GoogleがAEOとGEOを「依然としてSEO」と公式見解、新ガイド公開
Googleは2026年5月15日、生成AI検索機能（AI OverviewsやAI Mode）に向けたウェブサイト最適化の公式ガイドを公開した。名称は「Optimizing your website for generative AI features on Google Search」である。
このドキュメントでGoogleは、AEO（Answer Engine Optimization）やGEO（Generative Engine Optimization）と呼ばれる一連の手法について、はっきりとした立場を示した。すなわち「それらは依然としてSEOの一部である」という公式見解だ。同時に、llms.txtファイルの作成やチャンキング（コンテンツの細分化）、不自然な言及の獲得といった、一部で推奨されてきた施策に対しても「必要ない」と明言している。
記事では、この新ガイドのポイントを具体的に紹介しつつ、実務者がAI検索時代に本当に注力すべき施策を整理する。
新ガイド公開の背景と位置づけ
今回のガイドは、2025年に公開されたAI機能の仕組みに関するドキュメントを大幅に拡充したものだ。従来版ではAI機能の動作原理や検索パフォーマンスの測定方法が中心だったが、新ガイドは「何をすべきか」という最適化アドバイスに踏み込んでいる。特に「神話打破（Mythbusting）」というセクションを新設し、業界で流布している誤解に対してGoogleの立場を直接的に表明した点が目を引く。
Googleの生成AI検索機能は、RAG（Retrieval-Augmented Generation / 検索拡張生成）とクエリファンアウトを基盤としており、基本的には既存の検索インデックスからコンテンツを引き出す仕組みだ。このため、コアとなるランキングシステムや品質評価の仕組みは従来と大きく変わらない。ガイドはその点を強調しつつ、AIならではの特性を踏まえた最適化の方向性を示している。
新旧ガイドの差分を見ると、Googleがサイト運営者に対して「何を気にしなくてよいか」を明確に伝えようとしていることがわかる。生成AI検索の登場以降、さまざまなサービスが独自の最適化手法を提唱してきたが、Googleはその多くを不要と断じた形だ。
AEO・GEOは「依然としてSEO」という公式見解
用語の定義とGoogleの立場
ガイドでは、AEOを「Answer Engine Optimization」、GEOを「Generative Engine Optimization」と定義した上で、「Google検索の観点から言えば、生成AI検索のための最適化は検索体験のための最適化であり、したがって依然としてSEOである」と明記した。
この見解は、Googleの検索担当者であるGary Illyes氏やCherry Prommawin氏が過去のカンファレンスで発言してきた内容を公式文書化したものだ。両氏はSearch Central Liveにおいて、GEOやAEOに個別のフレームワークは不要であると述べていた。今回のガイド公開により、その立場が正式な参照可能なドキュメントとして記録されたことになる。
RAGとクエリファンアウトの仕組み
GoogleのAI機能は、RAG（検索拡張生成）という仕組みを使っている。これは、ユーザーの質問に対してまず検索インデックスから関連コンテンツを取得し、その情報をもとに生成AIが回答を構成する方式だ。クエリファンアウトは、ひとつの質問を複数の関連クエリに展開して広範囲の情報を収集する技術を指す。いずれも既存の検索インデックスに依存しているため、ベースとなるSEO対策が効いてくる構造は変わらない。
この点を踏まえると、「AI向けに別の最適化が必要」という発想そのものが、Googleの検索システムの実態と乖離していることになる。
上図のように、AI検索においても検索インデックスが情報取得の起点であることに変わりはない。つまり、クローラビリティやコンテンツ品質といった従来型SEOの基盤が、そのままAI検索のパフォーマンスに直結する。
Googleが必要ないと明言した5つの施策
新ガイドの「神話打破」セクションでは、以下の施策について明示的に「Google検索においては不要」と記載されている。
llms.txtファイルや特殊マークアップ
機械可読なファイルやAI向けテキストファイル、特別なマークアップ、Markdownなどを用意する必要はない。GoogleはHTML以外のさまざまなファイル形式を検出しインデックス登録できるが、それはファイル形式が特別扱いされることを意味しない。
チャンキング（コンテンツの細分化）
AIシステム向けにコンテンツを細かく分割する必要はない。Googleのシステムは「ページ内の複数トピックのニュアンスを理解し、ユーザーに関連する部分を表示できる」能力を持つ。Search Engine Journalの記事によれば、GoogleのDanny Sullivan氏も2026年1月に同様の見解を示しており、社内エンジニアからもチャンキングを推奨しない意見が出ているという。
AI向けの文章リライト
AIシステムは類義語や一般的な意味を理解できるため、すべてのロングテールキーワードバリエーションを網羅したり、生成AI検索向けに特別な文体で書いたりする必要はない。過剰な最適化はむしろ不自然なコンテンツを生むリスクもある。
不自然な言及（メンション）の獲得
AI機能はブログや動画、フォーラムなどで語られている製品やサービスに関する言及を表示することがある。しかし、不自然な形で言及を集めようとする行為は「思われているほど有益ではない」とガイドは指摘する。中核のランキングシステムは品質に焦点を当てており、スパム的な言及は別の仕組みでブロックされる。
生成AI検索向けの専用構造化データ
生成AI検索のために特別なschema.orgマークアップを追加する必要はない。構造化データはリッチリザルトの表示資格を得るために従来通り活用するのがよいとしている。
上記の施策はいずれも、一部のGEO関連リソースやAI検索最適化ガイドで推奨されてきたものだ。しかしGoogleの公式見解は真逆であり、こうした「AI専用対策」にリソースを割くことの費用対効果は極めて低いと言わざるを得ない。
代わりに注力すべき最適化の要点
では実際に何をすべきか。ガイドの推奨事項は、多くのSEO担当者にとって馴染み深い領域に集約されるが、AI検索ならではの文脈も含まれている。
非コモディティコンテンツの重視
ガイドが特に強調するのが「非コモディティコンテンツ」の概念だ。コモディティコンテンツとは、「初めて住宅を購入する人への7つのヒント」のような、どこにでもある一般知識の寄せ集めを指す。対する非コモディティコンテンツの例としてGoogleが挙げるのは「なぜ我々は検査を放棄して節約したのか——下水管内部の実例」のような、独自の経験や視点に基づく記事である。
この区別は、AIが既存の知識を要約して回答を生成できる時代において、人間の独自体験や専門的判断が差別化要因になることを示唆している。単なる情報の列挙ではなく、実際に経験したこと、検証したこと、独自に分析したことを盛り込む姿勢が求められる。
クローラビリティとインデックス
生成AI機能にコンテンツが表示されるには、ページがインデックス登録され、スニペット表示の対象となっている必要がある。具体的には、クロールのベストプラクティスに従うこと、可能な限りセマンティックHTMLを使用すること、JavaScript SEOの基本を守ること、良好なページエクスペリエンスを提供すること、重複コンテンツを減らすことなどが推奨されている。
ローカルビジネスとECの最適化
ローカルビジネスやECサイト向けには、Merchant CenterフィードとGoogleビジネスプロフィールの活用が推奨されている。また、Business Agentという、ユーザーがGoogle検索上でブランドとチャットできる会話型体験についても言及があった。これは、実店舗や商品を持つ事業者にとってAIエージェント経由の接点が増える可能性を示している。
非コモディティコンテンツの作成 独自の経験・分析に基づく記事
クローラビリティとインデックス管理 従来のテクニカルSEO対策
構造化データの適切な活用 リッチリザルト用途として継続
エージェント対策（UCP対応など） ビジネス関連性と余力がある場合
整理すると、AI検索対策の本質は「強いコンテンツを作り、検索エンジンに正しく読み取らせる」という原点に立ち返ることだ。特別なテクニックや抜け道を探す段階は、少なくともGoogleにおいては終わったと言える。
エージェント体験とUCPの初期ガイダンス
新ガイドでは、エージェント体験についても独立したセクションが設けられた。AIエージェントを「予約の手配や製品仕様の比較など、人に代わってタスクを実行できる自律システム」と定義し、ブラウザエージェントがスクリーンショットの分析、DOMの検査、アクセシビリティツリーの解釈を通じてウェブサイトにアクセスする可能性に言及している。
この文脈で紹介されているのが、web.devの「エージェントフレンドリーなウェブサイトのベストプラクティス」ガイドと、UCP（Universal Commerce Protocol）だ。UCPはGoogleが2026年初頭に発表した新興プロトコルで、Shopifyと共同開発され、すでに20社以上が支持を表明している。Vidhya Srinivasan氏の年次レターでも紹介された。
ただしGoogleは、このセクションについて「ビジネスに関連性があり、余力がある場合に検討するもの」と位置づけている。エージェント最適化は将来的な投資であり、今すぐ取り組まなければ検索順位が下がる性質のものではない。
