AIで競合調査、どのツールを使えばいい？ Deep Researchだけでは足りない理由と、目的別の組み合わせ方

「競合調査、AIにやらせたい。でも、ChatGPTのDeep Researchだけで足りるの？ SemrushとかCrayonとか、別のツールもいるの？」

検索すると「おすすめ10選」はたくさん出てきます。でも、「どの目的に、どの道具を、どう組み合わせるか」を決める材料は、意外と見つかりません。

そこで今回は、ぼくも調べて、試してみました。

公式ドキュメント・料金ページ・論文・実践者の投稿を調べ直したうえで（2026年10月16日時点）、「AIが答えられる数字」と「答えられない数字」を自分で測っています。答え合わせには、公的データ（SEC EDGAR）を使いました。

調べて見えてきた答えは「Deep Researchは入口として強い。でも、それだけでは足りない場面がはっきりある」でした。

01先に結論

1. 競合調査の道具は5層に分かれる。 ①Deep Research系のAI、②SEO・流入・広告などのデータツール、③競合インテリジェンス専用SaaS、④公的・公開データ、⑤自動監視の基盤。1つで全部をまかなえるものは見つかりませんでした。
2. 「より詳しい調査」は、どのAIを選ぶかより、何のデータに届くかで決まる。 実測では、Web検索ありのAIは公的な売上を15回中15回正しく答えました。でも、月間訪問数は9回中4回、Meta広告の配信件数は9回中0回しか数字が出ませんでした。
3. 目的が決まれば組み合わせも決まる。 洗い出しなら①、数字なら②、裏取りなら④、毎週の監視なら⑤。そして、どの場合も最後に人が出典を開いて確かめる。

02そもそも、Deep Researchは競合調査に向いているの？

はい、向いています。公式にも、競合調査が使いどころとして挙がっています。

AnthropicのClaude Researchのヘルプには、使いどころとして「5回以上のツール呼び出しが要る網羅的な情報収集」「競合他社を比べる」といった例が並びます（2026年6月2日更新）。GeminiもChatGPTも、複数のサイトを横断して引用つきのレポートにまとめる機能です。

ざっくり言うと、Deep Researchは、調べ物が得意な新人アシスタントです。

• 市場にどんな競合がいるか、洗い出す
• 各社の製品・料金・ニュースをWebから集める
• 比較表やレポートの下書きを作る

人がやれば半日かかる作業を、数分〜数十分でやってくれます。なかなか頼もしい新人ですよね。

じゃあ、これだけで十分？ 実は、ここに落とし穴があります。

そのアシスタントは、Webで公開されている文章しか読めません。

03実験：AIは、競合の数字をどこまで出せるのか

「Web検索のあるAI」と「ないAI」で、競合の数字をどこまで取れるのか。3つの質問を、同じ条件で繰り返してみました。

条件（共通）

• 実行日：2026年10月16日
• 環境：Claude Code 2.1.301の非対話モード（claude -p）。主モデルはOpus 5.5
• 「検索なし」はツールをすべて外した状態、「検索あり」はWebSearchとWebFetchだけを渡した状態
• 同じ質問を3回ずつ。回答はJSONで、「確かな値が取れなければnull」と指示
• 費用の換算額は、売上の実験が約0.9ドル、訪問数・広告の実験が約1.0ドル

実験1：公開企業の売上高（正解あり）

Zoom、Asana、Dropbox、Box、DocuSignの5社について、AIに「直近の通期決算の売上高と前年比成長率」を聞きました。正解は、SEC EDGARのXBRL API（無料）から取りました。

たとえばZoomの正解は、2026年1月期で48億6,877万ドル（前年比+4.4%）。検索ありは3回とも、4,868.8百万ドル・+4.4%と答えました。

この結果で注目したいのは2点です。

まず、検索ありのAIは、決算のように「公式の発表が文章で公開されている数字」には強い。 5社×3回、全部一致しました。

もうひとつは、検索なしのAIが、知らないことを作らなかったこと。 「null」と答えるのは、地味にえらいです。ただし、これは今回のモデルの話。どのAIでも同じとは限りません。

つまり、上場企業の売上を調べるだけなら、Deep Research系で足ります。

実験2：Webサイトの月間訪問数（正解なし）

次に、Notion、Linear、Miroの月間訪問数を聞きました。こちらには、無料で取れる正解がありません。そこで「数字が出るか、出たなら何を根拠にしたか」を見ました。

