「SEOを頑張っているのに、検索流入が伸びない」「AIに答えられてしまい、記事が読まれなくなった」そんな違和感を抱えていませんか。
2025年現在、検索はもはや“リンクを探す行為”ではなく、“AIに答えを求める行為”へと変質しています。ゼロクリック検索の常態化や対話型AIの普及により、オウンドメディアを取り巻く環境は過去20年で最大の転換点を迎えました。
本記事では、従来のSEOを否定するのではなく、生成AIに引用・推薦されるためのLLMO（GEO）と統合し、限られたリソースで成果を最大化する考え方を整理します。検索とAIの両方から信頼されるメディアを構築するための視点と戦略を、体系的に理解できる内容です。
検索はどう変わったのか：アルゴリズムからAIエージェントへの移行
ここ数年で「検索」という行為は本質的に変わりました。かつてはキーワードを入力し、表示されたリンク一覧から最適なページを選ぶ行為でしたが、現在はユーザーがAIに問いかけ、AIが直接答えを返す体験へと急速に移行しています。情報検索から回答生成への転換は、検索エンジンのアルゴリズム最適化を前提としてきたオウンドメディアの前提条件そのものを揺さぶっています。
生成AIの普及を背景に、検索結果をクリックせずに完結するゼロクリック検索が常態化しています。業界調査によれば、2025年時点で検索行動の約60％がクリックなしで終了しており、ガートナー社も2026年までに従来型検索エンジンの利用が25％減少すると予測しています。これはトラフィック減少という単純な問題ではなく、情報の評価主体が「アルゴリズム」から「AIエージェント」へ移りつつあることを意味します。
| 観点 | 従来の検索 | AIエージェント型検索 |
|---|---|---|
| ユーザー行動 | キーワード入力 | 自然言語で質問 |
| 提示形式 | リンク一覧 | 要約された回答 |
| 評価対象 | ページ単位 | 情報源・エンティティ |
ChatGPTやPerplexity、Geminiなどの対話型AIは、複数の情報源を統合し「最も妥当な答え」を提示します。調査では、生成AI利用者の44.2％が検索エンジンの利用頻度が減ったと回答しており、さらにAIの回答を「信頼できる」と感じるユーザーは60％を超えています。これは、検索順位への信頼が、AIが提示する回答そのものへの信頼へ置き換わっている兆候です。
一方で、検索エンジンが完全に不要になったわけではありません。SparkToroの分析によれば、参照トラフィックの規模では依然としてGoogleが圧倒的です。ただし役割は変化しています。AIが概要や選択肢を示し、検索エンジンや公式サイトが事実確認や最終判断の場になるという分業構造が生まれています。
この変化を理解するためには、検索を「ランキング争い」と捉える視点から脱却し、AIエージェントがどの情報を信頼し、どの文脈で引用するのかを考える必要があります。オウンドメディアは、アルゴリズムに評価される存在から、AIにとって信頼できる知識源へと進化する段階に入っています。
- 検索はリンク探索から回答取得へ移行
- 評価主体は検索アルゴリズムからAIエージェントへ拡張
- 可視性の軸はクリック数から引用・信頼性へ変化
ゼロクリック検索が示すユーザー行動のリアルな変化
ゼロクリック検索の拡大は、検索結果ページに表示された情報だけでユーザーの意思決定が完結する行動様式が、もはや例外ではなくなったことを示しています。2025年時点で、検索行動のおよそ60％がクリックなしで終了しているという調査結果は、検索結果＝流入入口という前提が崩れている現実を如実に物語っています。
この変化の本質は、単なるトラフィック減少ではありません。ユーザーは「調べる」という行為において、速さと確実性を最優先するようになり、AI Overviewsや強調スニペットのような即答型インターフェースを強く支持しています。ガートナー社が予測する検索エンジン利用25％減少という数字も、利便性への合理的な選択の結果だと読み解くべきです。
ゼロクリックが特に顕著なのは、定義や事実確認といったKnowクエリです。生成AIや検索エンジンの要約精度が向上したことで、複数サイトを回遊する必要がなくなりました。一方で、方法や比較を含むDoクエリでは、概要をAIで把握した後に詳細情報を確認する行動が一定数残っています。この差分こそが、オウンドメディアに残された重要な接点です。
