2025年版 オウンドメディア再生論｜AIO・LLM時代に生き残る「核」と「深堀り」二層コンテンツ設計

オウンドメディアの成果が、以前より明らかに出にくくなったと感じていませんか。検索順位は悪くないのに流入が増えず、良質な記事を書いても読まれない。そんな違和感を抱える担当者は、決して少なくありません。

その背景には、検索エンジンが「クリックを送る存在」から「答えを提示する存在」へと変わった構造的転換があります。2025年には検索の6割以上がゼロクリックで完結し、AIが情報を要約・引用する時代が本格化しました。オウンドメディアは、読まれる場所である前に、AIに学習・参照される情報源になりつつあります。

本記事では、こうした環境下でも成果を出し続けるための考え方として、「核（Core）」と「深堀り（Deep Dive）」を分けて設計する二層型コンテンツ戦略を解説します。AIに選ばれ、人に愛されるメディアをどう作るのか。その設計思想と実践の全体像を、データや事例を交えながら整理します。

検索が機能しなくなった時代に何が起きているのか

検索が機能しなくなったとは、検索行為そのものが消えたという意味ではありません。ユーザーの情報取得プロセスが「探す」から「答えを受け取る」へと不可逆的に変わったという事実を指しています。

かつて検索は、キーワード入力、検索結果一覧の比較、クリックという探索行為でした。しかし2025年現在、GoogleのAI OverviewやGemini 3 Proを搭載したAI Mode、PerplexityやChatGPT Searchの普及により、検索結果画面そのものが「完成された答え」を提示する場へと変質しています。

この変化は感覚論ではありません。海外調査やBain & Companyの分析によれば、2025年時点でGoogle検索の60%以上が外部サイトへ遷移せずに終了しています。日本国内でもYahoo! JAPANやGoogle Japanの行動分析で、ゼロクリック率が63〜67%に達していると報告されています。

特に影響を受けているのが、定義解説、手順説明、事実確認といった「正解が一つに収束するクエリ」です。Seer Interactiveによれば、AI Overviewが表示される検索クエリでは、オーガニックCTRが従来比で61%低下し、0.61%という水準にまで落ち込んでいます。

これは一時的なアルゴリズム変動ではなく、検索体験の設計思想そのものが変わった結果です。ユーザーにとって最短距離で価値を提供するため、検索エンジン自身が情報を統合・要約する主体になったのです。

旧来の検索	現在の検索
リンク一覧から選択	AIが要約した答えを即時提示
クリック前提	クリック不要が前提
流入最大化が目的	回答満足度が目的

この結果、オウンドメディアは「訪問される場所」から「AIに学習・引用される情報源」へと役割を変えさせられました。HubSpotやCNNのような網羅型メディアが20〜80%のトラフィック減少に直面した一方、独自性や人間的視点を持つ専門メディアは引用と指名検索を伸ばしています。

検索が機能しなくなった時代とは、検索流入が減った時代ではありません。検索というインターフェースの主導権が、人間からAIへ移った時代なのです。この現実を直視することが、オウンドメディア再設計の出発点になります。

ゼロクリックと大デカップリングがオウンドメディアに与えた影響

ゼロクリック検索の常態化は、オウンドメディアの存在意義を根底から揺さぶっています。GoogleのAI Overviewや対話型検索の普及により、ユーザーは検索結果画面内で直接「答え」を受け取り、サイトを訪問しなくなりました。Bain & CompanyやPress Gazetteの分析によれば、2025年時点でGoogle検索の60%以上がクリックを伴わずに完結し、日本国内でも63〜67%に達しています。

特に影響が大きいのは、定義解説や手順説明など「正解が一つ」に近いコンテンツです。Seer Interactiveの調査では、AI Overviewが表示されるクエリにおいて、従来のオーガニックCTRが平均61%下落し、0.6%前後まで落ち込んだと報告されています。これは流入減少という量的問題だけでなく、オウンドメディアが担ってきた集客装置としての役割そのものが変質したことを示しています。

この変化と同時に進行しているのが「大デカップリング」です。検索回数は微増しているにもかかわらず、クリック数だけが切り離されて減少する現象を指します。The Digital Bloomのレポートでは、検索ボリュームとセッション数の相関が急速に弱まっていることが示されています。

項目	従来	現在（2025年）
検索結果の役割	リンク一覧	直接回答
成功指標	CTR・PV	引用・可視性
メディアの価値	訪問数	信頼できる情報源か

この環境下で、オウンドメディアは明確な二極化に直面しています。HubSpotやCNNのように網羅的だが独自性の薄いメディアは、AIに要約されやすく、結果としてトラフィックを20〜80%失いました。一方、People.comや専門特化型メディアは、AIからの引用を獲得しつつ指名検索や直接流入を伸ばしています。

