本質は「混乱」にある

概要

先週、Semrushが公開したインフォグラフィックは、スキーマや構造化データを「AIエンジンがコンテンツを解析し、接続できるよう保証する」という「Technical GEO」の柱の一つとして提示しました。

しかし、大規模言語モデル（LLM）のアーキテクチャは、本来その逆の設計です。LLMはテキスト自体を読み込むことで解析するため、スキーマはLLMのテキスト解析能力とは無関係です。

Semrushに限らず、多くのSaaSベンダーが、既存のSEO戦略を新しい略語（GEOやAEO）で再パッケージ化して販売しています。これらは、本来そのようには機能しないシステム向けに提供されています。

LLMは、ウェブが無秩序（mess）であるために存在します。ウェブ上のデータは常に構造化されているわけではなく、トランスフォーマーアーキテクチャは言語をトークンのシーケンスとして処理します。LLMはスキーマタグを探したり、FAQマークアップを優先したりするわけではなく、言葉そのものを読んで理解します。

Schema.orgは、クラシック検索におけるリッチリザルト、ナレッジグラフでのエンティティの明確化、音声アシスタントによる構造化フィールドの抽出など、明確で有効な役割を担っています。しかし、これらの機能はLLMが文章を理解するメカニズムとは異なります。

「チャンクレベルでの最適化」という推奨は、一見技術的ですが実体がありません。チャンク化は検索エンジン側のリトリーバーによって行われる内部的な処理であり、その設定は公開されていません。このアドバイスが本当に意味するのは、情報アーキテクチャやテクニカルライティング、可読性といった、ウェブ向けに「優れた文章を書く」という従来の原則です。

実際の「GEO」に関する学術論文（Aggarwalら、KDD 2024）では、信頼できる引用、関連性の高い引用、統計の追加、流暢さの向上、理解しやすい文章といったコンテンツの質を向上させる方法が効果的であると示されています。キーワードスタッフィングは効果がないとされ、スキーマや構造化データなどはテストされていません。

SaaSベンダーのGEO/AEOの提案は、最適化対象のシステムがクラシック検索のように制御可能な入力と予測可能な出力を持ち、明確な因果関係があるという誤った前提に基づいています。しかし、生成AIシステムは非決定論的であり、同じ入力でも異なる結果を返す可能性があります。スキーマを追加したからといって、LLMがコンテンツを引用する直接的な因果関係はありません。

ベンダーがこうした提案を成功させる背景には、マーケターが「会議で報告できる」活動や、正当化できる予算執行を求めているという実情があります。これは、過去にも繰り返されてきた「ランク・アンド・タンク」（一時的に有効に見えても、最終的にシステムに淘汰される）というSEOのサイクルと同様のパターンです。

現在のブランドプレゼンス活用やAIコンテンツの大量生産といった戦略は、根本的な解決策ではありません。LLMは「そこにあるもの」を何でも読むように設計されているため、価値のある読みやすいコンテンツこそが重要です。本当の優位性は、ダッシュボードの数値に惑わされず、プロダクトドリブンSEOと、コンテンツを通じて人々と繋がるという基礎的な原則に立ち返る企業にあります。AIは「混乱（mess）」を処理するように作られており、業界はこの混乱を問題視するのをやめるべきです。

解説

本記事は、多くのベンダーが提唱するGEO（Generative Engine Optimization）やAEO（AI Engine Optimization）における根本的な誤解を指摘しています。特に、スキーマや構造化データをLLM（大規模言語モデル）の理解促進に繋がるという主張は、LLMの設計思想と大きく乖離していると警鐘を鳴らします。

重要なのは、LLMがウェブ上の無秩序なテキストをそのまま学習し、理解するように設計されているという点です。人間が文章を読むように、LLMもテキストを読み込みます。したがって、スキーマのようなメタデータがLLMの理解を直接的に促進するという考えは、そのアーキテクチャを理解していないと言わざるを得ません。

だからといって、スキーマが不要になったわけではありません。クラシック検索におけるリッチリザルトやナレッジグラフなど、特定のシステムでスキーマが果たす役割は依然として重要です。技術SEO担当者は、スキーマが本当に価値を発揮する場所では、引き続き適切に実装し続けるべきです。

記事で強調される「チャンクレベルでの最適化」という推奨は、結局のところ「良質な文章」に帰結します。つまり、短く自己完結した段落、セクション冒頭での明確な定義、論理的な内部構造など、可読性の高い文章を作成することが重要です。これは新しいテクニカルSEOのレイヤーではなく、古くから存在する情報アーキテクチャやテクニカルライティングの基本です。

学術論文の知見が示すように、信頼できる引用の追加、統計データの活用、文章の流暢さ、理解のしやすさといったコンテンツ自体の質を高める努力こそが、生成AIによる可視性向上に寄与します。非決定論的なAIシステムに対して、「この操作をすれば、必ずこの結果が得られる」という因果関係を求めるのは現実的ではありません。

短期的なSEOトレンドや、具体的な数値を提示するダッシュボードに惑わされることなく、ユーザーにとって本当に価値のあるコンテンツを作るという基礎的な取り組みに回帰すべきです。プロダクトドリブンSEOの考え方で、人々に役立つ、読み応えのあるコンテンツを提供し続けることが、AI時代における持続可能な戦略となります。

AIはウェブの「混乱」を処理するために作られました。その設計思想を理解し、「混乱」を問題視するのではなく、それに対応できる質の高いコンテンツを目指すことが、これからのデジタルマーケティングにおいて不可欠であるという筆者の主張は、非常に実践的です。