AI検索時代のSEO情報ブログ

AI検索といえば、これまでの中心はChatGPTでした。2022年11月のリリース以降、ChatGPTは世界的に月間アクティブユーザー数億人規模のサービスへと成長し、AIとの対話で情報を得る新しい検索行動を定着させてきました。そこに、Googleの「AIモード」が急速に成長し、月間10億ユーザーを突破しました。今や、ChatGPTと「AIモード」がAI検索の2大巨頭として並び立つ状況になっているのです。

多くの企業のマーケターや経営者が、「AI検索対策=ChatGPT対策」と考えて、対策を単一のサービスに集中させています。しかし、ChatGPTと「AIモード」は異なる仕組みと異なるユーザー体験を持つ別の存在であり、両方への並列対応が現実的に必要な時代になりました。「AIモード」が急速に成長した背景を理解することで、なぜ2つのAI検索に並列対応する必要があるのかが明確になります。

長年SEOコンサルタントとして、AI検索の進化を追い続けてきた立場から言うと、「AIモード」がChatGPTと並ぶまでに成長した過程には、単なる「Googleが強力だから」という以上の、構造的な要因があります。これら3つの決定的要因を理解することが、AI検索時代の企業戦略を組み立てる基盤になります。

今回は、「AIモード」がChatGPTと並ぶ「もう1つの主要AI検索」に育った3つの決定的要因について、実務の視点から解説していきます。

ChatGPTと「AIモード」が並ぶ2大AI検索という現状

ChatGPTと「AIモード」の現状の位置付けを、実務的に整理します。

現在、AI検索の分野には複数のサービスが存在しますが、ユーザー規模と実際の利用頻度で圧倒的な2大サービスとなっているのが、ChatGPTと「AIモード」です。この2つの存在感は、他のAI検索サービス(Perplexity AI、Claude、Copilotなど)とは一線を画す規模になっています。

この構造は、買い物客が用途に応じて、コンビニとスーパーの両方を日常的に使い分けている光景と似ています。多くの家庭では、コンビニとスーパーの両方を使い分けています。急に必要な少量のものはコンビニで、まとめ買いや専門的な商品はスーパーで、という具合に、目的に応じて自然に使い分けているのです。どちらか一方だけで生活する家庭は稀で、両方が並列に生活の一部として定着しています。



ChatGPTと「AIモード」の関係も、同じ構造になりつつあります。ユーザーは目的に応じて2つを使い分けており、「文章生成や高度な推論はChatGPT」「事実確認や最新情報が絡む調査は AIモード」といった使い分けが定着し始めているのです。企業のWeb集客も、この両方に並列対応する必要が生まれています。

決定的要因1: 既存Google検索ユーザーへのシームレスな展開

「AIモード」が急速に成長した第1の決定的要因は、既存Google検索ユーザーへのシームレスな展開です。

ChatGPTは、独立したサービスとして提供されているため、ユーザーは新しいアプリをインストールしたり、新しいアカウントを作ったりする必要があります。この初期障壁が、一定の普及ペースを規定していました。

一方、「AIモード」はGoogle検索の中に「タブ」として組み込まれているため、既存のGoogle検索ユーザーは、追加のアプリインストールもアカウント作成も不要で使い始められます。世界中で数十億人が既に使っているGoogle検索という強力な既存ユーザー基盤に、「新しいタブを追加するだけ」で、瞬時にサービスを届けられるのです。

この展開方法は、以下のような利点を持ちました。

1. 認知障壁の低さ
多くのユーザーが、通常検索を使う中で自然に「AIモード」タブの存在に気づきます。広告や告知に頼らずに、既存の検索体験の中で認知が広がりました。

2. 利用開始の摩擦のなさ
タブをクリックするだけで利用が始まるため、心理的な抵抗がほぼありません。「新しいサービスを覚えなければ」というプレッシャーもありません。

3. 既存の使い勝手との連続性
Google検索の使い勝手に慣れているユーザーが、そのままの延長で「AIモード」に触れられるため、学習コストがゼロに近い状態でした。

決定的要因2: マルチモーダル対応の一体化

第2の決定的要因は、マルチモーダル対応の一体化です。

マルチモーダル(テキスト・画像・動画・音声など複数の種類の情報を同時に扱えること)対応は、AI検索の重要な機能ですが、ChatGPTと「AIモード」ではその実装が異なります。

ChatGPTのマルチモーダル対応
ChatGPTでもマルチモーダル対応は提供されていますが、有料プランでの機能として位置付けられていたり、機能を切り替える操作が必要だったりする面があります。

「AIモード」のマルチモーダル対応
「AIモード」では、マルチモーダル入力(音声・画像・動画での質問)が最初から一体化されて提供されています。ユーザーがスマホのカメラで撮影した写真を、そのまま「AIモード」に投げかけるといった体験が、標準機能として組み込まれています。

さらに、GoogleはGoogleフォトやGoogleドライブといった既存のマルチメディアサービスとの統合も進めています。ユーザーが Googleフォトに保存した写真を、そのまま「AIモード」で分析できるといった連携が、シームレスに機能しています。

この一体化されたマルチモーダル体験が、モバイル時代のユーザーニーズに合致し、「AIモード」の急速な普及を後押ししました。

決定的要因3: Web全体の情報とのリアルタイム連携

第3の決定的要因は、Web全体の情報とのリアルタイム連携です。

ChatGPTは、基本的には学習時点までの知識に基づいて回答を生成する仕組みでした。近年ではWeb検索機能も追加されていますが、Web検索が主要な情報源ではなく、あくまで補助的な位置付けです。

一方、「AIモード」は、Googleの検索インデックス(Web全体の情報を整理したデータベース)を主要な情報源として活用します。回答生成の際、常にリアルタイムでWeb全体を検索し、最新の情報に基づいた回答を組み立てます。これは、グラウンディング(AIが学習知識だけでなく、検索インデックスから引いてきた実在の情報に基づいて回答する仕組み)と呼ばれる仕組みです。



このリアルタイム連携の効果は、以下のように現れます。

1. 最新情報への強さ
「AIモード」は、直近のニュースや最新の情報にも対応できます。学習時点で情報が固定されるモデルよりも、時事的なクエリに強いのです。

2. 引用ソースの透明性
「AIモード」の回答には、引用ソースが明示されます。ユーザーは、回答の根拠がどこにあるかを確認でき、必要に応じて元の情報源にアクセスできます。

3. ハルシネーションの低減
ハルシネーション(AIが事実に基づかない情報を、あたかも事実のように生成する現象)が、リアルタイムのWebインデックス参照によって低減されます。実在するソースに基づいて回答を組み立てるためです。

