「SEOの次はAIO」ではない──生成AI時代、中小企業は「比較される市場」を自分で作れるか
シリーズ: 論文渉猟
◆今回のレポート：Mengqiao Du and Xiumin Martin, “Generative AI and Mutual Fund Industry Concentration” (SSRN, 2026年8月28日）
概要：SearchGPT導入後、米国の投資信託ファミリーへのウェブ流入と資金配分がどう変化したかを、Similarweb、CRSP、SECのN-PORTデータで分析する。大手の検索・発見上の優位が弱まった可能性を示す一方、生成AIが競争や投資効率を改善したと断定する研究ではない。
AI検索で自社を表示させるには、どんな文章を書けばよいのか。構造化データはどこまで必要なのか。AI最適化（AIO）や生成エンジン最適化（GEO）をめぐる議論は、検索結果の新しい順位対策として語られがちである。検索エンジン最適化（SEO）の延長として捉える見方もある。だが、生成AIの変化を順位だけで捉えると、企業間競争のどこが動くのかを見誤る。より根本的な問いは、顧客が何を候補に入れ、どの尺度で比較するかを、誰が組み立てるのかである。
Mengqiao DuとXiumin Martinの論文「Generative AI and Mutual Fund Industry Concentration」は、SearchGPT導入後の米国投信市場におけるウェブ流入と資金配分を分析する。論文が示唆するのは、生成AIが投資判断を賢くしたことではない。大手ファンドファミリーが長く得てきた、発見されやすさに由来する相対的優位が弱まった可能性である。本稿ではまず論文の問い、データ、結果と限界をたどる。その後、投信市場で変化を支えた条件を手掛かりに、中小企業がAIOをどう捉え直せるかを考える。
投信市場の集中を、検索の摩擦から読み直す
米国の投資信託市場では、上位5社が管理する資産の割合が2005年の35％から2024年の57％へ上昇した。大手化の説明としては、優れた運用会社へ資金が集まることや、規模の経済が働くことが考えられる。DuとMartinはそこへ別の仕組みを加える。投資家が候補を見つけて比較するまでの費用である。
ファンドを選ぶには、膨大な商品の中から比較対象を絞り、情報を集め、違いを理解しなければならない。ブランド、広告、メディア露出、販売網、検索順位は、この探索を助ける。だが、同時にそれらは、商品の成績や適合性とは別に、既に知られているファミリーを候補集合へ入りやすくする。選択の機会は均等に配られていない。
投資家が個別の商品を見る前に、ファンドファミリー単位で候補を絞るという視点も重要である。複数のファンドを持つ会社なら、そのブランドや商品群自体が選択肢の一部になる。選ばれた理由が運用能力にあるのか、比較の入り口を多く持っていたからなのか。両方が同じ市場シェアへ現れる以上、後者を捉えるには発見経路を追う必要がある。
従来型検索では、投資家が検索語を組み立て、順位づけされたウェブページを選び、自分で情報を横断して比べる。生成AIは自然言語で示された目的を読み取り、複数の情報をまとめ、候補間の比較を返し得る。したがって変わる可能性があるのは情報への到達時間だけではない。何を調べるべきか、何と何を比べるかという認知的な手間も変わる。
ただし、候補集合が広がることは理論上の可能性にとどまる。大手には強いブランド、広告資金、豊富な商品群があり、AI向けの情報整備にも投資できる。生成AIが旧来の検索や販売経路を補完するだけなら、既存の優位をかえって強めるかもしれない。効果の方向は実証問題である。
SearchGPT導入後に変わった流入の集中
著者らは2024年7月のSearchGPT導入を、AI媒介の情報発見に生じた変化として分析する。Similarwebの月次ウェブ流入をCRSPの投信データ、SECのN-PORTによる新規販売データと結合し、2022年10月から2025年9月までの771ファンドファミリー、14,455ファミリー月を分析対象とした。プロトタイプの7月公開は利用範囲が限定されていたため、ChatGPT Searchが広く利用できるようになった2024年12月を起点にする検証や、初期展開と広範な提供を分ける分析も実施している。
