AI検索を制する12の戦略：もはやSEOではない

概要

長年、SEO業界は古い検索の概念に固執してきましたが、AI検索の登場によりそのギャップは無視できなくなっています。従来の検索エンジンが単にキーワードを数えていたのに対し、AI検索はクエリファンアウト、agentic RAG、セマンティックリトリーバルなどの技術を駆使し、プロンプトを分解して最も関連性の高い情報断片を抽出し、回答を生成します。そのため、単に「タイトルを60文字にする」といった従来のSEO戦術は通用しません。

過去10年間で検索は語彙検索、セマンティック検索、そしてこれらを組み合わせたハイブリッド検索へと進化してきました。AI検索はこの進化をさらに加速させ、「ランキングするページ」ではなく「関連性の高い情報」そのものを探します。

GoogleはAI検索について独自のガイダンスを出していますが、これは自社都合的でナイーブな側面があります。ChatGPTやPerplexityなど、各AIシステムは異なる方法で情報を取得、評価、表示するため、Googleのガイダンスが全体に適用されるわけではありません。AI検索はSEOの延長線上にあるものの、根本的な「ステップチェンジ」であり、別個の戦略が必要だと筆者は指摘しています。

AIシステムに評価されるコンテンツを制作するには、ウェブサイトだけでなく、動画、ソーシャル、アーンドメディアなど、コンテンツエコシステム全体を考慮する必要があります。特にページ内のコンテンツでは「アトミシティ（原子性）」が重要です。各段落は複数のトピックを混ぜず、1つの明確なアイデアに集中させ、AIが関連性の高い文章を抽出しやすくすることが求められます。

具体的には、明確な見出しを使用し、回答を見出しの近くに配置し、各段落を1つのアイデアに集中させ、有用なデータポイントを含み、セマンティックトリプルで関係性を明確にすることが推奨されます。大規模なコンテンツライブラリを持つ企業は、AIを活用した生成と批評のパイプラインを構築し、人間が最終的な判断と品質管理を行うことで、コンテンツの維持管理を効率化できます。

JavaScriptに関する注意点として、ChatGPTやPerplexityなどのAIシステムはJavaScriptをレンダリングしないため、重要な製品詳細や説明、データポイントなどは必ず生HTMLで提供する必要があります。逆に、競合他社やAIスクレイパーからコンテンツを保護したい場合はJavaScriptを利用することも有効です。

AI検索の影響を測定するには、入力指標（クエリファンアウトのランキング、文章の関連性スコアなど）、チャネル指標（シェアオブボイス、引用率、引用の感情など）、パフォーマンス指標（コンバージョン、収益、リードの質など）の3つのレイヤーで捉えることが重要です。

筆者は、AI検索に必要な新しいフレームワークとして「Relevance Engineering（関連性エンジニアリング）」を提唱しています。これは情報検索、コンテンツ戦略、AI、デジタルPR、UXの交差点に位置し、従来のSEOのチェックリスト作業とは一線を画します。適切な予算とチームを得るためには、これを「SEO」とは別の概念として捉える必要があります。

理想的なRelevance Engineeringチームは、AIを理解するエンジニア、コンテンツストラテジスト、UXスペシャリスト、デジタルPRスペシャリスト、そしてSEO経験者で構成されます。特にSEO経験者は、この新しい検索フェーズをリードするのに最も適した立場にあるとされています。

デジタルPRは、リンク獲得だけでなく、AIシステムが権威あると見なすサイトでブランドやメッセージ、専門知識が取り上げられることに価値があります。AIシステムはコンセンサスと権威を重視するため、自社サイトだけでなくニュース媒体などで一貫した情報が提供されることが重要です。

将来的に検索は、私たちが情報を探しに行く場所から、情報が能動的に提供されるアンビエントな体験へと変化すると予測されています。また、現在の最も過小評価されている技術的施策としてページ速度が挙げられます。ChatGPTやPerplexityのようなリアルタイムでページをリクエストするシステムでは、表示が遅いページはスキップされる可能性があり、エッジキャッシングが有効な解決策となります。

結論として、SEOは長年その定義を超えてきましたが、AI検索はこのギャップを明確にしました。Relevance Engineeringは、この新しい仕事にふさわしい名前、チーム、予算を与え、SEO担当者が次の検索フェーズをリードするための道筋を示しています。

解説

この記事は、AI検索時代におけるSEOの役割と進化について、非常に示唆に富んだ内容です。

最も重要なメッセージは、「AI検索は単なるSEOの延長ではない」という点でしょう。従来のキーワードやメタデータ最適化に終始する思考から脱却し、Relevance Engineeringという新しいフレームワークで、AIがどのように情報を理解し、生成するかを深く掘り下げて戦略を立てる必要性を訴えています。

特に注目すべきは「アトミシティの徹底」です。各段落を1つの明確なアイデアに絞り込むという考え方は、ユーザーだけでなくAIにとっても理解しやすいコンテンツ構造を生み出します。これは、AIが回答生成のために特定の情報断片を抽出する際の精度を高める上で、非常に実践的な施策と言えるでしょう。

また、JavaScriptの取り扱いについても重要な示唆がありました。ChatGPTやPerplexityといった生成AIがJavaScriptをレンダリングしないという事実は、重要なコンテンツを必ず生HTMLで提供する必要があることを意味します。これまでSEOではJavaScriptのクロール・インデックスに関する議論がありましたが、AI検索においてはその重要性がさらに増したと言えます。自社のコンテンツがAIシステムからどのように見えているかを検証するツール（iPullRankのContext Parity Explorerなど）の活用は必須になるでしょう。

「ページ表示速度の改善」が、Google以外のAIシステムで最も過小評価されている技術的施策であるという指摘も重要です。リアルタイムでページを処理するAIシステムにとって、遅延は直接的な機会損失につながります。エッジキャッシングなどのCDN最適化は、AI検索におけるブランドの可視性を確保するための基本的ながらも強力な手段となるはずです。

さらに、AI検索の成果を測るための包括的な計測モデル（入力指標、チャネル指標、パフォーマンス指標）の導入は、AI投資のROIを明確にする上で不可欠です。これまでのSEOが主にトラフィックやキーワードランキングに焦点を当てていたのに対し、AI検索ではブランドの引用や信頼性、コンセンサス形成といった、より多角的な視点での評価が求められます。

この記事は、SEO担当者に対して「現状維持ではなく、新しいスキルを身につけ、Relevance Engineeringチームの中心となってAI検索をリードするべきだ」というメッセージを強く送っています。もはやチェックリスト作業ではなく、情報検索、コンテンツ戦略、AI、デジタルPR、UXといった多様な専門知識を融合させ、アップスキリングすることが、今後のキャリアパスを切り開く鍵となるでしょう。

将来的には、情報が能動的に提供される「アンビエントな世界」が予測されています。これは検索マーケターにとって大きな変化ですが、ユーザー体験の向上という視点で見れば、非常にエキサイティングな進化であると言えます。現在のAI検索のトレンドは、その未来への第一歩なのです。