資料ダウンロード
SEO無料相談
「オウンドメディアの既存記事のLLMO／AIO（AI検索最適化）を行うには、具体的にどのような取り組みが必要なのか？」 マーケターやSEO担当者、メディアのグロース責任者、コンテンツマーケティングの責任者であれば、過去のコンテンツ資産をいかにしてAI時代に適合させるかに頭を悩ませた経験があるはずです。
AI検索の普及により、従来のSEO対策だけではサイト流入の減少が避けられない状況にあります。これまでのSEOに加え、AIに引用・評価されるための工夫を取り入れることが、これからのサイト成長の鍵を握っています。しかし、リライトの具体策についての情報は少なく、手探りで進めている人も多いのではないでしょうか？
ウィルゲートはオウンドメディア「プロモニスタ」にてAIに引用・評価されるためのリライトを先行実装しました。そのプロセスや学び、成果を公開することで、検索環境の変化に直面し、対策を模索されている方々の力になれればと考えています。
本記事では、プロジェクトの立ち上げからチームの組成、具体的な取り組み、そこから得られた知見と成果を紹介します。
目次
私たちの課題感
「プロモニスタ」編集部では、SEOからAI検索時代への転換期を迎えていることを強く認識しており、AIによる引用メカニズムに関する事例・検証データを収集していました。しかし、記事数は数百と膨大。細部に至るまでのAIへの最適化は行き届いていませんでした。
とはいえ、SEOとAI検索の両立は必須。まずは10記事からリライトに手をつけ、PDCAを回しながら最適解を見つけていこうという方針が決まりました。
プロジェクトのチームは、プロデューサー、ディレクター、アシスタントディレクター、ライター、校正者、メディア運用担当者で構成し、AI検索最適化のチェックにはGeminiを活用しました。様々なAIツールを試す中で、Geminiの精度が現時点では高そうだと判断したためです。
意外に存在しない実践的なリライトノウハウ
しかし、すぐに壁にぶち当たることになります。「AIに最適化させるためのリライトに関する情報が少なすぎる」ということに気づいたのです。
ぜひ、Googleで「AI最適化 リライト」などと検索してください。AIで効率的に既存記事をリライトする方法に関する記事が多く出てくると思います。検索意図と合致した記事を見つけたとしても、従来のSEOリライトとの違いが分からないものが多いのではないでしょうか？
また、ChatGPTやGeminiなどのAIにも質問してください。リライトをする際の注意点や修正すべきポイントに関する回答は得られますが、概念的な説明が多く、具体的にどのように進めたらいいのかが判然としません。
つまり、世の中の情報はリライトの実践的な内容に欠けているのです。
そこで、「世間にノウハウを公開することを前提にリライトをやってみよう」と編集部内で立ち上がったのが本プロジェクトです。
リライト対象に選んだ10記事
効果的なリライト対象を精査するため、まずは当メディアの記事を分析し、以下4つのグループに分類しました。
今回は「AI引用率を高めるノウハウ」を検証・実行するため、グループ②を選択。そこから10キーワードの記事を選びました。
スタート直後の高い壁
SEOに最適化してきた組織ならではの課題
このプロジェクトで最も苦労したのは、リライト構成案の作成でした。
課題はどうしてもSEO視点だけに引っ張られてしまうことでした。SEO視点でリライトを行う場合、以下のような要素を盛り込むと良いと言われています。
・情報の鮮度を上げる
・網羅性を高める
・検索意図からずれている項目を除外する
・タイトルや見出しを修正する
・一次情報など独自性を加える
こうした要素を追加して構成案を作り、Geminiで評価を仰いだのですが、LLMO視点も加味すると、満足するような結果が出ませんでした。
アルゴリズムとAIの評価基準を理解した発想の転換が必要
SEOとAI検索最適化は、「記事を読んだユーザーの満足度が高い良質なコンテンツ」であるという共通項があることはわかっていました。2つの間にこの共通項が存在することで、SEOという地平から脱することができなかったのです。
何度か試行錯誤を繰り返すうち、発想の転換が必要であることに気づきました。
SEO検索はアルゴリズム（ロジック）で記事を評価するのに対し、AIは内容を理解して評価します。すなわち、AIが理解しやすい構造に組み替える必要があったのです。
そしてこれが重要なのですが、今回の場合のようにすでに上位表示ができている場合、検索順位を落とすわけにはいきません。つまり、SEOに必要な要素を盛り込みつつ、AI検索に最適化するための構造に組み替えればよかったわけです。
どうやって壁を乗り越えたのか？
AI検索最適化を意識した構成案の作り込み
構成案の作成で大活躍したのも、やはりAIでした。
最初に始めたのが現状把握。Googleが検索結果の概要を生成する「AI Overviews」で、対象のキーワードをAIがどのように理解し、構造化しているのかを把握したのです。
