「生成AI検索」で自社コンテンツの表示頻度を高める方法 実践に向けた3ステップを詳しく紹介（1/3 ページ）

AI検索で自社コンテンツの表示頻度を高めるために、有効な手段は？　今回は、実践に向けた3ステップを詳しく紹介します。

[Matt Bennett，ITmedia]

　「AIによる概要」（AI Overview）の登場で、消費者の検索行動は大きく変化した。年間5兆回以上使われるというGoogle検索だが、現在その多くはゼロクリック（AIOに表示されるだけで、サイトをクリックされない状態）だと指摘されている。

　今、自社コンテンツを“AIに選んでもらうため”の対策に熱い視線が注がれる。今回はデジタルプロダクト分析プラットフォームを提供する米Amplitudeが、AI領域での可視性を高めるための実践方法を解説する。

　トラフィックの中心が検索エンジンからAIチャットへと変わりつつあります。一方、高品質なコンテンツを作り、権威ある第三者の言及を得ることでブランドの表示頻度が上がることは、今も変わりません。

　LLM（大規模言語モデル）は意味に基づいてテキストを処理するため、コンテンツ作成者には、キーワード密度（Webサイトの内容が特定のキーワードとどの程度関連しているかを示す指標）のような、従来のSEO戦略の枠組みを超えた思考が求められます。

　AIチャット時代を勝ち抜くためには、AI領域での可視性（AIビジビリティ）（※）が大事な要素となります。LLMのメカニズムを掘り下げることは、自社とその製品がより頻繁かつ好意的に言及されるための施策を検討することにもつながります。これはGEO（Generative Engine Optimization：生成エンジン最適化）、AEO（Answer Engine Optimization：回答エンジン最適化）や、AIO（Artificial Intelligence Optimization：人工知能最適化）として知られる手法です。

　本稿では、AIチャットの基礎となるLLMの仕組みと、AIチャットサービスにおける表示頻度向上の実践的なアプローチを紹介します。

※AIビジビリティ（AIの可視性）とは、AIが生成するコンテンツにおいて、ブランド名や情報がどれだけ頻繁に取り上げられるかを示す指標。特に、ChatGPTやClaudeなどのチャット型AIサービスや、LLMによって生成される回答の中にブランドがどのくらい登場するかを表し、ブランドの認知度や存在感の高さを意味します。

著者プロフィール：Matt Bennett（マット・ベネット）

Amplitude Asia Pacific and Japan Vice President

デジタルプロダクト分析プラットフォームを提供する米Amplitudeでアジア太平洋および日本（APJ）地域のセールス組織を統括。

VMware、Carbon Black、MobileIron、Zscalerといった高成長企業において、約20年にわたりAPJ地域での事業拡大と需要創出をリード。

スタートアップから市場を牽引する企業まで、効率的な成長と高い成果を重視したセールスチームの立ち上げとスケールを手がけている。

競合他社より先に、AI検索の対策をすべき理由

　米OpenAIが最先端LLMの学習に数十億ドルを投じているにもかかわらず、ChatGPTの出力はいまだに、比較的容易にさまざまな外的要因の影響を受けてしまう側面があります。例えば、ある企業が大量のSEO最適化を実施した結果、ChatGPTの回答が同社の内容に傾く現象が起きました。ChatGPTは客観的比較ができず、インターネットに書いてあった内容を繰り返すため、Web上の既存コンテンツの偏りを反映しやすいシステムとなっています。

　今の時代に自社コンテンツが見られるようにするには、競合他社がAI上の情報を支配する前に対策を打つ必要があります。AIの可視性を最適化していない場合、潜在顧客がAIチャットサービスを使用する際、自社ではなく競合他社の情報が優先的に紹介される可能性があるのです。

　さらに深刻な点として、次世代LLMは現在、既存のコンテンツを用いて学習されています。自社のコンテンツが読まれない、採用されないことで、人々が未来のLLMを使用する際、そのブランドは不利な立場に陥るでしょう。

ChatGPTなどのAIチャットが回答を生成する仕組み

　LLMは、これまでの会話のメッセージ、生成したテキストなどのあらゆる要素に基づき、ひとまとまりのテキストを一度に生成します。

　一方、ChatGPTなどのAIチャットサービスは、単なるLLM（GPT）にとどまるものではありません。そこでは、基本のLLMを強化するため、追加のコンテキストと機能が提供されます。

　例えば、以下の要素も使用されます。

• 記録（これまでの会話やカスタム指示の参照）
• 位置情報（地理的なコンテキストの組み込み）
• ナレッジベース（内部文書の検索）
• コードの実行（問題を分解し、実行コードを生成）
• Web検索（検索エンジンを使用し、さらなる情報を特定）

　例えば「私はスタートアップを立ち上げました。自社製品を改善するためユーザー行動をどのように追跡すべきですか？」とChatGPTに質問すると、モデルはユーザーの意図を解釈し、必要に応じて検索エンジンを通じて関連情報を参照します。その際「ユーザー行動分析のベストプラクティス」などの検索クエリを生成し、外部情報を補完した上で回答を構築します。

　AIチャットサービスはGoogleやBingなどの検索エンジンの結果から、あらゆるリンク先の説明文を読み取り、関連性の高いWebページの一部を開きます。リンクの説明文、Webページの内容、ユーザーのメッセージを、回答を生成するためのコンテキストの一部としてLLMに渡します。参照されたWebページは、回答内に引用として表示される場合もあります。