生成エンジン最適化：ChatGPT、Gemini、Perplexityに自社ブランドを挙げてもらう方法

二十年のあいだ、検索マーケティングの問いは一つでした。どうすれば自社サイトを一ページ目に載せられるか。 いま、同じ重さの二つ目の問いが加わりました。誰かがAIに尋ねたとき、どうすれば自社ブランドの名前が挙がるのか。

違いは呼び方だけではありません。従来の検索では、利用者が十件のリンクを見て自分で選びます。AIアシスタントでは、すでに選び終えた一つの答えが返り、通常は二つから四つの名前が挙がります。そこに自社が入っていなければ、十一位なのではありません。その会話に存在していないのです。

これらは互いを置き換えるものではありません。実務では補強し合います。一方で強くしてくれる情報源は、たいてい他方でも効いてくるからです。

ここが最も誤解される点です。モデルはサイトの出来映えで選ぶのではなく、読み込む情報源全体で自社ブランドがどれだけ頻繁に、どれだけ一貫して現れるかで選びます。

1. 一つの具体的な問いに、最後まで答えるページを書く。 モデルは引用できるものを引用します。引用できるのは、前置きの段落ではなく明確な答えです。
2. 正直な比較ページを出す。 自社製品が最良でない場面も書きます。そうした内容のほうが、広告ではなく判断として読まれるため、むしろ多く引用されます。
3. 事業名、カテゴリ、説明文をあらゆる場所で統一する。 モデルは繰り返しから理解を作るため、表記の揺れは信号を分散させます。
4. レビューを定期的に集め、文脈を求める。 「卸注文でも速く正確」というレビューは、本文のない五つ星よりモデルにとってはるかに有用です。
5. 自社カテゴリに関係するディレクトリの掲載情報を埋める。 あらゆる業種を並べた総合ディレクトリではありません。
6. 構造化データと質問応答ページを追加する。 自社がどの主体を表し、どの問いに答えるのかをエンジンが把握しやすくなります。

古い作法がすべて時代遅れになったと考えたくなりますが、そうではありません。表示速度、整った見出し構造、そして本当に問いに答えている内容は今も土台です。 AIエンジンも依然としてウェブを読んでおり、人が読みにくいページは機械にとっても信号が乏しいのが普通だからです。

変わったのは重みです。かつては順位を争っていました。いまは名前を挙げてもらうことも争っており、それはウェブ全体に残した痕跡で決まります。単一のページではありません。

この取り組みで最も現実的な問題は測定です。AIの答えの中に見える順位はなく、一度尋ねて結論を出す方法も信頼できません。同じ問いでも回答が変わり得るからです。

信頼できるのは反復サンプリングです。同じプロンプトを複数のエンジンへ何度も投げ、回答のうち何割が自社ブランドに触れ、何番目で、どのような論調かを数えます。そこで初めて推移が読め、作業の効果を示せます。