多店舗MEOでは、行動件数が多い店舗をそのまま「優秀店」と判断すると、改善対象を取り違えることがあります。都心店と郊外店では検索需要も競合数も異なり、同じ100件のルート検索でも成果を得る条件が違うためです。
この記事では、商圏規模・検索需要・競合密度を店舗条件としてそろえ、類似条件の店舗群から期待値を作る方法を整理します。結論は、店舗条件を直接点数へ加算するのではなく、似た条件の店舗を比較対象にし、「実績÷期待値」で評価することです。
これにより、本部は単純な件数ランキングでは見落としやすい改善優先店と、成功施策を横展開すべき店舗を選びやすくなります。
多店舗MEOは「実績の大きさ」ではなく「条件に対してどこまで成果を出したか」で比べる
多店舗MEOの店舗間比較では、表示回数、通話、ルート検索、Webサイトクリックなどの実績値をそのまま並べるだけでは公平になりません。
店舗別の指標を「表示・行動・来店」で捉える前提は、MEOの効果測定の全体像で整理しています。
Googleはローカル検索結果が主に「関連性」「距離」「知名度」に基づくと説明しています。検索者と店舗の距離そのものが表示条件に含まれるため、立地が違えば、同じブランド・同じ施策でも検索結果の出方は変わり得ます。
Googleビジネスプロフィール（GBP）のパフォーマンスでは、プロフィール閲覧、ルート検索、通話ボタンのクリック、Webサイトクリックなどを確認できます。ただし、これらは各店舗の市場規模を補正した指標ではありません。
したがって、本部が見るべきなのは「どの店舗の件数が最大か」だけではなく、「その店舗が置かれた条件から見て、期待される水準を上回っているか」です。
| 比較方法 | 分かること | 誤判定しやすい点 |
|---|---|---|
| 行動件数の単純比較 | 全店の成果量 | 大市場の店舗が有利になりやすい |
| 平均順位の比較 | 順位の代表値 | 検索地点・商圏の広さを落としやすい |
| 前月比の比較 | 自店舗の変化 | 季節性や市場変化を含む |
| 条件補正ベンチマーク | 条件に対する実績 | 条件定義と比較対象の設計が必要 |
最初にそろえる店舗条件は「商圏規模・検索需要・競合密度」の3つ
ベンチマークの前に、成果KPIとは別に「店舗が置かれている条件」を記録します。少なくとも、商圏規模、検索需要、競合密度の3つを同じ定義で全店舗に付与します。
店舗の成果だけを直接比べず、商圏規模・検索需要・競合密度が近い店舗を比較対象にします。
商圏規模｜人口だけでなく、実際に狙う来店圏を固定する
商圏規模は、市区町村人口をそのまま店舗の市場規模とみなすのではなく、店舗が実際に獲得したい範囲を基準にします。
たとえば「店舗から3km」「駅から徒歩圏」「既存顧客の住所分布から作った商圏ポリゴン」などです。
公的な基礎データには国勢調査を使えます。2025年国勢調査の人口速報集計は、全国・都道府県・市区町村の人口や世帯数を提供しており、人口密度も確認できます。2026年5月29日に人口速報集計が公開されています。
ただし、市区町村人口はMEOの検索需要そのものではありません。人口・世帯数は商圏の母数を説明する補助指標として使い、検索需要は別に測ります。
検索需要｜同じキーワードセットを同じ地域条件で測る
検索需要は、各店舗が狙う非指名キーワードを固定し、地域条件をそろえて比較します。
Google広告のキーワードプランナーでは、指定した地域と検索ネットワークを基に月間平均検索ボリュームを確認できます。デフォルトでは12か月間の平均検索ボリュームが表示されます。
ここで注意したいのが、キーワードプランナーの「競合性」です。これは広告に入札している広告主の多さを相対的に示す指標であり、Googleマップ上の競合店舗密度ではありません。MEOの競合密度に流用しないでください。
Googleトレンドも地域差の確認に使えますが、値は地域・期間内の総検索数で正規化され、0〜100に換算された相対値です。同じ「80」の地域同士でも、検索回数の総数が同じとは限りません。絶対需要の代替ではなく、地域ごとの関心度や季節性を補助確認する用途に向きます。
競合密度｜「同業店舗数」の数え方を全店で固定する
競合密度は、同じ商圏内にある「実際に同じ検索意図で競う店舗」を数えます。カテゴリが近いだけで顧客層が違う店舗まで含めると、比較が崩れます。
競合密度の大きさだけでなくTop3の顔ぶれがいつ変わったかまで確認する場合は、MEOの競合入れ替わりを時系列で分析する方法で、競合集合の変化を定点観測できます。