AIが理解している結論、それを支える各論。そしてそれを踏まえての対策など、h2となるような各ブロックを抽出します。
次にSEOで上位を獲得している競合ページを確認し、リライト対象の記事に足りない要素を補足。最新情報を探して、欠けていればその要素も追加しました。
そしてAIに最適化する上で、Q&Aは欠かせません。これはAIが質問と回答という明確な構造を理解しやすいためで、多くの記事で広く言及されています。また、表組（テーブル）の作成も同様の理由で有効であることは把握していたため、これらの要素も構成案に追加しました。
AIとの対話を重ねる中で再認識したのは、一次情報の重要性です。AIは、一般論よりも自社独自の事例や具体的な実績、実体験に基づく知見を高く評価し、引用元として選定する傾向が顕著に見られました。
構成案の作成において強く意識したポイントは以下の4点です。
具体的な構成案を紹介
ここでは、リライトを行ったキーワード「403 forbidden」の実際の構成案をリライト前とリライト後で紹介します。
リライト前は、概念説明から原因、対処法、リスク、再発防止策という標準的なSEO記事の構成でした。これに対し、リライト後ではAI検索での引用率向上を主眼に置き、以下の5つのポイントでアップデートを行いました。
1. AIが引用しやすい「比較」の導入
内容： 「403エラー」と「404エラー」の違いなど、他のエラーコードとの違いを明示。
意図： ユーザーの混同を解消し、AIが「定義の正確な情報源」として参照しやすくするため。
2. 原因と解決策をセットで明示
内容： 原因と対処法をセットで構造化。
意図： AIがユーザーの状況に応じて、最適な回答を抽出しやすくするため。
3. ユーザーの不安に寄り添うコンテンツ内容を意識
内容： 「自分だけにエラーが起きているのか」を確認するチェック方法を拡充。
意図： 検索意図の深層にある不安を解消するコンテンツとしてAIに評価させるため。
4. ターゲット別のブロック分け
内容： 「一般ユーザー向け」と「サイト管理者向け」に明確に分離。
意図： AIが質問者の属性に合わせて、回答範囲を即座に特定できるようにするため。
5. FAQ（よくある質問）の実装
内容： 短文で完結するQ&Aセクションを末尾に追加。
意図： 会話型AIが好む「簡潔で適切な回答フォーマット」を記事内に用意するため。
Geminiと繰り返し重ねたコミュニケーション
作成した構成案をGeminiに入力し、AI検索最適化目線で条件を満たしているのかを何度も確認しました。人間の目による推敲だけでなく、AI自身の視点をフィードバックとして取り入れるこのプロセスは、AI検索時代におけるコンテンツ制作において極めて有効な手法であると確信しています。
h2のブロックの入れ替えや、h3で補足を入れるような提案がもらえることもありました。リライト構成案を作成するうえで、何より頼れる相手だったことは間違いありません。
ただし、注意点があります。h2の重複や無意味だと考えられるブロックの追加を提案することがあるのです。
例えば、「403 Forbidden」の構成案では、Geminiが「サーバー設定の不備」「サーバー側の設定ミス」「Webサーバーの構成エラー」といった、表現が異なるだけで実質的に同じ内容のh3を複数提案してきたことがありました。これらをそのまま採用すると、記事の冗長性が増し、AIにとってもユーザーにとっても理解しにくい構成になってしまいます。
AIの提案をそのまま受け入れると、かえって記事の品質を下げるリスクがあります。提案内容の取捨選択には、SEOとAI検索最適化の両方を理解した専門的な判断力が求められます。
上の構成案の例だと、「403 Forbiddenが発生する主な原因」において、言葉は違うものの、事例が重複しているものがありました。そのため、情報を精査し、それぞれの項目が独立した価値を持つような構造へと再編しました。
実は「403 Forbiddenの対処方法【ユーザー／管理者別】」も「403 Forbiddenが発生する主な原因」の内容と重なる部分が多かったため、このブロックを追加すべきかどうかは迷いました。しかし、ユーザーと管理者という視点を変えた解説は、AIやユーザーにとって有益であるとの観点から、最終的に残しています。
Geminiによる提案を真に価値あるものにするためには、ツール単体の性能に頼るのではなく、実務経験に基づいた独自の判断基準が必要です。膨大なデータを持つAIに対し、「人の知見」による最後の磨き込みこそが、AI引用を勝ち取るための差別化要因になると感じています。
ライターと認識ずれを起こさないための指示書の作成
ライターはSEOライティングと既存記事のリライトに慣れている熟練の方々ばかりを集めました。しかし、これまでの業務はSEOリライトがメインなので、ざっくりした指示では手癖でSEO視点のみのリライトになる可能性があります。そのため、構成案の中に文章のヒントを細かく散りばめました。