実務への影響と今後の展望
このガイドの最大の価値は、Googleの立場を一つの文書に集約したことにある。これまでカンファレンスやポッドキャスト、ブログ投稿に分散していた見解が、公式ドキュメントとして参照可能になった。「神話打破」セクションは特に重要で、AEOやGEOのサービスを展開する業界が推奨してきた施策の多くを、Google自身が否定した形だ。
ただし注意すべき点もある。このガイドはあくまでGoogleのAI検索機能に特化したものであり、ChatGPTやPerplexityなど他プラットフォームのAI検索には適用されない可能性がある。これらのサービスは異なるシグナルを重視しているかもしれず、マルチプラットフォーム戦略をとる場合は別途検証が必要だ。
Googleは文書の締めくくりで、「このガイドのすべてを達成しなくても成功できる」と述べている。「多くのコンテンツは、明白なSEO対策を一切施さなくてもGoogle検索（生成AI体験を含む）で成果を上げている」というコメントからは、技術的な最適化よりもコンテンツの本質的な価値が優先されるというメッセージが読み取れる。
SEO担当者やサイト運営者にとって、このガイドは戦略的なリソース配分を見直す良い契機になるだろう。「AI専用の対策」に時間と予算を割くよりも、独自の情報価値を持つコンテンツの制作と、堅実なテクニカルSEOの維持に集中する。それが、Googleの生成AI検索において最も確実なアプローチだと公式に示されたのである。
この記事のポイント
- Googleが生成AI検索最適化の公式ガイドを2026年5月に公開し、AEOやGEOは「依然としてSEOの一部」と明言した
- llms.txt、チャンキング、AI向けリライト、不自然な言及獲得、専用構造化データの5施策を「不要」と断定
- 代わりに非コモディティコンテンツ、クローラビリティ確保、構造化データの適切な活用を推奨
- エージェント体験とUCPに関する初期ガイダンスも含まれるが、優先度は相対的に低い
- ガイドの適用範囲はGoogleに限られるため、他プラットフォームでは別途戦略の検証が必要である
・ 複数業界における17年間のデジタルビジネス開発経験
・ ウェブサイト開発のためのHTML、PHP、CSS、Java等の実用的知識
・ 15ヶ国語対応の多言語SaaSの開発経験
・ 17年間にも及ぶ、Eコマース長期運営経験
・ 幅広い業界でのSEO最適化の豊富な経験
B2B購買の主戦場はAIチャットボットへ。ショートリスト入りを勝ち取るための新戦略
B2Bビジネスにおける顧客の購買行動が、今まさに劇的な転換点を迎えている。これまではGoogleなどの検索エンジンで情報を探し、複数のウェブサイトを比較検討するのが一般的だった。しかし、最新の調査によれば、多くの購買者がそのプロセスをAIチャットボットに委ね始めていることが明らかになった。
米G2が発表した最新レポートによると、B2Bソフトウェアの購買層のうち71％が、調査の過程でAIチャットボットを利用している。さらに驚くべきことに、51％の購買者が「Googleよりも先にAIチャットボットで調査を開始する」と回答している。これは、従来のSEO（検索エンジン最適化）戦略だけでは、もはや顧客の視界に入ることすら難しくなっていることを示唆している。
本記事では、AIが購買決定の「門番」となる新たな市場環境において、企業がどのように視認性を確保すべきかを解説する。クリックを奪い合う時代から、AIに選ばれる「回答」を勝ち取る時代へのシフト。その具体的な対策と、B2Bマーケティングの未来像を深掘りしていく。
AIチャットボットがB2B購買の「門番」になる日
かつてB2Bの購買担当者は、検索結果の1ページ目に表示される企業を一つずつクリックし、資料をダウンロードして比較表を作成していた。しかし、この「手作業」によるリサーチは、AIの登場によって過去のものになりつつある。AIチャットボットは膨大な情報を瞬時に要約し、ユーザーに最適な推奨リストを提示してくれるからだ。
検索の起点がGoogleからAIへシフト
G2のレポート「The Answer Economy（回答経済）」によれば、AIチャットボットは今や、購買候補のリスト（ショートリスト）に影響を与える最大の情報源となっている。その影響度は54％に達し、ソフトウェアレビューサイト（43％）やベンダーの自社サイト（36％）を大きく上回っている。
これは、購買者が自社サイトを訪れる「前」に、すでにAIによって選別が行われていることを意味する。AIに推奨されなければ、どれほど優れた製品を持ち、美しいウェブサイトを運営していても、検討の土台にすら乗ることができない。視認性の定義が「検索順位」から「AIの回答に含まれること」へと根本的に変わったのだ。
「回答経済」がもたらす情報の要約と効率化
なぜこれほど急速にAIへの移行が進んでいるのか。その理由は圧倒的な「生産性」にある。調査によれば、53％の購買者が「従来の検索よりもAI検索の方がリサーチの生産性が高い」と感じている。7ヶ月前の調査ではこの数値は36％だったため、短期間でAIの有用性が広く認知されたことがわかる。
AIは単にリンクを表示するのではなく、複数のベンダーの強みと弱みを比較し、特定のニーズに合致するかどうかを数秒で判断してくれる。この「情報の統合（シンセシス）」こそが、多忙なB2B購買担当者がAIを支持する最大の理由だ。もはやユーザーは「どこを見ればいいか」を求めているのではなく、「どれが正解か」を求めているのである。
購買プロセスを激変させる「AIショートリスト」の正体
B2Bマーケティングにおいて「ショートリスト」とは、最終的な選定候補として残った数社のリストを指す。従来、このリストに残るためには、数週間にわたるリサーチと営業担当者との接触が必要だった。しかし今、このプロセスが「ワンショット」で完了しようとしている。
ウェブサイト訪問前に勝負が決まる現実
AIチャットボットを利用するユーザーの多くは、一つのプロンプト（指示文）で推奨ベンダーのリストを出力させる。この時点で、AIが把握していない企業や、AIにとって特徴が不明確な企業は排除される。マーケターがアクセス解析で「直帰率」や「滞在時間」を気にする前に、すでに勝負はついているのだ。
G2の調査では、85％の購買者が「AIに引用されたベンダーに対して、より高い評価を抱く」と回答している。AIによる推奨は、単なる情報の提示ではなく、強力な「お墨付き」として機能している。逆に言えば、AIの回答から漏れることは、信頼性の欠如とみなされるリスクすら孕んでいる。
比較検討の自動化と「ワンショット」の意思決定
購買行動の変化を視覚的に理解するために、従来の検索とAI検索のフローを比較してみよう。従来のフローが「拡散（多くのサイトを見る）」から「収束（絞り込む）」という長いプロセスを辿るのに対し、AI検索は最初から「収束した回答」を提示する。
↓ 10件以上のサイトを訪問
2. 情報収集・手動比較
↓ 数日かけてスプレッドシート作成
3. ショートリスト作成
「〇〇の課題を解決する最適なツールを3つ挙げて」
↓ 数秒で回答生成
2. AIによる推奨リスト（即時ショートリスト化）
↓ 特定のサイトのみ確認
3. 問い合わせ・選定
このフローの変化により、ベンダー側は「自社サイトへ誘導した後の説得」に注力するだけでなく、「AIが回答を生成するための材料」をいかにネット上に配置するかに戦略をシフトさせる必要がある。
マーケターが直面する「クリック」から「回答」への転換
これまでのSEOは、特定のキーワードで上位に表示させ、ユーザーにクリックしてもらうことがゴールだった。しかし、AI時代の新たな最適化指標は「回答の占有率」や「推奨の正確性」へと移り変わる。これをAEO（Answer Engine Optimization / 回答エンジン最適化）と呼ぶ動きもある。
順位よりも「正しく理解されること」の重要性
AIはウェブ上のあらゆる情報を学習し、それらを組み合わせて回答を作る。ここで重要なのは、AIがあなたの製品を「正しくカテゴリー分け」し、「独自の強みを把握」しているかどうかだ。もしAIがあなたの製品を誤解していれば、的外れな比較結果を提示されたり、そもそも推奨から外されたりする。
G2の調査では、69％の購買者が「AIの回答によって、当初予想していたのとは別のベンダーを選んだ」と回答している。これは、AIによる情報提示が購買者の先入観を覆すほどの影響力を持っていることを示している。マーケターは、AIが自社製品をどのように記述しているかを定期的にチェックし、誤った認識があればそれを正すための情報発信を行わなければならない。
第三者評価とレビューがAIの推奨を左右する
AIは自社サイトの主張よりも、第三者による客観的な情報を重視する傾向がある。特に、G2のようなレビューサイト、SNSでの評判、専門メディアの記事などは、AIにとって信頼性の高い「学習データ」となる。
AIに選ばれるためには、自社サイトのコンテンツ制作と同じくらい、外部プラットフォームでの存在感を高めることが不可欠だ。良質なレビューを蓄積し、業界の標準的なカテゴリーにおいて明確な評価を確立することが、AIのショートリストに残るための最短ルートとなる。
EC・B2Bサイト運営者が今すぐ取り組むべきAI最適化戦略
では、具体的にどのような対策を講じるべきか。特にWooCommerceなどを利用してB2B向けのECサイトを運営している場合、製品データの構造化と情報の透明性が鍵を握る。
構造化データと明確なカテゴリー定義の徹底
