AI検索対策(AIO)

SEOで集客できない原因は?限界を感じたときに取り組みたいAIO対策

SEOで集客できない原因は?限界を感じたときに取り組みたいAIO対策
目次
  1. SEOで集客できない主な原因
  2. 優先して記事にする顧客の質問
  3. AIに読まれる情報整備
  4. 施策の優先順位と検証
  5. おわりに

SEOで集客できない背景には、検索結果の上にAIが作った要約が出て、クリックされないまま疑問が解決する流れがあります。AI検索から問い合わせを増やす方法は、顧客が実際に聞いてくる質問に具体的に答える記事をつくり、その情報をAIが読み取れる形で整えることです。ここでは4つのポイントを紹介します。

SEOの限界を感じたときに確認したい4つのこと

  1. 01原因を把握するAI要約とゼロクリックの影響研究の対象・条件も確認する
  2. 02顧客の質問を選ぶ製品・価格・機能・使用例業界や顧客の課題に具体化する
  3. 03AIが読める情報に整えるクローラーのアクセスを確認プラン・機能・導入要件を明示
  4. 04自社の結果で検証する成功の定義と測定方法を決める回答の正確さと施策の結果を確認

顧客の質問に具体的に答え、読み取れるか・正しく伝わるかを確かめる

検索はリンク一覧から回答を先に見せる形へ変わり、AI要約に触れたWikipedia英語版記事の日次トラフィックは約15%減ったという推定があります。

主力製品を1つか2つに絞り、価値の高い使用例や顧客の課題を3つ選んで、業界別の具体的なページにする進め方があります。

Kopenは、多くのAIクローラーが、特にJavaScriptを多用するウェブサイトの処理でGoogleの従来のクローラーほど高度ではないと説明しています。

話題の施策に飛びつかず、成功の定義と測り方を先に決め、自社の結果で優先順位を判断します。

SEOで集客できない主な原因

検索結果の変化とゼロクリック

検索の見た目が変わり、サイトを開かなくても疑問が解ける場面が増えています。

検索エンジンでは、自然検索のリンクより上に大規模言語モデルが作った回答が出ることが増えました。検索はリンクの一覧から、回答を先に示す要約へと形を変えています。この要約について、出版社は出典ページの代わりになりトラフィックを奪うと主張し、プラットフォームは要約内のリンクから人を送るため補い合う関係だと主張しています(参照*1)。

検索結果ページだけで用が足り、外部サイトを訪れない「ゼロクリック」検索への移行は長く続いています。そのため、検索の設計と出版社が得る検索トラフィックの結びつきは少しずつ強まっています(参照*1)。

表示の頻度についても調べられています。第三者の調査では、GoogleのAI Overviews(AIO)はGoogle検索のおよそ5回に1回、割合でいうと18%で表示されるとされています。ただし、この数値はクエリの種類や測定期間によって変わります(参照*1)。

流入減の実証データ

GoogleのAIOがWikipediaへの流入をどれくらい減らしたかを調べた研究があります。

この研究は、条件をそろえたWikipediaの記事と言語の組み合わせ161,382件を分析しました。AIOへの露出によって、英語版記事の日次トラフィックは約15%減りました。

減り方には差があり、文化分野の記事で相対的な減少が最も大きく、STEM分野では大幅に小さくなりました。これは、短い合成回答で情報ニーズが満たされる場合に、置き換えの効果が強く出ることと合っています(参照*1)。

この数字の読み方にも条件が付いています。言語をもとにした設計では、英語を話す人が世界中にいることや、導入が段階的だったことから、露出の測定は完全ではありません。そのため研究は、推定値を保守的な下限として解釈しています(参照*1)。

対象は特定のサイトと期間、言語に限られた推定です。すべての業種にそのまま当てはめられる数値ではありません。

従来型SEOの限界

順位を保てていても、問い合わせが増えないことがあります。

研究は、収益の形による影響の違いにも触れています。購読、リード獲得、商取引で収益を得ている出版社も、検索からの流入が減ることでファネル上部へのトラフィックが減り、AI要約の影響を受けた可能性があると指摘しています(参照*1)。

