ChatGPTのウェブアプリに質問し、同じ質問をAPIに送ると、異なる2組のおすすめが返ってくることがよくあります。2026年の統制実験は、アクセス面間の差が通常の実行間ノイズの1.5〜3.6倍に達すると測定しました。測定面を明示しない可視性スコアは、他のどのスコアとも比較できません。
何が測定面になるのか
同じモデルでも、複数の製品を経由してユーザーに届きます。そして経路ごとが独立した測定面です。Petra LabsはGPT-5.2について3つを区別しています。ログイン済み有料ChatGPT、未ログイン無料ChatGPT、そしてResponses APIです。これらは同じモデル名でありながら、システムプロンプト、検索バックエンド、地理的シグナル、サンプリング設定が異なることがあります。
ウェブインターフェースには、API呼び出しには決して見えない層が追加されます。2026年10月に同モデル比較を公開したドイツの開発者Nikolai Fischerが挙げるには次の層があります。chatgpt.comはOpenAIが公開していないシステムプロンプトを動かし、ウェブ検索するかどうかを自ら判断し、ユーザーの位置情報、チャット履歴、保存済みメモリを知っています。APIはもっと素の状態です。そちらでウェブ検索を使うには開発者がツールをオンにする必要があり、多くのプロンプト追跡ツールはコスト削減のためオフのままとします。そのためモデルは学習メモリだけから答えます。モデルの同一性も面の一部です。ChatGPTアプリはモデル名の代わりにthinkingレベルを表示し、そのせいでFischerの最初のAPI回は誤ったモデルをベンチマークしました。
統制実験が見つけたこと
統制実験は面以外のすべてを固定して比較しました。アンサーエンジン最適化代理店のPetra Labsは、2026年2月26日、ウェブ検索を強制しパーソナライゼーションを無効にした条件で、同一の商品リサーチプロンプトをGPT-5.2の3つの面それぞれに300回ずつ送り、合計900試行としました。各面の試行を半分に分けたときのノイズフロアは、ブランド可視性でRMSE 4.5〜7.1%でした。異なる面の全サンプル間の差は10.8〜16.1%で、面の効果は偶然の1.5〜3.6倍に達しました。Blizzardはログイン試行の30%とAPI試行の62.3%に登場し、32ポイントの振れを見せました。Renounはチャット試行の15〜18%に現れた一方、APIでは一度も現れませんでした。ログイン済みChatGPTとAPIでおすすめ上位5ブランドが重なったのは25%でした。Petraは最適化サービスを販売しており、試行数と手法は公開されています。
Fischerの実験は、chatgpt.comとclaude.ai（デスクトップ）、および両ベンダーのAPIを通じて、買い手スタイルの質問29件を、両側で同じモデル（GPT-6 SolとOpus 5.5）で実施しました。318件の回答の間で、ChatGPTのウェブ回答同士はブランドの54%（Jaccard類似度）を共有し、ウェブ回答とAPI回答は28%、API回答同士は34%を共有しました。APIは自分自身よりもウェブとの一致度が低かったのです。これはノイズではなく、系統的な差のシグネチャです。Claudeの場合、面をまたいだ数値は21%で、同面ベースラインの33%に対しました。この差はソフトウェアの質問（38%）と国際的な質問（42%）では許容範囲に収まった一方、地域のサービス業者では崩壊しました。ChatGPTで15%、Claudeで12%です。ウェブChatGPTは回答あたり平均471語と7.4ブランドでしたが、API経由の同じモデルは約151語と3.7ブランドでした。Fischerはプロンプトトラッカーを販売していませんが、関連するSEOツールを開発していることは開示しており、完全な中立者でもありません。彼は自らの限界を率直に示しています。一人、一日、一所在地、デスクトップのみ、29プロンプト。
ベンダー研究が付け加えるもの
