Copy link to heading検索が変わった理由

AIインターフェースは、多くのクエリにクリックなしで直接回答するようになりました。「このAPIリクエストの書き方は？」のような質問がインラインで解決されます。このようなゼロクリック回答は、人々の検索方法やコンテンツの表示方法を変えています。

ChatGPTは現在、新規Vercelサインアップの約10%を参照しています。前月の4.8%、6ヶ月前の1%から増加しています。他社でも変化が起きています。TallyではAI検索が最大の獲得チャネルになりました。ChatGPTとPerplexityが新規サインアップの大部分を占め、4ヶ月でARRを200万ドルから300万ドルに引き上げています。

ただし、すべてのAI主導の結果が閲覧につながるわけではありません。GoogleのAI Overviewは、AI Overviewがない類似検索と比べてクリックを最大34.5%減少させる可能性があるという調査結果もあります。

検索はランキングだけではなく、新しい場所や新しいルールの中で表示されることが重要になっています。

Copy link to heading従来のSEOとLLM SEOのバランス

リンク構築から概念の明確化への移行は、コンテンツへのアプローチを変えます。従来のSEOとLLM SEOは異なるシステムに役立ちますが、どちらかを犠牲にすることはできません。人と機械の両方に見つけてもらうには、両方をサポートする必要があります。

従来のSEOを放棄しないでください。基礎となる概念を活用し、深みと幅を加えましょう。

これは、戦略がどこで分岐し、どこで重なるかを理解することから始まります。

深さと明瞭さが、繰り返しや規模よりも重要です。LLMはキーワードを照合するのではなく、意味を解釈します。コンテンツに実体がなければ、キーワードの詰め込みや同義語の置き換えはほとんど影響を与えません。モデルは、最も明確で意味的に豊かな説明を表示します。

キーワードスタッフィングや隠しテキストのようなレガシータクティックは、トレーニングデータに残っている可能性がありますが、役立ちません。せいぜい無視され、最悪の場合、シグナルを乱したり従来のSEOパフォーマンスを損なったりします。

成功するブランドは、構造化され、オリジナルで、関連性のあるコンテンツを作成します。人間の検索者とそれを導くモデルの両方に対応します。

Copy link to headingLLMがコンテンツを読み取り処理する方法

コンテンツの表示を改善するには、AIシステムがどのように解釈するかを理解する必要があります。多くのシステムはRAGを使用しており、実行時に外部情報を取得します。ChatGPT、Copilot、Meta AIはBingのインデックスを使用します。Googleは独自のインデックスを使用し、Perplexityは混合型です。いずれの場合も、コンテンツはクロール可能で、構造化され、解釈しやすい必要があります。

検索を超えて、モデルはトレーニング中に学習した内容にも依存し、単語と概念の関係を表す高次元埋め込みとしてエンコードされます。これにより、正確なキーワード一致がなくても概念を推論できます。

RAGは、クエリの意図に密接に一致するコンテンツを取得することで、現在または特定のコンテキストを追加します。このシステムでは、キーワード密度やバックリンクよりも、明瞭さ、深さ、独自性が重要になります。

Copy link to headingLLMが実際に報いるもの

LLM SEOは「答えになる」ための技術です。深みを持って概念を所有し、検索のために構造化し、引用を獲得し、新鮮で信頼できる状態を維持することを意味します。

これはすぐに起こるものではありません。コンテンツパイプライン全体にわたる意図的な努力が必要です。重要なのは、概念がどれだけ明確に、一貫して、独自に定義されているかです。構造、ランキング、インデックス可能性は依然として重要です。リアルタイム検索とトレーニングデータへの長期的な包含の両方をサポートする必要があります。うまく実行すれば、これらの取り組みは互いに強化されます。

以下は、AIシステムが理解し、人間の読者が有用と感じるバランスの取れたコンテンツを作成するために私たちが使用している原則と実践です。

Copy link to headingフロンティア概念を見つける

LLMは概念の最初または最も明確な説明を好みます。早ければ、あなたのバージョンがデフォルトになる可能性があります。そうでなければ、最も決定的なものになることを目指します。

ソースになれる、低競争で高機会のトピックを特定します。

  • Twitter/X、Reddit、GitHub、Discord、フォーラムで新興の質問を監視する

  • 競合他社が浅い、または存在しないギャップを見つける

  • 自社または製品の強みに一致するトピックを見つける

  • コピーしにくい独自のデータ、ベンチマーク、顧客事例、インサイトを共有する

  • ユーザーがすでに尋ねていることから始める

Copy link to heading決定的で証拠に基づくソースを公開する

角度を見つけたら、深く掘り下げます。一般的な要約はしばしばスキップされます。LLMは実体を好み、深さから権威を推測します。他では簡単にコピーできない独自のデータ、コード、専門家の引用、ストーリーを含めます。

