---
title: "Geminiで立地調査はできる？『出店GO』を実例検証"
canonical_url: "https://rognalia.com/location-intelligence/guides/gemini-location-survey.html"
markdown_url: "https://rognalia.com/location-intelligence/guides/gemini-location-survey.html.md"
publisher: "ROGNALIA"
language: "ja"
date_published: "2026-07-18"
date_modified: "2026-07-19"
representation: "machine-readable alternate (experimental)"
---

# Geminiで立地調査はできる？「出店GO」を実例検証

草薙駅周辺のラーメン店について聞くと、Geminiは数秒で「非常に有望」「勝算が高い」「GO」と答えました。このページは、その1回の回答を公開情報と立地診断の判断条件で検証したものです。

## 結論

Geminiは、周辺情報を素早く集め、調査仮説を出す道具として有用です。一方、今回の回答は、駅と学校があるというエリア特性から、店前を通る人数、入店、回転率、採算へ飛躍し、重要な未確認事項を残したまま「GO」と断定しました。

反証後の判断はNOではありません。**エリアには調べる価値があるが、この材料だけではHOLD（追加調査）**です。

## 観測条件と限界

- 観測日: 2026年7月18日
- 画面上のモデル表示: Gemini 3.5 Flash（利用者による確認）
- 応答時間: 数秒（利用者による観測）
- 回答から確認できる条件: 草薙駅周辺、ラーメン店、15坪・15席、駐車場なし、客単価1,000円前後
- 保存できなかった条件: プロンプト全文、正確な公開住所、ログイン状態、検索モード、回答画面
- 保存できたもの: 一時チャットからコピーした回答全文

元の一時チャットは閉じたため、プロンプトを推測で復元していません。これは1回の実例検証であり、Gemini全体の性能比較や再現実験ではありません。

## Geminiが出した主な結論

回答には、次の表現が含まれていました。

- 「非常に有望であり、勝算が高い立地」
- 「数千人規模の学生がこの2駅間を行き来」
- 「圧倒的な視認性と徒歩流動」
- 「15坪・15席の黄金比」
- 「駐車場不要」
- 「この候補地はGO（出店を前向きに推奨）」

また、草薙駅周辺のストリートビュー動画としてYouTubeリンクを示しました。

## 正しかった部分

- JR草薙駅と静鉄草薙駅は近い。静岡鉄道の公式案内は、JR線への乗り換えを商店街経由で徒歩約2分としている
- 常葉大学草薙キャンパス、静岡県立大学、静岡サレジオはいずれも公式アクセスで草薙駅を案内している
- 静岡市の草薙駅周辺計画には、北口駅前広場が通勤・通学時間帯に混雑するという記載がある
- 「マゼの極み THE FATTON」が旧草薙駅前店から静岡大学周辺へ移ったという方向性は確認できる
- 学生休暇、通勤客、テイクアウト、競合参入など、次に確認すべき仮説を数秒で広げた点は有用