市場全体の集中度には、上位5社の流入シェア、正規化したハーフィンダール・ハーシュマン指数、ジニ係数、エントロピーを使う。指標は分布の異なる面を捉える。上位5社のシェアは最大手の重みを、ジニ係数は分布全体の不均衡を、エントロピーは活動がどれほど広く分散しているかを示す。導入前には上位ファミリーへの流入集中が高まっていたが、SearchGPT後にその上昇傾向が鈍化した。
よく引用される13.5％という値は、実際のシェアが13.5％ポイント下がったという意味ではない。2025年9月時点の上位5社の流入シェアは回帰モデルの推計で64.871％。SearchGPT以前の上昇傾向が続いたと仮定した反実仮想は75.016％で、その差10.144ポイントが反実仮想のシェアに対して約13.5％に当たる。観察されたのは集中の崩壊ではなく、集中化の進行が止まったことに近い。
指標ごとの結果の強さも一様ではない。統制変数を入れた仕様で、上位5社の流入シェアと正規化HHIの傾向変化は統計的に有意だが、ジニ係数の傾向変化は有意でない仕様がある。複数の指標が同じ方向を向くことは重要だが、どの尺度でも同程度に確認されたと平板化してはならない。
ファミリー単位の分析では、SearchGPT以前の規模を固定し、家族ごとの固定効果と月固定効果などを含めて比較する。規模が1標準偏差大きいファミリーは、導入後の流入が相対的に約20％小さくなる。規模分布の75パーセンタイルと25パーセンタイルの差は約28％と推計され、最大規模のグループで影響が特に強い。これらは、大手の流入が絶対量で一律に減った、あるいは小規模会社の売上が同じ割合で伸びたという意味ではない。相対的な差を示している。
どこまで因果を読めるのか
著者らの機構解釈を支えるのは、規模別の結果だけではない。SearchGPT以前に直接流入、自然検索、従来型紹介、マーケティングへ強く依存していたファミリーほど、導入後の相対的な流入減少が大きい。OpenAIの障害が多い月には、大手の不利が弱まる。AIから直接ウェブサイトを訪れた流入が増えた時期に、従来の直接・自然検索の優位が大手側で縮む結果も報告される。どれか一つで因果を確定できなくても、旧来の発見経路が代替されたという説明と複数の証拠が整合する。
それでも、この研究は無作為化実験ではない。SearchGPTを利用した投資家と利用しなかった投資家を無作為に割り当てていない。2024年7月前後に、大手だけに不利な別の変化が起きた可能性を完全には排除できない。障害分析は解釈を補強するが、完全な操作変数ではない。またSimilarwebのサイト訪問は投資家の検索行動の代理であり、AI回答を読んだあとクリックせずに購入した人は直接観測しにくい。
流入と資金配分の関係では、上位5社の新規販売シェアは導入前傾向の延長に比べて約8.4％低く、総純資産シェアは約1.3％低いと推計される。規模が大きいファミリーほど新規販売シェアを失う結果は出るが、出金や純資金フローで同様の強さは確認されない。したがって「大手から中小へ大規模な資金移転が起きた」と読むより、新規購入の配分に相対的な変化が見られたとするのが正確である。
SearchGPT後には、過去の運用成績に対する新規販売の感応度も上がり、ファミリー規模に対する感応度は下がる。著者らはブランドや知名度から、観察可能な商品属性へ競争の重みが移った可能性を示す。ただし測定される属性は過去の成績であり、それを将来の品質や投資家利益と同一視できない。投資家が数字を比較しやすくなったことと、より良い投資判断をしたことは別の命題である。
ゆえに論文の強い結論は限定して述べるべきだ。SearchGPT導入後、米国投信市場で大手が持つ検索・発見上の相対的優位が弱まったという結果は、複数の分析に支えられている。一方、生成AIが投信市場の集中を因果的に低下させた、あるいは資本配分を効率化したとまで確定するには、なお距離がある。
投信市場の特殊性は、他業界への手掛かりになる
他業界への一般化を考えるとき、投信市場の特殊性は単なる但し書きではない。運用成績、費用率、投資対象など、顧客が比較したい属性が比較的標準化されている。規制に基づく開示や第三者データがあり、自己申告の主張を外から確かめられる。個別の新規購入は、既存契約や業務全体の移行を伴う取引より開始しやすい。この環境はAIの比較機能が働き、発見の変化が新規販売まで届く条件を備えている。
