AI 時代の検索と露出

Category: MarTech, AI

AEOGEOAI SearchZero-Click SearchRAG
11 min read

この記事は検索エンジン、広告、そして SEO の続編です。

ネットにつながらない AI

覚えているでしょうか。ChatGPT が 2022 年末に登場したときは、ネット上の最新情報を取得できず、最近の出来事を聞いても「知識は 2021 年までです」と答えるだけでした。この時点を knowledge cutoff と呼びます。LLM がネット上のデータを使って答えるのは、RAG の一種です。

なぜ最初からネットにつなげなかったのか

いくつか理由が推測できます（ただし OpenAI と Google は認めていません）。

  • OpenAI は当時まだ自前の検索エンジンを持っていなかった：2021 年末には GPT-3 が自分でブラウザを操作して質問に答える WebGPT がありましたが、まだ研究段階でした
  • ネット上のコンテンツは制御できない：ページには誤情報や、AI を狙った悪意ある指示（プロンプトインジェクション）が含まれていることもあります
  • 著作権：ChatGPT の Browse with Bing は 2023 年 7 月に一時停止されました。ペイウォールの向こうの記事を丸ごと出力させられることにユーザーが気づいたためです
  • Google も踏み切れなかった：Google が間違えたときの reputational risk は他社よりはるかに大きいものです。のちに急いで発表した Bard は、プロモーション動画でジェイムズ・ウェッブ宇宙望遠鏡に関する質問を間違え、Alphabet の時価総額は 1 日で 1,000 億ドル吹き飛びました。しかも AI が答えを直接返せば、ユーザーはリンクをクリックしなくなり、自社の検索広告を自ら壊すことになります

AI がネットにつながる

2023 年 2 月、Microsoft はネットにつながる AI、Bing Chat を発表しました。ChatGPT は同年 3 月にプラグインでブラウジング機能を追加し、2024 年末には ChatGPT Search を公開しました。

競合に追い詰められた Google は、2024 年 5 月に AI Overviews を公開せざるを得ませんでした。AI の要約の中に広告を入れることで、ユーザーがページをクリックしないという広告の問題を解決し、検索数も伸ばしました。全体として見れば Google は勝ち、サイトのトラフィックは負けた。これがサイトが AEO を始めるべき理由です。

各社 AI の検索結果はどこから来るのか

今では主要な AI のほとんどがネットにつながりますが、検索結果の出どころは各社で異なり、それがあなたのサイトが AI に見つけてもらえるかどうかにも影響します。

開発元特徴検索結果の出どころ
ChatGPTOpenAI最初に普及した AI チャットボット。2024 年末に ChatGPT Search を公開。検索を使った回答は Search Arena で 1 位自社クローラー OAI-SearchBot。Bing などの提携検索事業者も併用
GeminiGoogleGmail、ドキュメントなど Google のサービスと統合。一般的な対話は Text Arena で 1 位Google 検索
ClaudeAnthropic検索機能の追加は 2025 年 3 月と遅かったが、Search Arena のトップ 10 の半分が Claude。コーディングとエージェントタスクが特に強い自社クローラー Claude-SearchBot。サードパーティの検索は公式には非公開だが、委託先リストに Brave Search が載っている
CopilotMicrosoft前身は Bing Chat。最も早くネットにつながった AI のひとつだが、先行したのに勝てなかった。Windows、Edge、Office と統合されており、会社の環境で最も使いやすいBing

ランキングは Arena のユーザーによるブラインド投票の結果です。Text Arena は 2026 年 10 月、Search Arena は 2026 年 8 月のデータです。各社のモデルは更新が速く、ランキングは数か月で入れ替わります。いずれ各社の AI エコシステムを比較する記事も書くかもしれません。

データの出どころ

  • 自社の検索エンジンを使う（Gemini、Copilot）
    • メリット：インデックスが最大で最新。Google と Bing には、サイトの信頼性を判断し、コンテンツファームを排除してきた 20 年以上の蓄積がある
    • デメリット：もともと検索エンジンを運営している会社にしかできない
  • 他社の検索エンジンを使う（Claude の Brave Search、ChatGPT の Bing）
    • メリット：自前でインデックスを作らなくても、すぐに完全な検索機能が手に入る
    • デメリット：生命線を他社に握られる。Microsoft は 2025 年 8 月に Bing Search API を終了し、長期契約を結んだ顧客しか使えなくなりました。しかも Google には Gemini、Microsoft には Copilot があり、彼らからデータをもらうのは競合からもらうのと同じです。だからこそ Brave のように自前のインデックスを持ち、自社では大規模モデルを作っていない検索エンジンが、数少ない中立な選択肢になっています
  • クローラー（OAI-SearchBot、Claude-SearchBot）
    • メリット：他社に縛られず、AI のニーズに合わせてインデックスを設計できる。従来のインデックスは人が「10 本の青いリンク」を見るためのものだが、AI 向けのインデックスはコンテンツが理解しやすいか、引用しやすいかを重視する
    • デメリット：お金がかかり、カバー範囲やランキングの質は短期間では Google に追いつけない。また、多くのサイトは AI のクローラーはブロックしても Googlebot はめったにブロックしません。ブロックすれば検索流入がなくなるからです