追跡ベンダー自身も比較を実施しています。インターフェース型追跡を販売するPromptwatchは、2026年8月のテストで、インターフェース実行とAPI実行がソースの25.6%を共有したこと、インターフェースが見つけたソースの70%はAPIの結果には一度も現れなかったことを報告しました。スクレイピング型トラッカーを販売するSurferは、独自のスクレイピング対API比較を実施しました。ChatGPTではブランドの24%、ソースの4%が重なり、PerplexityではAPIが回答あたり約7ソースを返したのに対し、スクレイピング結果は10ソースでした。Promptwatchのまとめは、2026年4月の研究にも言及しています。ファネル下部の35プロンプトを3つの構成で10日間走らせたところ、ChatGPTインターフェースは845のユニークブランド、検索なしAPIは135、検索ありAPIは580を浮上させました。
これらにはすべてベンダー研究というラベルを付けてください。Promptwatch自身がはっきり述べています。引用している研究はインターフェース型追跡を販売するベンダーが出したものなので、その前提で読むように、と。3社が同じ方向に収束していること自体は証拠ですが、引用すべき数値は上の統制実験のものです。
面を固定しても、対象はずれ続ける
面を1つ選んで固定し続けても、測定対象は動きます。ChatGPTの有料プランのデフォルトは2026年10月7日からGPT-6 Solですが、アプリはモデル名を表示しません。6つのエンジンが回答をライブ検索にどれだけgroundingさせるかを、エンジンあたり約2,500プロンプトで測定しているCloroは、Geminiのgrounding率が2026年7月の41.1%から8月には70.7%に動くのを観測しました。同じ間にChatGPTは7月の98.4%から10月の97.6%へ移りました。回答の振る舞いは定数ではなく、動くパラメータです。
広告は2つ目の可変要素で、一部の面にしか存在しません。OpenAIは2026年2月9日から、米国のFreeおよびGoプランのログイン済み成人ユーザー向けに、ChatGPTの回答内でラベル付き広告の表示を始めました。2026年5月20日のGoogle Marketing Liveで、GoogleはAI Mode内の広告フォーマットを発表しました。リスト形式の回答内のスポンサード項目を含み、現在は米国でテスト中です。PromptwatchのFAQは測定上の帰結をはっきり述べています。広告、ショッピングカード、画像カルーセル、ローカルパネルはインターフェースにしか存在せず、APIレスポンスには含まれない、と。APIベースのトラッカーは無料層の買い手が実際に見ているものを見逃し、スポンサードをオーガニック引用と分けないインターフェース型カウンターは獲得可視性を過大表示します。
あらゆる可視性スコアに問う5つの質問
2つのスコアを比較する前にも、1つの数字を予算会議に持ち込む前にも、面の質問を最初に置いてください。ツールを評価するなら、これはすべてのベンダーでリストの先頭に置くべき項目です（当サイトのdevtoolツール比較）。
第一に、どの面が測定されたのか。ログイン済みウェブか、未ログインウェブか、APIか。そしてウェブ検索は強制オンだったのか。
第二に、どのモデルバージョンで、どの日付か。Fischerが破棄した最初のAPI回が、ここがいかに簡単に間違うかを示しています。
第三に、プロンプト数とプロンプトあたりの実行回数はいくつか。Petraの面内ノイズフロアは4.5〜7.1%なので、小さなサンプルでは本当の5ポイント向上と偶然を区別できません。
第四に、スポンサード項目をオーガニック引用と一緒に数えているのか、分けているのか。
第五に、ベンダーに一切言及しない回答をどう扱うのか。Promptwatchは言及なしの回答をゼロと採点し、手法を公開しています。すべてのベンダーがそうしているわけではありません。
Fischerの重なり数値はソフトウェアの質問（38%）と英語の国際セット（42%）で最高でした。地域のサービス業者では、面同士が一致したのはおよそ7ブランドのうち1つだけでした。面を買い手のいる場所に合わせ、固定し続け、毎月再実行してください（手動のやり方は道具不要で半日でできます）。手間をかける商用上の理由は変わりません。買い手は回答内で名前を挙げられたブランドから選ぶのです。
私たちにできること