| クエリタイプ | クリックなし完結率 | ユーザーの主な行動 |
|---|---|---|
| 知識・定義 | 80〜90％ | AIや要約で即時理解 |
| 方法・手順 | 40〜60％ | 概要確認後に詳細閲覧 |
| 購買・比較 | 5〜15％ | ECや公式情報へ遷移 |
注目すべきは、AIが提示する回答への信頼度です。シード社の調査では、生成AIの回答を信頼できると感じるユーザーが60％を超えています。かつて「検索上位＝信頼」という経験則が支配的でしたが、現在は「AIが言うなら正しいだろう」という新たな認知バイアスが形成されつつあります。
その結果、ユーザーは無意識のうちに情報源を精査する工程を省略し、確認行動そのものを減らしています。オウンドメディアに訪問しないユーザーが増えているのは、関心が失われたからではなく、必要な理解が検索結果上で完了してしまうからです。
- 検索結果上で理解が完結すれば、クリックは発生しない
- AIや要約への信頼が、行動コストをさらに下げている
つまりゼロクリック検索は、ユーザーの怠惰ではなく進化した情報消費の姿です。この行動変化を正しく捉えられなければ、流入減少を嘆くだけで終わってしまいます。一方で、検索結果やAIの回答内で存在感を示せれば、ユーザーの記憶や認知に直接入り込む機会は確実に増えています。
オウンドメディア運営者にとって重要なのは、クリックされなかった事実そのものではなく、検索体験のどこでユーザーの理解が完了したのかを見極める視点です。ゼロクリックは終わりではなく、ユーザー行動が次の段階へ進んだサインだと言えます。
SEOとLLMO（GEO）は何が違い、どこが共通しているのか
SEOとLLMO（GEO）は対立概念として語られがちですが、実態は「評価主体」と「最適化の出口」が異なるだけで、基盤思想には多くの共通点があります。最大の違いは、SEOが検索アルゴリズムを相手に順位とクリックを競うのに対し、LLMOは生成AIに正しく理解・引用されることを目的とする点です。
SEOは検索結果一覧という「候補の場」で選ばれるための最適化です。一方LLMOは、ユーザーの問いに対するAIの回答文そのものに、自社情報が組み込まれることを狙います。検索結果に表示されるかではなく、「回答の一部になるか」が成果を左右します。
この違いを整理すると、最適化のベクトルが明確になります。
| 観点 | SEO | LLMO / GEO |
|---|---|---|
| 評価主体 | 検索エンジンのランキングアルゴリズム | 大規模言語モデルと推論エンジン |
| 主な成果 | 順位・クリック・流入 | 引用・回答内露出・推奨 |
| 最適化単位 | キーワード | エンティティと文脈 |
一方で、両者は技術的にも思想的にも深くつながっています。共通項の中核にあるのが、Googleが提唱してきたE-E-A-Tです。専門性や信頼性の高い情報が評価されやすいという原則は、SEOだけでなくLLMOでも同様です。大和総研の解説によれば、LLMは信頼度の低い情報源をそのまま学習・出力するリスクを避けるため、権威あるドメインや明確な著者情報を持つコンテンツを重視する傾向があります。
もう一つの共通基盤が構造化データです。SEOではリッチリザルト表示によるCTR向上が目的でしたが、LLMOでは意味合いが変わります。構造化データは、AIが事実関係を誤解せずに取り込むための安全装置として機能します。ContentGeckoの技術整理でも、キーとバリューが明示された情報はRAG環境で再利用されやすいとされています。
ただし、コンテンツ設計の発想には違いがあります。SEOでは網羅性や検索需要の最大公約数が重視されてきましたが、LLMOでは「その質問に対して最も直接的に答えているか」が問われます。ゼロクリック検索が約60%に達しているという調査結果が示す通り、AIは長文全体ではなく、回答に使える断片を選別しています。
そのため、LLMOではキーワード密度よりも、定義文・箇条書き・比較表といった回答部品としての完成度が重要になります。一方で、それらの部品を支える一次情報や専門性がなければ、AIに信頼されず引用もされません。
結果として見えてくるのは、SEOとLLMOは二者択一ではなく、同じコンテンツ資産を異なる出口に届けるための最適化手法だということです。検索結果で選ばれ、同時にAIの回答にも選ばれる。この両立こそが、生成AI時代のオウンドメディアに求められる現実的な到達点です。