Miroの3,775万とNotionの3,764万は、ぼくもSemrushのページを直接開いて確認しました。Similarwebの値は、AIが読んだ内容を記録したものです。ぼく自身は確認できていません。

数字が出たら、そのまま使っていいのでしょうか？ この結果から押さえておきたいことは3つあります。

まず、数字はツールごとの推定値で、ツールによって大きく違います。 Notionは約3倍の開きがあり、AIは「どちらも推定値で信頼できない」と判断してnullにしました。

次に、同じ質問でも、3回で結論が割れること。 Linearは、null・940万・nullでした。940万を答えた回も、AI自身が「3か月合計かもしれない」と注記しています。

だから、訪問数を本気で比べたいなら、Semrushなど専用ツールの画面を人が開きましょう。 AIは、ページを探して読む手伝いができます。ただ、数字の出どころはあくまでツールです。

実験3：Meta広告ライブラリの配信件数

最後に、Notion、Linear、Miroが今Metaで配信している広告の件数を聞きました。Meta広告ライブラリは、広告を誰でも調べられる公式の公開ライブラリです。

結果は、9回中9回、null。3回とも、広告ライブラリのページを開こうとして接続エラー（socket hang up）になり、「JavaScriptで描画されるため読めない」「Webサイトでも件数を示す情報が見つからない」と答えました。

広告は、競合の「今の打ち手」が分かる大事な情報です。でも、この種の画面を検索AIは読み取れません。調べるには、人がブラウザで開くか、APIで取るか、広告専用ツールを使う必要があります。

この実験で言えること、言えないこと

言えるのは、次の2つです。

• Claude Code上のOpus 5.5では、公開企業の売上は検索ありで取れ、訪問数・広告件数のような「ツールの画面にある数字」は取りにくかった。
• AIは、取れない数字を作らず、nullと理由を返す傾向があった。

言えないことは、次のとおりです。

• ChatGPT、Gemini、Perplexityなど、他のAIで同じになるかは測っていません。
• 質問は3種類、企業は3〜5社、各3回です。確率を語れる規模ではありません。
• 訪問数と広告件数に正解の数字がありません。「正しかった」とは言っていません。
• Claude Codeのツール構成は、各社のDeep Research専用機能とは別物です。「Deep Researchの実力」ではなく、「検索ができるAIの実力」と読んでください。

実験のコード、生の回答（results.json）、EDGARの正解（edgar_truth.json）は、記事の素材置き場に保存しています。

04道具は5層。何がどこまで得意？

では、足りないところをどの道具で補えばいいのでしょう？ 実験の結果を踏まえて整理すると、競合調査の道具は役割ごとに5つに分かれました。

① 調査エンジン（Deep Research系の汎用AI）

ChatGPT、Gemini、Claude、Perplexity、Copilot、Genspark、Manusなど。計画を立てて、Webを横断して、引用つきでまとめます。

• 得意：競合の洗い出し、製品・価格・ニュースの整理、比較表の下書き
• 苦手：検索結果の画面に出ない数字、ログインの壁の向こう、ツールが推定した数字の正しさの判定
• 競合調査で差がつくのは、「何につなげるか」。ChatGPTは承認したURLや社内ファイルを優先できます。ClaudeやGeminiも、Google Workspaceなどと連携できます

② データツール（実測の数字を持つ）

Semrush、Ahrefs、Similarweb、SpyFu、SE Ranking、BuiltWith、Sensor Towerなど。流入、検索順位、広告、アプリ、技術構成といった「文章に書かれていない数字」を持っています。

実験2で見たとおり、AIが検索で拾える数字の多くは、実はデータツールの画面にある値です。それなら、最初からその画面を見て、必要な部分だけをCSVやMCPでAIに渡すほうが速くて確かです。

実践者の投稿でも、Ahrefs・SemrushなどをMCP（AIが外部ツールを使うための共通の接続口）やコネクタでつなぐ例が複数見つかりました。

③ 競合インテリジェンス専用SaaS

Crayon、Klue、Kompyte、Contify、AlphaSense、CB Insightsなど。競合の変更を自動で追って、営業向けの「バトルカード」まで運用します。