私たちはこのテストの大きな版を業務として実行しています。このサイトの運営チームCiteGapは、買い手が使うエンジン全体に買い手質問30件を投げ、御社の製品が欠けている理由を突き止め、修正リストを手渡します。単発のプロジェクトとしてです。継続モニタリングは月額サブスクリプションで利用できます。私たちが渡すすべての数字には手法が付随します。質問、エンジン、日付です。無料スキャンはホームページを即座にチェックし、各結果をページ上に表示します。
よくある質問
なぜChatGPTはウェブとAPIで異なる答えを返すのか？
ウェブアプリはOpenAIが公開していないシステムプロンプトを動かし、ウェブ検索するかどうかを自ら判断し、ユーザーの位置情報、チャット履歴、保存済みメモリを使います。APIには開発者が追加しない限りこうした層がなく、多くの追跡ツールはコスト削減のためウェブ検索をオフのままにします。29の質問にわたる同モデル比較では、ChatGPTのウェブ回答とAPI回答が共有したブランドは28%、2つのウェブ回答間の共有は54%でした。
AI可視性スコアの精度はどのくらいか？
測定された特定の面についてのみ正確で、それ以上ではありません。Petra Labsの900試行の実験では、アクセス面をまたいだブランド可視性の差は、同一面内の繰り返し実行間の差の1.5〜3.6倍でした。スコアは、あるエンジンの一部スライスをある日付群で測ったものとして扱い、エンジン全体の測定としては扱わないでください。
2つの異なるツールのAI可視性スコアを比較できますか？
直接には比較できません。ツールごとに異なる面でデータを収集し、異なる式で採点し、異なるプロンプト集合をカバーしています。Promptwatchの報告では、顧客は同じブランドについてツール間に5〜15%の差を日常的に目にしています。各ベンダーに面、モデルバージョン、採点方法を尋ね、小数値ではなくトレンドの方向を比較してください。
ChatGPTのAPIはユーザーが見る広告を返しますか？
返しません。広告、ショッピングカード、画像カルーセル、ローカルパネルはインターフェースにしか存在せず、APIレスポンスには含まれ得ません。ChatGPTは2026年2月9日から、米国のFreeおよびGoプランのログイン済み成人ユーザーにラベル付き広告を表示しています。
AIエンジンは時間とともに回答の振る舞いを変えますか？
変えます。しかも追跡に関係のある時間スケールでです。Cloroの測定では、Geminiのgrounding率は2026年7月に41.1%、8月に70.7%でした。ChatGPTの有料プランのデフォルトモデルは2026年10月7日にGPT-6 Solに変わりました。信頼できるトレンドに必要な最低限は、固定した面での毎月の再実行です。
出典
- Petra Labs、900試行のアクセス面実験、2026年2月26日（最大32.3ポイントのブランド振れ。ログイン対APIのトップ5重なりは25%）: petralabs.com
- Petra Labs、折半ノイズ分析（面内RMSE 4.5〜7.1%、面間10.8〜16.1%）: petralabs.com
- Nikolai Fischer、同モデルのウェブ対API比較、2026年10月16日（29プロンプト、318回答。ChatGPTのJaccardは54/28/34%。Claudeは21%対33%）: nikofischer.com
- Promptwatch、UI対API追跡テスト、2026年8月（共有ソース25.6%。インターフェースのソースの70%はAPI結果に不在。ツール間の差は5〜15%）: promptwatch.com
- Surfer、スクレイピング対API研究（ChatGPTのブランド重なり24%、ソース重なり4%。Perplexityは7対10ソース）: surfer.ai
- Cloro、エンジン別grounding率（Geminiは2026年7月〜8月で41.1%から70.7%。ChatGPTは7月98.4%、10月97.6%）: cloro.dev
- ppc.io、ChatGPT広告のタイムライン（米国での提供開始は2026年2月9日、FreeおよびGoプランのログイン済み成人が対象）: ppc.io
- Search Engine Land、Google Marketing Live 2026（AI Modeの広告フォーマット、米国でテスト中。2026年5月20日）: searchengineland.com