基本形は「対象商圏内の競合店舗数÷商圏面積」です。
MEOに寄せるなら、取得済みの地点別順位データから「固定した検索語・地点で上位10位以内に現れたユニーク競合数」や「特定競合が上位3位に入った地点の割合」を店舗単位へ集約する方法もあります。
Places APIなどで周辺店舗を取得する場合も、APIの1回の結果件数をそのまま「競合総数」と扱わないようにします。Nearby Search（New）は1リクエストの最大結果数が20件です。高密度エリアでは取得方法によって競合数を過小評価する可能性があるため、検索範囲の分割や別データとの照合が必要です。
多店舗MEOは、成果件数を直接ランキングせず、店舗条件をそろえて期待値と比較したうえで改善優先度を決めます。
STEP1｜成果KPIと店舗条件を同じ「店舗×月」の表へそろえる
ベンチマークの前提は、全店舗で同じ粒度のデータを持つことです。
店舗ごとのGBP、予約、電話、POSなどが別IDなら、先に共通の店舗IDへ統合します。
最低限、次の列を1店舗×1月で持ちます。
| 区分 | 主な列 |
|---|---|
| 店舗属性 | store_id、業態、開店年月、商圏タイプ |
| 商圏条件 | 商圏人口・世帯、商圏面積 |
| 検索需要 | 対象KWの月間検索需要、季節指数 |
| 競争条件 | 競合店舗数、競合密度、地点別競合の集約値 |
| 可視性 | 上位3位カバレッジ率、上位10位カバレッジ率 |
| GBP行動 | ルート、通話クリック、Webサイトクリック |
| 事業成果 | 識別できた予約、来店、売上等 |
期間もそろえます。
検索需要が12か月平均なのに成果だけ単月で比べる場合は、季節性を別列で持つか、前年同月など同じ季節で比較します。
新店と既存店も同じ基準へ無理に混ぜず、開店後の経過期間を比較条件に含めます。
STEP2｜まず「需要1,000回あたり」で割り、単純な規模差を確認する
最初の補正として分かりやすいのが、行動件数を検索需要で割る方法です。
需要1,000回あたり行動件数 ＝ GBP行動件数 ÷ 地域の月間検索需要 × 1,000
たとえば月300件の行動を得た店舗でも、検索需要が1万回なら30件/1,000検索です。
月200件の店舗でも検索需要が3,000回なら約67件/1,000検索となり、絶対件数だけでは見えなかった効率差を確認できます。
ただし、これだけで最終順位を決めてはいけません。
競合が非常に多い都心店と競合の少ない郊外店では、需要1,000回あたりの成果を得る条件も異なるためです。需要補正は「規模差を外す第一段階」と考えます。
STEP3｜商圏条件が近い店舗を「比較対象グループ」にする
公平性を高めるには、全店舗を一列に並べるのではなく、条件の近い店舗同士を比較します。
比較条件は次の順で固定すると実務で扱いやすくなります。
- 業態・主要カテゴリが同じ
- 新店・既存店など成熟度が近い
- 商圏規模が近い
- 検索需要が近い
- 競合密度が近い
店舗数が少ない場合は「需要：高・中・低」「競合：高・中・低」のような帯で分類します。
データが十分にある場合は、各条件をzスコアや0〜100へ正規化して近い店舗を抽出する方法も使えます。
OECDと欧州委員会JRCの複合指標ガイドでは、異なる単位の指標を比較可能にする方法として、zスコア、Min-Max、基準値からの距離などが整理されています。一方で、外れ値や正規化方法の選択が結果へ影響する点にも注意が必要です。
MEOでも「高度な計算をすること」より、「どの条件を使い、どの店舗を比較対象にしたかを説明できること」を優先します。
STEP4｜類似店舗の中央値を「期待値100」にしてベンチマーク指数を作る
比較対象が決まったら、各KPIについて類似店舗群の中央値を期待値にします。
平均値ではなく中央値を使うと、極端に強い店舗・弱い店舗の影響を抑えやすくなります。
正方向のKPIなら、次の形で比較できます。
ベンチマーク指数 ＝ 自店舗のKPI ÷ 類似店舗群の中央値 × 100
100なら「類似条件の中央値と同程度」、120なら「期待値を20％上回る」、80なら「期待値を20％下回る」という読み方です。
この方法のポイントは、商圏人口や競合密度そのものに「難しい市場だから+20点」と加点しないことです。
店舗条件は、比較対象を選ぶために使います。成果評価は、その条件で一般的に期待される水準との差で行います。
