計測から再計測まで、GEOクローズドループの4週間ケーススタディ

この記事の会社と数値は、実在する特定の顧客ではなく、複数の事例を組み合わせて作成した代表的なシナリオである。すべての数値は、クローズドループが一周する仕組みを示すための例示値であり、実際の計測値ではない。見るべきは数値そのものではなく、ループが回る順序だ。

引用率を高める方法そのものは難しくありません。質問にまっすぐ答え、根拠を添え、エンティティの表記を統一したうえで、計測してまた計測すればいい。リストにして書き出すとこれほど明快なのに、いざ月曜の朝に席につくと、どこから始めればいいのか途方に暮れます。どの質問を計測すべきか、ギャップが見えたら記事を何本書けばいいのか、次の計測はいつやればいいのか。リストを眺めただけではつかめないからです。

そこでこの記事では、戦術のリストではなく時系列の物語として解きほぐしてみます。架空のB2B SaaS企業1社が、4週間でクローズドループを一周する過程を週ごとに追っていきます。この会社は中小企業向けの経費精算ソフトを売っているとし、名前は「リポミル」と呼ぶことにします。SEOには慣れているものの、GEOは初めて取り組むチームです。

0週目：検索では1位なのに、回答には出てこない

きっかけは些細なことでした。リポミルのグロース担当者が昼休みにChatGPTへ「中小企業の経費処理を自動化するツールを教えて」と尋ねたのです。回答には競合3社がきれいな段落でまとめられていたのに、リポミルはどこにもいませんでした。同じキーワードをGoogleに入れればリポミルのブログが1ページ目の上位に出るのに、それでも、です。

こういうとき、よくある反応は二つに分かれます。一つは「AIはまだうちを知らないんだろう、コンテンツをもっと書こう」とすぐに記事の量産へ走る反応です。もう一つは「たまたま一度外れただけだろう」と受け流す反応。どちらも計測を飛ばしている点で同じ間違いです。一つの質問で一度外れたのがパターンなのか偶然なのか、チャットボットだけなのか検索型回答でもそうなのか、競合はなぜ引用されているのか。それを知らないまま動いているからです。

そこでリポミルが0週目に下した決定はシンプルでした。次の1週間はコンテンツを書かず、計測だけに徹する。スタートラインがわからなければ、4週間後に何が良くなったのかさえ語れないからです。

1週目：スタートラインを数値で固定する

計測の最初の一手は、何を計測するかを決めることです。リポミルは、顧客が実際に投げかけそうな質問を20個集めました。営業チームの通話記録やカスタマーサポートへの問い合わせ、そして検索コンソールの実際の検索語から拾い上げたのです。「経費管理」のような抽象的なキーワードではなく、人がチャットボットに打ち込みそうな完結した文章で書いたのがポイントです。

• 「中小企業の経費精算の自動化はどう始めればいい？」
• 「法人カードの利用明細を自動で分類する方法」
• 「経費処理、Excel以外に代替はある？」
• 「税理士に渡しやすいように経費を整理するコツ」

次に、これらの質問をさまざまな生成型の表面に直接投げ込みました。ただし、2種類の表面は分けて見る必要があります。対話型チャットボット（ChatGPT、Claude、Geminiなど）と、Google AI Overviewのような検索型回答は、動作の仕組みが違うからです。チャットボットは学習した知識とリアルタイム検索を混ぜて答えるのに対し、検索型回答は検索結果の上位から出典を引いてきて合成します。そのため、同じ質問でも二つの表面で引用されるブランドが変わることがあります。漠然と「AIに出てこない」とだけ書くのは困りものです。どの表面のどの質問で外れているのかを別々に記録してこそ、次の行動が決まるからです。

1週間が過ぎると、スタートラインの地図ができあがりました。たとえば、こんな形でした。

ここでの引用率は「計測した質問のうち、回答の中に自社が登場した割合」というシンプルな定義で捉えました。精緻な重み付けは後の問題です。最初は、同じ定義で同じ質問を繰り返し計測できるかどうかのほうが重要だからです。こうしてスタートラインがチャットボット約15%、検索型約10%で固定され、4週間後に比較する対象ができました。

2週目：ギャップを読み、優先順位を決める

計測結果を広げて見てみると、ギャップにも種類があることがわかります。リポミルは外れた質問を三つに分類しました。

1. 競合だけが登場する質問。複数の競合がはっきり出ているのに、自社だけがいない質問です。市場が答えを求めているのに自社の席が空いているというサインなので、優先順位が最も高くなります。
2. 誰もまともな答えを出せていない質問。AIが漠然と答えている質問です。競争が弱いので、的確な答え一つで先取りできる余地が大きく、効率が最も良いところです。
3. 自社がすでに登場している質問。守るべきですが、いま手をつけるところではありません。

リポミルは1番と2番から5つの質問を選びました。5つに絞ったのには理由があります。クローズドループの目的は、コンテンツをたくさん量産することではなく、「コンテンツが引用につながるか」という因果を一周のなかで確認することにあるからです。一度に20個を公開してしまうと、4週間後に引用が増えても何が効いたのかを切り分けられません。変化の原因を読み取るには、動かす変数を少なく抑える必要があります。