3つの要因の相乗効果

3つの決定的要因は、独立してではなく、相乗効果で「AIモード」の急成長を実現しました。

既存Googleユーザーへのシームレス展開により、まず認知と利用のハードルが下がりました。マルチモーダル一体化により、モバイル時代のニーズに合致した使いやすさを実現しました。リアルタイムWeb連携により、情報の鮮度と信頼性を担保しました。これら3つが揃った時、「AIモード」はChatGPTとは異なる価値提案を持つ独立したAI検索として確立されたのです。

つまり、「AIモード」はChatGPTの模倣ではなく、Googleの強みを最大限活用した独自の設計を持つサービスとして育ちました。ChatGPTと並ぶAI検索の巨頭になったのは、単に「Googleが大きな会社だから」ではなく、これらの構造的な要因があったからです。

企業がChatGPTと「AIモード」の両方に対応すべき理由

企業のWeb集客戦略において、ChatGPTと「AIモード」の両方に対応すべき理由を整理します。

1. ユーザーの使い分けが定着している
多くのユーザーが、目的に応じて2つを使い分けています。片方だけに対応していると、もう片方を使うユーザーからの認知獲得機会を逃します。

2. 引用される仕組みが異なる
ChatGPTと「AIモード」では、引用される情報の選び方が異なります。ChatGPTでは学習データとしての取り込みが重要ですが、「AIモード」ではリアルタイム検索インデックスでの評価が重要です。両方への対策は、異なるアプローチが必要です。

3. 認知経路の複線化
複数のAI検索から認知される企業は、単一のサービスに依存する企業より、認知経路が安定します。1つのサービスの仕様変更に翻弄されないためにも、両方への対応が有効です。

コンサル事例:相続不動産専門仲介での両立対応

先日、ある相続不動産専門仲介のクライアントさんからこんなご相談をいただきました。「AI検索対策としてChatGPT対策を進めていたが、『AIモード』にも対応すべきか迷っている」と。

拝見したところ、確かにChatGPT対策としての情報発信は進んでいましたが、「AIモード」の特性(リアルタイム検索インデックス活用)を意識した設計にはなっていない状態でした。特に、最新の税制情報や、相続不動産市場の最新動向といった、鮮度が重要な情報の発信が弱かったのです。

私は、両方への並列対応を提案しました。ChatGPT対策として、相続不動産に関する体系的な知識ベースの整備を継続。「AIモード」対策として、最新の税制改正情報の解説、直近の市場動向レポート、月次の相続不動産市場データの発表といった、鮮度の高い情報発信を追加する形です。

半年後、ChatGPTでも「AIモード」でも、相続不動産関連のクエリで自社の情報が引用される頻度が増えるようになりました。

両方に対応する実務ポイント

ChatGPTと「AIモード」の両方に対応するための実務ポイントを整理します。

1. 体系的な深い情報の発信
ChatGPTと「AIモード」の両方で評価されるのは、体系的で深い情報です。この基礎は両方に共通です。

2. 最新情報の鮮度管理
「AIモード」対策としては、最新情報の継続発信が重要です。四半期ごとの情報更新運用を組み込みます。

3. マルチモーダル発信
「AIモード」のマルチモーダル対応に備えて、動画・音声・画像といった多様なメディアでの発信を並行します。

4. 引用ソースとしての信頼性構築
両方のAI検索で共通するのは、E-E-A-T(経験・専門性・権威性・信頼性、Googleがコンテンツの質を判断する4つの指標)シグナルの重要性です。この基礎を継続的に強化します。

まとめ

今回の話をまとめると、「AIモード」がChatGPTと並ぶ「もう1つの主要AI検索」に育った背景には、既存Google検索ユーザーへのシームレスな展開・マルチモーダル対応の一体化・Web全体の情報とのリアルタイム連携という3つの決定的要因があり、企業はChatGPTと「AIモード」の両方への並列対応が必要な時代に入った、ということです。

体系的な深い情報の発信、最新情報の鮮度管理、マルチモーダル発信、E-E-A-Tシグナルの継続強化という4つの実務ポイントで、両方のAI検索への対応が可能になります。片方だけへの対応は、もう片方を使うユーザーからの認知獲得機会を逃すため、両立対応の姿勢がAI検索時代の企業戦略の基本になります。

AI検索時代になったからSEOが終わるのではありません。むしろ、本当に信頼される専門家や企業が評価される時代が始まったのです。今後のSEOで成果を出すためには、「検索順位を上げること」だけではなく、「AIやユーザーから信頼される存在になること」を目指す必要があります。

Google検索でキーワードを入力してエンターキーを押した瞬間、あなたはただ1つの検索をしたつもりでいると思います。しかし、実はその裏側では、Googleが自動的にそのキーワードを5個から10個、時には20個以上の関連検索に展開して、それぞれで検索を実行しているのです。

この事実を知らない方はまだまだ多く、セミナーでご紹介すると「え、そんなことが起きているのですか？」と驚かれる方が大半です。しかしこの仕組みを理解することは、AI検索時代のSEO対策の根本を理解することとほぼ同義と言ってよいほど重要なのです。

この仕組みの名前は「クエリファンアウト（Query Fan-Out）」といいます。日本語ではまだ定着した訳語がなく、そのままカタカナで呼ばれることが多い技術用語です。

本記事では、長年SEOコンサルティングの現場で多くの企業を支援してきた経験と、英語圏の最新の技術情報を交えて、クエリファンアウトという新しい常識について、初心者の方にもわかるように解説していきます。

クエリファンアウトとは何か？――一言で言うと

まず定義から確認します。クエリファンアウト（Query Fan-Out、1つの検索キーワードを裏で複数の関連検索に自動展開する技術のこと）とは、ユーザーが入力した1つの検索キーワードを、AIが裏側で自動的に複数の関連検索（サブクエリ、メインの検索キーワードから派生した個別の質問のこと）に展開して、それぞれで検索を実行する仕組みのことです。

「クエリ」は「検索キーワード」、「ファンアウト」は「扇状に広げる」という意味の英語です。つまり「1つの検索キーワードを扇状に広げる」というイメージの技術名です。


Googleの公式開発者ドキュメントは、「AIによる概要」と「AIモード」の両方が、このクエリファンアウトという技術を使う可能性があり、これは「サブトピックとデータソース全体にわたって複数の関連検索を発行して応答を生成するもの」であると説明しています。

具体例で見る――「歯科矯正 費用」で何が起きているか

抽象的な説明だけではイメージしにくいと思いますので、具体例で見ていきましょう。

ユーザーが「歯科矯正 費用」というキーワードで検索した瞬間、Googleの裏側では、Geminiが自動的にこのキーワードを複数のサブクエリに展開しています。展開されるサブクエリの例は、たとえば以下のようなものです。

