが見つかります。

テスト結果を記録して月次の変動を追いかける

1回のチェックで終わらせず、同じ質問パターンで月に1回のテストを継続することが大切です。スプレッドシートに「質問文」「自院が表示されたか」「どの出典が引用されたか」を記録していけば、施策の効果が時系列で見えるようになります。

構造化データの実装やコンテンツ改善を行った後にテスト結果が変化すれば、その施策が有効だったという根拠になります。データに基づく判断を積み重ねることが、集患戦略の精度を高めます。

テスト時に使うべき質問パターンの考え方

テスト用の質問パターンは、実際の患者の検索行動を想定して作成します。「症状ベース」「地域ベース」「条件ベース」の3軸で質問を準備すると網羅性が高まります。

症状ベースなら「○○市で花粉症の治療を受けたい」、地域ベースなら「○○駅近くのクリニック」、条件ベースなら「土曜日に受診できる皮膚科」といった形です。各軸から3〜4パターンずつ用意すれば、合計10前後の質問で効率よく露出状況を把握できます。

集患データを分析する際に陥りやすい落とし穴と、その回避策

AIエージェント経由の集患データは間接的な推計に頼る部分が多いため、解釈を誤ると施策判断を間違えるリスクがあります。よくある分析の落とし穴を事前に把握しておけば、冷静なデータ活用が可能になります。

「直接流入の増加＝AIエージェント経由」と安易に断定しない

直接流入が増えた原因はAIエージェント経由だけとは限りません。看板や紙媒体の広告を見てURLを直接入力した患者、ブックマークからアクセスしたリピーター、あるいはメールマガジンのリンクを経由した訪問者も「直接流入」に含まれます。

• 看板・チラシなどオフライン広告経由の直接入力
• ブックマーク経由のリピーターアクセス
• メールやLINE内リンク経由のアクセス
• 他サイトからのリファラ情報欠落によるDirect分類

複数の要因が混在している可能性を常に意識し、アンケートデータなど他のソースと突き合わせて判断することが重要です。

少ないサンプル数で傾向を判断すると誤った施策につながる

開業間もないクリニックや月間アクセス数が少ないサイトの場合、数件のデータの変動に一喜一憂してしまいがちです。しかし、統計的に信頼性のある傾向を読み取るには、最低でも3か月分のデータを蓄積してから判断するのが望ましいでしょう。

短期間のデータだけで「AIエージェント経由の集患は効果がない」と結論づけてしまうと、本来伸ばせるチャネルを早期に切り捨ててしまう危険があります。

ツールの計測誤差を考慮せずに細かい数字を比較しない

Google Analyticsにはサンプリングやcookieブロックによる計測漏れがあり、数パーセント程度の誤差は避けられません。AIエージェント経由の流入推計は間接的な手法に依存しているため、誤差の幅はさらに広がります。

「先月より3件多い」といった小さな変動にこだわるより、四半期単位で大きな傾向を追う方が実用的でしょう。

よくある質問

クリニックのAIエージェント（Siri/Gemini/Alexa）対応に戻る

クリニックの生成AI・スマホ機能活用TOP

• Facebook
• X(旧:Twitter)
• はてブ
• LINE