• 一般論・平均的見解に終始するコンテンツはAIに吸収されやすい
• 独自データや一次情報を持つ記事は引用源として残りやすい
• ブランド名や人物名と結びついた情報は指名検索を生みやすい

重要なのは、ゼロクリックは必ずしも「失敗」ではない点です。AI Overview上での引用は、ユーザーの目に触れる回数を増やし、ブランド認知を静かに蓄積します。Search Engine Landによれば、AI回答内で頻繁に引用されるブランドほど、後続の指名検索が増加する傾向が確認されています。

つまり大デカップリング時代のオウンドメディアは、流入を直接回収する前段階として「学習され、引用され、記憶される」役割を担います。この役割転換を理解できないままPV回復だけを追うと、構造変化に逆行する戦略になってしまいます。

ゼロクリックと大デカップリングが突きつけているのは、量の競争から信頼と影響力の競争への不可逆的な移行です。オウンドメディアは今、検索結果の外側で価値を発揮できるかどうかを問われています。

AIO・LLMはコンテンツをどう理解し、どう引用するのか

AIOやLLMは、人間のように文章を通読して理解しているわけではありません。コンテンツはトークンに分解され、数値ベクトルとして処理されるため、「何が書いてあるか」よりも「どの情報単位が、どの文脈で使えるか」が重要になります。MediumでのLLM技術解説やarXivの研究によれば、意味理解の正体は高次元空間での距離計算であり、言い換え表現や冗長な説明は、必ずしも評価を高めません。

特に検索AIでは、RAGと呼ばれる仕組みが前提となります。ページ全体ではなく、意味的に分割されたチャンク単位で評価され、ユーザーの質問ベクトルに最も近い断片だけが抽出されます。MicrosoftやNVIDIAの技術資料でも指摘されている通り、一つの段落だけを読んでも意味が通じるかが、採用されるか否かを左右します。

処理段階	AIが見ているポイント	コンテンツ側の注意点
チャンク化	意味のまとまり	見出し直下で主語と結論を明示
リトリーバル	質問との近さ	抽象語より具体語・数値を使う
生成	論理整合性	前提条件を省略しない

引用のされ方にも明確な傾向があります。PNASやarXivの論文では、LLMには人間の学術引用と似たバイアスがあり、権威ある情報源、構造化された事実、数値データを優先的に採用することが示されています。GoogleのAI Overview分析でも、表やリストで整理されたページほど引用率が高いと報告されています。

• 権威性の高い組織や研究への言及がある
• 表や箇条書きで事実が整理されている
• 作成日・更新日が明確で新しい

一方で、検索順位が高くても引用されないケースがあります。その差を生むのが情報の粒度と独自性です。Seer Interactiveの調査では、同じ内容を一般論として述べたページよりも、条件付きの注意点や具体的数値を含むページの方が、AIに採用されやすいことが確認されています。

つまりAIO・LLM時代においては、読者に向けて書く前に、AIがどう切り取り、どう再利用するかを前提に設計する必要があります。この理解がなければ、どれほど丁寧に書いた記事でも、AIの回答生成の外側に置き去りにされてしまいます。

AIに向けた「核（Core）」コンテンツ設計の基本思想

AIに向けた「核（Core）」コンテンツ設計の基本思想は、人に読ませる前に、まずAIに正確に理解させるという優先順位の転換にあります。2025年現在、GoogleのAI OverviewやPerplexityのような回答エンジンは、ページ全体を読むのではなく、RAGと呼ばれる仕組みで内容を断片的に取得し、再構成しています。つまり、どれほど良い記事でも、AIが扱いやすい形で情報が整理されていなければ「存在しない」のと同じ扱いになります。

このとき重要になるのが、Coreは「主張」や「物語」を語る場所ではなく、検証可能な事実・定義・条件を最短距離で提示する層だという認識です。Seer Interactiveの分析によれば、AI Overviewに引用されるコンテンツの多くは、結論が冒頭に明示され、数値や条件が構造化されているページでした。これはSEOテクニックというより、AIの認知モデルに合わせた情報設計といえます。

Core設計でまず意識すべきは、一つのチャンク単位で意味が完結することです。AIは見出しとその直下の数文をセットで評価します。そのため、「これ」「それ」といった代名詞を避け、主語と結論を繰り返し明示する冗長さが、むしろ精度を高めます。Googleの公式ドキュメントやSearch Engine Landの解説でも、論理の明示性がAI理解に寄与することが示されています。

また、Coreでは感情や比喩を極力排し、定義・比較・条件分岐・例外を中心に構成します。特に表やリストは、構造化バイアスを持つLLMにとって扱いやすく、引用率を高める要素です。