• 向く：営業チームが毎週競合と競っている会社、大企業の市場調査
• 注意：価格はほとんどが「問い合わせ」です。購買データサービス（Vendr）の中央値は、CrayonとKlueが年3万ドル、CB Insightsが約4.7万ドルでした（二次情報）
• 「年300時間削減」「勝率+28%」といった数字は、確認できた限り、すべてベンダー自身の調べでした。第三者の検証は見つかりませんでした

④ 公的・公開データ

EDINET（金融庁の開示書類）、SEC EDGAR、J-PlatPat（特許）、Meta広告ライブラリ、Google広告の透明性センター、Wayback Machine（過去のWebページの保存）など。

基本的には、一次情報そのものを無料で見られます。実験1の正解は、ここから取りました。EDGARには、アクセスは1秒10回まで、連絡先入りのUser-Agentが必須という決まりがあります。EDINET APIはキーが無料で取れます。

⑤ 自動化の基盤

Visualping（Freeで5ページ・月150チェック）、Firecrawl、Exa、Tavily、Parallel、n8n、Claude Codeなどのスケジュール実行。決まった頻度で取得し、変更を見つけて、通知します。

「毎週、競合の料金ページが変わっていないか見る」といった仕事には、AIの会話画面より、こうした自動化の基盤が向いています。

05目的別：何を、どう組み合わせる？

では、自分の調査にはどの組み合わせがよさそうでしょう？ 調べたいことごとに整理しました。「確認できた使い方」は、公式情報、実践者の事例、今回の実験で確かめたものです。

組み合わせの例：「新しい市場に入る前の競合調査」

1. ①で競合を洗い出す（計画を見て、調べてほしい観点を直す）
2. 上位3〜5社に絞る
3. ②で流入・検索キーワード・広告を見る
4. ④で財務・特許・広告を一次情報で確認する
5. ①に、集めた資料だけで比較表と差別化案を作らせる（検索の範囲を資料に固定）
6. 人が出典を開いて、数字と日付を確かめる
7. 続けるなら、⑤で毎週の変化だけを追う

集めた資料の範囲だけで答えてほしいときは、NotebookLMのような「手元の資料だけで答える」道具が向いています。Perplexityで集めて、NotebookLMでまとめる。そんな2段構えで使う実践者もいました。

06無料でどこまでできる？ 料金の目安

すべて2026年10月16日に確認した公式ページに基づきます。料金と無料枠は変わりやすいので、使う前に公式ページで再確認してください。

AIの入口価格（個人・月額）

無料でできること

注意点が2つあります。

• Deep Researchの月間回数を公式に数字で出しているのは、調べた範囲ではPerplexityだけでした。ChatGPTとGeminiは「プランによる」としか書いていません。ネットで見る「Plusは月25回」は、過去の公式発表に由来する数字で、今も有効かは確認できていません。
• 今回の調査では、各ツールの無料枠を実際に動かして測ってはいません。上の表は公式の記述です。

07出典の確認：ここだけは、人がやる

実験1を見て、「検索ありなら任せていい」と思いましたか？ でも、5社の売上が全部合っていたのは、条件が良かったからです。ここで、第三者の調査も見てみましょう。

いずれも、競合調査そのものを測った調査ではありません。競合調査に限った第三者の誤り率は、見つかりませんでした。 あくまで、近い領域の数字として読んでください。

競合調査で実際にどんな誤りが起きたのかも集めました。

• 存在しない料金体系や、古い料金を答える
• 元データがAndroid 63%なのに、iOS 69%と書く（OpenAI自身のサンプルで、Benedict Evansが指摘）
• 非公開の価格を、もっともらしく作る（Klueの社員が報告）

人が確認する7つ

実践者が共通して言っていたのは、一次情報のURLを必須にする、取れない数字は推測させない、事実と仮説を分ける、収集役と検証役を別にするの4点でした。

08すぐ使えるプロンプト：洗い出しから比較表まで

公開されていたプロンプトを約60本集めて眺めると、質を分けていたのは「出典を要求しているか」でした。出典について、一つも指示がないプロンプト集もあります。

一方、OpenAI公式のサンプルやAnthropic公式のスキル（competitive-brief）には、出典を示すこと、確認できないものは「未確認」とすること、推測で補わないことが入っています。