歯科矯正の平均費用はいくらか
歯科矯正の種類（ワイヤー矯正・マウスピース矯正・裏側矯正）ごとの費用の違い
子どもの矯正と大人の矯正で費用はどう違うか
歯科矯正の費用は保険適用されるか
歯科矯正の医療費控除の申請方法
歯科矯正の費用が高くなる要因は何か
歯科矯正の費用を抑える方法はあるか
歯科矯正の分割払い・ローンの選択肢
歯科矯正の費用相場は地域によって違うか
矯正治療にかかる期間と費用の関係

このように、「歯科矯正 費用」というたった1つのキーワードから、裏では5個から10個以上のサブクエリが自動生成されているのです。そしてそれぞれのサブクエリで検索が実行され、各サブクエリの上位ページから情報が抽出され、最終的にそれらが統合されて1つの「AIによる概要」の要約文が作られます。

クエリファンアウトを「新聞記者の取材」で例えると

わかりやすく例えると、こういうことです。

クエリファンアウトは、「1つのお題を渡された新聞記者が、そのお題について記事を書くために、10人の専門家に別々の質問をして取材する」ようなものです。

たとえば「歯科矯正 費用」というお題を渡された記者は、経験のない読者が本当に知りたいことを想像して、費用の平均、種類ごとの違い、保険の適用、控除、抑え方――といった10個の質問を作ります。そしてそれぞれの質問を専門家に投げかけ、返ってきた答えを統合して1本の記事にまとめるのです。

読者にとっては1つの疑問だったものが、記者の手にかかると10個の質問に分解され、10個の視点から答えが集められて、1本の充実した記事になって戻ってくる――このイメージが、クエリファンアウトの本質です。

クエリファンアウトが起きる理由――Geminiの「補いたい」性質

なぜGoogleはこんな複雑な仕組みを導入したのでしょうか。理由は、ユーザーが入力するキーワードは、そもそも「情報不足」であることが多いからです。

「歯科矯正 費用」と入力するユーザーは、実際には「歯科矯正の費用について総合的に知りたい」と思っているのですが、それを短い言葉で表現するのが難しいため、たった2つのキーワードで検索するしかありません。しかしその裏には、費用の平均、種類による違い、抑え方、控除、分割払い――といった無数の潜在的な質問が隠れているのです。

Geminiは、この「言葉にされていない潜在的な質問」を推測して、代わりに10個ほどの明示的なサブクエリに展開してくれる、と言えます。ユーザーの検索意図をより深く汲み取るための仕組みが、クエリファンアウトなのです。

クエリファンアウトはSEO対策に何をもたらすか

この仕組みを理解すると、SEO対策の考え方が大きく変わります。

従来のSEOでは、「1つのキーワードに対して、それに特化した1つの記事を用意する」というのが基本の考え方でした。「歯科矯正 費用」というキーワードには「歯科矯正の費用について詳しく解説した記事」を、「歯科矯正 種類」というキーワードには「歯科矯正の種類について詳しく解説した記事」を、それぞれ別々に用意するというやり方です。

しかしクエリファンアウトを前提にすると、この発想は少し古くなります。1つのキーワードで検索した瞬間に、裏で10個のサブクエリが動いているのなら、その10個のサブクエリすべてに答えている記事の方が、圧倒的に有利になるのです。

つまり、「1記事1キーワード」から「1記事で10個のサブクエリに答える」という、より網羅性の高い記事設計へと発想を切り替える必要があるということです。

クライアントさんの事例：クエリファンアウトを意識した記事構成に切り替えた税理士事務所

先日、ある税理士事務所のクライアントさんから、こんなご相談をいただきました。「うちのサイトは『相続税 節税』というキーワードでピンポイントに詳しい記事を書いているのに、『AIによる概要』の引用元に入らない。競合の大手ポータルサイトの記事ばかり選ばれています。どうしたらいいでしょうか？」というご相談です。

拝見したところ、そのクライアントさんの記事は「相続税の節税テクニック」というテーマに深く特化した、専門性の高い内容でした。しかし、周辺の質問――「相続税はいくらからかかるのか」「相続税の計算方法」「相続税の申告期限」「相続税の税率表」「相続税と贈与税の違い」――にはほとんど触れられていませんでした。

私は「Geminiは『相続税 節税』を裏で複数のサブクエリに展開して情報を集めています。ですから、1つの記事の中でこれらの周辺質問にも答えていく網羅型の構成が有利になります。専門性の高さは維持しつつ、初心者が抱く周辺質問にも触れる書き方に変えてみましょう」とお伝えしました。

その方針で記事を大幅に加筆していただき、H2見出しを追加して周辺質問への回答も含めていただいたところ、数か月後には「AIによる概要」の引用元カードにそのクライアントさんのサイトが表示されるようになったのです。さらに嬉しいことに、それまで狙っていなかった周辺キーワード（「相続税 計算」「相続税 期限」など）でも上位表示されるようになり、結果的にサイト全体の流入が伸びたのです。

この事例が示すのは、「クエリファンアウトを前提にした網羅型の記事」は、実は「AIによる概要」対策になるだけでなく、従来のSEO対策としても効果が高い、ということです。

クエリファンアウトを活かす記事作りの3つの原則

以上を踏まえて、クエリファンアウトを味方につけるための記事作りの原則を整理します。

1. メインキーワードの「周辺質問」を10個以上リストアップする
記事を書く前に、まずそのキーワードで検索するユーザーが潜在的に持っているであろう質問を10個以上洗い出します。「〜とは何か」「〜はいくらか」「〜の種類」「〜の方法」「〜の注意点」「〜と◯◯の違い」など、5W1Hを使って多角的に考えます。

2. 各サブクエリに対して、独立した見出しと段落で答える
洗い出したサブクエリの1つひとつを、H2見出しにして、その直下で簡潔に答える構成にします。1つのH2セクションが400字前後になるように、簡潔かつ明快に答えます。

3. 全体として1つの完結したガイドになるように統合する
各サブクエリへの答えが単に並んでいるだけではなく、全体として1つのテーマを網羅的に解説するガイドとして完結するように、導入とまとめで論の流れを作ります。

まとめ

今回の話をまとめると、Google検索の裏側では、1つの検索キーワードが自動的に5〜10個以上のサブクエリに展開される「クエリファンアウト」という仕組みが動いています。この仕組みは「AIによる概要」と「AIモード」の両方で使われており、AI検索時代の情報収集の中核になっています。

したがって、SEO対策の考え方も、「1記事1キーワード」から「1記事で10個のサブクエリに答える」網羅型の設計へと切り替える必要があります。メインキーワードの周辺質問を10個以上洗い出し、それぞれをH2見出しで受けて答える――この記事設計が、AI検索時代の新しい常識になります。

