Webサイトを訪れるのは、画面を見ながら情報を探す人だけとは限りません。AIに候補を尋ね、その回答を参考にサイトを開く人もいれば、AIエージェントに情報収集などの作業を任せる使い方も考えられます。こうした接点を理解するには、「誰が訪れたか」だけでなく、「どこで候補に挙がり、誰が操作し、何を確かめようとしているか」を分けて考えることが大切です。
Microsoft Clarityのブログ記事は、「Agents act, LLMs recommend, and people browse. Microsoft Clarity connects all three journeys.」という見出しを掲げています。日本語にすると、「エージェントは行動し、LLMは推薦し、人は閲覧する。Microsoft Clarityは三つの経路をつなぐ」という趣旨です。
Clarityが示す三つの機能と役割
Microsoft Clarityの公式発表では、AIエージェントの活動を捉えるAgentic Analytics、顧客の商品・サービス探しを助けるBrand Agents、サイト上の行動を質問して分析するAsk Clarityが紹介されています。三つの機能を一つの計測値として扱うのではなく、利用者のどの接点を理解したいのかに合わせて役割を整理することが重要です。
AIの行動、推薦、訪問という三つの接点は、観測できる内容や役割が異なります。特定の画面で見える結果を、すべてのAIの行動や推薦理由の追跡と同じ意味に捉えないことが重要です。ここからは、公式発表が示す方向性を、サイト運営上の判断へどう結び付けるかを考えます。
「行動する」「推薦する」「閲覧する」の違い
AIエージェント：目的に向けて作業する
AIエージェントは、利用者の目的に応じて情報を集め、操作を進める仕組みです。Clarityは、対応するエージェントの訪問やサイト上の活動を確認する機能を案内しています。運営側では、どの操作を確認したいかを先に決め、対応範囲と実際の表示を照らし合わせて利用します。
この接点で考えたいのは、「サイトの情報が正しく読み取られ、目的に沿って扱われるか」です。人には見やすいページでも、対象者、料金の条件、サービスの範囲などが曖昧なら、必要な情報を取り違える余地が生まれます。まずは情報そのものの明確さを確認することが出発点になります。
LLM：比較や選択の候補を示す
LLMは大規模言語モデルの略称です。利用者が質問し、回答の中で商品やサービスの候補を知る場面は、「サイトに来てから何を読むか」とは別の接点です。見出しの「LLMs recommend」は、こうした推薦の役割を表していると読めます。
ただし、LLMが候補を示したことと、その候補のサイトに訪問が発生したことは同じではありません。回答を読んだだけで比較を終える人もいれば、複数のサイトを開いて確かめる人もいるでしょう。推薦、訪問、問い合わせを一つの出来事として扱わず、それぞれ別の段階として考える必要があります。
人：読んで確かめ、判断する
人の閲覧では、説明の分かりやすさや、疑問を解消できる導線が重要です。AIの回答をきっかけに訪れた場合でも、サイト上で内容を確認し、選ぶかどうかを判断する場面があります。期待していた情報が見つからなければ、検討が止まることも考えられます。
したがって、AIへの対応を考えるときも、人にとっての読みやすさを切り離すべきではありません。概要だけでなく、適用条件や注意点まで理解できることが、判断を助ける基礎になります。
三つの経路を「つなぐ」とはどう考えるか
ここでいう「つなぐ」は、運営上の考え方としては、別々の接点を同じ顧客理解の中で捉えることと整理できます。たとえば、LLMの回答でサービスを知り、人がサイトを訪れ、必要に応じてエージェントに追加の情報収集を任せる流れが考えられます。これは説明用の仮定であり、実際の顧客事例ではありません。
大切なのは、各段階で起きたことを混同しないことです。候補として紹介されたか、サイトが訪問されたか、必要な情報が確認されたか、問い合わせに至ったかは、それぞれ別の問いです。一つの指標だけで経路全体の良しあしを判断すると、改善すべき場所を見誤るおそれがあります。
考え方として経路を結び付けることと、同じ利用者の行動を連続して特定することは区別します。運営上は、集計の単位、観測できる操作、関連付ける条件を確認し、別々の接点の数字を単純に足して評価しないことが大切です。計測の範囲と、そこから行う判断を対応させて考えます。
サイト運営で、まず整理したいこと
重要な情報を曖昧にしない
一般的な改善として取り組みやすいのは、サイト内の説明を見直すことです。「何を提供するのか」「誰が対象なのか」「どの条件で利用できるのか」を明確にし、古い説明と新しい説明が食い違っていないかを確認します。
これは特定のAIで推薦されることを保証する方法ではありません。人やシステムが参照したときに、判断材料を取り違えにくくするための情報整理です。目立つ表現を増やす前に、内容の正確さと一貫性を整えることが重要です。
知りたいことを先に決める
分析ツールを使う前には、何を判断したいのかを具体化するとよいでしょう。「AIとの接点を知りたい」という広い目的だけでなく、確認したい場面を切り分けます。
- サイトに到達する前に、どのような情報が候補選びに使われているのか。
- 訪問後、利用者が判断に必要な説明へたどり着けているか。
- サイト上の行動について、データから確認できることは何か。
- 観測できない部分を、推測で埋めていないか。
これらは検討のための問いであり、Clarityで全項目を測定できるという意味ではありません。実際の計測範囲に合わせて、答えられる問いと答えられない問いを区別することが大切です。
観測結果と理由の推測を分ける
仮にあるページへの訪問が増えても、それだけで「LLMに推薦されたから」とは断定できません。また、特定の操作が記録されても、その行動の目的まで分かるとは限りません。まず観測できた事実を記述し、理由については仮説として扱う姿勢が必要です。
Ask Clarityについて、公式発表は行動データを調べ、関連するセッション記録を示す分析の方向性を案内しています。分析結果を改善へ使う際は、結論だけでなく、対象期間や集計範囲、根拠となる観測記録を確認します。提案をそのまま採用せず、実際のページや業務条件に照らして判断することが基本です。
AIと人を分けて捉え、全体で理解する
Microsoft Clarityの記事の見出しは、サイトとの接点を、人の閲覧だけに限定せず考える視点を示しています。一方で、エージェントの行動、LLMの推薦、人の閲覧は、役割も観測の難しさも異なります。まず違いを整理し、そのうえで全体の流れを考えることが、無理のない出発点です。
導入時には、利用する機能の提供段階と適用条件を確かめ、自社サイトで何を観測し、どの判断に使うかを決めましょう。サイトの情報を正確に保ち、観測した事実と理由についての仮説を分けることが、AIと人の両方を見据えた改善につながります。
改善の記録を次の判断につなげる
実務では、改善前のページ、変更した説明、確認する指標、比較期間を一組で記録しておくと、後から判断の根拠をたどれます。観測できた行動と、その理由についての仮説を別欄に残し、次の確認で何が分かれば仮説を見直すのかも決めておきましょう。