AI（クローラー）がサイトの内容を理解する手助けをするのが、Schema.orgなどの構造化データだ。単にテキストで「高性能なサーバーです」と書くのではなく、価格、スペック、在庫状況、ユーザー評価などを機械可読な形式で提供することが重要だ。
AIは曖昧な表現を嫌う。例えば「多機能なERP」という表現よりも、「中小規模の製造業に特化した、在庫管理と原価計算に強みを持つERP」というように、ターゲットと提供価値を具体的に記述することで、AIは適切なクエリに対してあなたの製品をマッチングしやすくなる。
独自性と信頼性を担保するコンテンツ設計
AIは「一般的で平均的な情報」をまとめるのは得意だが、独自の洞察や最新の事例については、元の情報源に頼らざるを得ない。自社サイトでしか得られない一次情報（独自の調査レポート、詳細な導入事例、技術的な解説など）を公開し続けることは、AI時代においても強力な武器となる。
以下のデモは、AIがウェブサイトから情報を抽出する際、どのような「構造」を読み取っているかを視覚化したものだ。人間が見るデザインの裏側で、いかにデータが整理されているかがAIの理解度を左右する。
“category”: “在庫管理システム”,
“target_industry”: “製造業”,
“price_model”: “サブスクリプション”,
“unique_selling_point”: “リアルタイム原価計算”
※このデモは、AIがウェブページの情報をどのようにデータとして整理し、推奨の判断材料にしているかの概念を視覚化したイメージである。
独自の分析：AI時代のB2Bブランディングとは
AIが購買のショートリストを作る時代において、皮肉にも最も重要になるのは「人間味のあるブランド」だ。AIは論理的で客観的な比較は得意だが、企業のビジョンや信頼感、文化といった「数値化しにくい価値」を完全に代替することはできない。
AIによって提示された3社のうち、最終的にどこを選ぶか。その段階では、やはり直接ウェブサイトを訪れ、事例を読み、担当者の熱量を感じ取ることになる。つまり、AI対策（AEO）は「検討の土台に乗るため」の手段であり、最終的な「成約」を勝ち取るのは、依然としてブランドの物語や顧客体験（CX）であるという点に留意すべきだ。
また、AIは「世の中の平均的な評価」を反映しやすいため、ニッチな分野で圧倒的なNo.1を目指す戦略がこれまで以上に有効になる。広く浅い情報発信ではなく、特定の課題に対して「この問題ならこの会社」とAIに断言させるほどの専門性を磨くことが、これからのB2B生き残り戦略となるだろう。
この記事のポイント
- B2B購買層の51％がGoogleより先にAIチャットボットでリサーチを開始している
- AIはショートリスト（購入候補）作成において、ベンダー公式サイト以上の影響力を持つ
- 視認性の定義が「検索順位」から「AIの回答に引用されること」へと変化した
- AIに選ばれるためには、構造化データ、第三者レビュー、明確な独自性が不可欠である
- AIは効率的な絞り込みを行うが、最終的な選定にはブランドへの信頼感が決定打となる
・ 複数業界における17年間のデジタルビジネス開発経験
・ ウェブサイト開発のためのHTML、PHP、CSS、Java等の実用的知識
・ 15ヶ国語対応の多言語SaaSの開発経験
・ 17年間にも及ぶ、Eコマース長期運営経験
・ 幅広い業界でのSEO最適化の豊富な経験
AIエージェントに最適化するAEOとは？Google Cloud AIのディレクターが提唱する新戦略
検索エンジンの仕組みが、人間のブラウジングからAIエージェントによる自動処理へとシフトし始めている。Google Cloud AIのエンジニアリングディレクターであるAddy Osmani氏は、この変化に対応するための新しい枠組みを提唱した。それがAEO（Agentic Engine Optimization）だ。
AEOとは、AIエージェントがコンテンツを自律的に取得し、解析し、実行しやすくするための最適化手法を指す。従来のSEOが「人間のクリック」を目的としていたのに対し、AEOは「マシンの理解と行動」に焦点を当てている。この違いが、今後のWeb制作のあり方を根本から変える可能性がある。
AIエージェントは、人間のようにページをスクロールしたり、広告を眺めたりはしない。彼らは必要な情報を瞬時に抽出し、次のタスクへと進む。このプロセスを効率化することが、AI時代のWebサイトにとって不可欠な戦略となるのだ。
AIエージェントが情報を消費する仕組みとAEOの定義
AEOは、一般的に知られている「Answer Engine Optimization（回答エンジン最適化）」とは異なる概念だ。Addy Osmani氏が提唱するAEOは、AIエージェントが自律的にコンテンツを消費するためのモデルを指している。AIエージェントとは、ユーザーの指示を受けてネット上を駆け巡り、情報の収集や予約、購入などのアクションを代行するプログラムのことだ。
ブラウジングからアクションへの変化
従来のWeb利用では、人間が複数のサイトを訪問し、情報を比較検討していた。しかしAIエージェントは、複数のステップを一つのリクエストに集約する。彼らはUI（ユーザーインターフェース）のデザインや操作性には関心を持たず、背後にあるデータそのものを必要としている。
この変化により、これまでのエンゲージメント指標は意味をなさなくなる。滞在時間や直帰率といった数字は、AIエージェントの活動を測定する上では重要ではない。重要なのは、エージェントがいかに速く、正確に目的の情報を取得できたかという点だ。
マシンのためのアクセシビリティ
AEOの核心は、Webコンテンツを「マシンにとって読みやすい形」に整えることにある。これは、視覚障害者のためのアクセシビリティ対応に似ている。セマンティックなタグ付けや構造化データの提供が、AIエージェントにとっても道標となる。情報の透明性と構造の明快さが、AEOの土台を支えている。
トークン制限という新たな最適化指標
AIエージェントがコンテンツを処理する際、最大の障壁となるのが「トークン制限」だ。トークンとは、AIがテキストを処理する際の最小単位を指す。多くのLLM（大規模言語モデル）には、一度に処理できる情報の量に限界がある。これをコンテキストウィンドウと呼ぶ。
ページが長すぎたり、不要な情報が多すぎたりすると、AIエージェントの処理能力を超えてしまう。その結果、情報の断片化や、最悪の場合は内容の読み飛ばしが発生する。Osmani氏は、トークン数を主要な最適化指標として意識すべきだと指摘している。
トークン消費の視覚化デモ
AIエージェントがどのように情報を切り捨てているかを視覚的に理解するためのデモを以下に示す。コンテキストウィンドウの限界に達したとき、重要な情報がどのように失われるかを確認してほしい。
[サイトの歴史と理念… 300トークン]
[★ 重要な回答データ… 50トークン]
[関連する広告やリンク… 400トークン]
[詳細な技術解説… 500トークン]
[サイトの歴史と理念… 処理中]
[！！！ ここでトークン上限に到達 ！！！]
[重要な回答データ… 読み飛ばし]
[以降のデータは破棄されました]
このデモのように、重要な情報がページの下部にあると、AIはそこに到達する前に処理を打ち切ってしまう。不要な装飾や冗長な文章を削ぎ落とし、トークン効率を高めることがAEOの第一歩だ。
ハルシネーションのリスクを低減する
不完全な情報しか取得できなかったAIエージェントは、不足している部分を推測で埋めようとする。これがハルシネーション（もっともらしい嘘）の原因の一つになる。正確な情報を提供し、AIに正しく引用してもらうためには、コンテキストの密度を高める必要がある。ページをコンパクトに保ち、一つのテーマに絞り込むことが推奨される。
AIエージェントに好まれるコンテンツ構造
Addy Osmani氏は、AIエージェントが効率的に情報を解析できるよう、コンテンツの構造を再設計することを提案している。その具体的な手法として「回答の早期配置」と「Markdownの活用」が挙げられている。
最初の500トークンに全力を注ぐ
AIエージェントは忍耐強くない。彼らが最も注目するのは、コンテンツの冒頭部分だ。Osmani氏は、重要な回答を最初の500トークン以内に配置することを推奨している。これは、ジャーナリズムにおける「逆ピラミッド型」の文章構成に近い。結論を先に述べ、その後に詳細を続けるスタイルだ。
HTMLよりもMarkdownが選ばれる理由
興味深い提案の一つが、従来のHTMLページに加えて、クリーンなMarkdown形式のファイルを提供することだ。HTMLにはナビゲーション、スクリプト、複雑なレイアウトタグなど、AIエージェントにとっての「ノイズ」が大量に含まれている。これらは解析コスト（トークン消費）を増大させる要因となる。
Markdownは構造が単純であり、AIが文脈を把握するのに最適だ。実際に、多くのAI開発ツールやドキュメントサイトでは、Markdown形式の提供が標準化しつつある。以下のデモで、HTMLとMarkdownの情報密度の違いを比較してみてほしい。
<div class=”main-content”>
<h1>製品の仕様</h1>
<p>最新のモデルは…</p>
</div>
<aside>広告</aside>
最新のモデルは…
このデモは、同じ情報を伝える際にMarkdownがいかに効率的かを示している。
このように、情報の「純度」を高めることがAIエージェントに対する最高のおもてなしとなる。将来的には、人間用のWebページとは別に、マシン専用のエントリポイントを用意することが一般的になるかもしれない。
マシンリーダブルなインデックスの整備