そしてこの網羅型の記事は、「AIによる概要」に取り上げられやすくなるだけでなく、周辺キーワードでも上位表示されやすくなるという副次的な効果もあり、SEO対策としても非常に強力です。

AI検索時代になったからSEOが終わるのではありません。むしろ、本当に信頼される専門家や企業が評価される時代が始まったのです。今後のSEOで成果を出すためには、「検索順位を上げること」だけではなく、「AIやユーザーから信頼される存在になること」を目指す必要があるでしょう。

「AIによる概要」（Google検索結果の最上部に表示される、生成AIによる要約回答）に自社ページを引用してもらうには、まず検索順位でトップ10に入ることが大前提――ほんの1年ほど前まで、これは業界のほぼ共通認識でした。

ところが2026年に入って公表された複数の大規模調査によって、この前提が大きく揺らいでいます。引用元ページのうち、同じキーワードでトップ10にランクインしていたものの割合が、わずか8か月ほどで76%から38%へと半減したのです。調査によっては17%という、さらに低い数字も出ています。

この変化を「SEOはもう効かない」と読むのは早計です。順位が引用確率を押し上げる効果は、データ上はっきり残っています。ただし、「トップ10に入りさえすれば引用される」という古い前提のまま予算配分を決めている企業は、確実に成果を取りこぼします。

今回は、2026年時点で確認できる最新の調査データをもとに、検索順位と「AIによる概要」の引用の関係が今どうなっているのか、そして実務としてどこに手を打つべきなのかを整理していきます。

引用元のトップ10比率は76%から38%へ半減した

まず、最も規模の大きい調査から見ていきます。

Ahrefsが2026年3月に公表した調査は、86万3,000キーワード、400万件の「AIによる概要」引用URLを対象にした大規模なものです。この調査によると、引用されたページのうち、同じクエリの検索結果トップ10にもランクインしていたのは38%でした。

同社が2025年7月に実施した前回調査では、この数字は76%でした。つまり、8か月ほどで半分に落ちたことになります。

残りの引用がどこから来ているのかも重要です。11〜100位のページが31.2%、100位圏外のページが31.0%と、ほぼ均等に分かれています。広告・強調スニペット・「他の人はこちらも質問」といった検索結果内の各種枠を除外し、通常のオーガニック検索結果だけに絞った場合でも、トップ10が37%、トップ100圏外が36%という結果でした。



ここで押さえておきたいのは、「順位30位以下のページが引用される確率はほぼゼロ」といった認識は、少なくとも2026年時点では成り立たないということです。100位にすら入っていないページから、実に3割の引用が発生しています。

BrightEdgeの調査では17%――手法が変われば数字も変わる

同じテーマを扱った別の調査では、さらに低い数字が出ています。

BrightEdgeが2026年2月に公表したデータでは、「AIによる概要」で引用されたソースのうち、オーガニック検索トップ10にもランクインしていたのは約17%にとどまりました。しかもこの数値は、追跡期間を通じてほとんど動いていません。裏返せば、引用のおよそ6件に5件は、従来型検索の1ページ目に入っていないコンテンツから来ていることになります。

一方で、トップ100まで範囲を広げた場合の重なりは約49%から約53%へと、緩やかに上昇しています。「ランクインしているページ全体」との関係はむしろ強まっているのに、「1ページ目」との関係だけが弱いままだ、というのがBrightEdgeの示す構図です。



38%と17%――同じテーマでこれだけ差が出るのは、調査対象のキーワード群も、引用を検出する解析手法も異なるためです。社内やクライアントさんへの説明でこうした数字を使うときは、「どちらが正しいか」を争うのではなく、「調査手法によって17〜38%の幅がある。ただしどの調査も、以前より大幅に下がったという方向では一致している」と伝えるのが誠実で、実務的でもあります。

なぜ順位との相関が下がったのか

この急激な変化について、Ahrefsは2つの要因を挙げています。

1. 引用の検出精度が上がった
1つ目は、調査側の技術的な事情です。Ahrefsは、2025年7月の調査以降に引用箇所を読み取る解析手法を改善したと説明しています。以前は取りこぼしていた引用まで拾えるようになったため、2つのデータセットは厳密には直接比較できません。下落幅のうち一定部分は、Googleの挙動変化ではなく「以前は見えていなかったものが見えるようになった」ことによるものです。

2. クエリファンアウトの影響が大きくなった
2つ目が本質的な要因です。クエリファンアウト（ユーザーが入力した1つの検索キーワードを、Googleが複数の関連する小さな質問＝サブクエリに自動的に分解し、それぞれについて裏側で検索を実行する仕組み）の比重が高まっている、とAhrefsは指摘しています。

「AIによる概要」が生成されるとき、Googleは元のキーワードだけを見ているわけではありません。分解された複数のサブクエリそれぞれの検索結果を横断して、繰り返し登場するページを引用元として選びます。つまり、あなたが順位を追いかけているそのキーワードは、実際にAIが参照している検索結果の一部でしかないのです。

これは、レストランの予約を任された秘書のようなものだと考えてください。「来週の会食の店を押さえて」と頼まれた秘書は、その言葉だけで検索するわけではありません。「駅から近い個室のある和食店」「接待に向く価格帯」「10名で入れる店」といった具合に、自分で複数の条件に分解して調べます。最終的に提案されるお店は、どれか1つの条件で1位だった店ではなく、複数の条件に何度も顔を出した店になります。

なお、Googleは2026年1月末に「AIによる概要」の基盤モデルをGemini 3へグローバルで切り替えており、Ahrefsはこのタイミングも背景の1つとして挙げています。ただしファンアウトの挙動そのものについて、Google側が具体的な変更を認めているわけではありません。

トップ100圏外から3割――その主役はYouTube

「100位にも入っていないページが3割も引用されている」という数字は、直感に反します。何が引用されているのでしょうか。

Ahrefsのデータによると、同じキーワードでトップ100に入っていなかった引用のうち、18.2%がYouTubeのURLでした。データセット全体で見ても、YouTubeは全引用の5.6%を占めています。同社のブランド分析ツールのデータでは、YouTubeは「AIによる概要」で最も多く引用されるドメインであり、直近6か月で34%伸びています。

この傾向は他社調査とも一致します。SE Rankingがドイツ語圏の健康関連クエリを対象に行った調査でも、YouTubeが医療機関の公式サイトを上回って最も引用されるドメインになっていました。

