ページ単位のSEOはAIに見えていない: 引用されるのは「パッセージ」だった
私は2年間、検索1位を取ることに人生を捧げていました。そんなある日、AIアシスタントがGoogle検索3ページ目に沈んでいた私の記事を引用し、同じクエリで1位だった記事を完全に無視する瞬間を目撃しました。正直、けっこう効きました。同時に、自分が最適化してきた対象そのものが間違っていたことも分かりました。
誰もはっきり言ってくれなかった事実はこれです。AI検索はページを引用しません。引用するのは「パッセージ(一節)」です。
単位が変わったのに、誰も通知してくれなかった
従来のSEOには「ページ」というたった一つの単位がありました。URLが順位を持ち、URL全体が上がったり下がったりする。仕事の中身は過酷ですが、頭の中のモデルはシンプルでした。
AI検索はそのモデルを静かに捨てました。ChatGPT SearchやPerplexity、GoogleのAI Overviewsが質問に答えるとき、10本の青いリンクを並べたりはしません。答えを「組み立て」、その部品を複数のソースに散らばった特定の段落、つまりパッセージから引っ張ってきます。
私の3ページ目の記事が引用されたのは、これが理由でした。その記事の中の1段落が、ユーザーのサブクエリにきれいに答えていたのです。一方の1位ページには、そういう段落がありませんでした。何か引用できることを言う前に、2,000字の前置きがあったのです。Googleはそのマラソンを評価しました。AIが欲しかったのは1文の明快な答えで、たまたま私の負け犬記事がそれを持っていた、というわけです。
研究もこれを裏付け続けています。AI Overviewsの引用元のかなりの割合は、そもそもオーガニック検索トップ10にすら入っていません。ページ順位と引用される確率の関係は、ゆるく相関する程度です。つまり、ページをひとかたまりの塊として最適化し続けているなら、AIが一度も見ない単位を磨いていることになります。
「スナッパビリティ」とは結局なにか
スナッパブルなパッセージとは、AIが切り出して答えにそのまま貼り付けても、周囲の文脈ゼロで意味が通る一節のことです。この「文脈ゼロで」という部分が勝負のすべてです。
自分で試してみてください。最新記事のどれか1段落を空のドキュメントに貼り、前後を見ずに読む。それは単独で立っていますか。それとも「これ」「したがって」「前述のとおり」といった言葉で、上の3段落に寄りかかっていませんか。文脈から切り離されて生き残れない段落は、AIも切り出しません。なぜならAIがやっているのは、機能的に言えば「文脈から切り離してコピペする」ことだからです。
私の昔の文章は、このテストに見事なまでに落第しました。どの段落も前の段落の乗客でした。人間が上から下へ読むぶんには最高です。機械が真ん中の一行だけをつかむぶんには、無価値でした。
私が今書いている4階層構造
3ページ目の屈辱のあと、私は下書きの仕方を作り直しました。今はコンテンツを、小さいものから大きいものへ4つの階層で考えています。
Atomic(原子): 単独で完結する1つの事実。 前置きなしで真実かつ引用可能なことを述べる1文です。「TypeScriptは2012年にMicrosoftがリリースした言語です」。「弊社のソリューションは多くのチームのお役に立ってきました」ではありません。AIが欲しいのは責任を持てる事実であって、曖昧な安心材料は事実ではありません。
Mini(ミニ): 2〜3文で1つの概念。 概念とその帰結を定義するのにちょうど足りる量で、それ以上は書きません。私の経験上、AIアシスタントが最もよく引用するのはこの単位です。完結した一つの考えでありながら、答えの枠にちゃんと収まるからです。
Section(セクション): 見出し＋複数パッセージ。 見出しは装飾ではなく検索の仕事をしています。見出しを「読者が実際にタイプする質問」の形で書けば、AIに対してラベルの付いた引き出しを差し出したことになります。
Cluster(クラスタ): トピックを所有する関連ページ群。 1ページで領域全体はカバーできません。密にリンクされたページ群は、あなたが一度きりではなく繰り返し引用に値するソースであることを示します。
実務上の変化は小さいけれど執拗です。隣の段落に依存する段落を書くのをやめ、誘拐されても困らない段落を書き始めた、それだけです。
結論ファースト、前置きはゼロで
殺さなければならなかったもう一つの癖が、前置きです。私はかつて、どのセクションも文脈から始め、緊張を高め、最後に手品師のように答えを明かしていました。AI検索は手品師が大嫌いです。1文目でウサギをテーブルに出してほしいのです。