AIエージェントがサイト全体を効率よく把握するために、新しい標準ファイルが登場している。これらは、かつての sitemap.xml や robots.txt のAI版と言えるものだ。Osmani氏は、いくつかの重要なファイル形式を紹介している。
llms.txt による構造化インデックス
llms.txt は、ドキュメントやコンテンツのインデックスを構造化したテキストファイルだ。AIエージェントはまずこのファイルを読み込むことで、サイト内のどこに何が書かれているかを即座に理解できる。全ページをクロールする手間を省き、必要な情報へ最短距離でアクセスさせるためのショートカットだ。
能力を定義する skill.md と AGENTS.md
特定の機能やAPIを提供しているサイトでは、skill.md というファイルが役立つ。これは、そのサイトができること（能力）を定義したファイルだ。また、コードベースに対しては AGENTS.md がマシンのための案内図として機能する。これらのファイルを用意することで、AIエージェントは「このサイトを使って何ができるか」を迷わずに判断できるようになる。
SEOとAEOの共存と今後の展望
AEOの概念が登場したことで、従来のSEOは不要になるのだろうか。Googleの検索チームに属するJohn Mueller氏は、現時点では「通常のSEOがAI Overviewsなどのランキングにも有効である」との見解を示している。また、Markdown専用ページを別途用意することに対しては、重複コンテンツのリスクから否定的な意見も出ている。
しかし、Osmani氏が説くAEOは、単なる検索順位の向上だけを目的としたものではない。AIエージェントがワークフローの中でコンテンツを正しく「実行」し、成果に結びつけるための最適化だ。ここには、従来の検索エンジン最適化とは異なる次元の価値が存在する。
二極化する最適化戦略
今後は、人間向けの「情緒的・視覚的な体験」と、マシン向けの「論理的・構造的なデータ」の二極化が進むだろう。Web制作者は、美しいデザインを維持しつつ、その裏側でAIエージェントに優しいデータ構造を維持するという、二つの役割をこなす必要がある。
これは技術的な負担が増えることを意味するが、同時に大きなチャンスでもある。AIエージェントに「使いやすいサイト」として認識されれば、AIが主導する新しい経済圏において、強力なプレゼンスを確立できるからだ。AEOは、AI時代のWebサイトが生き残るための新しいプレイブックとなるだろう。
この記事のポイント
- AEOはAIエージェントが自律的にコンテンツを消費・実行しやすくするための最適化である
- トークン消費量を新たな指標とし、重要な情報は最初の500トークン以内に配置すべきだ
- ノイズの少ないMarkdown形式の提供や、llms.txtなどの専用インデックスが有効な手段となる
- 従来のSEOが人間向けであるのに対し、AEOはマシンの理解とアクションを最大化することを目指す
- Google検索の公式見解とは一部異なる点があるが、AIワークフローへの適合は今後の重要課題となる
・ 複数業界における17年間のデジタルビジネス開発経験
・ ウェブサイト開発のためのHTML、PHP、CSS、Java等の実用的知識
・ 15ヶ国語対応の多言語SaaSの開発経験
・ 17年間にも及ぶ、Eコマース長期運営経験
・ 幅広い業界でのSEO最適化の豊富な経験
AI検索時代のSEO戦略：エンティティ・オーソリティを構築するチーム連携の新基準
AI検索（GEO：Generative Engine Optimization）の台頭により、従来のキーワード単位のSEOは大きな転換点を迎えている。GoogleのAI Overviews（AIによる概要表示）などで引用を勝ち取るためには、特定のトピックに対する「エンティティ・オーソリティ（実体としての権威）」を確立することが不可欠だ。
検索エンジンは現在、単なる単語の羅列ではなく、概念同士のつながりや情報の信頼性を多角的に判断している。この変化に対応するには、コンテンツ制作チームとSEOチームが別々に動く「縦割り」の体制を脱却しなければならない。
本記事では、AI検索時代においてブランドの権威を証明し、検索トラフィックを維持・拡大するための「エンティティ連携フレームワーク」を詳しく解説する。技術的な最適化と高品質なコンテンツをいかに融合させるかが、今後のWebマーケティングの成否を分けることになる。
AI検索で重要性が増す「AEO」と「エンティティ」の基礎知識
まず理解しておくべきは、現在の検索エンジンが「回答エンジン」へと進化しているという事実だ。これに伴い、SEO（検索エンジン最適化）の概念を拡張した「AEO（Answer Engine Optimization / 回答エンジン最適化）」という考え方が重要視されている。
AEO（回答エンジン最適化）とは何か
AEOとは、AIクローラーがウェブサイトの内容を正確に読み取り、ユーザーの質問に対する「回答」として抽出しやすくするための最適化プロセスだ。これには、コンテンツの質だけでなく、データの構造化やブランドの言及（サイテーション）の強化が含まれる。
AIは情報を整理する際、その情報が「どの程度信頼できるソースから発信されているか」を厳格に評価する。そのため、単にキーワードを含めるだけではなく、専門家としての裏付けを示すことが求められる。AEOは、AI検索の結果画面で自社サイトが「引用元」として選ばれる確率を高めるための戦略といえる。
キーワードから「実体（エンティティ）」へのパラダイムシフト
従来のSEOは「特定のキーワードで検索されたときに上位に表示させること」を目的としていた。しかし、現在の検索エンジンは「エンティティ（Entity）」という単位で情報を処理している。エンティティとは、検索システムが他と区別して認識できる「固有の概念」のことだ。
例えば「顧客導入（カスタマーオンボーディング）」というエンティティは、「ユーザー定着」「製品の活性化」「カスタマーサクセス」といった他の概念と密接に結びついている。検索エンジンは、これらの関連性を理解した上で、サイトがそのトピックについてどれだけ深く、網羅的に説明しているかを判断する。つまり、点としてのキーワードではなく、面としての概念ネットワークを構築する必要があるのだ。
● 検索ボリュームの大きい単語を優先的に狙う
● 記事同士の関連性よりも個別の順位を重視する
● AIが理解しやすいよう構造化データで関係性を明示
● 外部サイトからの言及やリンクで信頼性を裏付ける
このデモは、SEOの考え方がキーワード単位からエンティティ単位へと移行している様子を視覚化したものだ。
なぜコンテンツとSEOの「縦割り」が失敗を招くのか
多くの組織では、記事を書く「コンテンツチーム」と、技術的な調整やリンク獲得を行う「SEOチーム」が分断されている。しかし、エンティティ・オーソリティを築く上では、この分断が最大の障害となる。
技術と内容の乖離が招く検索機会の損失
SEOチームがいくら高度なスキーママークアップ（検索エンジンに情報を伝える専用のコード）を実装しても、肝心のコンテンツが薄っぺらであれば、AIはそのサイトを「権威」とは見なさない。逆に、コンテンツチームが素晴らしい調査レポートを書いても、SEOの観点から適切な内部リンクや外部からの裏付けがなければ、検索エンジンはその価値を正しく認識できない。
Search Engine Journalの記事によれば、コンテンツの深さと外部からの検証（リンクなど）が独立して動いている場合、AI検索における「情報の引き出し（リトリーバル）」の機会を逃してしまうリスクが高まる。両チームが同じ「エンティティ」という目標に向かって歩調を合わせることで、初めて強力なシグナルが検索エンジンに届くようになる。
エンティティ・オーソリティを構成する3つの評価軸
検索システムがサイトの権威性を評価する際、主に以下の3つの次元を見ていると指摘されている。
- Recognition（認識）：コンテンツがどのエンティティ（概念）について語っているかを識別できるか。
- Relationships（関係性）：それらのエンティティが他の概念とどう繋がっているかを理解できるか。
- Corroboration（裏付け）：外部の信頼できるソースが、そのサイトの主張を正しいと認めているか（被リンクや言及）。
これらを満たすには、単一のチームの努力では不十分だ。コンテンツが「認識」と「関係性」の土台を作り、SEOが「裏付け」を強化するという共同作業が必要になる。
エンティティを軸とした4フェーズの連携ワークフロー
では、具体的にどのようにチームを連携させるべきか。Victorious社が提唱するフレームワークに基づき、4つのフェーズで構成されるワークフローを解説する。
フェーズ1：SEOチームによるエンティティ調査とベクトル分析
まずSEOチームが主導し、ビジネスの核となるエンティティを特定する。ここでは単なるキーワードリサーチにとどまらず、「ベクトル埋め込み（Vector Embedding）」の視点を取り入れる。これは、言葉の意味を多次元の数値として捉え、概念の近さを分析する手法だ。
GoogleのNatural Language APIなどのツールを使い、自社の主要サービスに関連するトピック（エンティティ・アソシエーション）を洗い出す。例えば「プロジェクト管理」が主軸なら、「リソース計画」「キャパシティ管理」「プロジェクト予測」といった関連概念をリストアップする。この段階で、競合とのギャップや、どの程度の被リンクが必要かという「リンク速度」の要件も算出しておく。
フェーズ2：コンテンツのギャップ分析と優先順位付け