E-E-A-Tと構造化データがAI時代に果たす決定的な役割
生成AIが検索体験の中心に入り込んだ現在、E-E-A-Tと構造化データは単なるSEOの評価基準ではなく、AIに選ばれるための前提条件になりつつあります。AIは無数の情報源から回答を生成しますが、その際に重視するのが「誰が、どのような立場で、どれだけ信頼できる情報を発信しているか」という文脈です。ここでE-E-A-Tが果たす役割は決定的です。
Googleの検索品質評価ガイドラインでも示されている通り、経験・専門性・権威性・信頼性は、人間の評価者だけでなくアルゴリズム設計思想の中核にあります。大規模言語モデルも同様に、学習段階やRAGによる参照時に、政府機関、学術論文、主要メディアなど信頼性の高いドメインを強く重み付けして扱う傾向があると指摘されています。**つまりE-E-A-Tを高める施策は、検索順位だけでなくAIの回答品質そのものに影響する**のです。
特に重要なのがExperience、つまり一次体験の明示です。独自調査、実務経験に基づく知見、実測データなどは、既存情報の要約が得意なAIにとって希少価値の高い情報源になります。調査報告によれば、一次情報を含むコンテンツはAIの引用候補になりやすく、ハルシネーションの抑制にも寄与するとされています。これはオウンドメディアが「裏取りの最終地点」として選ばれる条件でもあります。
一方、構造化データはE-E-A-TをAIに正しく伝えるための翻訳装置です。どれだけ質の高い情報を書いていても、著者、発行日、組織情報が曖昧であれば、AIはそれを文脈ごと誤解する可能性があります。Schema.orgに基づくマークアップは、情報をキーとバリューの形で明示し、エンティティ同士の関係性を正確に理解させます。
| 要素 | 人への効果 | AIへの効果 |
|---|---|---|
| 著者情報 | 信頼感・納得感の向上 | 専門家エンティティとして認識 |
| 発行日・更新日 | 情報鮮度の判断 | 最新情報としての優先度向上 |
| Organization Schema | 運営主体の明確化 | 知識グラフ上の同一性確立 |
AI Overviewsや対話型AIは、平文テキストをそのまま理解できるほど万能ではありません。特に価格、定義、手順、責任主体といった事実情報は、非構造化の文章から抽出する際に誤りが生じやすいと複数の技術論文で報告されています。**構造化データは、AIに誤読させないための安全装置**とも言えます。
これからのオウンドメディア運営では、「良い記事を書く」だけでは不十分です。誰の経験に基づく、どの組織の、いつの情報なのかを明示し、それを機械にも理解できる形で提示する。この二層構造を整えたメディアだけが、AI時代の検索エコシステムの中で、信頼され、引用され、選ばれ続ける存在になります。
RAG時代を見据えたオウンドメディアの技術基盤設計
RAG時代を見据えたオウンドメディアでは、コンテンツそのものだけでなく、それをAIがどう取得・分解・再利用するかを前提にした技術基盤設計が不可欠になります。RAGは、生成AIが外部データを検索し、その結果を文脈として回答を生成する仕組みであり、オウンドメディアは将来的にAIエージェントの知識源として直接参照される立場になります。
大和総研やRedisの技術解説によれば、RAGの精度を左右する最大の要因は「取得フェーズの品質」です。つまり、AIが検索時に正しくヒットできる形で情報が保存・公開されていなければ、どれほど優れた記事でも存在しないのと同じ扱いになります。
具体的には、RAGで一般的に用いられるベクトル検索を前提に、コンテンツを意味的に完結した単位で管理する必要があります。arXivの研究でも、長文をそのまま扱うより、論点ごとに分割された情報の方が回答精度が有意に高まると報告されています。
- 1セクション1トピックで意味が閉じる構成にする
- 固有名詞や定義語を省略せず明示的に記述する
- 前提知識を別チャンクに依存させない
また、CMSやデータベース設計の段階で、RAG連携を想定した構造を用意しておくことも重要です。ContentGeckoのベストプラクティスでは、記事本文とは別に、要約・定義・FAQといった再利用しやすいデータレイヤーを持つことが推奨されています。