テキストのウェブページだけを競合として見ていると、この動きは視界に入りません。自社のテーマで動画コンテンツが引用され始めていないか、一度確認する価値があります。

それでも検索順位は効いている――相関データが示すもの

ここまでの数字だけを見ると「順位はもう関係ない」と結論したくなりますが、それは誤りです。

Ahrefsが別途行った相関分析では、トップ10入りしていることと「AIによる概要」の上位3引用に入ることの間に、スピアマン相関係数0.347という中程度の正の相関が確認されています。順位が高いほど引用されやすい、という関係自体は明確に存在します。

同時に、この分析は限界も示しています。1位のページであっても、上位3引用に入るのは約50%です。1位を取っても、引用されるかどうかは実質的にコイン投げに近いということです。

さらに興味深いのは、引用された場合の「扱われ方」です。引用URLの掲載位置とオーガニック順位の相関は0.445と、より強く出ています。順位が高いページは、引用される確率が上がるだけでなく、引用されたときに目立つ位置に置かれやすいのです。

54本の関連研究をレビューしたZyppyの分析も、同じ方向を示しています。AI引用に効く要因の多くは従来型SEOの実践と重なっており、結論は「SEOで勝てばAI引用でも勝てる。多くの場合、ただし追加の手間はかかる」というものでした。同分析では、URLがクロール可能でアクセス可能であること（robots.txtでのブロック、ペイウォール、エラー返しがないこと）が最も基礎的な条件として位置づけられ、検索順位はそのすぐ下に置かれています。

つまり、順位は「必要条件」ではなくなりましたが、「有力な条件」であり続けています。トップ10入りは入場券ではなく、当選確率を大きく引き上げるくじの枚数だと考えるのが実態に近いでしょう。

業種によって数字はまったく違う

もう1つ、実務上きわめて重要なのが業種差です。

BrightEdgeの調査では、トップ10とのオーバーラップはヘルスケア分野で24%、金融分野では11%と、2倍以上の開きがありました。「順位を上げれば引用されやすいのか」という問いへの答えは、業界によって変わるということです。

「AIによる概要」の表示率そのものにも大きな差があります。2025年2月から2026年2月にかけて表示率は58%増加し、ヘルスケアで88%、教育で83%、BtoBテクノロジーで82%と、ほぼすべての検索で表示される水準に達した分野がある一方、ECでは表示率がむしろ下がっています。Googleが広告を出しやすい取引型のクエリでは、AI要約の表示を意図的に抑えている可能性が指摘されています。

業界平均の数字をそのまま自社に当てはめると判断を誤ります。まずは自社の主要キーワード群で「AIによる概要」がどの程度表示されているかを実測することが出発点です。

実務としてどこに手を打つか

以上を踏まえ、優先順位を整理すると次のようになります。

1. 単一キーワードではなく、サブクエリ群のカバー率を見る
「そのキーワードで何位か」だけを追いかける管理は、もはや実態と噛み合いません。対策キーワードから派生する質問（比較、費用、注意点、失敗例、手順、選び方など）を洗い出し、それぞれについて自社サイト内に答えがあるかを点検します。ファンアウト先で何度も顔を出すサイトが引用されるという構造を、そのまま対策に落とし込む発想です。

2. トップ10入りは引き続き狙う。ただし目的を読み替える
順位対策をやめる理由はありません。1位で約50%という引用確率は、依然として他の何よりも高い水準です。ただし目的は「引用の保証」ではなく「確率の引き上げと、引用時の露出位置の確保」に読み替えます。

3. クロール可能性という土台を最初に確認する
robots.txtでのブロック、認証の壁、エラーを返すURL、レンダリングしないと本文が見えない構造――こうした要素があると、順位以前に引用の対象外になります。E-E-A-T（経験・専門性・権威性・信頼性というGoogleのコンテンツ品質評価軸）や構造化データ（スキーマ。ページの意味をGoogleに正確に伝えるためのタグ）の議論に入る前に、まずここを潰します。

4. テキスト以外のフォーマットを検討する
YouTubeが最多引用ドメインになっている以上、テーマによっては動画を持たないこと自体が機会損失になります。既存記事の内容を短い解説動画にするだけでも、引用の入口が1つ増えます。

産業機械メーカーのクライアントさんの事例

ある産業機械メーカーのクライアントさんはBtoB分野の専門性の高いキーワードでAIに取り上げられることを目指していました。

このクライアントさんは既に一部のキーワードでトップ10に入っていましたが、引用は限定的でした。調べてみると、製品の仕様や導入手順を説明したページの多くが、ログインが必要な会員エリアの中に置かれていました。最も専門性の高い情報が、AIから見えない場所にあったのです。

そこで、概要レベルの解説だけを公開領域に出し、詳細な設計データや価格表は会員エリアに残す、という分け方に変更していただきました。あわせて、技術担当者による短い解説動画をYouTubeに公開しました。

数カ月後、公開領域に出した解説ページからの引用が明確に増え、動画も一部のクエリで引用されるようになりました。順位を1つ上げる前に、「そもそもAIが読める場所にあるか」を疑うことの大切さを、あらためて実感した事例です。

まとめ

今回の話をまとめると、「AIによる概要」に引用されるページのうちトップ10にランクインしているものは、調査によって17〜38%であり、かつては76%だった水準から大きく下がっているということです。100位圏外からも約3割が引用されており、「上位表示していなければ引用されない」という前提はすでに崩れています。

一方で、順位が高いほど引用されやすいという相関は依然として存在し、1位のページは約50%の確率で上位引用に入ります。順位対策は「引用の保証」から「確率を引き上げる手段」へと役割が変わっただけで、価値を失ったわけではありません。

これからの実務は、単一キーワードの順位管理から、サブクエリ群を含めたトピック全体のカバー率と、クロール可能性・フォーマットの多様性を含めた総合的な設計へと軸足を移すことになります。まずは自社の主要テーマで「AIによる概要」がどの程度表示され、どのサイトが引用されているかを実測するところから始めてください。

「AIモード」と「AIによる概要」は、どちらもGoogleのAI検索機能ですが、その裏側で動いている「クエリファンアウト」という仕組みの規模と深さに、圧倒的な違いがあります。同じユーザーの質問でも、「AIモード」では「AIによる概要」の数倍規模のサブクエリに展開されるため、生成される回答の深さや網羅性が根本的に異なります。この違いを理解することで、企業がなぜ「AIモード」対策に特別な設計が必要なのかが見えてきます。

現場でクライアントさんに接していると、「AIモード」のクエリファンアウトの深さを実感する場面が急激に増えました。かつては「シンプルなキーワード対策」で対応できていた検索行動が、今は「複雑な質問への多面的な回答」の中で判断される時代になっています。この変化に対応するには、クエリファンアウトの実態を正しく理解する必要があります。

