ふくふくHukuhuku Inc.
EP.06GEO / LLMO 10分公開: 2026-05-10

LLMO ツール比較:Profound / Otterly.ai / Peec AI / 自前実装

AI 検索エンジンでの引用率を計測する専門 SaaS が登場している。Profound / Otterly.ai / Peec AI / Goodie の機能と料金、自前 (Python + 各 AI API) の DIY、組織規模別の現実解。

#LLMO#ツール#Profound#Otterly#Peec AI
CO📔 Google Colab で開く(上から順にセルを実行)
シェア

AI 検索エンジンでの引用率を計測する LLMO 専用 SaaS が 2024-25 年に登場しました。本記事では主要 4 ツール + 自前実装の比較を行います。

1. 主要ツール一覧

ツール対象料金目安強み
Profoundエンタープライズ$500-/月競合分析、引用源詳細、API 提供
Otterly.ai中小規模$30-100/月シンプル UI、初学者向け
Peec AI中小規模$50-200/月ChatGPT 引用追跡に強い
Goodie AI新興$25-/月若い、価格安め
自前 (Python + API)DIY$20-100/月 (API 従量)完全カスタマイズ

2. 共通機能

  • ターゲットクエリ管理: 監視したいクエリを登録
  • マルチ AI 横断: ChatGPT / Perplexity / Claude / Bing Copilot 等で同じクエリを実行
  • 引用源の追跡: 自社が引用された場合、引用順位・引用文脈の記録
  • 競合追跡: 同じクエリで競合他社の引用率もトラッキング
  • 時系列ダッシュボード: 引用率の推移を週次/月次で可視化
  • アラート: 順位変動・新規引用検出時の通知

3. Profound (エンタープライズ向け)

  • 規模感: 大企業向け、最も機能が豊富
  • 強み: 競合分析が深い、API 提供、SOC 2 対応
  • 弱み: 高額 ($500-/月から)、UI がやや複雑
  • 向いている: 大企業のマーケ部、エージェンシー

4. Otterly.ai (中小規模向け)

  • 規模感: 中小〜中規模、コスパ重視
  • 強み: UI シンプル、月 $30 から、無料トライアルあり
  • 弱み: エンタープライズ機能なし、API なし
  • 向いている: スタートアップ、個人事業主、自社マーケ担当

5. 自前実装 (Python)

シンプルな自前 LLMO トラッカー
Python
import anthropicimport openaiimport requestsimport datetime
# ターゲットクエリqueries = [    "GEO LLMO 入門",    "AI 検索 SEO 違い",    "ChatGPT 引用 サイト 対策",]
# 各 AI に問合せて引用源を抽出def query_perplexity(q):    r = requests.post('https://api.perplexity.ai/chat/completions',        headers={'Authorization': f'Bearer {PERPLEXITY_KEY}'},        json={'model': 'pplx-70b-online', 'messages': [            {'role': 'user', 'content': q}        ]})    return r.json()  # 引用 URL リストを含む
def query_claude(q):    client = anthropic.Anthropic(api_key=ANTHROPIC_KEY)    msg = client.messages.create(        model='claude-3-5-sonnet-latest',        max_tokens=1024,        messages=[{'role': 'user', 'content': q}],    )    return msg.content[0].text
# 結果を BigQuery / Sheets に保存for q in queries:    result = query_perplexity(q)    citations = extract_citations(result)    save_to_db(date=datetime.date.today(), query=q,               ai='perplexity', citations=citations)    # ChatGPT, Claude も同様

6. 自前 vs SaaS の損益分岐点

項目自前SaaS
初期コスト実装 1-2 週間0 (アカウント作成のみ)
運用コストAPI 従量 + 開発工数月額固定 $30-500
カスタマイズ性完全自由ツール機能内
多 AI 対応都度実装標準対応
保守自分で行うSaaS 側が更新
損益分岐クエリ 100+ で安いクエリ 100 以下なら SaaS が楽

7. ツール選びの実践フロー

  1. 1Step 1: ターゲットクエリ 10-30 件を定義
  2. 2Step 2: 1 ヶ月手動で月次計測 (Excel / Sheets で記録)
  3. 3Step 3: 効果が見えてきたら Otterly.ai 等の安い SaaS で自動化
  4. 4Step 4: クエリ数 100+ になったら Profound or 自前実装に移行
  5. 5Step 5: ダッシュボード化して経営層に報告

8. ふくふくの推奨スタック

中小規模で始めるなら

最初は手動 + Sheets で 1 ヶ月、効果実感したら Otterly.ai (月 $30) で自動化、組織が大きくなったら 自前 Python + BigQuery に移行、が現実的なステップ。1-3 まで合計 3 ヶ月で運用が回る状態に。

9. ここまでのまとめ

EP.01-06 で LLMO の理論 → llms.txt 実装 → 構造化データ → 著者シグナル → 業界別戦略 → ツール比較 という一連の流れを扱いました。本シリーズは読者リアクションに応じて、「ChatGPT search の挙動深掘り」「Perplexity 専用最適化」「Apple Intelligence 対応」 などの続編を随時追加していきます。

シェア

この記事の感想を教えてください

あなたの 1 クリックで、本当にこの記事は更新されます。「もっと詳しく」「続編希望」が一定数集まった記事は、 ふくふくが 実際に内容を拡充したり続編記事を公開 します。 送信したリアクションはお使いのブラウザに記録され、再カウントされません。

シリーズの外も探す:

まずは、現状を聞かせてください。

要件が固まっていなくて大丈夫です。現状診断と方針提案までを無料でお手伝いします。

無料相談フォームへ hello [at] hukuhuku [dot] co [dot] jp