次に、SEOチームとコンテンツチームが共同で既存コンテンツをレビューする。特定したエンティティに対して、カスタマージャーニー（認知・検討・決定）の各段階を網羅できているかを確認するのだ。
「このトピックについて、AIが権威と認めるだけの深さがあるか？」を自問自答する必要がある。調査レポート、ガイド記事、比較記事、ハウツー動画など、多様な形式でエンティティを補強する計画を立てる。ここで重要なのは、両チームが「成功の定義」を共有することだ。単なるPV数だけでなく、特定のエンティティでの順位向上やAI検索での引用率を指標に据えるべきだ。
フェーズ3：スキーマ実装と戦略的なリンクビルディング
実行フェーズでは、コンテンツチームが記事を作成し、SEOチームがそれを技術的に補強する。具体的には、SameAsプロパティなどを用いた構造化データを実装し、エンティティ同士の関係性を検索エンジンに明示する。また、内部リンクを整理し、関連するトピック同士を「クラスター（塊）」としてつなぎ合わせる。
外部対策においても、単にリンクを集めるのではなく、狙っているエンティティについて言及しているメディアからのリンクを優先する。アンカーテキスト（リンクが設定された文字列）にも、エンティティに関連する語句を自然なバリエーションで含めることが求められる。これにより、「このサイトはこのトピックの専門家である」という外部からの裏付けが完成する。
この図は、中心となるエンティティを複数のコンテンツと外部リンクで囲い込み、権威を形成する構造を示している。
実践例：SaaS企業の「リソース管理」エンティティ構築
理論だけでは分かりにくいため、具体的な成功事例を見てみよう。あるプロジェクト管理ツールを提供しているSaaS企業のケースだ。
競合分析から見えたコンテンツとリンクの不足
この企業は「プロジェクト管理」という大きな市場で認知を広げたいと考えていた。ベクトル分析の結果、その下位概念である「リソース計画（Resource Planning）」が、主目的との親和性が非常に高いことが判明した。しかし、自社サイトを確認すると、リソース計画に関する記事は基礎的なブログが1本あるだけだった。
一方で競合他社は、リソース割り当てのトレンド調査、キャパシティ計画の包括的ガイド、手法の比較記事、導入ハウツーなど、あらゆる角度からこのエンティティを攻略していた。また、外部のプロジェクト管理専門メディアからも、これらのページに対して質の高いリンクが集まっていた。この「情報の密度」と「裏付け」の差が、AI検索での露出の差に直結していたのだ。
4ヶ月でAI検索の引用を獲得した具体的プロセス
この企業は4ヶ月間にわたる集中施策を実施した。まずコンテンツチームが、独自の調査データを含むリサーチ記事や、実装に役立つ詳細なガイドを順次公開していった。並行してSEOチームは、これらの新記事を構造化データで紐付け、サイト内の関連ページから最適な内部リンクを設置した。
さらに、外部の業界誌に対し、リソース管理に関する専門的な寄稿やデータ提供を行い、関連性の高いバックリンクを構築した。結果として、リソース計画に関連するクエリでの順位が向上しただけでなく、GoogleのAI Overviewにおいて「リソース計画のベストプラクティス」などの検索時に自社記事が引用されるようになった。これは、単独のチームが独立して動いていては達成できなかったスピード感だといえる。
独自見解：AI時代のSEOは「点」ではなく「面」の勝負になる
今回のフレームワークを分析して感じるのは、SEOがかつての「ハック（裏技）」から、より「本質的な信頼構築」へと回帰しているということだ。AIは単に文字を読んでいるのではなく、その背後にある「情報の網」を見ている。
筆者の見解としては、今後のSEO担当者に求められるのは、テクニカルな知識以上に「トピックの構造化能力」だと考える。どの概念とどの概念を繋げれば、自社がその分野の第一人者だと証明できるか。この「概念の地図」を描く力こそが、AI検索時代の武器になるはずだ。
また、この戦略は小規模なサイトにとってもチャンスとなる。広範なキーワードを狙う体力はなくても、特定のニッチなエンティティにおいて「誰よりも詳しく、かつ外部からの信頼も厚い」という状態を作れば、AI検索はそこをピンポイントで引用してくれる可能性がある。大手が網羅しきれない専門領域で「面」を構築することが、これからの戦い方になるだろう。
この記事のポイント
- AI検索（AEO）時代には、単一キーワードではなく「エンティティ（概念）」単位の最適化が必須となる。
- エンティティ・オーソリティは「認識」「関係性」「裏付け」の3要素で構成される。
- コンテンツチームとSEOチームの分断を解消し、4フェーズの連携ワークフローを回すことが成功の鍵だ。
- ベクトル分析を用いて関連トピックを特定し、カスタマージャーニーを網羅するコンテンツを制作する。
- 技術的な構造化データ実装と、外部ソースからの言及を融合させることで、AI検索での引用率が高まる。
・ 複数業界における17年間のデジタルビジネス開発経験
・ ウェブサイト開発のためのHTML、PHP、CSS、Java等の実用的知識
・ 15ヶ国語対応の多言語SaaSの開発経験
・ 17年間にも及ぶ、Eコマース長期運営経験
・ 幅広い業界でのSEO最適化の豊富な経験
AIに引用されるコンテンツの共通点：120万件のデータから判明したSEOの新常識
AIチャットボットが検索の代替手段となりつつある今、自社のコンテンツがAIに「引用」されるかどうかは、Webサイトのトラフィックを左右する死活問題だ。Search Engine Journalが公開した調査結果によると、AIに選ばれるコンテンツには、従来のSEO（検索エンジン最適化）とは異なる独自の評価基準が存在することが明らかになった。
この調査では、120万件を超えるChatGPTの回答と、約9万8,000件の引用データを詳細に分析している。その結果、業界を問わず引用率を14％向上させる「魔法の導入文」や、逆に引用を妨げてしまう「見出し構成のデッドゾーン」の存在が浮き彫りになった。
本記事では、この膨大なデータに基づいた「AIに好まれるコンテンツ制作」の具体策を解説する。単なる執筆テクニックにとどまらない、AI時代のコンテンツ・アーキテクチャのあり方を探っていこう。
導入文の「断定表現」が引用率を14％向上させる
AIがコンテンツを読み取る際、最も重視しているのは「情報の確実性」だ。Search Engine JournalのKevin Indig氏が分析したデータによると、記事の冒頭で「断定的な表現（Declarative Language）」を使用しているページは、そうでないページに比べて引用率が平均14％高いことが分かった。
「〜かもしれない」という曖昧さを排除する
AIは、ユーザーの質問に対して自信を持って回答を提供しようとする。そのため、「このツールは効率化に役立つ可能性がある」といった慎重な言い回し（ヘッジ表現）よりも、「このツールは業務時間を30％削減する」といった明確な主張を好む傾向がある。
特に冒頭の1,000文字以内において、修飾語や前置きを極力減らし、事実をストレートに述べる構成が有効だ。「[X] は [Y] である」あるいは「[X] を使うと [Z] ができる」という直接的な構文を意識するだけで、AIからの評価は大きく変わる。
結論から書き始める「結論先行型」の徹底
多くのWebライティングでは、読者の共感を得るために「背景の説明」や「問いかけ」から始めることが多い。しかし、AI最適化（AEO：Answer Engine Optimization）の観点では、これは逆効果になる場合がある。
AIは情報の「密度」と「即時性」を評価する。記事の最初の段落で、そのページが提供する核心的な情報を提示することが、引用対象として選ばれるための必須条件となっているのだ。
業界ごとに異なる「最適な見出し数」の正体
見出し（Hタグ）の構成は、AIが情報を構造化して理解するための地図となる。興味深いことに、見出しの数は「多ければ良い」というわけではなく、業界ごとに明確な「スイートスポット（最適値）」が存在する。
見出し3〜4個は「デッドゾーン」になるリスク
調査対象となったすべての業界において共通していたのは、「見出しが3〜4個の記事は、見出しがゼロの記事よりも引用率が低い」という衝撃的な事実だ。これは、中途半端な構造化がAIのナビゲーションを混乱させている可能性を示唆している。
構造化を徹底して情報の階層を明確にするか、あるいは一切の装飾を省いて散文として読ませるか、どちらかの極端なアプローチの方がAIには好まれる。中途半端な見出し構成は、情報の網羅性と構造の明快さの両方を損なう「デッドゾーン」となっているのだ。
業界別：SaaSは20個以上、医療は0個が有利？
最適な見出しの数は、扱うトピックによって大きく異なる。例えば、CRMやSaaS関連の分野では、20個から49個もの見出しを持つ詳細な比較ガイドが高い引用率を記録している。これは、AIが多機能なソフトウェアを比較する際、細かくセクション分けされた情報を求めているためだ。
一方で、医療（Healthcare）分野では、見出しがゼロ、あるいは極めて少ないページの方が好まれる傾向がある。医療情報においては、断片的な見出しの羅列よりも、文脈が維持された一貫性のある記述が「権威ある解説」として評価されやすいと考えられる。
AIが好むエンティティ：日付と数値、そして「価格」の罠
AIは単なる単語の羅列ではなく、意味のある情報の塊（エンティティ）を識別している。Google Natural Language APIを用いた分析によると、特定のエンティティの有無が引用の成否を分けることが判明した。
「日付」と「具体的な数値」は信頼の証