問い合わせは、まず知ってもらう入口があって生まれます。入口にあたる上流の訪問が減れば、キーワードと順位だけを追う施策では、問い合わせまでの流れがつながりにくくなります。

検索そのものの形も変わっています。回答を先に示す要約が増え、ゼロクリック検索への移行が進むなかで、検索の設計と検索トラフィックの結びつきは強まっています(参照*1)。

優先して記事にする顧客の質問

質問の集め方と洗い出し

まずは、AIが自社について何と答えているかを自分で確かめるところから始まります。

HubSpotの記事は、確認の手順を具体的に示しています。ChatGPTやそのほかのAI検索ツールに、自社の製品、価格、機能、使用例について具体的な質問を投げます。回答が不正確だったり古かったりした場合は、ウェブサイト上の情報にAIクローラーが簡単にアクセスできるかどうかを確認するよう勧めています(参照*2)。

質問の材料は社内にもあります。同記事は、購入を検討している人がすでにAIツールに尋ねている詳細な質問に答えるコンテンツづくりに力を入れるよう挙げています(参照*2)。

製品、価格、機能、使用例という切り口で質問を並べると、回答のずれがどこにあるかが見えやすくなります。

問い合わせに近い質問の選び方

集めた質問は、売上に近いところから絞り込みます。

HubSpotの記事は、絞り込みの単位を数で示しています。主力製品を1つか2つ選び、最も価値の高い使用例または顧客の課題を3つ特定するという進め方です。そのうえで、解決策を特定の業界に結び付けた、ターゲットを絞ったページを作るよう勧めています(参照*2)。

選ぶ基準として挙げられているのは、価値の高い使用例と顧客の課題です。あわせて、購入検討者がすでにAIツールに尋ねている詳細な質問に答えることへ注力するよう示されています(参照*2)。

これは1社の助言であり、すべての業種に当てはまる正解として示されたものではありません。自社の製品と顧客に合わせて読み替える前提の考え方です。

記事への落とし込み

選んだ質問は、業種や用途まで踏み込んだページにすると答えになります。

一般的な製品ページでも、製品が何をするものかは説明できます。ただしAI検索では、どのような顧客向けの製品なのか、特定の課題をどう解決するのかといった、より具体的な質問への回答がますます求められています。Kopenのチームは、HubSpotの製品を個々の業界、顧客の課題、実際の使用例に結び付けた詳細なページを作りました(参照*2)。

ページに入れる中身も示されています。業界に結び付けたページには、顧客事例、測定可能な成果、関連する連携機能を盛り込むよう勧めています(参照*2)。

この取り組みの結果も公開されています。30日以内に、これらのページはChatGPTのユーザークローラーを15,000回以上獲得しました。

数か月以内に、ページの92%が引用されました(参照*2)。これは特定企業の実験で得られた数値です。

AIに読まれる情報整備

クローラーが読める構造

記事の中身が良くても、読み取られなければAI検索には届きません。

HubSpotの記事は、この前提をはっきり示しています。どれほど有用なコンテンツでも、クローラーがアクセスに苦労すれば、AI検索に影響を与えることはできません。Kopenは、多くのAIクローラーがGoogleの従来のクローラーほど高度ではなく、特にJavaScriptを多用するウェブサイトの処理でその差が見られると説明しました(参照*2)。

これはKopenによる説明であり、すべてのクローラーに共通する仕様として示されたものではありません。

対処の方向も同記事にあります。HubSpotは、製品のプラン、機能、導入要件、具体的な使用例を説明する、よりアクセスしやすく事実に基づいたページを作りました(参照*2)。

価格・機能情報の明確化

HubSpotは、価格や機能の情報にAIクローラーがアクセスしにくい問題に対応しました。

HubSpotの事例では、AIエンジンが同社の製品、価格、機能について不正確な回答をすることがありました。チームが調べたところ、人間の訪問者向けに設計された価格ページがJavaScriptに大きく依存しており、重要な詳細情報にAIクローラーがアクセスしにくくなっていました(参照*2)。