他市場で同じ効果が起きると決めつけることはできない。価格や仕様が不明確で、品質を第三者が確かめられず、導入に長い契約や移行費用が必要なら、AIが候補を並べても取引までは進まない。しかし、ここから実務的な問いを立てられる。投信市場に外から備わっていた比較可能性や検証可能性の一部を、個別の企業が自社の周囲に作れるだろうか。
比較されるために、企業が整えられる四つの条件
第一に、価値を観察できる形へ分解する。「高品質」「迅速」「柔軟」といった形容だけでは、顧客も検索システムも他社との違いを判断しにくい。初回応答時間、導入期間、総費用、対応する業務や連携先のように、意思決定に関係する属性を明示する。ただし平均値か中央値か、どの顧客群の実績か、測定期間はいつかも示さなければ、数字は新しい宣伝文句になる。
第二に、共通の尺度で比較可能にする。自社独自の指標だけを提示すれば、顧客は既存の選択肢と照らし合わせられない。初年度の総費用、設定に要する時間、毎月の管理負担、最低契約期間、移行に必要な作業など、代替商品にも当てはまる軸を選ぶ。比較表は自社が全項目で勝つという演出ではなく、どの条件で自社が適し、どの条件で他の選択肢が適するかを伝える道具になる。
第三に、主張を検証できるようにする。顧客事例、第三者レビュー、認証、公開データ、パートナーの説明など複数の情報源から重要な属性を確認できれば、企業自身の言葉だけに頼らずに済む。情報の量やリンク数が目的ではない。買い手が判断に使う主張について、根拠と測定方法を辿れる状態が目的である。
第四に、発見後の行動をしやすくする。無料試用、部分導入、標準的な契約、即時見積もり、移行支援などは、候補に入った商品を実際に試す費用を下げる。比較対象を増やすだけで取引が生まれるわけではない。評価から導入へ進む摩擦も設計対象になる。
この四条件は、AIOに関する確立済みの順位公式ではない。論文の発見メカニズムと投信市場の特徴から導いた戦略仮説である。Googleの生成AI検索に関する公式ガイドは、従来のSEOの基本が引き続き関係すると説明し、Google検索ではAI専用ファイルや特別な文章形式、専用の構造化データが必要だという説を否定している。少なくともGoogle検索については、クロール可能性、索引可能性、正確で更新された情報、明確な構造といった基礎を整え、顧客が比較に使う情報を読みやすく示すことが出発点になる。特定のファイルや文章形式だけで、AI上の表示や売上が安定して増えるとまでは、この論文や公式ガイドは示していない。
ブランドを消すのではなく、ブランドが隠していた属性を見えるようにする
大手のブランドは、顧客が測りにくい品質をまとめて推測する手掛かりとして働く。大企業だから安全だろう、導入後も支援が続くだろう、規模が大きいから複雑な要件にも応えられるだろう。知名度が担っている推測を分解し、信頼性、対応範囲、継続性、規制対応、導入能力などの具体的な根拠へ置き換えられる部分はある。
中小企業が「総合的に最良」と主張する必要はない。従業員数、予算、技術環境、導入期限、規制要件などの条件がそろったときに、どの商品が適合するのかを示せばよい。たとえば、専任のIT担当がいない小規模組織には向くが、複雑な全社統合では大手製品の方が適する、と明記できる。この境界があるから、顧客やAIは、誰に対する推薦なのかを判断できる。
ここで競争は、カテゴリ内の順位争いから、条件の組み合わせごとに適合性を問うものへ移る。業種だけでなく、組織規模、予算、利用者の技能、既存システム、移行許容度、導入の緊急度を重ねる。大手が強い従業員数や機能数といった軸で競わず、自社が勝てる状況を明示することは、狭い市場へ退くこととは異なる。顧客の具体的な必要に応じて比較軸を設計することである。
ただし、比較可能性は企業に都合のよい指標を選ぶ競争にもなる。導入速度を公開する一方、失敗率を隠す。応答の早さを示す一方、問題が解決した割合を示さない。測れる属性が増えるほど、何を測定対象にするかを決める力が重要になる。顧客にとって実質的な価値があるか、母数と限界が開示されているかを問わなければ、AIOは新しい形の選別操作になり得る。
次の意思決定点を取り、仲介者の集中を見張る
投信論文で新規販売の変化が総資産より大きかったことから、他市場への仮説として導けるのは、既存顧客を一度に全面的に切り替えるより、新しい意思決定が開く場所を見つけることだ。新設部署、新規プロジェクト、契約更新、新しい用途、地域展開などでは、比較のやり直しが起こり得る。全社システムの一括置換より、新しいチームの限定導入の方が、顧客にとって選択の入口が小さい場合もある。