そこで私は結論ファーストに切り替えました。昔ながらのPREP法(Point・Reason・Example・Point)に近い書き方です。まず結論、それから理由。「パッセージ最適化を使うべきか」と聞かれたら、1文目は「はい。AIはページではなく段落を引用するからです」で、説明はそのあとに続きます。AIは冒頭をつかんで先へ進めるし、深く読みたい人間はそのまま読み続ける。全員が得をして、誰も種明かしを待たされません。
一問一答ブロックはさらに強力です。質問そのものを見出しにし、その下に引き締まった2文の答えを置く。これはおそらく最も切り出しやすい構造です。ユーザーがAIに尋ねた形そのものを鏡写しにするので、マッチが簡単すぎるくらいです。
数字は撒き餌で、AIは食いつく
私が気づき、あとで研究を見つけたパターンがあります。具体的な数字を含むパッセージは、形容詞を含むパッセージよりはるかに引用されやすいのです。Princeton中心の生成エンジン最適化(GEO)研究では、統計・引用・出典を加えるとAI回答内での可視性が最大**40%**向上したと報告されています。これは誤差ではありません。引用されるソースになるか、誰も見なかったソースになるかの分かれ目です。
そこで私は下書きを見直し、ふんわりした主張を硬い数字に変えていきました。「スキーマ実装はAI可視性を意味あるレベルで高めうる」は、具体的なケースになりました。Sharp HealthCareは構造化データの全面刷新後、9ヶ月でAI経由のクリックが843%増加したと報告しています。前者は忘れられる1文、後者は引用されるのを待っている1文です。
このフレームワークの元になった章は、同じ方向のデータをもっと挙げています。サブクエリ最適化や、平凡なパッセージへの統計の追加による引用増などです。手法によってばらつくので、正確なパーセンテージは「方向性」として扱うのが無難ですが、方向そのものは私が見たかぎりどこでも一貫しています。具体は引用され、曖昧はスキップされる、です。
構造化データはパッセージの名札
パッセージが引用を取ってくるなら、構造化データはあなたを「読み取れる存在」にします。スキーマ(JSON-LD)は、ページの各かたまりが実際に何なのかを機械に伝えます。これは質問、これはその答え、これは著者、これは公開日、と。Perplexityの挙動を見ると、きれいな構造化データを持つコンテンツには可視性の上乗せがありますし、BraveのLLMコンテキスト系ツールは、マークアップが導いてくれればテーブルの行レベルまで抽出できます。
こう考えると分かりやすい。スキーマのない優れたパッセージは、ラベルのない紙切れに書かれた見事な答えです。スキーマは、機械がそれを正しく整理し、また見つけ出せるようにするラベルなのです。
鮮度もまたパッセージの属性
過小評価していたレバーをもう一つ。鮮度です。AIは新しいソースを好み、その差は私の想像より大きいものでした。数時間前に更新されたコンテンツと、1ヶ月放置されたコンテンツとでは、引用頻度が数十パーセント単位で変わりうる。Adobeの指針はおおむね「重要コンテンツを数週間おきにリフレッシュ」あたりに着地しています。だから私はもう、パッセージを書いて放置しません。価値の高いものを定期的に見直し、数字を更新し、日付を更新する。パッセージは記念碑ではなく、観葉植物です。
私が今、実際にやっていること
今日、記事を書くとき、私のチェックリストは短くて少し容赦がありません。
- 各段落は切り出しても意味が通るか。通らないなら書き直す。
- 各セクションは答えから始まっているか。違うなら答えを上に動かす。
- 主張は具体的で数字付きか。違うなら数字を探す。
- 構造はスキーマで機械可読か。違うなら付ける。
- 価値の高いパッセージは新しいか。古いなら更新する。
従来の順位を今も気にはしています。消えたわけではありません。でも、ページを「最適化する対象」として扱うのはやめました。ページはただの容器です。パッセージこそが製品です。そしてURLではなく段落のために書き始めた日が、AIアシスタントが私の文章を、一生会わない誰かに引用し始めた日でした。
AI抽出可能なコンテンツ構造のより詳しい分解は、llmoframework.com のコンテンツ設計ノートがパッセージと構造化データの階層を深掘りしています。この考え方の正典は、あちらと、ここに置いています。
4階層・構造化データのパターン・その背後にある計測ループまで含めた全体像は、LLMO: AI検索最適化 にまとめました。
この記事は役に立ちましたか？