ChatGPTで言及されるブログ記事の書き方

概要

新規のChatGPTファンアウト分析により、商用目的のクエリに強い偏りがあることが判明しました。

90種類のプロンプトを用いたテストでは、商用目的のプロンプトがウェブ検索をトリガーした割合は78.3%に達したのに対し、情報目的のプロンプトではわずか3.1%でした。

ChatGPTは、すべての回答を同じソースから取得するわけではありません。一部の回答は学習データから、その他はライブウェブ検索（「クエリファンアウト」と呼ばれる動作）を利用します。

モデルは元のプロンプトを複数のバックグラウンド検索に展開し、これらのサブトピックから情報を取得して統合します。

今回の調査では、ビューティー、リーガルテック/レグテック、ITの3業界で90種類のプロンプトをテストしました。

その結果、ファンアウトをトリガーしたプロンプトの90%が商用目的であり、ファンアウトがトリガーされた場合でも、そのサブクエリのほとんど（42件中39件）が比較、製品評価、機能フィルタリング、ショートリスト作成、ブランド固有の探索といった商用目的に移行することが分かりました。

つまり、情報目的のプロンプトであっても、拡張される際には評価やソリューション探索を促すようなサブクエリに書き換えられる傾向があることが示唆されています。

この分析は、AI検索におけるコンテンツ戦略に重要な示唆を与えます。

情報目的のコンテンツを作成し続けることは重要ですが、それだけではファンアウト拡張に一貫して合致する可能性は低いと結論付けられています。

もしあなたの目標が、製品選択、ベンダー発見、選択肢の絞り込みに関連するAI回答での可視性を高めることであれば、下流の商用ブランチに合致するページや段落のカバー率を強化する必要があります。

具体的には、「ベスト〇〇」や「ショートリスト」ページ、比較ページ、「どのツールを選ぶべきか」といった意思決定を支援する内容、機能別の説明、代替品ページ、評価に関するFAQ、またはより広範な教育的ページ内に埋め込まれた推奨志向の段落などが有効です。

つまり、コンテンツモデルはToFU (Top-of-Funnel)のみに留まらず、商用ブリッジを持つToFUであるべきだと言えます。

広範な記事も役立ちますが、システムが意思決定支援のためのサブクエリに容易に再構成できるような記述を含める必要があります。

製品名、トレードオフ、機能、ユースケース、価格ロジック、選択基準などを挙げずにカテゴリを説明する純粋な教育コンテンツは、ここで見られたファンアウトパスに合致する可能性が低いでしょう。

重要なのは、単に明らかな質問に答えるだけでなく、システムがバックグラウンドで生成する可能性のある次の評価ステップを予測することです。

ただし、この結果は90のプロンプトに基づいた方向性を示すものであり、AI検索の普遍的な法則ではありません。プロンプトの構成には偏りがあり、観測分析である点も留意が必要です。