問題は、これらの事実や仮説が、そのまま「店前を十分な人数が通る」「入店する」「15席が回る」「採算が合う」ことを意味しない点です。

## 10項目の反証・検証

| Geminiの主張 | 公開情報・判断条件での検証 | 判定 |
| --- | --- | --- |
| 2つの草薙駅を結ぶ動線 | 静岡鉄道の公式案内ではJR線への乗り換えは徒歩約2分。ただし、その全員が特定物件の店前を通る証拠にはならない | 一部妥当 |
| 数千人規模の学生が2駅間を行き来 | 常葉大学はJR北口徒歩約4分・静鉄徒歩約7分、静岡県立大学は各駅から徒歩約15分、静岡サレジオはJR徒歩約2分・静鉄徒歩約7分。在籍者がいることと、数千人が同じ駅間・店前を通ることは別 | 証拠不足 |
| 通勤・通学の徒歩客が密集 | 静岡市の計画には北口の混雑がある一方、駅・大学周辺に滞留・交流の場がなく、賑わいを感じにくいという課題もある。公開Wi-Fiセンサー値も来訪者の実数ではない。「通る」と「立ち寄る」は別 | 方向性は妥当、結論は未確認 |
| 客単価1,000円は学生に受け入れられやすい | 学生の可処分所得、周辺店の実売価格、利用頻度、ランチ選択肢、アンケートが示されていない | 仮説 |
| 創作中華 野村が競合として存在 | Yahoo!マップは閉店表示、食べログは掲載保留。現在営業中の競合として確定できない | 現況に反証あり |
| 駅前は激戦区ではなく、完全に差別化可能 | 調査半径、営業時間、価格帯、テイクアウト、まぜそば・中華を含む代替範囲が未定義。不完全な一覧から「完全に差別化」は導けない | 結論が飛躍 |
| 圧倒的な視認性・必ず通るルート | 物件の間口、向き、セットバック、看板位置、歩行方向別の見え方、店前通行量、現地写真が示されていない | 未検証 |
| 15坪・15席は黄金比 | 厨房、排気、倉庫、席間、配膳距離、人員、営業時間、家賃が不明。回転率を最大化する比較根拠もない | 根拠のない一般化 |
| 駐車場は不要 | 駅利用者へ絞るなら成立する可能性はあるが、回答は住民・ファミリー層も需要に含める。徒歩客比率や近隣駐車場の確認が必要 | 条件つき仮説 |
| リンク先は草薙駅周辺のストリートビュー動画 | 示されたYouTube動画の題名は「ラーメンニンニクアブラカラメ肉豚マシマシ ファットン静岡清水店」で、説明と一致しない | 引用不一致 |

## なぜ「それらしい回答」がGOまで飛ぶのか

今回の回答は、次の連鎖をほぼ一気に通過しています。

**駅・大学がある → 店前を通る → 入店する → 15席が回る → 採算が合う → GO**

最初の「駅・大学がある」は確認できます。しかし、その後の矢印には別々の証拠が必要です。

- 店前を通るか: 駅の利用者数ではなく、方向別・時間帯別の店前流動
- 入店するか: 視認性、間口、信号待ち、競合、価格、商品、認知
- 15席が回るか: 提供時間、滞在時間、ピーク集中、厨房能力、人員
- 採算が合うか: 家賃、初期投資、人件費、原価、光熱費、必要日販、損益分岐点
- GOか: 契約条件、設備・排気、法令、資金余力、撤退条件、経営者の優先順位

AIが検索したかどうかだけで安全性は決まりません。リンクが付いていても、情報の取得漏れ、現況の古さ、引用先との不一致、結論への飛躍は残ります。

## チャットAIは、同じ基準で比較し続ける仕組みではない

Geminiのような生成AI（LLM）は、文脈から次に続きやすい内容を確率的に選び、回答を組み立てます。同じように尋ねても、拾う情報、重点、表現、結論が変わることがあります。流暢な回答は、必要項目を調べ尽くした証明ではありません。未調査や取得漏れが、自然な文章の中で見えにくいこともあります。

この性質は、今回の1回答だけから推測したものではありません。Google Cloudの公式文書も、生成条件を調整して再現性を高めても決定論的な出力は保証されないと説明しています。Googleの安全性・事実性ガイダンスは事実と異なる出力の可能性と手動評価の必要性を示し、独立したEACL 2026の査読研究でも、意味の近いプロンプト間で結論が揺れる問題が報告されています。これは、すべての回答が誤りという意味ではなく、1回のチャット回答を再現可能な採点装置として扱えない理由です。