例えば、「『〇〇とは？』というh2に入れる文章は、AI Overviewsの結論部を参照にしつつ、足りない要素をプラスする。」「Q&Aの回答は結論ファーストで、簡潔にまとめる。」などです。
そして、全体の文章は簡潔に短く、AIが理解しやすい内容を心がけることを忘れないようにしました。
表記揺れに注意
気を付けたいのが表記揺れです。
日本語は漢字・送り仮名・ひらがな・カタカナなどで表記揺れが起こりやすい特徴があります。表記揺れはAIがコンテンツを正確に評価する妨げとなるため、徹底的に排除する必要があります。
ウィルゲートの場合は、記者ハンドブックに準じた表記ルールがあります。
しかし、それがあってもどうしても表記揺れは防ぎがたいため、「検索と置換」によるチェック、AIによる表記揺れの洗い出しなどを行ったうえで、校正担当者に依頼するなど、複数の対策を行いました。このあたりは別チームでAIによる校正校閲フローを確立しているところなので、今後はより低工数で実現できそうです。
チームでのAI最適化の機運を醸成
定期的に活動の振り返りを行い、チームで話し合う時間をとることも重要です。AIは日々進化していることもあり、最新情報を持ち寄るだけでも有益な時間になります。
AI検索という未知の領域に対し、「なぜ今、このリライトが必要なのか」という戦略的背景を全員が深く理解していました。各工程の意義をチーム全体で消化できていたことが、一貫性のあるアウトプットを生む鍵となりました。
AI検索最適化リライトで得られた知識とノウハウ
今回のプロジェクトで得られた知見として、以下のようなものがあります。
一見すると当たり前に思えるプロセスを徹底することが、結果としてAI引用における成果の質を左右します。この実体験で得た「AIを評価・取捨選択する視点」こそが、今後のWebマーケティングにおける不可欠な要件になると確信しています。
改めて、AI検索最適化リライトのポイントを、フェーズ別でまとめます。
| フェーズ | 施策 | 具体的なアクション |
|---|---|---|
| 構成案作成 | AIの現状認識 | AI Overviewsで対象キーワードの結論・各論・対策の構造を把握する |
| 構成案作成 | SEO視点の網羅性追加 | 競合上位ページを確認し、不足している情報や最新情報を補足する |
| 構成案作成 | AI最適化要素の追加 | Q&A、表組（テーブル）、比較表などAIが構造を理解しやすい要素を組み込む |
| 構成案作成 | 独自情報の付加 | 自社事例・実績・体験談など一次情報を盛り込む |
| 構成案作成 | AIとの壁打ち | 作成した構成案をGemini等に入力し、AI検索最適化の観点で繰り返し評価・修正する |
| ライティング | 結論ファースト | 各セクションの冒頭で結論を述べ、簡潔な文章を心がける |
| ライティング | 表記揺れの排除 | 検索と置換・AIチェック・校正担当者確認の複数チェックを実施する |
| ライティング | ライターへの指示 | AI検索最適化が目的であること、AI Overviewsの結論部を参照することなどを明確に伝達する |
| 品質管理 | AIの提案精査 | Geminiの提案を盲目的に受け入れず、重複や不要なブロックを専門的視点で取捨選択する |
成果：AI引用率向上の推移
2025年12月にリライトを実施し、その後の推移をモニタリングしました。
簡単に今回の成果についてもお伝えします。
AI引用については、リライト直後に急増する傾向が見られました。例えば2026年1月時点で、「リライトとは」のAI Overviews引用ボリュームが0から7,509、「403 forbidden」が0から12,112へ増加しています。しかし、3月にはいずれも0に減少しており、AIは情報の鮮度に強く反応する一方、効果は一時的である傾向が確認されました。
一方、SEO観点では着実な成果が出ています。「リライトとは」は29位から6位、「htaccess」は13位から1位、「robots.txt」は10位から6位へと、いずれも順位が大幅に改善。セッション数もリライト後に増加傾向を示しました。
なお、AI引用が12,112を記録した「403 forbidden」の同月セッション数は183に留まっており、AI引用数がサイト流入に直結するわけではないことも確認されています。
今後もモニタリングは続けていきますが、今回得られた成果は「SEOと同じく、LLMOも継続的な改善が必要（改善を止めると成果も落ちる）」という教訓かもしれません。
まとめ：AI検索最適化はスモールスタートで取り組むのがおすすめ
AI検索が普及した今、セッション数の急減に苦心しているメディア担当者は少なくないはずです。膨大な情報量を持っているオウンドメディアの場合、焦りもあって一気にAI検索の最適化を進めたくなるかもしれません。
しかし、PDCAを回して着実な成果が出ると判断できない状態で、大量にリライトをかけるのは最善手とは言えません。
このプロジェクトのように、10記事程度で試験的に実施し、モニタリング環境、社内フロー整備と合わせて少しずつ着実に進めていくことをオススメします。