ほぼすべての業界で共通してプラスの信号となったのが、「DATE（日付）」と「NUMBER（数値）」だ。情報の鮮度を示す日付と、客観的な裏付けとなる統計数値は、AIにとって「引用する価値がある」と判断するための強力なトリガーとなる。
特に公開日や更新日を明記し、本文中で具体的なデータ（例：15％の改善、3,000人のユーザーなど）を提示することは、AIからの信頼を勝ち取るための最もシンプルな近道といえる。
価格情報の掲載が引用を妨げる理由
意外なことに、「PRICE（価格）」に関するエンティティは、金融以外のほとんどの業界でマイナスの信号として働いている。冒頭で価格について強調しすぎると、AIはそのコンテンツを「客観的な情報源」ではなく「商業的な広告ページ」と見なす傾向がある。
ただし、金融業界だけは例外で、金利や手数料などの価格情報が引用率を高める要因となっている。これは、金融系のクエリにおいては価格そのものがユーザーの求める「回答」に直結するためだ。業界の特性を理解したエンティティ配置が求められる。
UGC（ユーザー生成コンテンツ）はAIに選ばれない？
Googleの検索結果では、RedditやQuoraといったユーザー投稿型のコミュニティサイトが優遇される傾向（通称：Reddit効果）が見られる。しかし、AIの引用データはこの傾向とは全く異なる結果を示した。
Reddit効果は検索エンジン限定の現象か
調査データによると、ChatGPTが引用するソースの94.7％は企業や専門メディアによる「コーポレート／エディトリアルコンテンツ」であり、UGC（ユーザー生成コンテンツ）の割合は極めて低い。金融や医療といった専門性が求められる分野では、UGCの引用率は1％未満にとどまっている。
これは、AIが回答を生成する際、個人の主観的な意見よりも、組織が責任を持って公開している「構造化された公式情報」を優先していることを意味する。AI時代においても、公式サイトとしての権威性を磨くことの重要性は変わっていない。
暗号資産分野で見られる唯一の例外
唯一の例外は、暗号資産（Crypto）分野だ。この分野ではUGCの引用率が9.2％と比較的高い。技術の進化が速く、公式ドキュメントよりもRedditや開発者コミュニティの方が最新かつ詳細な情報を持っていることが多いため、AIも例外的にこれらのソースを頼りにしている。
この結果から、情報の「速報性」や「技術的な深さ」が公式サイトを上回る場合に限り、コミュニティサイトにもAI引用のチャンスがあることがわかる。
AI時代を生き抜くための新SEO戦略
今回の分析結果を踏まえると、これからのSEO（あるいはAEO）は「文章の質」だけでなく「情報のアーキテクチャ」の戦いになると断言できる。AIに選ばれるためには、人間にとっての読みやすさと、マシンにとっての解析しやすさを高次元で両立させる必要がある。
コンテンツ・アーキテクチャの重要性
AIは、ページ内の特定の場所を重点的にスキャンし、情報の階層を理解しようとする。単にキーワードを詰め込むのではなく、業界ごとの最適な見出し構成（SaaSなら詳細に、医療なら簡潔に）を採用し、AIが情報を抽出しやすい「器」を作ることが重要だ。
また、有名なブランド名や一般的な用語（Knowledge Graphに登録されているような既知の情報）を並べるよりも、特定のニッチな数値や独自の手法といった「具体的で詳細なエンティティ」を含める方が、AIにとっては引用する価値が高いと判断される。
業界特化型の最適化へのシフト
すべての業界に共通する「魔法の公式」は存在しない。導入文を断定的に書くという基本ルールを除けば、最適な文字数、見出しの深さ、含めるべきエンティティの種類は、すべて業界の規範（ノルマ）に依存する。
自社が属する業界において、AIがどのようなコンテンツを好んで引用しているかを分析し、そのパターンに構造を合わせていく「業界特化型の最適化」こそが、これからのWebサイト運営者に求められるスキルとなるだろう。
この記事のポイント
- 導入文は「〜かもしれない」を避け、断定的な表現で結論から書き始める
- 見出しの数は業界ごとに最適化し、中途半端な3〜4個の構成は避ける
- 日付と具体的な数値を積極的に盛り込み、情報の客観性と鮮度をアピールする
- AI引用ではReddit等のUGCよりも、企業・専門サイトの公式情報が圧倒的に有利
- 汎用的なSEOテクニックではなく、業界の特性に合わせた構造設計が必要である
・ 複数業界における17年間のデジタルビジネス開発経験
・ ウェブサイト開発のためのHTML、PHP、CSS、Java等の実用的知識
・ 15ヶ国語対応の多言語SaaSの開発経験
・ 17年間にも及ぶ、Eコマース長期運営経験
・ 幅広い業界でのSEO最適化の豊富な経験
AEO（回答エンジン最適化）の新戦略：AI検索でコンテンツを引用させるための構造化手法
検索エンジンの役割が「リンクの羅列」から「直接的な回答」へと劇的に変化している。GoogleのAI OverviewsやMicrosoft Copilot、PerplexityといったAI検索エンジンの普及により、Webサイトの運営者は従来のSEO（検索エンジン最適化）に加えて、AEO（Answer Engine Optimization：回答エンジン最適化）への対応を迫られている状況だ。
最新の調査データによれば、AI検索からのトラフィックは月間約1%のペースで成長を続けており、特定の業界では無視できない規模に達している。AIにコンテンツを引用させ、自社の認知度を高めるためには、これまでの「ページ単位の評価」という考え方を捨てる必要がある。
この記事では、AIがどのようにコンテンツを解析し、どの断片を回答として採用するのかを、最新の研究結果と技術的な視点から詳しく解説する。AI時代に生き残るためのコンテンツ構造の作り方を、具体的なステップと共に見ていこう。
AIは「ページ」ではなく「断片」でコンテンツを評価する
従来の検索エンジンは、キーワードの関連性やリンクの強さを基に「Webページ全体」をランク付けしてきた。しかし、AI検索エンジンは全く異なるアプローチを取る。AIはページを読み込む際、内容を細かな「断片（フラグメント）」に分解して理解しようとする。このプロセスは「パージング（解析）」と呼ばれ、AIが回答を生成するための基礎となる。
パージング（解析）というプロセスの理解
MicrosoftのBingチームでプリンシパル・プロダクトマネージャーを務めるKrishna Madhavan氏によれば、AIアシスタントはコンテンツを構造化された小さな断片に分解し、それぞれの権威性と関連性を評価する。そして、複数のソースから抽出した最適な断片を組み合わせて、一つの首尾一貫した回答を作り出すのだ。
これは、たとえGoogleで検索順位が1位だったとしても、コンテンツの構造がAIにとって抽出困難であれば、AIの回答には引用されない可能性があることを示している。AIは「最も優れたページ」を探しているのではなく、「質問に対する最も適切な回答の断片」を探しているからだ。
AIトラフィックの現状と成長率
2026年1月のConductor AEO/GEOベンチマークレポートによると、AI経由のトラフィックはWebサイト全体のセッションの約1.08%を占めている。数字だけ見れば小さく感じるかもしれないが、前年比で357%もの急増を見せたケースもあり、その成長速度は驚異的だ。
特に医療分野では、Google検索の約2回に1回がAIによる概要表示（AI Overviews）を伴うというデータもある。ユーザーが検索結果のリンクをクリックする前にAIの回答で満足してしまう「ゼロクリック検索」が増える中で、AIの回答内に自社サイトが「出典」として引用されることは、新たな流入経路を確保するための生命線となる。
研究結果から判明した「引用されやすいコンテンツ」の条件
どのようなコンテンツがAIに好まれるのかについては、すでに複数の大学や研究機関が実証実験を行っている。その中でも、プリンストン大学やジョージア工科大学などが発表した「GEO（Generative Engine Optimization：生成エンジン最適化）」に関する論文は、非常に示唆に富んでいる。
GEO（生成エンジン最適化）の有効な手法
この研究では、9つの最適化戦略をテストした結果、特定のテクニックによってAI回答での視認性が最大40%向上することが確認された。最も効果的だったのは「信頼できる情報源の引用」だ。統計データや専門家の発言を適切に引用しているサイトは、そうでないサイトに比べて視認性が115.1%も増加したという。
一方で、意外な事実も判明している。文章を「説得力のあるトーン」や「権威を感じさせる文体」で書くことは、AIの引用率向上にはほとんど寄与しなかった。AIはレトリック（修辞学）に惑わされることはなく、検証可能な事実と論理的な構造を重視している。マーケティング的な装飾よりも、裏付けのある情報提供が優先される環境だ。
第三者メディア（アーンドメディア）の圧倒的な影響力
トロント大学が2025年9月に行った調査では、ChatGPTやPerplexityなどの主要AIエンジンが、自社サイトよりも「第三者による評価」を圧倒的に信頼していることが明らかになった。例えば家電分野では、AIが引用するソースの92.1%が第三者の専門メディアやレビューサイトであり、メーカー公式サイトの引用率は極めて低かった。
これは、自社サイト内でのSEOだけでは不十分であることを意味している。業界紙への寄稿、プレスリリース、信頼性の高い比較サイトへの掲載といった「アーンドメディア（獲得メディア）」での露出が、間接的にAI検索での視認性を高める鍵となる。AIはインターネット全体を俯瞰し、多くの場所で言及されている情報を「真実」として採用する傾向があるからだ。