仮想例｜単純な件数順位と条件補正後の評価は一致しない
以下は考え方を示す仮想例です。実在店舗の実績ではありません。
| 店舗 | 月間検索需要 | 競合数 | GBP行動 | 需要1,000回あたり | 類似店期待値 | ベンチマーク指数 |
|---|---|---|---|---|---|---|
| A 都心店 | 12,000 | 45 | 360 | 30.0 | 336 | 107 |
| B 郊外店 | 4,000 | 12 | 220 | 55.0 | 200 | 110 |
| C 大型商圏店 | 18,000 | 75 | 420 | 23.3 | 326 | 129 |
| D 小商圏店 | 2,200 | 5 | 150 | 68.2 | 165 | 91 |
仮想例では、生の件数、検索需要による補正、類似店舗との比較で評価順位が変わります。単一指標だけで店舗を判断しないことが重要です。
生の行動件数ではC、A、B、Dの順です。
需要1,000回あたりではDが最も高くなります。
しかし、商圏・需要・競合条件が近い店舗の期待値と比べると、Cが最も期待値を上回り、Dは高効率に見えても類似条件では期待値を下回っています。
つまり、単一の割り算だけでも公平性は完成しません。
「似た市場でどの程度が普通か」という期待値を置くことで、改善対象を選びやすくなります。
STEP5｜「市場機会×条件補正後の実績」で改善優先店を決める
最後に、ベンチマーク指数だけで店舗をランキングせず、市場機会と組み合わせます。
高い市場機会があるのに条件補正後の実績が低い店舗を、優先的な原因分析・改善対象として考えます。
| 市場機会 | ベンチマーク指数 | 判断 |
|---|---|---|
| 高い | 低い | 最優先で原因分析・改善 |
| 高い | 高い | 維持し、成功要因を横展開 |
| 低い | 低い | 投資余地を確認してから改善 |
| 低い | 高い | 効率は良好。過剰投資を避ける |
市場機会は、検索需要、事業上の重点エリア、来店可能人口などから判断します。
競合が多いこと自体を「良い市場」とはせず、需要との組み合わせで見ます。
高需要なのに条件補正後の実績が低い店舗は、改善余地が大きい候補です。
逆に、絶対件数が小さくても期待値を大きく上回る店舗は、口コミ獲得、写真、カテゴリ、店舗ページ、現場導線などの運用を他店へ横展開する候補になります。
1つの総合点にまとめる前に、可視性・行動・事業成果を分けて見る
本部ダッシュボードでは、最初から「MEO総合点」を1つ作るより、少なくとも次の3層を分ける方が原因を追いやすくなります。
- 可視性：上位3位カバレッジ率、上位10位カバレッジ率
- 行動：ルート、通話クリック、Webサイトクリック
- 事業成果：識別できた予約、来店、売上
複数指標を1点へ統合すると見やすくなりますが、重み付け次第で順位が変わります。
OECDの研究でも、複合指標は大量の情報を理解しやすい形にまとめられる一方、構築方法には方法論上の難しさがあり、結果が誤解を招く可能性があると指摘されています。
総合点が必要なら、各構成指標を0〜100などへ正規化し、「可視性30％・行動40％・事業成果30％」のように重みを明示します。
ただし、この比率に普遍的な正解はありません。重みを変えても改善対象店が大きく入れ替わらないかを確認し、構成指標も必ず併記します。
店舗間ベンチマークでよくある5つの誤比較
- 都心店と郊外店を同じ行動件数で順位付けする
- Googleトレンドの0〜100を検索回数として扱う
- キーワードプランナーの広告「競合性」をMEO競合密度として使う
- 新店と成熟店を同じ期待値で比べる
- 総合点だけを見て、可視性・行動・来店のどこが弱いかを確認しない
ベンチマークの目的は、店舗を評価することではなく、本部の限られた改善工数を「伸びしろが大きい店舗」へ配分することです。
公平な比較軸がないまま下位店を改善対象にすると、市場条件の差を運用差と誤認する可能性があります。
月次運用は「条件更新→期待値更新→改善→再測定」の順で回す
実務では、毎月すべての条件を作り直す必要はありません。
商圏人口や店舗属性は変更時に更新し、検索需要・競合・成果KPIを定期更新します。
月次レビューは次の順で行います。
- 欠損・店舗ID・計測期間を確認する
- 検索需要と競争条件の大きな変化を確認する
- 類似店舗群と期待値を更新する
- ベンチマーク指数が低い店舗を抽出する
- 高市場機会×低実績の店舗を優先する