ギャップを読むときに見たもう一つの項目があります。競合が登場する回答で、AIがどの出典を引いて使っているかです。自社ブログなのか、業界メディアなのか、比較サイトやコミュニティなのか。それを見れば引用の通り道が見えてきます。通り道が見えれば、自社のコンテンツをどこにどんな形で置けば同じ通り道に乗れるのかも見えてきます。回答に添えられる出典のリストが、そのまま次の行動の地図になるのです。

3週目：ギャップを埋めるコンテンツを公開する

いよいよ記事を書きます。ただし、いつものブログのようには書きません。計測から出てきた5つの質問それぞれを、1本の記事が最後まで責任を持つ構造で組み立てます。「経費管理 総まとめ」のような広く浅い記事1本ではなく、「法人カードの利用明細を自動で分類する方法」という一つのことを深く答える記事群です。

各記事には、引用率を扱った概要記事の原則をそのまま適用しました。原則そのものを改めて説明するより、このケースで実際にどう適用されたのかだけを押さえてみます。

• 質問を小見出しに、直答を最初の2文に。人がチャットボットに打ち込みそうな文章をh2に上げ、その真下で結論から述べました。背景説明はその後ろに回したのです。AIがその2文だけを切り取って回答に入れられるくらい、自己完結している必要があるからです。
• 主張のそばに検証可能な根拠を。存在しない統計を捏造することはしませんでした。自社データがあれば期間とサンプルを明らかにして公開し、なければ公式文書を引用するか、仮の例であることを明示しました。捏造した数値は、短期的に引用を得られても、モデル間の相互検証で結局はじかれてしまうからです。
• エンティティの表記を統一。製品名やカテゴリー用語、英語の併記方法を一つに固定し、5記事すべてに同じように適用しました。同じ対象を記事ごとに違う呼び方をすると、引用のシグナルが表記ごとに散らばってしまうからです。
• 構造化データと本文の一致。FAQ型の記事にはFAQPageスキーマを載せつつ、本文にない内容をマークアップだけに詰め込むことはしませんでした。本文を質問と直答の構造でしっかり書いておけば、スキーマはほぼ自動的についてきます。

公開先も一か所に固めませんでした。2週目に読み取った引用の通り道に合わせて自社サイトに中核となる記事を置きつつ、一部の事実情報はAIがよく参照する外部の表面にも正確に反映しました。たとえば業界Wikiの事実項目を点検し、ディレクトリ情報の誤りを訂正するといった具合で、広告を差し込むのではなく、正確な情報をあるべき場所に置く作業です。

ここでよく出てくる焦りがある。公開して翌日にすぐ計測し直そうとする気持ちだ。生成エンジンが新しいコンテンツをクロールして候補に反映するまでには時間がかかるので、公開直後の計測はノイズだけを見てしまいがちだ。だからリポミルは公開後すぐには再計測せず、1週間待った。

4週目：同じ質問を再び投げる

再計測の鉄則は一つです。1週目とまったく同じ質問を、まったく同じ表面に、まったく同じ引用の定義で投げる。質問を変えたり定義を変えたりすると、変化がコンテンツのおかげなのか計測方法のせいなのかわからなくなります。スタートラインと比較できてこそ、クローズドループは初めて意味を持ちます。

たとえば、こんな形で結果が出ました。

5つの質問のうち、手を入れた領域で登場が生まれました。チャットボットの表面ではより大きく動いた一方、検索型回答は変化がより緩やかでした。検索型は検索インデックスと出典選定という段階をもう一度経るため、反映にタイムラグがあるものと見られます。二つの表面を分けて見ていなければ、ただ「10ptほど上がった」と埋もれていたであろう違いです。

大事なのは数値の大きさではなく、読み取った因果です。この周回でリポミルが知ったことは、次のとおりです。

• 質問と直答の構造で書き直した2記事はチャットボットではっきり登場したので、このパターンは伸ばします。
• 外部の表面情報を訂正した質問は検索型回答で反映が遅かったので、タイムラグを見込んで次の計測で改めて見ます。
• 1記事は公開したのに変化がなかったのですが、直答が十分に自己完結していなかった可能性があるため、次の周回で構造を練り直します。

一度で終わりではない

4週間が過ぎてリポミルが得た本当の資産は、引用率の数値ではありません。次のコンテンツを推測ではなくデータで決める方法です。効果が出たパターン（質問と直答の構造）、タイムラグのあるパターン（外部の表面の訂正）、そして効果のなかった記事（構造を練り直すべきところ）が切り分けて見えるので、次の周回はこの学びの上から始められます。

だからクローズドループは、一度回して終わるキャンペーンではなく、運用のリズムに近いものです。モデルは変わり続け、競合も同じことをやっているので、今月は登場していた質問で、来月は押し出されてしまうこともあります。周期を短く（たとえば週単位で）取るほど学習の速度が上がり、変化も早くつかめます。

4週間のクローズドループを表に圧縮すると、こうなります。

このループを手作業で回すことも不可能ではありませんが、すぐに手に余るようになります。質問は20個を超え、チャットボットと検索型回答は分けて見なければならず、再計測の周期は毎週やってくるからです。表面ごとの登場を一貫した定義で記録し、ギャップをコンテンツでつなぎ、同じ条件で再計測する。この一連を一か所で回そうとすれば、結局はツールの助けが必要になります。ただし、ツール以前に覚えておくべき原則は同じです。引用率は、より多く書くことではなく、まず計測して変数を一つずつ検証することから上がっていきます。NUDGEOは、そのスタートラインを確認し、同じ条件で再び計測できるようお手伝いします。