AI検索時代のコンテンツ戦略：取得型と引用型の違い

概要

AI検索の進化に伴い、コンテンツ戦略は大きく変化しています。これは、情報取得（information retrieval）のためのコンテンツと、Claude、ChatGPT、Google AI OverviewsといったLLM（大規模言語モデル）からの引用（citations）を獲得するためのコンテンツとの違いが明確になってきたためです。

ユーザーに最高の体験を提供し、彼らのニーズに応えるコンテンツは、引用を獲得し、信頼できる情報源として認識されやすくなります。自身のウェブサイトだけでなく、第三者プラットフォームも考慮に入れることが重要です。

アルゴリズミックマーケターとして、ブランドメッセージの一貫性を保ち、機械が自社の事業内容、対象顧客、そして情報を提示すべきタイミングを明確に理解することが目標です。

これまでのSEOから体験ベースのGEO（Generative Engine Optimization）へと焦点を移す必要があります。LLMやAI Overviewsは、ユーザーの嗜好に基づいてカスタマイズされた体験を提供しようとします。

ワインの例では、LLMがユーザーの過去の行動や好みを記憶しているため、同じ質問に対しても異なる、よりパーソナルな推薦を行います。これは、従来のGoogle検索がより一般的な情報を提供するのと対照的です。

Google検索自体も、将来的にはよりLLMに近いパーソナライズされた結果へと移行すると予想されます。コンテンツ戦略を取得型から引用型へとシフトさせるには、LLMやAI Overviewの結果生成メカニズム、そのパーソナライズの度合い、そして従来のSEOにおける信頼シグナルがどのように組み合わされるかを理解することが不可欠です。

RAG（Retrieval-Augmented Generation）のような情報源は信頼できるウェブサイトやリソースから情報を収集し、個人の好みに合わせて特定の情報源を優先する場合があります。

製品やサービスのコンテンツ戦略においては、ターゲットとする買い手ペルソナに合わせて、異なるメディアや記事で適切な「話し合いのポイント（talking points）」を提供することが重要です。たとえば、幅広い商品を扱う小売店は多様な記事で専門性をアピールし、特定の製品に特化したブランドは関連性の高いセクションに集中すべきです。

ブランドがLLMに専門家として認識され、製品の購入先として結びつけられるためには、信頼されている情報源において、特定のニッチなテーマやセールスポイントで頻繁に引用されることが重要です。これにより、LLMはブランドに関する知識ベースを構築し、特定の人口統計学的属性を持つ顧客にブランドや製品を表示するようになります。

かつてSEOで「悪手」とされた手法（サテライトページ、隠しコピーなど）は、GEOやAI Overviewsでも機能せず、長期的にはSEOにも悪影響を及ぼします。

ウェブサイトの体験は実際の顧客と購入者に焦点を当てるべきです。顧客調査、返品やチャット履歴の分析を通じて、彼らが重視することや疑問点を把握し、これらの「話し合いのポイント」を製品ページに追加します。これにより、ユーザーが最適な製品を見つけやすくなり、LLMにも製品と顧客との最適なマッチングが明確に伝わります。

従来のSEO要素も依然として重要です。スキーマは製品やコンテンツのテーマを明確にし、JavaScriptを必要としない表示可能なコンテンツ（サーバーサイドレンダリング）はAI搭載検索エンジンで表示されやすいです。

H1、H2、H3などの適切なページ構造を使用し、簡潔で分かりやすいコンテンツでユーザーの疑問に答え、問題を解決します。理想的な顧客にとって重要な「話し合いのポイント」を自社サイトおよび外部サイト全体に配置することも、ターゲットをLLMに伝えるシグナルとなります。

LLMはまだ新しい技術であり、常に学習し適応していく必要があります。ブランドの一貫した声、クロール可能で分かりやすいページ、そして継続的なテストが、これからのコンテンツ戦略において鍵となります。

解説

このAI検索の時代において、コンテンツ戦略のパラダイムシフトが起きています。単に検索エンジンに情報を「取得」させるだけでなく、LLM（大規模言語モデル）に信頼できる情報源として「引用」されることを目指す、より高度なアプローチが求められています。

重要なのは、「SEOからGEO（Generative Engine Optimization）への移行」という考え方です。これまでのSEOが検索クエリとキーワードに焦点を当てていたのに対し、GEOはユーザーの意図、嗜好、過去の行動を深く理解し、それに基づいてパーソナライズされた情報を提供するという視点に立っています。

ワインの例が示すように、LLMは個々のユーザーを「記憶」し、文脈に応じた最適なレコメンデーションを行います。これは、「買い手ペルソナ」の理解を深め、そのペルソナが何を好み、どのような情報に価値を見出すかを詳細に把握することの重要性を強調しています。

コンテンツ戦略をウェブサイトの外に広げる視点も不可欠です。第三者プラットフォームや信頼されているメディアに、ブランドの専門性を示すコンテンツを提供し、「引用」される機会を増やすことが、LLMによる認知度向上に直結します。

特に、リスト記事（listicles）のような形式で、自社ブランドがなぜ特定の課題を解決するのに最適なのかを具体的に示す「差別化要因」を盛り込む戦略は非常に有効です。これにより、ブランドの「トピック関連性（topical relevance）」が高まります。

また、「LLMは専門性を探している」という点は見逃せません。特定のニッチなテーマやセールスポイントに関して、一貫して信頼できる情報源として引用されることは、LLMがブランドを専門家と認識し、知識ベースを構築するための重要なシグナルとなります。

ウェブサイト上では、ユーザー体験を最優先に考えるべきです。顧客からのフィードバック（アンケート、返品理由、チャット履歴）を積極的に活用し、製品ページやカテゴリページに顧客の疑問を解決し、ニーズに合致する情報を具体的に記述することで、ユーザーとLLM双方にブランドの価値を明確に伝えられます。

スキーマの適切な利用や、JavaScriptに依存しないコンテンツ構造、そしてH1、H2などの適切な見出し構造といった従来のSEOのベストプラクティスは、LLMがコンテンツを理解する上でも引き続き重要です。サーバーサイドレンダリングは、この観点からも非常に有効な手段と言えるでしょう。

要するに、AI検索時代は、単なる技術的な最適化だけでなく、ユーザー中心のアプローチ、ブランドの一貫したメッセージング、そして第三者からの信頼獲得を組み合わせた、より包括的なコンテンツ戦略が求められていると言えます。継続的な学習と適応が成功への鍵となります。