指示の書き方を整える**プロンプト設計**、必要な資料や前提を揃える**コンテキスト設計**、検索・検証・再試行を仕組みとして組み込む**ハーネス設計**で、品質は上げられます。それでも一般の利用者がチャット画面だけで、複数の候補地を毎回同じ項目・範囲・時点・出典・重みで比較し続けるのは困難です。これはGeminiが使えないという話ではなく、チャットという使い方と、継続評価の仕組みは別だという話です。

| 比較する観点 | チャットAIだけで行う場合 | ROGNALIAの立地診断 |
| --- | --- | --- |
| 同じ依頼の再現性 | 拾う情報や結論が変わることがある | 取得条件と計算ルールを先に固定する |
| 取得漏れの扱い | 流暢な文章の中で、未調査が見えにくい | 取得済み・推計・未取得・取得失敗・対象外・ゼロを分けて記録する |
| 複数候補地の比較 | 会話ごとに項目、範囲、出典、時点がずれ得る | 定義済みの項目と処理手順を全候補へ適用する |
| スコア | 総評の基準や重みが文脈に左右される | 同じ基準でそろえたデータを、版管理したルールで計算する |
| 結果が変わった理由 | 会話の差と事実の更新を切り分けにくい | 入力データ、評価条件、スコアモデルの版から追跡できる |

私たちが行う立地診断・スコアリングでは、取得する項目、商圏範囲、出典の優先順位、処理手順を先に定め、取得結果を同じ基準でそろえます。値がないときも、未取得、取得失敗、対象外、本当にゼロを混同しません。スコアは版管理されたルールで計算するため、**入力データ、評価条件、スコアモデルの版が同じなら、同じ計算結果**になります。外部データが更新された場合や取得に失敗した場合まで、常に同じ結果になるとは言いません。代わりに、なぜ結果が変わったかを追える状態にします。

強みは、AIを使わないことではありません。揺れてはいけないデータ取得と計算は定義済みのルールで動かし、AIは得意な仮説の提示、論点整理、説明に使う。この線引きです。

## ROGNALIAの立地診断による判定

| 判断層 | 現時点の評価 | 理由 |
| --- | --- | --- |
| エリアの調査価値 | あり | 2駅、学校、住宅、駅前商店街という複数需要の仮説がある |
| 需要仮説 | あり・未確認 | 学生・通勤客は存在するが、店前流動と飲食需要の量が未測定 |
| 物件の取り込み力 | 未確認 | 正確な住所、間口、向き、視認性、進入性、看板条件が保存されていない |
| 物件適合 | 未確認 | 厨房、排気、電力、給排水、席配置、工事条件が不明 |
| 採算 | 未確認 | 家賃、初期投資、原価、人件費、必要回転数、損益分岐点がない |
| 総合 | HOLD | 有望かもしれないが、「勝算が高い」「GO」を支える証拠が揃っていない |

Geminiの最終結論が、将来の現地調査と収支確認の結果として正しかったと判明する可能性はあります。今回否定できるのは立地そのものではなく、**現在の証拠だけで「勝算が高い・GO」と言い切れるという判断過程**です。

## 検索していても必要な4つの確認

1. **取得したか** — 必要な情報源を本当に見つけたか
2. **現在・網羅的か** — 営業状況や統計時点が古くないか、都合のよい情報だけでないか
3. **出典が主張を支えるか** — リンク先の内容と、回答内の説明が一致するか
4. **結論がつながるか** — エリアの特徴から、特定物件の採算・GOへ飛躍していないか

AIへは、各事実の出典と確認日、確認できなかった項目、反対材料、現地でしか分からない項目、結論が変わる条件を出させます。GO・NO-GOを先に決めず、AIの出力を検証前の仮説として扱います。