多くの企業のWeb担当者は、「クエリファンアウト」という技術用語を耳にしたことがあっても、その具体的な仕組みや、「AIモード」と「AIによる概要」でどう規模が異なるかを、詳細に把握していないケースが多くあります。しかし、この違いを理解しないと対策の方向性を誤り、労力の割に成果が出ない事態に陥ります。

今回は、「AIモード」のクエリファンアウトが「AIによる概要」よりどう深いのか、その圧倒的な違いと、企業のコンテンツ設計への影響について解説します。

クエリファンアウトとは何か

クエリファンアウト(Query Fan-Out、1つのクエリから多数のサブクエリに展開する仕組み)について、実務的に整理します。

ユーザーがGoogle検索やAI検索に1つの質問を投げかけると、AIはその質問をそのまま検索するのではなく、まず質問を細かなサブクエリ(元のクエリを細分化した派生クエリ)に分解します。例えば「初心者向けのミラーレスカメラの選び方」という質問なら、「ミラーレスカメラとは」「初心者向けとは何を意味するか」「主要メーカー別の初心者向けモデル」「価格帯別の比較」「レンズの選び方」といった数十から数百のサブクエリに自動的に展開されるのです。

各サブクエリについてAIは個別に情報を集め、それを統合して1つの包括的な回答を組み立てます。この分解と統合のプロセスが、クエリファンアウトです。



この構造は、1本の川の源流が上流から下流に向かって多数の支流に分岐していく流れと似ています。源流という1つの水源から始まった川は、下流に行くほど多くの支流に分岐し、広い範囲の土地を潤していきます。最終的には広大な河口を形成し、大きな水量となって海に流れ込むのです。

クエリファンアウトも、まったく同じ構造で動作します。ユーザーの1つの質問(源流)から、多数のサブクエリ(支流)が生まれ、それぞれで情報が集められ(潤される)、最終的に統合された包括的な回答(海に注ぐ広大な水量)が生成されるのです。

「AIによる概要」のクエリファンアウトの規模

「AIによる概要」でも、クエリファンアウトは動作していますが、規模は比較的限定的です。

「AIによる概要」は、通常検索の結果画面に自動表示される要約回答という役割上、素早い回答生成が求められます。このため、クエリファンアウトも、ユーザーの質問を数個から数十個程度のサブクエリに展開するのが一般的です。



具体的には、1つの質問に対して以下のようなサブクエリ展開が行われます。質問の主要な要素の説明(3〜5個)、関連する背景情報(3〜5個)、比較や選択の観点(数個)、具体例や事例(数個)、といった規模です。合計して10個〜30個程度のサブクエリで、要約回答を組み立てるのが「AIによる概要」の典型的な動作です。

この規模で生成される回答は、簡潔で分かりやすい要約として仕上がりますが、深い分析や網羅的な情報提供という点では限界があります。

「AIモード」のクエリファンアウトの規模

「AIモード」のクエリファンアウトは、「AIによる概要」より圧倒的に深く広く展開されます。

「AIモード」では、ユーザーの1つの質問に対して、数十から数百のサブクエリに展開されるのが標準です。特にDeep Searchを有効化した場合、数百のサブクエリで並列に情報を集めることで、専門家レベルのレポートを生成する仕組みになっています。

規模の違いを具体的に見ると、「AIによる概要」が10〜30個程度のサブクエリで対応するのに対して、「AIモード」は100〜500個程度、Deep Searchでは1000個規模まで拡張されるケースもあると報告されています。この数十倍の規模の違いが、生成される回答の深さと網羅性に決定的な差を生んでいるのです。



さらに、「AIモード」のクエリファンアウトは、サブクエリの階層構造も深くなります。1階層目のサブクエリの結果を受けて、さらに2階層目・3階層目のサブクエリが自動生成され、深い調査が展開される仕組みです。「AIによる概要」ではほぼ1階層のサブクエリで完結するのに対し、「AIモード」は多階層のサブクエリを積み重ねるという構造的な違いがあります。

深いサブクエリ展開が生む効果

「AIモード」の深いサブクエリ展開が生む効果を整理します。

1. 多面的な観点からの回答生成
数百のサブクエリで多様な情報を集めることで、1つの主題について複数の観点からの回答が生成されます。単一視点の要約ではなく、多面的な理解を促す情報が提供されるのです。

2. 網羅性の確保
主要な観点に加えて、細部・例外・条件といった補足情報まで含めた網羅的な回答が生成されます。ユーザーが「このテーマについて漏れなく理解できた」と感じる水準の情報密度になります。

3. 引用ソースの多様性
多数のサブクエリが並行実行されるため、引用ソースも多様化します。テキスト記事だけでなく、動画・PDFレポート・研究論文・コミュニティ投稿など、多様な形式の情報源が引用対象になります。

例えば、ある製造業のBtoBサービスを提供するクライアントさんのケースでは、「AIモード」で自社関連の複雑なクエリに対する回答を分析したところ、引用ソースの内訳が自社サイトの技術記事、業界メディアの解説、社員のLinkedIn投稿、YouTube動画、業界レポートといった具合に多様化していました。「AIによる概要」時代には想定していなかった引用経路が実際に機能していることを示す事例です。

どこまでファンアウトが広がるのか

「AIモード」のクエリファンアウトが、実際にどこまで広がるのかを整理します。

階層の深さ
「AIモード」のクエリファンアウトは、通常3〜5階層まで自動展開されます。1階層目で主要な要素を分解、2階層目でそれぞれの詳細を展開、3階層目で具体的な例や条件を掘り下げる、という形です。

広がりの規模
各階層で数十のサブクエリが生成されるため、全階層を合計すると数百のサブクエリになります。Deep Searchではこの規模がさらに拡大します。

時間の使い方
通常検索や「AIによる概要」がミリ秒単位の応答なのに対し、「AIモード」は数秒から数十秒、Deep Searchは数分から数十分の時間をかけて調査を実行します。時間をかける代わりに、はるかに深い情報が集められるのです。

調査の自律性
「AIモード」のAIは、集めた情報を評価して「もっと調べる必要がある領域」を自律的に判断し、追加のサブクエリを生成する能力を持っています。ユーザーが指示しなくても、必要に応じて調査を深めていく自律的な動作です。

サブクエリ展開の実際の動作例

サブクエリ展開の実際の動作を、具体例で示します。

ユーザーが「AIモード」に「50代の女性向けに、抗酸化作用のあるサプリメントを選ぶ時のポイントは?」と質問した場合を想定します。「AIモード」は、この1つの質問を以下のようなサブクエリに展開します。