こうした局面に合わせ、部分契約、短期パイロット、試用、段階的な導入を用意する。検索や比較で候補に入るだけでなく、試す費用を下げる。これは論文から直接検証された施策ではなく、新規販売の結果を、取引の摩擦という観点から別市場へ移した実務上の推論である。
また、旧来の門番が弱まることは、門番がなくなることを意味しない。AI検索のプラットフォームは、どの情報源を参照し、何を比較対象として提示するかを決める仲介者になる。AIサービス自体へ影響力が集中し、大企業が先行して情報供給や提携を整えれば、新しい流入経路でも既存の格差が戻る可能性がある。企業側の情報整備と同時に、AIが何を根拠に候補を選び、どの誤りを訂正できるのかという透明性も問われる。
AIOを、発見可能な市場条件の設計として捉える
生成AIは中小企業を自動的に有利にしない。検索費用を下げる技術は、既に知られたブランドの情報も広く届けられる。しかし、ブランド、広告、検索順位が候補入りを左右してきた市場で、AIが顧客の条件を商品属性へ結び直すなら、比較の入口を争う余地は広がる。
したがってAIOの中心を、AI検索に引用されるための文章加工に置くべきではない。顧客が重要な条件を述べたとき、自社が候補になり、代替案と比べられ、根拠を確かめられ、次の行動へ進める状態を作ることにある。投信市場の結果は、この戦略がどの市場でも効く証明ではなく、働きやすい条件を見つける手掛かりである。
比較可能性が広がれば、測りやすいものだけが価値を持つという新しい歪みも生じる。関係性、例外への対応、長期的な信頼のように数字へ還元しにくいものは、比較表の外へ押しやられやすい。ゆえに企業は、自社に有利な尺度を並べるだけでなく、その尺度が顧客の判断にとって妥当かを説明しなければならない。
大手より有名になるのではなく、自社が最も役立つ条件を具体的に示し、その主張を他者が確かめられるようにする。AI時代に中小企業が作り得るのは、勝利を約束する抜け道ではない。名前を知っているかどうかだけで候補が決まる市場に、適合性を判断する別の入口を加えることである。
ポイント整理
発見上の優位の弱まり
SearchGPT導入後、大手ファンドファミリーのウェブ流入上の相対優位と、集中化の上昇傾向が弱まった。
13.5％は実際のシェア下落幅ではなく、導入前トレンドを延長した反実仮想との差である。
資金配分の変化は段階ごとに読む
新規販売シェアの変化は、総資産シェアの変化より大きい。
純資金フローや投資家の利益が改善したと結論する証拠は限定される。
投信市場の条件は応用の設計図になる
標準化された属性、第三者検証、低い新規購入摩擦が、AIによる比較を支えた可能性がある。
他業界では、これらの条件を企業が自ら整えられる範囲を見極める。
AIOは比較から行動までの情報を整える
観察可能性、比較可能性、検証可能性、行動可能性を商品情報と取引設計に組み込む。
顧客にとって意味の薄い指標や自己申告の数字を増やすだけでは、判断の質は上がらない。
中小企業は条件付きの適合性を示す
自社が向く顧客と向かない顧客、勝てる比較軸と大手が適する条件を明示する。
既存顧客の全面的な切り替えより、新しい意思決定点で試せる提案を用意する。
AIは新しい仲介者でもある
旧来のブランド・検索の門番が弱まっても、AIプラットフォームへ選別力が集中する可能性が残る。
公開情報の整備とともに、推薦根拠や誤り訂正の透明性が課題になる。
キーワード解説
【検索摩擦】
候補を見つけ、情報を集め、比較するためにかかる時間や認知的な負担。探索が難しい市場では、既に知られたブランドや販売経路が候補入りを助ける。
【候補集合】
選択肢全体から、顧客が実際に比較検討する対象として残した集合。検索結果やAIの回答が何を含めるかは、商品が評価される機会そのものに影響する。
【反実仮想】
観察された出来事が起きなかった場合に、結果がどうなっていたかを推定した比較対象。論文の13.5％は、SearchGPT以前の集中傾向が続いた場合の推計との差を表す。
【検証可能性】
企業の主張を、第三者データや顧客事例、測定方法などから確かめられる性質。情報量を増やすことより、重要な属性の根拠を辿れることが大切である。
【適合境界】
商品が役立つ条件と、別の選択肢の方が適する条件の境目。適合しない顧客も明示することで、条件付きの比較や推薦が可能になる。