そこで、最低限の指示を入れた型を用意しました。Deep Researchにそのまま貼って使えます。

あなたは競合調査のアシスタントです。以下の条件で調べてください。

【目的】
自社（<サービス名・一行説明>）が、<意思決定: 例 来期の価格を決める>ために、競合を比較したい。

【調べる範囲】
- 市場：<例 日本の議事録作成AIサービス>
- 競合：直接競合・間接競合・代替手段に分けて、まず10社前後を洗い出す
- 項目：料金（プラン別・年払い／月払い）、主な機能、対象顧客、強み、弱み、最近の動き

【ルール】
1. 各項目に、根拠の公式URLと取得日を付ける。公式ページで確認できないものは「未確認」と書く。
2. 数字は推測で補わない。取れなければ「記載なし」。
3. 第三者サイト・レビューの情報は、そう分かるように別列に分ける。
4. 事実と推測を【事実】【推測】で区別する。
5. 最後に、結論に反する情報（反証）を3つ探して書く。

【出力】
- 比較表（競合 × 項目）
- 差別化の仮説（3つ。それぞれ根拠と反証つき）
- 確認できなかった点の一覧

差別化の仮説を作らせるときは、ひとつ気をつけたいことがあります。今回、議事録AI市場を対象に手順を一通り試すと、AIは3つの仮説すべてに、自分から反論を書きました。「空いているのは、需要がないからでは？」と。

なかなか手厳しいですね。反証を求めると、空白＝チャンスという思い込みに、AI自身が疑問を投げかけてくれます。ただし、その反証にも確認できない主張が混ざっていました。ここも人が確かめるところです。

09競合調査は、どこまで許される？

法的な助言ではありませんが、最低限、押さえておきたい点を整理します。

• 公開されている情報を調べるのは普通のことです。ただし、営業秘密を不正な手段で取るのは不正競争防止法の対象になり得ます。
• 自社の秘密情報や個人データを、AIに入れない。 営業秘密管理指針（令和7年改訂）は、第三者である生成AI提供事業者への提供が、秘密管理性を否定する方向に働き得ると書いています。
• サイトごとの利用規約を見る。LinkedInはボットによるデータ複製を禁止しています。
• 比較広告にするなら、景品表示法の比較広告のガイドラインの3要件を確認する。

10限界と、確かめられていないこと

• 実験は、Claude Code上のOpus 5.5だけです。他社のDeep Research専用機能は動かしていません。
• 各ツールの無料枠の回数と日本語の品質は、実測していません。
• 競合調査そのものを測る第三者のベンチマークは、見つかりませんでした（ないとは言い切れません）。
• 専用SaaS（Crayon、Klueなど）は実際には触っておらず、使い勝手と効果は確かめていません。ベンダーの数字は、すべて自社調べとして扱いました。
• ChatGPT、Gartner、Crunchbaseなど、公式ページを取得できなかったものがあります。料金は取得できたものだけを載せています。

11まとめ

Deep Researchは、競合調査の「入口」として頼りになります。洗い出し・概況・上場企業の売上のような「文章で公開された事実」は、実測でも取れました。

補いたいのは、画面の中の数字（流入・広告）やログインの向こうにある情報、継続監視です。そこは②〜⑤の道具を組み合わせましょう。

組み方はシンプルです。目的を決める → 必要なデータ源を選ぶ → AIに整理させる → 人が出典と日付を確かめる。

まずは、上のプロンプトを自社の競合1つに使ってみませんか。出てきた比較表の「数字」を1つ選んで、出典を開いて確かめてみてください。ここまでやると、AIに任せていい範囲を実感できます。

12参考にした資料

• Anthropic「When should I use web search, extended thinking, and research?」（Claude Help Center、2026年6月2日更新）
• SEC EDGAR XBRL companyfacts API（data.sec.gov、2026年10月16日取得）
• Semrush「miro.com」「notion.so」概要ページ（2026年10月16日に直接確認）
• Tow Center for Digital Journalism「AI Search Has A Citation Problem」（2025年3月）
• EBU/BBC「News Integrity in AI Assistants」（2025年10月）
• Liu et al.「Evaluating Verifiability in Generative Search Engines」（arXiv 2304.09848）
• 営業秘密管理指針（経済産業省、令和7年改訂）
• 各社の公式料金ページ・ヘルプ（OpenAI、Google、Anthropic、Perplexityなど。2026年10月16日確認）