  • 表面的なカバレッジを超える

  • メトリクス、コードブロック、テーブル、リスト、引用、図を含む

  • 正確で一貫した用語を使用する。あいまいな同義語は埋め込みを弱める

  • 抽出向けに書く。短く自己完結したインサイトは引用されやすい

  • ニッチで正典的なソースになることを目指す

リトマステスト：自問してみてください。「競合他社は明日簡単にこれを複製できるか？」答えが「はい」なら、さらに深く掘り下げましょう。

Copy link to heading機械向けに構造化する

構造は、モデルがコンテンツが何であり、いつ表示するかを理解するのに役立ちます。インデックスされていても、意味が不明確だったりレイアウトが解析しにくかったりすると、ページはスキップされる可能性があります。

マークアップとレイアウトの両方で意図を明確にします。

目的はシステムを欺くことではなく、人間と同じくらい明確に意図を機械に伝えることです。

Copy link to heading本物の引用をシードする

LLMはウェブから学習します。会話を導きましょう。トレーニングへの影響については、コミュニティでの言及が重要です。これにより、モデルがブランドを概念と関連付けるのに役立ちます。人々があなたを引用すれば、モデルもそれに従うことがよくあります。検索については、バックリンクとインデックス可能性が依然として重要です。

  • スレッド、AMA、変更ログ、製品デモで共有する

  • 他の人が参照できるオープンソースリソースや実際の例を作成する

  • 関係を強化するために相互リンクされた記事でトピッククラスタを構築する

  • 高シグナルでインデックス可能なチャネルに焦点を当てる：Reddit、GitHub、Hacker News、Twitter/X、LinkedIn、Stack Overflow

  • 有料リンクを避ける。オーガニック引用はトレーニングデータでより重みを持つ

Copy link to heading更新サイクルを設定する

モデルは定期的にウェブを再クロールする。時間が経つと、古くなったコンテンツは人にもAIシステムにも役立たなくなります。ページがインデックスされていても、正確性や関連性が失われると検索や参照されなくなる可能性があります。

検索ベースのシステムでは、より新しくランキングの高いコンテンツが含まれる可能性が高くなります。コンテンツを新鮮に保つことで、表示・引用される可能性が高まります。

定期的なメンテナンスが重要です。

  • 404を修正し、lastmodを更新し、サイトマップをクリーンに保つ

  • 30日、90日、180日でコンテンツをレビューする

  • 古くなったものを更新し、うまくいっているものを拡張する

  • 古くなったページをアーカイブする（リダイレクト付き）

  • 競合が追いついたらギャップを埋める

一貫したメンテナンスによりコンテンツを関連性のある状態に保ち、ユーザーとモデルの両方に情報が信頼できることを示します。

Copy link to headingAIの影響を追跡する

AIシステムにおける可視性の測定はまだ進化中の課題です。コンテンツが回答に表示されているか、トレーニングデータに埋め込まれているかを示す信頼できるダッシュボードはありません。ただし、注目すべきシグナルがいくつかあります。

  • ソース引用：Perplexity、Google AI Overview、ChatGPTなどはソースをインラインで表示することがあります。ドメインや主要なトピックを検索して可視性を確認する

  • リファラートラフィック：ウェブアナリティクスおよび可観測性ツールを使用して、chat.openai.com、perplexity.ai、bard.google.com、claude.aiなどからの訪問を追跡する

  • 言及とリンク：LLMは実際の人々が引用するものを反映することが多い。コミュニティフォーラム、ソーシャルメディア、ブログでの言及に注目する。Ahrefs、Mention、Semrushなどのツールも役立つ。繰り返される表現は影響のヒントになる

  • インデックスカバレッジ：検索には発見可能性が必要です。Google Search ConsoleとBing Webmaster Toolsを使用して、主要な概念のインデックスとランキングを追跡する。robots.txtでクローラーを許可し、クリーンで正確なサイトマップを維持する。良好なCore Web Vitalsスコアを優先してパフォーマンスの高いインデックスを実現する

アトリビューションは常に明確ではありませんが、AIリファラーからのトラフィックは、すでに質問をし、回答を見て、それに基づいて行動しているユーザーを反映することが多いです。この行動はボリュームよりも重要です。

単一の指標で使用を確認することはできません。しかし、これらのパターンを組み合わせることで、より良いツールが登場するまでの間、何を作成し、維持し、優先すべきかを知るための有用なシグナルが得られます。

Copy link to heading最後に

LLM SEOに近道はありません。概念の所有権は1週間で築けるものではありません。それは規律と新しいマインドセットを必要とする戦略的な堀です。私たちは検索ランキングから回答形成へと移行しています。

人間だけでなく、人間が見るものを決定するモデルにも最適化しています。つまり、より深く、より明確に、モデルが学習して表示できるコンテンツを作成するということです。

従来のSEOは依然として重要です。速度、構造、インデックス可能性は両方の基盤です。バランスを保ちましょう。この分野は急速に進化しています。Bingが今日重要ですが、Google、Perplexity、DuckDuckGo、民間のRAGシステムもAI発見を形作っています。

孤立して最適化したり、 hypeを追いかけたりしないでください。LLM SEO、Language Engine Optimization (LEO)、Generative Engine Optimization (GEO)、Answer Engine Optimization (AEO)、AI SEOなど、呼び名は違っても目標は同じです：概念を明確に、一貫して、適切な構造で所有し、モデルがそれをよく理解できるようにすることです。