1階層目のサブクエリ例:「抗酸化作用とは何か」「50代女性の身体的特徴」「加齢と抗酸化の関係」「主要な抗酸化成分」「サプリメントと食事の使い分け」「選び方の基本」「注意すべきこと」など数十個。

2階層目のサブクエリ例:1階層目の各項目について、「主要な抗酸化成分」なら「ビタミンCの役割」「ビタミンEの働き」「ポリフェノールの種類」「コエンザイムQ10とは」「アスタキサンチンの特徴」といった詳細に展開。全体でさらに数十〜数百個。

3階層目のサブクエリ例:各成分について「摂取推奨量」「相性の悪い薬」「食品からの摂取量目安」「50代での摂取ポイント」といったさらに詳細に展開。

このように、1つの質問から数百のサブクエリが生成され、それぞれで集められた情報が統合されて、包括的で専門家レベルの回答が生成されるのです。

引用されるためのコンテンツ設計

「AIモード」の深いクエリファンアウトで引用されるためのコンテンツ設計を整理します。

1. 主題の網羅性を確保する
1つの記事で、主題に関連する多様な観点をカバーします。基本概念・背景・詳細・条件・例外・具体例・注意点といった要素を、体系的に整理した記事が有利になります。

2. 階層構造を持つ情報設計
概要から詳細へと階層構造を持つ情報設計が、多階層のサブクエリに対応しやすくなります。見出しの階層化、内部リンクによる詳細記事への誘導、といった構造が有効です。

3. 多様な情報源としての位置付け
テキスト記事だけでなく、動画・図表・PDFレポート・データ集といった多様な形式で情報を発信することで、多様なサブクエリからの引用機会が生まれます。

4. 関連クエリの網羅
主要な質問だけでなく、関連する派生的な質問への回答も準備します。1つのテーマについて包括的な情報を持つ企業が、多階層のサブクエリで繰り返し引用される情報源になります。

コンサル事例:農産物加工品メーカーでの網羅的情報整備

先日、ある農産物加工品メーカーのクライアントさんからこんなご相談をいただきました。「有機農産物加工品の情報を発信しているが、『AIモード』で全く引用されない。どうすれば深いクエリファンアウトに対応できるのか」と。

拝見したところ、記事は個別商品の紹介や単発の栄養情報が中心で、有機農産物や加工技術に関する体系的で網羅的な情報がほぼゼロの状態でした。「AIモード」の深いクエリファンアウトで生成される多面的な質問に対して、部分的にも対応できていない状況だったのです。

私は、有機農産物と加工品に関する主要テーマごとに、深く網羅的な情報群を体系的に整備することを提案しました。有機農産物の栽培基準の詳細、加工技術別の栄養価への影響、保存方法と鮮度、原料の産地と特徴、健康への影響を扱った研究知見、といった主要テーマそれぞれについて、5000字規模の網羅的な記事を整備する形です。同時に、動画で加工工程の様子を公開し、代表者の農業経営の経歴と実績も詳細に開示しました。

数ヶ月後サーチコンソールの検索パフォーマンスのデータを検証したところ、有機農産物や加工品に関する多様な相談的クエリで「AIモード」への引用が発生するようになりました。深いクエリファンアウトの中で、複数の観点から自社情報が繰り返し引用される形になり、ECサイトへの流入と注文が明確に増加していきました。網羅性と深さを両立した情報構造への転換が、深いクエリファンアウト時代の集客成果に直結することを示した事例です。

まとめ

今回の話をまとめると、「AIモード」のクエリファンアウトは「AIによる概要」の数十倍規模で展開され、多階層の深いサブクエリで包括的な回答を生成する仕組みになっており、企業は主題の網羅性を確保する情報設計・階層構造を持つ情報体系・多様な情報源としての位置付け・関連クエリの網羅という4つの方向で対応する必要がある、ということです。

「AIによる概要」対策で有効だった短く簡潔な情報だけでは、「AIモード」の深いクエリファンアウトには対応できません。同じ主題について複数の観点をカバーし、深く網羅的な情報を体系的に整備することが、「AIモード」時代の集客成果の基盤になります。

「AIモード」を実際に使ってみると、これまでのGoogle検索とは根本的に違う体験に気付きます。最初の質問への回答を見た後、「もう少し詳しく」「別のパターンは?」「その理由は?」といった追加質問を投げかけると、「AIモード」は最初の質問の文脈を保ったまま、深掘りした回答を返してくれるのです。この「会話履歴を覚えている」という機能こそが、「AIモード」がこれまでの検索と一線を画す最大の武器です。

多くのユーザーは、この会話履歴機能を無意識のうちに体感し、「AIモード」の便利さに惹かれて日常的に使い始めています。しかし、企業側のWeb担当者は、この機能が自社のコンテンツ発信にどう影響するかを深く考える機会が少ないままです。会話履歴機能を前提としたユーザーの行動変化を理解しないと、企業のコンテンツ戦略は的外れなものになってしまいます。

今回は、「AIモード」の会話履歴機能の意味、マルチターン検索という新しい体験、そして企業のコンテンツ発信への影響について解説します。

「会話履歴を覚えている」とは何か

「会話履歴を覚えている」機能について、実務的に整理します。

「AIモード」では、ユーザーが最初の質問を投げかけた後、追加質問を続けることができます。この時、「AIモード」はこれまでの会話の文脈を保持したまま、追加質問に応答します。例えば「初心者向けのミラーレスカメラのおすすめは」と最初に質問し、その後「予算8万円以下だと?」と追加質問すると、「AIモード」は「先ほどおすすめした中で予算8万円以下のもの」として絞り込んだ回答を返してくれるのです。

この機能を支えているのが、コンテキストウィンドウ(一度に処理できる文脈の長さ)の拡張です。Gemini 3.5 Flash(2026年5月時点の「AIモード」既定モデル)は、非常に長いコンテキストウィンドウを持ち、複数のやり取りを含む長い文脈を一貫して処理できる能力を持ちます。



この構造は、行きつけの居酒屋のマスターが常連客の好みや過去の会話を覚えていて、それを踏まえた提案や会話ができる関係性と似ています。常連の店では、マスターは前回訪れた時の注文、その日の話題、好みの傾向、といった情報を覚えています。次に訪れた時、「先週おすすめしたお酒はいかがでした?」「いつものメニューでよろしいですか?」といった、履歴を踏まえた対話ができるのです。この関係性は、常連客にとって「自分を理解してくれている」という深い満足感を生み、店との関係を長期的に深めていく基盤になります。

「AIモード」の会話履歴機能も、まったく同じ構造でユーザーとの関係性を築きます。ユーザーが積み重ねた質問と回答が保持されることで、AIは徐々にユーザーの意図と関心を理解し、より的確な回答を返せるようになるのです。