AIに選ばれるための具体的な構造化テクニック
AIがコンテンツを「断片」として抽出する以上、制作者側も「抽出されやすい形」で情報を提供しなければならない。ここでは、MicrosoftやGoogleのガイドライン、および最新の研究に基づいた具体的な構成案を提示する。
見出しの役割とQ＆A形式の採用
見出し（H2やH3タグ）は、AIにとって「ここから新しい概念が始まる」という強力なシグナルになる。「概要」や「詳細はこちら」といった曖昧な見出しは避け、そのセクションの内容を正確に記述した見出しを付けるべきだ。例えば「AIによるコンテンツ解析の仕組み」といった具体的な表現が望ましい。
また、ユーザーの質問をそのまま見出しにし、その直後で端的に回答する「Q＆A形式」はAIとの相性が抜群だ。AIアシスタントは、この質問と回答のペアをそのままコピーしてユーザーに提示することが多いため、引用される確率が飛躍的に高まる。結論を先に述べ、その後に詳細な解説を続ける「逆ピラミッド型」の記述を徹底しよう。
「スニッパブル（切り出し可能）」なレイアウト設計
AIは長い段落よりも、箇条書き、番号付きリスト、比較表といった構造化されたデータを好む。これらは「スニッパブル（Snippable）」、つまり簡単に切り出せる形式だからだ。情報を整理して提示することで、AIは人間と同じように「このサイトは情報が整理されていて分かりやすい」と判断する。
以下のデモは、AIが情報を抽出しやすい「構造化された比較」のイメージだ。このように明確な境界線とラベルを持つ構成は、AIによるパージングを助ける効果がある。
<!-- 構造化された情報の例 -->
<div class="comparison-box">
<h4>SEOとAEOの違い</h4>
<ul>
<li>SEO：検索順位を上げ、サイトへの流入を最大化する</li>
<li>AEO：AIの回答に採用され、情報の正確性を担保する</li>
</ul>
</div>対象：ページ全体の評価
指標：クリック率（CTR）
対象：情報の断片（フラグメント）
指標：引用シェア・ブランド認知
このデモのように、情報を対比させて整理することで、AIは「SEOとAEOの違い」という文脈を即座に理解できる。
権威性のシグナルとスキーママークアップの活用
AIに「この情報は正しい」と確信させるためには、技術的な裏付けが必要だ。ここで重要になるのが、Googleも重視しているE-E-A-T（経験・専門性・権威性・信頼性）の概念と、それを機械に伝えるための「構造化データ」である。
E-E-A-Tと情報の鮮度
Microsoftのガイドラインでは、成功するコンテンツの条件として「新鮮で、権威があり、構造化され、意味的に明確であること」を挙げている。特に「意味的な明確さ」についてはシビアだ。「革新的な」「最先端の」といった曖昧な形容詞は、AIにとっては評価の対象にならない。それよりも「従来比で処理速度が30%向上した」といった、測定可能な事実に基づいた記述が求められる。
また、情報の鮮度（フレッシュネス）も重要なシグナルだ。古いデータや更新が止まったコンテンツは、AIに「不正確な可能性がある」と判断され、引用候補から外されやすい。定期的なリライトと、公開日・更新日の明示は必須と言える。
AIの理解を助ける構造化データの種類
スキーママークアップ（構造化データ）は、人間向けのテキストを「機械が理解できるデータ」に変換する翻訳機の役割を果たす。Microsoftは、スキーマを利用することでAIがコンテンツの内容を推測する必要がなくなり、自信を持って回答に採用できるようになると指摘している。
特にAEOにおいて優先順位が高いスキーマは以下の通りだ。
- FAQPage：質問と回答のペアを定義する。AIが最も引用しやすい形式だ。
- HowTo：手順やステップを定義する。ハウツー系の回答に採用されやすくなる。
- Product：価格、在庫、レビューを定義する。ECサイトのAI検索対応には必須だ。
- Article / BlogPosting：著者情報や公開日を定義し、情報の信頼性を高める。
これに加えて、サイトの更新を検索エンジンに即座に通知する「IndexNow」を併用することで、情報の鮮度と正確性を高いレベルで維持することが可能になる。
クローラー制御と計測の進め方
AI検索エンジンに対応するためには、どのクローラーを許可し、どのクローラーを制限するかという戦略も重要になる。また、施策の結果をどのように計測するかも、従来のSEOとは異なる視点が必要だ。
robots.txtによる学習と検索の切り分け
主要なAIプラットフォームは、クローラーを「検索用」と「モデル学習用」で分けていることが多い。例えばOpenAIの場合、OAI-SearchBot はChatGPTの検索機能（回答への引用）に使用されるが、GPTBot は将来のモデル学習に使用される。
自社のコンテンツをAIの回答に引用させたいが、AIモデルの学習に無償で使われるのは避けたいという場合は、robots.txt で個別に制御することが可能だ。検索用ボットを許可し、学習用ボットを拒否することで、著作権を保護しつつ検索流入を確保するバランスが取れる。
AI経由の流入を可視化する方法
AEOの成果を測る最も手軽な方法は、Bing Webmaster Toolsを活用することだ。ここには「AIパフォーマンスレポート」があり、Microsoft Copilotでの引用状況やクリック数を確認できる。Googleについては、Search Consoleの検索パフォーマンスから「検索タイプ：AI Overview（またはそれに類するフィルタ）」で動向を追うことになる。
また、ChatGPTからの流入は、アクセス解析ツールで utm_source=chatgpt.com というパラメータが付与される仕様になっている。これをモニタリングすることで、AI検索がどの程度自社サイトへのトラフィックに貢献しているかを具体的に把握できる。従来の「キーワード順位」だけでなく、「AI回答内でのシェア」を新たな指標として設定すべきだ。
この記事のポイント
- AIはページ全体ではなく、構造化された「断片（フラグメント）」を抽出して回答を生成する。
- 信頼できるソースの引用や統計データは、AI回答での視認性を100%以上向上させる可能性がある。
- 自社サイトの改善だけでなく、第三者メディアでの露出（アーンドメディア）がAIの信頼獲得に直結する。
- Q＆A形式、箇条書き、スキーママークアップを活用し、AIが解析しやすい「スニッパブル」な構造を作る。
- Googleは「質の高いコンテンツ」と抽象的に述べるが、Microsoftは具体的な構造化の手法を公開しており、後者のガイドラインがAEOの指針となる。
・ 複数業界における17年間のデジタルビジネス開発経験
・ ウェブサイト開発のためのHTML、PHP、CSS、Java等の実用的知識
・ 15ヶ国語対応の多言語SaaSの開発経験
・ 17年間にも及ぶ、Eコマース長期運営経験
・ 幅広い業界でのSEO最適化の豊富な経験
AI時代の検索革命——オーガニック流入減少に打ち勝つ「AEO」戦略の全容
オーガニック検索の仕組みが根本から崩壊し始めている。 GoogleによるAI Overviewsの導入やLLM（大規模言語モデル）の普及により、ユーザーはWebサイトを訪れずに回答を得るようになった。 この変化は、従来の「クリックを稼ぐためのSEO」がもはや通用しない時代への突入を意味している。
2024年から2025年にかけて、B2Bサイトの73%がトラフィックの大幅な減少を経験した。 平均的な減少率は前年比34%に達し、特に情報提供型コンテンツを主力とするサイトが深刻な打撃を受けている。 流入数の回復を待つのではなく、検索行動の変容に合わせた新しい戦略への転換が急務だ。
この記事では、検索のパラダイムシフトの背景と、AIに選ばれるための新概念「AEO（Answer Engine Optimization）」の具体策を解説する。
なぜ今、従来のSEOが通用しなくなっているのか
オーガニッククリックが減少している理由は、主に2つの構造的変化に集約される。 1つはGoogleが長年進めてきた「ゼロクリック検索」の強化だ。 もう1つは、ユーザーが検索エンジンそのものをバイパスし、AIチャットツールへ移行している事実である。
ゼロクリック検索の常態化とAI Overviewsの衝撃
ゼロクリック検索とは、検索結果画面（SERP）でユーザーが回答を得てしまい、どのサイトもクリックせずに離脱する現象を指す。 10年前、この割合は約25%だったが、現在は65%を超えている。 Googleが提供する強調スニペットやナレッジパネルが、サイトへの訪問機会を奪っている格好だ。
さらに、AI Overviews（旧SGE）の登場がこの傾向を加速させた。 AI Overviewsは、複数のソースから情報を要約して検索結果の最上部に表示する機能だ。 デスクトップ検索の16%、モバイル検索の41%でこの機能が表示されており、ユーザーがリンクを踏む必要性は劇的に低下した。
ユーザー行動の変容——検索から「対話」へ
米国の成人の約52%がChatGPTなどのAIツールを定期的に利用している。 LLM（Large Language Model / 大規模言語モデル）は、膨大なテキストデータを学習し、人間のような自然な対話を可能にするAI技術だ。 ユーザーは特定のキーワードで検索する代わりに、AIに直接質問し、その場で回答を得る道を選び始めている。