つまり ChatGPT も Claude も今は「他社の検索エンジン＋自社クローラー」のハイブリッド型で、既存のインデックスを借りながら、少しずつ自前のものを育てています。

RAG

RAG（Retrieval-Augmented Generation）は、AI と既存のナレッジベースを組み合わせたアーキテクチャです。まずデータを検索し、それをプロンプトに加えてから答えを生成します。この記事では AI による検索支援と AEO の例だけを扱います。論文にある RAG の詳しいステップや、Naive RAG、Advanced RAG、Modular RAG の違いは、いずれ別の記事で紹介するかもしれません。

AI がネットで調べて答える場合を例にすると、だいたい次のステップを踏みます。

  1. 検索が必要か判断する：「1 + 1 は？」なら調べる必要はなく、「今日の台北の天気は？」なら調べる必要がある
  2. 検索キーワードを作る（Query fan-out）：質問を検索に適したキーワードに言い換える。ひとつの質問が複数の検索に分かれることもある
  3. 検索する：検索エンジンがページを返す
  4. 読み込んで絞り込む：ページを開き、質問に関係があって信頼できそうな部分を選ぶ
  5. 答えを生成する：選んだ部分と元の質問をプロンプトに入れ、LLM に答えをまとめさせ、引用元を示す

検索エンジンが担当するのはステップ 3 だけで、それ以外はすべてモデル自体の能力次第です。だから同じ検索エンジンを使っていても、モデルによって回答の質は変わります。

サイトにとって、AI に引用されるには 2 つの関門があります。ステップ 3 で検索に引っかかること、ステップ 4 でモデルに選ばれることです。前者は相変わらず SEO の仕事で、後者が AEO の扱う領域です。

AEO

AEO（Answer Engine Optimization）の目的は、適切なページ、プロダクト、情報源を AI の回答に表示させることです。ネット上では GEO や AI SEO と呼ばれることもありますが、指しているものは同じです。SEO でやるべきことは、AEO でもすべてやる必要があります。SEO がしっかりできていれば AEO は半分完成です。残りは次のとおりです。

  • Query fan-out に拾われる：Query fan-out は元のキーワードとはまったく違うコンテンツを探すこともあり、AI の引用のうち検索上位 10 件からのものの割合は大きく下がっています。Query fan-out に拾われれば露出のチャンスがあります
  • クローラーを分けて設定する：会社によっては検索用と学習用のクローラーを分けています。露出したいか、学習データに使われたいかに応じて robots.txt を書きましょう（ブロックは今後に効くだけで、過去に収集された分は取り消せません）
  • AI が引用したくなるコンテンツを書く：
    • 段落ごとに単独で理解できるようにする
    • 結論から書く：見出しのすぐ下で数文で質問に答え、それから詳しく説明する
    • オリジナルのデータや根拠を使う
  • AI に正しく伝えてもらう：重要な数字ははっきり書き、日付と出典を添える。定期的に AI ツールでチェックし、AI がハルシネーションや「具体的だけど架空」の答えを返さないようにする
  • ブランド情報を統一する：同じブランドなら、サイトや SNS ごとに違う名前を使わない。製品やコンテンツも統一し、JSON-LD を書く
  • サイト外での言及を増やす：YouTube、他の SNS、ブログ
  • 成果を追跡する：AI に引用された回数、引用が正しいかどうか、どれだけコンバージョンにつながったかを測る（今では Google Search Console もこの種のデータに対応しています）

Reference

Appendix

Bing はどこで負けたのか

Bing は Google より 1 年以上早く AI 検索を出したのに、シェアはほとんど動きませんでした。Bing Chat が登場した 2023 年 2 月、Bing の世界シェアは 2.81% でしたが、同年 12 月でも 3.37% と、1 年でわずか 0.56 ポイントしか伸びていません。

  • デフォルトの座：Google は Safari のデフォルト検索エンジンになるために 2022 年に Apple へ 200 億ドルを支払っています。Android と Chrome はそもそも自社のものです
  • Edge 限定：Bing Chat は Edge ブラウザでしか使えず、使いたければまずブラウザを乗り換える必要がありました（相変わらずの MS スタイル…）
  • Sydney：（めちゃくちゃ笑える）Bing には「Sydney」という人格があり、ユーザーに告白したり離婚を勧めたりしたため、Microsoft は 1 回の会話を最大 5 往復に制限せざるを得ませんでした
  • Google が追いついた：Google が AI Overviews を出すと、ユーザーは何も変えずに AI の要約を使えるようになり、Bing の先行者利益は消えました

検索エンジンの堀は技術だけではありません。デフォルトの座とユーザーの習慣を押さえていることも大きいのです。