複数店舗をAIに区別させる
情報の持たせ方｜混同が起きる仕組み

「〇〇店の予約をお願いします」と電話が鳴り、受けたのは別の拠点だった。生成AIに自社の店名を尋ねたら、A店の住所とB店の営業時間が混ざった答えが返ってきた。二年前に閉じた拠点が、いまも検索結果のどこかに残っている。同じ屋号で複数の店を持つ会社で、こうした場面に心当たりはないでしょうか。これは入力ミスや設定漏れではなく、機械の側が「同じ名前の店が複数ある」という状態をどう処理しているかから、構造的に生まれています。どこで混同が起き、店にはどんな形で現れ、なぜ社内からは見えないのか。仕組みの側から順に見ていきます。

同じ看板の店が複数あるとき、機械は何を手がかりに区別しているのか

まず前提を整理します。検索エンジンも生成AIも、店を「名前」で区別してはいません。名称や所在地、連絡先といった、店にまつわる断片を突き合わせて、これとこれは同じ店か、別の店かを推定しています。人間が看板を見て区別しているのとは、まったく別の作業です。

単独店であれば、この推定はほとんど迷いません。名前も住所も電話番号も、世の中に一組しか存在しないからです。ところが同じ屋号で拠点が増えると、材料の半分が共通になります。拠点どうしを分けている材料は、思っているよりずっと少なくなります。区別の材料が減り、共通の材料が増えた状態で、機械は同一性を判定することになります。

ここで押さえておきたいのは、この判定が、同じ店か別の店かのどちらかに倒れて扱われることがある点です。そして倒れる向きは、材料の揃い方によって変わります。多拠点の会社で情報の整備が難しいのは、埋める欄が拠点の数だけ増えるからではなく、埋め方によって判定が正反対に転ぶからです。

混同はどの段階で生まれるのか

店の情報は一箇所にはありません。自社が管理している面のほかに、自社が書いていない面にも散らばっており、機械はそれらを独立した情報源として読みます。

そして、それぞれの面での店の指し方は、まず揃っていません。人間が読めば同じ店だと分かる揺れでも、機械にとってはそれが判定の入力そのものです。しかも揺れの出どころの多くは、自社が書いていない面の側にあります。

ここで起きるのは二方向の事故です。ひとつは、別の拠点どうしが同じ店として束ねられること。もうひとつは、同じ拠点が複数の別の店として分裂すること。症状は正反対に見えますが、根は同じところにあり、打開の手は逆を向きます。そして、どちらに倒れるかを事前に予測することはできません。

混同が起きている会社に出る症状

混同そのものは目に見えません。見えるのは、日常業務のなかに散らばった、一見すると関係のない出来事です。別の拠点宛ての予約電話が入る。閉じたはずの拠点について問い合わせが来る。AIに自社名を尋ねると、拠点ごとの営業時間が入れ替わって返ってくる。マップで屋号を検索したとき、来店してほしい拠点より先に別の拠点が並ぶ。口コミが特定の一拠点に集中し、他の拠点はいつまでも件数が伸びない。

現場ではこれらが別々の問題として処理されます。電話は「お客様の勘違い」、AIの誤りは「AIの精度の問題」、口コミの偏りは「あの店長が声かけを頑張っているから」。個々の説明としては筋が通っているため、根が一つだということに気づく機会がありません。混同は、症状の側からは決して名指しされない種類の不具合です。

「拠点ごとにページを作れば区別される」という理解のずれ

対策としてまず挙がるのが、拠点ごとの店舗ページです。これ自体は必要な前提ですが、ページを分けたことで区別されるようになる、という理解には一段の飛躍があります。

ページを分けると、機械の側には新しい問いが生まれます。この複数のページは、一つの会社の下にある並列の拠点なのか、それとも同じ内容を別のURLで出している重複なのか。この問いへの答えは、ページを分けただけでは示されません。答えを左右する材料は自社のページの内側だけでなく外側にも散らばっており、どれが効いているかで判定が逆に倒れます。ページを分けたという事実は、区別されているという結果を保証しません。

そして、どちらに倒れているかは自社のページを眺めても分かりません。判定の材料には外部の情報源が含まれており、そこには自社が書いていない表記も混ざっているからです。自社の拠点がいま束ねられているのか分裂しているのかは、外から見た状態を確認しないと決められません。拠点がいまどう見えているかは、無料診断で確かめられます。GoogleマップのURLを貼ると、要点がその場で表示されます。

放置したときに積み上がるもの

混同の損失は、一件ごとには小さく見えます。電話を転送すれば済む、AIの答えが少し違うだけ。ですが、時間の経過とともに積み上がる性質があります。

ひとつは評価の分散です。実際には来店してもらえた客が、口コミを書くときに別の拠点を選んでしまう。あるいは束ねられた状態のまま口コミが片方に集まり、もう一方はいつまでも件数が積み上がりません。評価は拠点ごとの検索での見え方に直結するため、この偏りはそのまま拠点間の集客の差になります。

もうひとつは、誤りが誤りを呼ぶ流れです。AIの答えを信じて別の拠点に行った客は、そこで「聞いていた話と違う」という体験をします。その不満が口コミに書かれ、口コミがまた次のAIの答えの材料になる。訂正しないまま置いた情報は、時間が経つほど訂正しにくい形に固まっていきます。その間、取り違えで別の拠点に向かった客や、閉じた拠点の情報を見て諦めた客は、どの拠点の来店数にも記録されないまま減っていきます。

なぜ自社の中からは混同が見えないのか

ここまで読むと「では自社は大丈夫か確かめよう」となりますが、社内から確かめるのが難しいのには理由があります。

社内では拠点が完全に区別されています。管理画面も拠点ごとに分かれ、スタッフも当然のように区別しています。混同は社外の面でだけ起きているため、内側からは何も異常が見えません。しかも判定の材料の多くは自社の外にあり、他社の掲載面が自社の拠点をどう書いているかは、自社の管理画面には出てきません。AIの応答も聞き方や利用者の状況によって変わるため、一度試して正しい答えが返ってきても、それは確認になりません。

FACTORが多拠点の情報設計を引き受けるとき、見ているのは自社サイトとプロフィールの中身だけではありません。各拠点が自社の外の面でどう指されているか、同一商圏で競合の多拠点がどう区別されているか、そしてAIの応答が拠点ごとに何を返すかまで並べたうえで、どこから整理するかを決めています。応答は聞き方・地点・時点を変えるたびに入れ替わるため、一度の結果では何も言えず、並べて初めて形になります。そしてその並びは、自社の管理画面にもサイトの解析にも一行も残りません。担当者の注意力の問題ではなく、記録の取りようが最初から社内にない、という構造です。

よくある質問

まとめ

同じ屋号で複数の拠点を持つと、機械の側では区別の材料が減り、共通の材料が増えます。その結果、拠点が束ねられる方向にも、分裂する方向にも判定が倒れ得ます。症状は電話の取り違えや口コミの偏りといった日常の出来事として散らばって現れるため、根が一つだと気づく機会がありません。判定の材料の多くが自社の外にあり、社内からは異常が見えないという構造も、この問題を長引かせます。外から見たときの区別のされ方は、社内からは再現できません。持っている側に出してもらうほうが早いはずです。