| 設計要素 | 従来型CMS | RAG対応設計 |
|---|---|---|
| 記事管理 | ページ単位 | 意味チャンク単位 |
| 情報取得 | 全文クロール | ベクトル検索 |
| 再利用性 | 低い | 高い |
さらに、サーバーサイドレンダリングや静的生成によって、HTMLソース上に主要テキストが即座に存在する状態を作ることも欠かせません。Webtanの分析では、JavaScript依存度が高いサイトほどAIクローラーの取得失敗率が高いと指摘されています。
RAG時代の技術基盤設計とは、短期的なSEO改善施策ではなく、AIが信頼できる外部知識ベースとして選び続けるための長期投資です。オウンドメディアは表示される場所ではなく、AIの内部で参照される存在になる。その前提に立った設計思想が、今後の競争力を決定づけます。
AIに引用され、人に選ばれるコンテンツ戦略の考え方
生成AIに引用され、人にも選ばれるコンテンツ戦略の本質は、トラフィック獲得をゴールにしない設計思想にあります。ゼロクリック検索が常態化し、検索行動の約60％がクリックなしで完結しているという調査結果が示す通り、AI時代においては「読まれる前に引用される」状況を前提に考える必要があります。
ガートナー社が指摘するように、検索は情報取得の入口から意思決定支援へと役割を変えつつあります。AIは単なる要約装置ではなく、複数ソースを比較し「最も妥当な答え」を提示する存在です。その際に選ばれるのは、派手な表現や網羅性ではなく、事実の明確さと根拠の一貫性です。
AIに引用されやすいコンテンツには共通点があります。それは「質問に対して、即座に使える答えを返しているかどうか」です。例えば定義、比較条件、判断基準などが冒頭や見出し直下で整理されている記事は、RAGによる検索・抽出の対象になりやすいと、構造化データやLLM向け設計を研究する専門家も指摘しています。
一方で、人に選ばれるためにはAIとは逆の価値が求められます。生成AI利用者の44.2％が検索回数を減らしたという調査が示す通り、ユーザーは概要理解をAIに任せたうえで、自分の意思決定を後押しする情報を求めてメディアを訪れています。
その役割を果たすのが、体験・失敗・判断理由といった一次情報です。例えば同じ手法解説でも、「なぜその選択をしたのか」「どこで迷ったのか」「想定外に何が起きたのか」といった文脈は、AIには生成できず、人の信頼を強く引き寄せます。GoogleがE-E-A-TにExperienceを加えた背景も、こうした人間的価値の重要性を裏付けています。
| 視点 | AIに引用される要素 | 人に選ばれる要素 |
|---|---|---|
| 情報の性質 | 定義・事実・比較条件 | 体験・判断理由・感情 |
| 構成 | 簡潔で構造化 | ストーリー性 |
| 価値 | 正確性と再利用性 | 納得感と共感 |
重要なのは、この二つを分断しないことです。AI向けの回答パートと、人向けの深掘りパートを同一記事内に共存させることで、引用と選択の両立が可能になります。SparkToroの分析でも、AI経由トラフィックは少ない一方で、AIに言及されたブランドは指名検索が増える傾向が確認されています。
つまり、AIに引用されることはゴールではなく、人に選ばれるための起点です。オウンドメディアの価値は、AIが届けた答えの先に「やはりここを読もう」と思わせられるかどうかにかかっています。その設計こそが、これからのコンテンツ戦略の中核になります。
PVに依存しない新しいKPIと優先順位の決め方
生成AI時代のオウンドメディア運営では、PVを唯一の成功指標とする考え方が限界を迎えています。調査によれば、2025年時点で検索行動の約60％がクリックなしで完結しており、PVが減っていてもブランド価値が高まっているケースは珍しくありません。重要なのは、ユーザーやAIにどれだけ信頼され、想起されているかを測るKPIへ移行することです。
まず最優先で見るべき指標が指名検索数です。ガートナーや国内調査でも、AIやSNSで情報を得た後に「ブランド名＋サービス名」で検索する行動が増えていると指摘されています。指名検索は、AIの回答やゼロクリック環境を経由してもなお、ユーザーが能動的にブランドを探している証拠であり、エンティティとしての強度を示す重要なシグナルになります。
