概要
ブランドがChatGPTに表示されなくなったり、Perplexityでのシェアが急落したりすると、多くのマーケティング組織はコンテンツを増やすことで対応しがちです。しかし、これは誤った診断であり、根本的な問題解決には繋がりません。
AIの可視性には単一の問題ではなく、ブランドとユーザーへの回答の間に構造的に異なる3つの層が存在します。各層には異なる失敗モード、解決策、そして担当組織があります。
第1層：Retrieval Layer（検索層）
この層は、AIモデルが回答を生成するために外部ソースから関連コンテンツを「取得」する部分です。RAG（Retrieval-Augmented Generation）という技術がここで機能します。
クローラビリティ、パースアビリティ、チャンクへの親和性、構造化コンテンツ、スキーママークアップ、自己完結型の回答、クリーンな技術実装などが重要です。しかし、この層には構造的な限界があり、RAGは複数のソースからの情報統合や大規模なデータセットのパターン理解に課題を抱え、ハルシネーションの原因となることがあります。
この層の問いは、「AIモデルは私たちのコンテンツを適切に取得できているか？」です。多くのマーケティングチームは既にこの種の取り組みを行っています。
第2層：Relationship Layer（関係性層）
この層は、ブランドがエンティティとしてどのように認識されるかに関わります。GoogleのKnowledge GraphやMicrosoftのSatoriといったナレッジグラフが中心的な役割を担います。
ナレッジグラフは、ブランドがカテゴリ内で認識されたメンバーとして扱われるか、それとも曖昧な候補の一つとして扱われるかを決定します。明確に定義されたエンティティを持つブランドは一貫して引用されやすく、曖昧なブランドは埋もれてしまいます。
スキーママークアップ、ウェブ全体での一貫した命名と識別子、Wikidataなどの高信頼性プラットフォームでの構造化された存在、そして権威ある文脈でのブランド言及の蓄積が重要です。コンテンツの量を増やすだけでは、エンティティ定義が曖昧な場合には効果がありません。
この層の問いは、「私たちはカテゴリ内で明確で防御可能なエンティティであるか？」です。
第3層：Context Graph Layer（コンテキストグラフ層）
この層は、ほとんどのマーケティングチームがまだ認識していない新しい領域です。コンテキストグラフは、特定の組織のデータ、意思決定、ポリシー、運用の現実をモデル化します。
ナレッジグラフが「図書館」であるのに対し、コンテキストグラフは「取扱説明書」のようなものです。ガバナンスがグラフ内に組み込まれており、ポリシー、権限、有効性ルールなどがグラフ自体によってクエリされます。
この層がマーケティングにとって重要なのは、顧客企業内の次世代のAIエージェントがこのコンテキストグラフに基づいてブランドを推論するようになるためです。例えば、調達エージェントや競合情報エージェントなどがこれに該当します。
ブランドがコンテキストグラフに取り込まれる際に断片化されていると、エージェントはブランドを曖昧に解釈します。クリーンなエンティティ定義、一貫したサードパーティ表現、信頼できる構造化データ、そしてエージェントが関係性をたどっても崩れないカテゴリ内の位置付けが重要です。この実践は「ガバナンスされた可視性（governed visibility）」と呼ばれます。
この層の問いは、「顧客企業内のエージェントが私たちを推論するとき、何を見つけ、そのバージョンに基づいて行動することを望むか？」です。
これらの3つの層それぞれに異なる問題と解決策がありますが、担当組織も異なります。検索層はマーケティング、Web、開発、ITが共有し、ナレッジグラフ層は主にマーケティングの領域です。しかし、コンテキストグラフ層はITがインフラを所有する一方で、マーケティングが取り込まれる情報に影響を与える必要があります。
多くのチームは、コンテンツ作成という検索層の活動に集中しすぎであり、ナレッジグラフ層でのエンティティ定義がおろそかになり、コンテキストグラフ層については全く考慮していないのが現状です。
真の課題は、問題がどの層にあるかを特定し、これら3つの責任領域すべてで機能する体制を構築することです。
解説
この記事は、AI時代におけるSEO、特に「AI検索での可視性」を考える上で、非常に重要な視点を提供しています。単にコンテンツを増やせば良いという考え方が、もはや時代遅れであり、予算の無駄につながることを明確に指摘しています。
特に注目すべきは、AI可視性を3つの異なる層に分解している点です。これまで「AIにどう見られるか」という漠然とした課題に対し、多くの企業は試行錯誤してきましたが、このフレームワークは問題の特定と解決策の方向性を明確にしてくれます。
検索層（Retrieval Layer）は、従来のSEOと最も近い領域と言えるでしょう。クローラビリティや構造化データといった技術的な側面や、チャンク（AIが情報を処理しやすい最小単位）として提供できるようなコンテンツ設計は、今後も重要性を増します。コンテンツを「AIが取り込みやすい形」で提供する意識がさらに必要です。
関係性層（Relationship Layer）は、ブランドのエンティティ化の重要性を再認識させます。GoogleのKnowledge Graphを意識した施策は以前から存在しますが、AI時代においてはその精度と一貫性が一層問われます。
自社ブランドが、単なる文字列ではなく、カテゴリ内で明確な意味を持つ「もの」としてAIに認識されるように、スキーママークアップ、Wikidataへの情報提供、そしてウェブ全体での一貫したブランド言及の構築に注力すべきです。これは一朝一夕でできるものではなく、長期的な取り組みが求められます。
そして、最も新しい洞察となるのがコンテキストグラフ層（Context Graph Layer）です。これは、特にBtoB企業やエンタープライズ企業にとって、今後非常に重要な意味を持つでしょう。顧客企業内部のAIエージェントが自社ブランドをどのように認識し、それに基づいてどのような意思決定をするのか、という視点は画期的です。
「ガバナンスされた可視性」という概念は、将来のマーケティング活動の方向性を示唆しています。マーケティングチームは、自社が提供する情報が顧客企業内のコンテキストグラフにどのように取り込まれ、エージェントによってどのように解釈されるかを深く理解する必要があります。そのためには、IT部門との連携が不可欠であり、組織横断的な取り組みが求められます。
記事の指摘通り、多くのマーケティングチームは「コンテンツを増やす」という検索層の活動に集中しがちです。しかし、これからはナレッジグラフ層でのブランドの「存在意義」の確立、そしてコンテキストグラフ層での「顧客の意思決定に影響を与えるための情報ガバナンス」へと焦点を広げる必要があります。
この3層モデルは、現在のマーケティング投資がどの層の問題解決に繋がっているのか、あるいは繋がっていないのかを診断する上で有効なツールとなるでしょう。今からこれらの層を理解し、適切な対策を講じるブランドが、AI時代の競争優位性を確立できるはずです。
- 掲載元: Search engine journal
- 公開日: 2026-05-14T13:00:19+00:00