AIが回答を生成する際、企業のコンテンツが参照されていても、そこからサイトへのリンクが提供されるとは限らない。 参照元としての帰属（アトリビューション）が得られないまま、情報だけが消費される「サイレントな利用」が拡大している。
AEO（AIエンジン最適化）で重視すべき5つの新指標
インプレッションやクリック数といった従来のKPI（重要業績評価指標）だけでは、ブランドの露出度を正確に測れなくなっている。 これからの時代は、AIの回答内にどれだけ自社が登場しているかを評価する「AEO（Answer Engine Optimization / 回答エンジン最適化）」の視点が欠かせない。 AEOとは、AIチャットボットや検索AIが回答を生成する際に、自社の情報を優先的に採用させるための最適化手法だ。
サイト流入数に代わる「AI引用数」と「ブランド言及」
最優先で計測すべきは「AI回答内での引用数」だ。 LLMが回答を生成する際に、自社コンテンツが直接ソースとして引用されている頻度を指す。 引用されることは、そのコンテンツが構造化されており、かつ信頼に値するとAIに判断された証拠となる。
次に重要なのが「ブランド言及（メンション）」である。 AIは自社サイトだけでなく、口コミサイト、フォーラム、SNSなどWeb上のあらゆる情報を参照する。 自社サイトが引用されていなくても、AIが「おすすめのサービス」としてブランド名を挙げるケースは多い。 この言及頻度を競合と比較することで、AI内でのシェア（Share of Voice）を把握できる。
AI経由のトラフィックとコンバージョン率の計測
AIツールからのリファラル（参照）流入も無視できない。 初期のデータによれば、AIの回答内にあるリンクを経由して訪れるユーザーは、通常の検索ユーザーよりもコンバージョン率が3〜5倍高い傾向にある。 AIがユーザーの意図を汲み取り、最適な解決策として提示しているため、訪問時点での購買意欲が高いからだ。
また、ブランドセンチメント（感情分析）も重要だ。 AIが自社ブランドを好意的、中立的、あるいは否定的に紹介しているかを追跡する必要がある。 ネガティブな文脈で学習されている場合、どれだけ露出が増えても逆効果になりかねない。
AIに選ばれるためのコンテンツ最適化術
AIに引用されるための戦略は、従来のSEOの延長線上にあるが、より「情報の明快さ」と「信頼の裏付け」が求められる。 アルゴリズムを欺くテクニックではなく、情報の受け手（AIと人間）にとっての価値を最大化することが近道となる。
E-E-A-Tの徹底と構造化されたデータの提供
Googleが提唱するE-E-A-T（経験、専門性、権威性、信頼性）は、AEOにおいても基盤となる。 LLMは、実体験に基づいた独自の知見や、専門家によって執筆された信頼性の高いソースを優先的に抽出する。 一般的な情報の寄せ集めではなく、その企業にしか語れない一次情報を発信し続けることが、AIに選ばれる条件だ。
また、情報の「構造」も極めて重要だ。 AIが情報を解析しやすいよう、Q&A形式の採用や、箇条書きによる要約、明確な見出し構成を徹底しなければならない。 複雑な文章の中に回答を埋め込むのではなく、問いに対して直接的に答える一文を用意することが、引用率の向上に直結する。
「人間による執筆」が持つ圧倒的な優位性
AIで大量生産されたコンテンツの価値は暴落している。 Googleのコアアップデート以降、AI生成コンテンツの多くが検索順位と引用頻度を大幅に下げた。 LLM自体がAI特有の記述パターンを検知し、それらを「低品質」として排除する能力を高めているからだ。
AIを執筆の補助として使うのは有効だが、最終的なアウトプットには人間の編集と視点が必要だ。 合成的なトーンを排除し、独自の表現や最新のデータ、具体的な事例を盛り込むことで、AIには模倣できない価値が生まれる。 コンテンツの「量」よりも「質」への投資が、長期的な資産となる。
自社メディアを超えた「外部エコシステム」の構築
AIは自社サイトの情報だけを信じているわけではない。 複数の信頼できるソースが同じ情報を発信しているとき、AIはその情報を「事実」として認定する。 これを「コンセンサス（合意形成）」と呼ぶ。 AEOを成功させるには、自社サイトの外側でいかに語られるかが戦略の鍵を握る。
第三者プラットフォームでの「合意形成」が鍵
業界特化型のレビューサイト、掲示板（Reddit等）、SNS、YouTubeでの評価がAIの学習データに大きな影響を与える。 例えば、ECサイトであれば、自社サイト内のレビューだけでなく、Googleビジネスプロフィールや外部の比較サイトでの評価を蓄積することが重要だ。
また、権威あるニュースサイトや業界紙への寄稿、インタビュー記事の掲載も効果が高い。 AIは「誰がそのブランドを認めているか」というネットワーク構造を分析している。 信頼性の高い外部サイトから言及されることで、ブランドの権威性が裏付けられ、AIの回答に採用されやすくなる。
動画コンテンツの重要性も増している。 特にYouTubeの内容はAIによって高度にインデックス（索引化）されており、ChatGPTなどのAIが回答の根拠として動画を引用するケースが増えている。 テキストだけでなく、マルチメディア展開を通じてブランドの露出面を広げることが、AI時代のシェア拡大につながる。
流入減少時代を生き抜くランディングページ（LP）の鉄則
オーガニックトラフィックが減少する中、サイトに到達した貴重なユーザーを確実にコンバージョン（成約）へ導く必要がある。 流入の「数」が追えない以上、1訪問あたりの「価値」を最大化しなければならない。 そのためのランディングページ（LP）設計は、ブログ記事などのコンテンツとは異なるアプローチが求められる。
LPの原則は「1つのオファー、1つのメッセージ、最小限のコピー」だ。 ユーザーがページを開いた瞬間に価値提案を理解し、迷わずにアクションを起こせる構成にしなければならない。 複数の目的を1つのページに詰め込むのではなく、ターゲットごとに専用のLPを用意することが鉄則だ。
AI経由で訪れるユーザーは、すでにAIとの対話を通じて課題が明確になっている場合が多い。 そのため、LPでは冗長な説明を省き、ユーザーの期待に即座に応える「解決策」を提示することが重要だ。 信頼性を示す証拠（ソーシャルプルーフ）をファーストビュー付近に配置し、心理的ハードルを下げる工夫が求められる。
【独自分析】ECサイト・WooCommerce運営者が取るべき具体策
ECサイト、特にWooCommerceを利用している運営者にとって、AEOは脅威であると同時に大きなチャンスでもある。 AIは「特定の商品を探している」ユーザーに対し、詳細なスペックや価格比較、実際のユーザー体験を基に推奨を行うからだ。
構造化データ（Schema.org）の徹底活用
ECサイトにおいて、商品名、価格、在庫状況、レビュー評価を「構造化データ」として正しく実装することは、もはや必須だ。 構造化データとは、検索エンジンやAIに情報の意味を正しく伝えるための専用コードを指す。 WooCommerceでは多くのプラグインがこれをサポートしているが、カスタマイズによって情報が欠落していないか確認が必要だ。
AIが「3万円以下で、耐久性が高く、青色のバックパック」というプロンプト（指示文）を受け取った際、構造化データが適切に設定されていれば、自社の商品が選ばれる確率は格段に高まる。 カタログスペックをただ並べるのではなく、AIが解釈しやすい形式でデータを提供することが、次世代の販売戦略となる。
レビューの「質」をAIの学習源に変える
AIはカスタマーレビューの内容を深く分析している。 「良い商品です」といった短文よりも、「キャンプで3回使用したが、雨天時でも浸水しなかった」という具体的な体験談を含むレビューの方が、AIは「信頼できる情報」として重宝する。
運営者は、購入後のサンクスメール等を通じて、ユーザーに具体的なシチュエーションを含めたレビュー投稿を促すべきだ。 これらの「生の声」がWeb上に蓄積されることで、AIはあなたのショップを「特定のニーズに応える最適な場所」として認識するようになる。 自社サイトだけでなく、外部プラットフォームでのレビュー獲得も並行して行うことが、AI時代のブランド防衛につながる。
この記事のポイント
- 従来のSEO（クリック重視）からAEO（AIによる引用・言及重視）への戦略転換が必要だ。
- GoogleのAI OverviewsやLLMの普及により、ゼロクリック検索が常態化している。
- AIに選ばれるためには、E-E-A-Tの強化と、Q&A形式などAIが解析しやすいコンテンツ構造が不可欠だ。
- 自社サイト内だけでなく、SNS、レビューサイト、YouTubeなどの外部エコシステムでの信頼構築が引用率を左右する。
- 流入数が減る時代だからこそ、LPのコンバージョン率最適化と、ECにおける構造化データの徹底が重要になる。
出典
- MarTech「Organic search is fundamentally disrupted. Here’s what to do about it.」（2026年3月9日）
- Elon University「Survey: 52% of U.S. adults now use AI large language models like ChatGPT」（2025年3月12日）
- NBER「Workplace Adoption of Generative AI」（2024年12月）
・ 複数業界における17年間のデジタルビジネス開発経験
・ ウェブサイト開発のためのHTML、PHP、CSS、Java等の実用的知識
・ 15ヶ国語対応の多言語SaaSの開発経験
・ 17年間にも及ぶ、Eコマース長期運営経験
・ 幅広い業界でのSEO最適化の豊富な経験