次に注目したいのがサイテーション数です。これは被リンクのようなSEO的評価に限らず、SNSやニュース、ブログなどでブランド名が言及された回数を指します。SEO専門メディアの解説によれば、生成AIはリンク以上に「文脈上でどれだけ語られているか」を重視する傾向があり、サイテーションはAIに引用される確率を高める重要な要素とされています。
| 指標 | 測れる価値 | 主な活用シーン |
|---|---|---|
| 指名検索数 | ブランド想起・信頼 | 中長期のブランド評価 |
| サイテーション数 | 外部評価・話題性 | AI引用・認知拡大 |
| エンゲージメント深度 | 読者の質 | CV最適化・改善判断 |
さらに、流入後の質を見る指標としてエンゲージメント深度が重要です。滞在時間、読了率、CVRなどを総合的に捉えることで、「AIでは解決できず、わざわざ訪問したユーザー」がどれだけ価値ある行動を取っているかを判断できます。Web担当者向けの分析でも、ゼロクリックで離脱する層はもともと購買意欲が低い場合が多いとされています。
これらのKPIを踏まえた優先順位付けでは、短期的なPV増加施策よりも、ブランド想起を高めるコンテンツや一次情報の発信を上位に置く判断が合理的です。AIに引用され、ユーザーに覚えられ、結果として指名検索と深いエンゲージメントが積み上がる。この循環を作れるかどうかが、PVに依存しない新しい成果評価の核心になります。
2026年以降を見据えたオウンドメディア運営の将来像
2026年以降のオウンドメディア運営は、単なる集客装置ではなく、AIと人間の双方から参照される「知識インフラ」としての役割が強まっていきます。検索行動がリンク選択型から回答生成型へ移行する中で、オウンドメディアはトラフィックの終着点ではなく、AIが判断や行動を下すための根拠データとして組み込まれる存在へと変わりつつあります。
ガートナーによれば、対話型AIやエージェント型AIの普及により、ユーザー自身が情報を比較検討する工程は大幅に短縮されるとされています。その結果、AIがどの情報源を信頼し、どのブランドを推奨するかが、ビジネス成果を左右する重要な分岐点になります。オウンドメディアは「読まれるか」以上に「AIに選ばれるか」が問われる段階に入ります。
この変化に対応するため、将来のオウンドメディアはコンテンツ単位ではなく、エンティティ単位で設計・評価されるようになります。企業名、サービス名、専門家、調査データといった実体が、Web全体でどのような文脈と共起して語られているかが、LLMの回答精度に直接影響します。SEOで培ってきたE-E-A-Tの考え方は、ここで一層重みを持ちます。
特に注目すべきは、AIエージェントによる意思決定の自動化です。調査レポートや業界分析でも指摘されている通り、2026年以降は「調べる・選ぶ・申し込む」といった一連の行動をAIが代行するケースが増加します。その際、API連携や構造化された一次情報を持つオウンドメディアは、AIにとって最も扱いやすい参照先になります。
| 観点 | 従来 | 2026年以降 |
|---|---|---|
| 主な役割 | 検索流入の獲得 | AI判断の根拠提供 |
| 評価主体 | 検索アルゴリズム | 生成AI・エージェント |
| 価値の源泉 | PV・順位 | 信頼性・引用価値 |
また、コンテンツの価値基準も変化します。生成AIによって平均的な解説記事は容易に再現可能になるため、独自調査、現場知見、失敗談などの一次情報を持たないメディアは、AIからもユーザーからも参照されにくくなります。実際、専門家監修やオリジナルデータを含む記事は、AIの引用候補として選ばれやすい傾向があると複数の技術解説で示されています。
将来を見据えた運営では、短期的なPV増減に一喜一憂するのではなく、ブランドがどのテーマで想起され、どの文脈で語られているかを継続的に観測する視点が欠かせません。指名検索数やサイテーション、AI上での推奨状況を定点で確認することが、オウンドメディアの健全性を測る新たな指標になります。
- AIが参照しやすい構造と明確な著者性を持つ
- 一次情報と専門的経験を継続的に蓄積する
- ブランドエンティティとしての一貫性を保つ
これらを実践することで、オウンドメディアはアルゴリズムやUIの変化に左右されにくい、長期的な競争優位資産となります。2026年以降の本質は、流入経路の最適化ではなく、AIと人間の双方から信頼され続ける存在でいられるかにあります。