## 検証に使った情報源

最終確認日: 2026年7月18日。

- 静岡鉄道「草薙駅 駅情報」: https://train.shizutetsu.co.jp/station/kusanagi/info
- 常葉大学「草薙キャンパス」: https://www.tokoha-u.ac.jp/university/campus/kusanagi/
- 静岡県立大学「交通アクセス」: https://www.u-shizuoka-ken.ac.jp/guide/access/
- 静岡サレジオ「アクセス」: https://ssalesio.ac.jp/high/guide/access/
- 静岡市「草薙駅周辺地区まちづくりビジョン」: https://www.city.shizuoka.lg.jp/documents/7528/kusanagi.pdf
- 静岡県オープンデータ「草薙エリア人流データ」: https://opendata.pref.shizuoka.jp/dataset/12413.html
- Yahoo!マップ「創作中華 野村」: https://map.yahoo.co.jp/v3/place/esphy2fqjDQ
- 食べログ「創作中華 野村」: https://tabelog.com/shizuoka/A2201/A220102/22029833/
- 草薙商店会「横浜屋 草薙店」: https://kusanagi-street.com/store/yokohamaya-kusanagi/
- 食べログ「マゼの極み THE FATTON 静大前店」: https://tabelog.com/shizuoka/A2201/A220102/22036794/
- Geminiが示したYouTube動画: https://www.youtube.com/watch?v=k2qByuwyO6A
- Google Cloud「Content generation parameters」: https://cloud.google.com/vertex-ai/generative-ai/docs/multimodal/content-generation-parameters
- Google AI for Developers「Safety and factuality guidance」: https://ai.google.dev/gemini-api/docs/safety-guidance
- Ganesh, Shokri, Farnadi「Rethinking Hallucinations: Correctness, Consistency, and Prompt Multiplicity」: https://aclanthology.org/2026.eacl-long.327/

競合の営業状況やページ表示は変わる可能性があるため、実際の出店判断時には再確認が必要です。

## よくある質問

### Geminiで立地調査はできますか？

論点の洗い出し、公開情報の収集、仮説づくりには使えます。ただし、取得漏れ、古い情報、引用の取り違え、一般論から個別結論への飛躍が残るため、出店のGO・NO-GOをそのまま任せることはできません。

### 出典リンクがあれば、その回答は信用できますか？

リンクがあるだけでは不十分です。リンク先が実際に主張を支えているか、情報が現在も有効か、必要な範囲を漏れなく調べているか、そこから結論が論理的につながるかを別々に確認します。今回の回答では、参考として示された動画の内容自体が説明と一致していませんでした。

### 今回の「GO」はなぜ判断に使えないのですか？

店前の実測動線、物件の視認性と間口、家賃、初期投資、厨房・排気、必要回転数、損益分岐点など、GOを支える重要条件が確認されていないためです。エリアに可能性があることと、その物件で採算が合うことは別の判断です。

### この実例でGeminiが使えないと証明できますか？

証明できません。これは2026年7月18日に得られた1回の回答を検証した事例であり、Gemini全体の性能比較や再現実験ではありません。示せるのは、この回答の証拠だけでは「非常に有望・GO」という結論を支えられないことです。

### Geminiだけで複数候補地を同じ基準で比較できますか？

一度の比較表は作れます。ただし、チャットだけで全候補の取得項目、出典、時点、欠損処理、採点ルールが同じだったと保証するのは困難です。継続して比較するなら、調査条件と計算ルールをチャットの外で固定し、版と実行結果を記録できる仕組みが必要です。

### AIに立地調査を頼むなら、何を確認すべきですか？

各事実の出典と確認日、調べられなかった項目、反対材料、現地でしか分からない項目、結論が変わる条件を出させます。その後、統計、公式情報、地図、現地確認、物件収支で裏を取り、AIの回答を検証前の仮説から判断材料へ変えます。

## 関連ページ

- 出店エリア探索・立地診断: https://rognalia.com/location-intelligence/
- ChatGPTで商圏分析はできる？: https://rognalia.com/location-intelligence/guides/chatgpt-trade-area-analysis-vs-liw.html
- 立地調査のやり方: https://rognalia.com/location-intelligence/guides/location-survey-how-to.html
- 出店候補地の見方: https://rognalia.com/location-intelligence/guides/store-site-checkpoints.html

## 執筆・監修

この記事は、出店エリア探索・立地診断を提供するROGNALIAが執筆・監修しています。

担当者は、世界最大手の外食チェーンで10年以上、店舗経営とFCオーナーの独立支援に携わってきました。

ROGNALIAでは、2026年6月時点で、外食・小売など8,000件以上の既存店・候補地を同一基準で整理・分析しています。

生成AIの回答を一般論で否定せず、出典、取得漏れ、計算条件、現地確認事項まで分けて検証しています。

担当者の経歴・実績: https://note.com/pocket_log_gpt/n/n486cd759cfbb