この問題への対応として、同社は製品のプラン、機能、導入要件、具体的な使用例を説明する、アクセスしやすく事実に基づいたページを用意しました。結果として、6つの製品ハブのうち5つで、AI検索の正確性スコアが向上しました(参照*2)。この正確性スコアの向上は、同社の社内検証で確認された結果です。

施策の優先順位と検証

効果が確認されなかった施策

試してみたものの、効果を確認できなかった施策もあります。

HubSpotはllms.txtを検証しました。その結果、AIボットのクローラーがllms.txtのパスへ自発的にアクセスしようとすることを、同社は一度も確認しませんでした(参照*2)。

これは1社の検証で確認されなかったという事実です。業界全体の結論として示されたものではありません。

同記事は、少人数のチームに向けて、llms.txtの導入に多くの時間をかけるより、効果を示す証拠がより明確な実験を優先するよう勧めています(参照*2)。

測定と優先順位の決め方

何をもって成功とするかを先に決めると、投資の順番が決めやすくなります。

HubSpotの記事は、手順をはっきり示しています。注目を集めているAEO施策に投資する前に、成功の定義と測定方法を決めるよう勧めています。そのうえで、動向を確認しつつ、業界の話題性ではなく自社の結果を判断基準にして優先順位を決めるとしています(参照*2)。

人手が限られる場合の考え方も示されています。少人数のチームは、llms.txtの導入に多くの時間をかけるより、効果を示す証拠がより明確な実験を優先するよう勧めています(参照*2)。

自社で確かめる方法も同記事にあります。AI検索ツールに自社の製品、価格、機能、使用例について具体的な質問をし、回答が不正確または古い場合は、ウェブサイト上の情報にAIクローラーが簡単にアクセスできるかを確認するという流れです(参照*2)。

問い合わせにつなげる導線

記事を読んだ人が次に進めるよう、ページの中身を整えることが出発点になります。

HubSpotの記事は、業界に結び付けたページに顧客事例、測定可能な成果、関連する連携機能を盛り込むよう勧めています。あわせて、購入検討者がすでにAIツールに尋ねている詳細な質問に答えるコンテンツづくりに注力するよう示しています(参照*2)。

検討中の人が知りたい事実も記事に欠かせません。HubSpotは、製品のプラン、機能、導入要件、具体的な使用例を説明するページを用意しました(参照*2)。

なお、参照した情報には、導線の設計が問い合わせ数にどう影響したかを示す数値はありません。ここで言えるのは、質問への答えと判断材料をページ上にそろえるところまでです。

おわりに

検索は回答を先に示す形へ変わり、AIOに触れたWikipedia英語版記事の日次トラフィックは約15%減ったという保守的な下限の推定が示されています。検索からの上流訪問が減れば、問い合わせまでの流れにも影響する可能性があります。

そこで取り組めるのが、顧客の質問を起点にした具体的な記事づくりと、AIクローラーが読める形での情報整備です。主力製品を1つか2つに絞り、価値の高い使用例や顧客の課題を3つ選ぶ進め方や、プラン・機能・導入要件・使用例を事実として書いたページづくりが、HubSpotの事例として紹介されています。施策を選ぶときは、成功の定義と測定方法を先に決め、自社の結果を判断基準にするとされています。

出典・参考資料

  1. Impact of AI Search Summaries on Website Traffic: Evidence from Google AI Overviews and Wikipedia
  2. UNBOUND - HubSpot's Marketing & Sales Event | Sept 16–18, 2026 - 7 AEO Experiments From HubSpot: Lessons on What Worked and What Didn't

更新履歴

  • 公開

このテーマのご相談

AI検索で自社が正しく紹介されているか、点検します

会社・人・実績の情報の整理から、AIに引用されやすい記事づくりまで、私たちがお手伝いします。

このテーマの記事をすべて見る →

ページの先頭へ