マルチターン検索という新しい体験

マルチターン検索(複数回の対話を1つのセッションとして扱う検索方式)という新しい体験を整理します。

従来のGoogle検索は、シングルターン検索(1つの質問と1つの回答で完結する検索方式)でした。ユーザーが1つの質問を入力し、Googleが結果を返す。ユーザーが追加の情報を求める場合は、また新しい質問として検索し直す必要があります。前の質問との関連性は、Google側では保持されない仕組みです。

マルチターン検索では、この構造が根本的に変わります。ユーザーが最初の質問を投げかけた後、追加質問を続けることで、深い理解に至る対話的な検索が可能です。「AIモード」は、1つのセッションの中で複数の質問を統合的に扱い、一貫性のある回答を提供します。



この新しい体験は、以下のような特徴を持ちます。

1. 徐々に深まる理解
シングルターン検索では、ユーザーは自分で複数の検索を行って情報を集める必要がありました。マルチターン検索では、対話を続けるだけで、徐々に理解が深まっていきます。

2. 文脈に応じた回答
同じ追加質問でも、それまでの会話の文脈によって回答が変わります。ユーザーの状況や関心に応じた、パーソナライズされた情報が得られます。

3. 曖昧な質問への対応力
シングルターン検索では、質問が曖昧だと的外れな回答になりがちでした。マルチターン検索では、対話を通じてAIがユーザーの意図を正確に把握できるようになります。

会話履歴を活用した対話の実際

会話履歴を活用した対話の実際を、具体例で示します。

例えば、「AIモード」で以下のような対話が行われる場面を想定します。

最初の質問:「50代の初心者にオススメのヨガの種類は?」

「AIモード」の回答:50代初心者向けに適したヨガの種類として、リラックス系のハタヨガ、体を温めるヴィンヤサヨガ、深い呼吸と瞑想を重視するヨガ・ニドラーといった選択肢を、それぞれの特徴とともに提示。

追加質問1:「膝に不安がある場合は?」

「AIモード」の回答:直前の回答の文脈(50代初心者向けヨガの種類)を保持したまま、膝への負担が少ないヨガの選び方を絞り込んで回答。ハタヨガの中でも椅子を使うチェアヨガ、座位中心のプラクティスといった、より具体的な選択肢を提示。

追加質問2:「初心者向けのポーズは?」

「AIモード」の回答:これまでの文脈(50代・膝に不安・初心者)をすべて保持したまま、膝を保護しながら実践できる初心者向けポーズを提示。

このように、ユーザーが最初の質問を細かく指定しなくても、対話を続けることで徐々に絞り込まれた具体的な回答が得られる体験が実現します。

会話履歴が企業に与える影響

会話履歴機能の登場が、企業のWeb集客に与える影響を整理します。

1. 1回の露出から複数回の露出へ
マルチターン検索の中で、ユーザーは1回のセッションで自社に関する情報に複数回触れる可能性があります。会話が続く中で、繰り返し引用される情報源となることが、深いブランド認知に繋がります。

2. 関連情報の網羅性の重要性
「AIモード」がマルチターン対話の中で追加情報を求めた時、それに応えられる関連情報を持つ情報源が繰り返し引用されます。1つのテーマについて幅広い関連情報を持つ企業が有利になります。

3. 相談的な情報構造の価値
ユーザーの追加質問に応えられるためには、企業側の情報も「相談的な深さ」を持つ必要があります。単に事実を並べるのではなく、状況別・条件別の対応や、実務経験に基づく判断のポイントを含む情報が価値を持ちます。

会話履歴時代の情報発信設計

会話履歴時代の情報発信設計のポイントには次のようなものが考えられます。

1. 関連情報の網羅的な体系化
1つの主題について、基本情報だけでなく、条件別・状況別・応用別の情報を体系的に整備します。マルチターン対話の中で発生する追加質問に、幅広く対応できる状態を作ります。

2. 対話的な相談情報の発信
「〇〇の場合はどうすべきか」「△△を検討している時のポイント」といった、対話的な相談に応える情報を意識的に発信します。実際にクライアントさんから受ける質問と回答を、そのまま記事化する形も有効です。

3. サイト内の相互リンクによる情報網の構築
関連する記事を相互にリンクで結ぶことで、ユーザーが1つの記事から関連情報へと自然に辿れる情報網を構築します。この情報網が、マルチターン対話での繰り返しの引用を生む基盤になります。

4. 著者の一貫した視点の維持
複数の関連記事の中で、著者の視点や専門性が一貫していることが重要です。マルチターン対話の中で「同じ情報源からの一貫した視点」を提供できることが、AIから見た信頼性シグナルになります。

記事間の関連性を示すことの重要性

会話履歴時代においては、記事間の関連性を明示的に示すことが、これまで以上に重要になります。

内部リンクの構造化、関連記事の推薦、シリーズ記事の連続性の明示、といった対策が、AIから見た「体系的な情報源」というシグナルを強化します。関連する記事同士が明確にリンクで結ばれている情報構造は、マルチターン対話での追加情報の提供源として選ばれやすくなります。

さらに、記事間の関連性をパン屑リストや構造化データで機械可読な形で示すことも有効です。AIが「この記事は、より広い〇〇というテーマの一部である」という認識を持てる情報構造が、体系性の評価を高めます。

石材店のクライアントさんの実際のケースでは、以前は個別の墓石商品ページや墓地の選び方の記事が独立して存在していましたが、追加質問への対応が構造化されていない状態でした。関連記事同士を体系的に相互リンクで結び、「墓石選び」「墓地探し」「相続と墓」「家族の意向調整」といった関連テーマを1つの情報体系として再構築した結果、「AIモード」での引用機会が明確に増えていきました。関連性の明示が、マルチターン検索時代の情報構造の核であることを示す事例です。

まとめ

今回の話をまとめると、「AIモード」の最大の武器である「会話履歴を覚えている」機能は、マルチターン検索という新しい体験を可能にし、企業には対話的な情報構造と関連情報の網羅的な体系化が求められる、ということです。

関連情報の網羅的体系化、対話的な相談情報の発信、相互リンクによる情報網の構築、著者の一貫した視点の維持という4つの方向で情報発信を設計することで、会話履歴時代の「AIモード」に繰り返し引用される情報源になれます。単発の記事から対話的な情報体系への転換が、これからの集客成果の基盤になります。

「AIモード」への対応は、何か特別なAI向けコンテンツを大量に作ることではありません。ユーザーが抱く疑問を先回りし、必要な情報を丁寧につなぎ、専門家として答え続けられるサイトを作ることです。マルチターン検索が広がるほど、こうした情報の積み重ねが大きな差になっていくはずです。