- 地点別ヒートマップやGBP・Web・口コミを見て原因を切り分ける
- 翌月に同じ条件で再測定する
Google Business Profile Performance APIでは、ロケーション単位の日次指標や、検索・マップでビジネスを見つけた検索キーワードの月次インプレッションを取得できます。2026年8月時点の公式仕様でも、ロケーション単位の時系列取得と検索キーワード月次データが案内されています。
多店舗で自動集計する場合も、取得した数字をいきなりランキングへせず、店舗条件と同じ月次テーブルへ接続してから比較します。
まとめ
多店舗MEOの店舗間ベンチマークでは、単純な順位・表示回数・行動件数だけで店舗を評価しません。
商圏規模、検索需要、競合密度を同じ定義でそろえ、条件が近い店舗群を作り、その中央値を「期待値100」として実績を比較します。
実務では、①店舗×月のデータをそろえる、②需要1,000回あたりで規模差を見る、③商圏・需要・競合が近い店舗を比較対象にする、④実績÷期待値で指数化する、⑤市場機会と掛け合わせて改善優先店を決める、という順序が扱いやすい方法です。
本部が見るべきなのは単純な「最下位の店舗」ではなく、条件を考えると本来もっと成果が出てもよい店舗です。
この視点へ変えることで、MEOの改善工数を公平かつ事業インパクトの大きい店舗へ配分しやすくなります。
参考文献・データ元
- Google「Google のローカル検索結果のランキングを改善するヒント」：関連性・距離・知名度の確認に使用。参考元URL: https://support.google.com/business/answer/7091?hl=ja
- Google「ビジネス プロフィールのパフォーマンスとインサイトを確認する」：閲覧、ルート、通話、Webサイトクリック等の定義確認に使用。参考元URL: https://support.google.com/business/answer/9918094?hl=ja
- Google 広告「キーワード プランナーの予測について」：月間平均検索ボリュームと広告競合性の定義確認に使用。参考元URL: https://support.google.com/google-ads/answer/3022575?hl=ja
- Google「Google トレンドのデータに関するよくある質問」：地域・期間による正規化と0〜100の解釈確認に使用。参考元URL: https://support.google.com/trends/answer/4365533?hl=ja
- 総務省統計局・e-Stat「令和7年国勢調査 人口速報集計」：商圏人口・世帯・人口密度の基礎データ候補として使用。参考元URL: https://www.e-stat.go.jp/stat-search/files?layout=datalist&lid=000001482693&page=1
- Google for Developers「Business Profile Performance API」：ロケーション別の日次指標、検索キーワード月次インプレッションの取得仕様確認に使用。参考元URL: https://developers.google.com/my-business/content/performance/change-log
- OECD / European Commission JRC, Handbook on Constructing Composite Indicators: Methodology and User Guide（2008）：指標の正規化方法の参考に使用。参考元URL: https://www.oecd.org/en/publications/handbook-on-constructing-composite-indicators-methodology-and-user-guide_9789264043466-en.html
- Michael Freudenberg, Composite Indicators of Country Performance: A Critical Assessment（OECD, 2003）：複合指標の方法論上の注意点確認に使用。参考元URL: https://www.oecd.org/en/publications/composite-indicators-of-country-performance_405566708255.html