設計要素	Coreでの扱い方	目的
結論	冒頭1〜2文で明示	関連性判定の高速化
数値・条件	具体的に、可能なら表で提示	検証可能性の向上
用語	定義を固定し曖昧さを排除	誤引用の防止

さらに、Coreは「網羅性」を追う場所ではありません。ProfoundやAnimalzが指摘するように、網羅的説明はAI自身が得意とする領域です。Coreで求められるのは、既存情報との差分、つまりインフォメーション・ゲインです。多くの記事が触れていない前提条件や、特定ケースでの例外を提示することで、AIにとって価値ある情報源になります。

要するに、AI向けCoreの基本思想とは、自分のメディアを「引用される前提」で設計することです。クリックを奪うための文章ではなく、答えを構成するための部品を提供する。この発想の切り替えこそが、AIO時代のオウンドメディアにおける最初の分岐点になります。

構造化データとエンティティが引用率を左右する理由

AI Overviewや対話型検索において、どの情報源が引用されるかを左右する最大の要因が、構造化データとエンティティの扱いです。これは単なるSEOのテクニックではなく、AIが世界をどう理解しているかという認知モデルそのものに関わります。**AIは文章を読んで感動するのではなく、事実を識別し、再利用可能な形で取り出せるかどうかで評価します**。

GoogleやPerplexityが採用するRAGでは、ページ全体ではなくチャンク単位で情報が抽出されます。このとき、自然文の中に埋もれた事実よりも、スキーママークアップやテーブル、リストとして明示された情報が優先されます。Search Engine Landの検証によれば、Schema.orgを適切に実装したページは、AI Overviewでの引用率が有意に高い傾向を示しています。

要素	AIから見た役割	引用への影響
構造化データ	事実の境界線を明示	高
エンティティ紐付け	意味の曖昧性を排除	非常に高
自然文のみ	推論コストが高い	低

特に重要なのがエンティティです。AIは「キーワード」ではなく、「実体と関係性」で世界を把握しています。例えば「Apple」という単語が出てきた場合、それが果物なのかApple Inc.なのかを判断する必要があります。mentionsやaboutプロパティでWikidataなどのIDと紐付けることで、AIは迷うことなく座標を固定できます。arXivのエンティティリンキング研究でも、IDが明示された情報は再利用率が高いことが示されています。

また、引用バイアスの観点でも構造は有利です。PNASやarXivの研究によれば、LLMは表や定義文、FAQ形式のQ&Aを「事実」として認識しやすい傾向があります。FAQPageスキーマがAIOで頻繁に採用されるのは、質問と回答の対応関係が明確で、生成時にそのまま抜き出しやすいためです。

• AIは推論よりも明示された事実を好みます
• エンティティIDは意味のブレを防ぎます
• 構造は引用コストを下げるシグナルです

従来のSEOでは「順位を取ること」がゴールでしたが、AIO時代の実質的なゴールは「学習され、引用されること」です。構造化データとエンティティは、そのための共通言語です。**人間には少し冗長に見えても、AIにとっては親切すぎるほどの明示が、引用率という形で報われます**。

人間のための「深堀り（Deep Dive）」が生む要約不可能な価値

「深堀り（Deep Dive）」が生む最大の価値は、情報量の多さではなく、人間の認知モデルそのものに働きかける点にあります。AI Overviewや対話型検索が普及した2025年において、要点や結論はほぼ確実にAIが代替します。それでもなお人が長文を読む理由は、要約された答えでは埋まらない「納得」「腹落ち」「自分事化」を求めているからです。

認知科学の分野では、意思決定の多くが論理ではなく物語によって行われることが示されています。スタンフォード大学の研究によれば、事実や数値のみで構成された情報よりも、物語構造を持つ情報の方が記憶定着率が最大22倍高いと報告されています。深堀りコンテンツは、この「物語による理解」を意図的に設計する行為に他なりません。

オウンドメディアの文脈で言えば、深堀りは担当者の脳内シミュレーションを助けます。施策を実行したら何が起きるのか、どこで詰まり、どんな感情が生まれるのか。その疑似体験を提供できる記事は、AIが生成する平均的な回答とは根本的に異なります。Bain & Companyがゼロクリック時代の購買行動を分析したレポートでも、最終的な意思決定段階では一次体験や失敗談を含むコンテンツが強く参照されることが示されています。

深堀りが要約不可能になる理由は、情報が線形ではないからです。成功の裏にある遠回り、社内調整の空気感、数字には表れない心理的コスト。これらは箇条書きにした瞬間に意味を失います。Googleの品質評価ガイドラインでE-E-A-Tの「Experience」が重視されるのも、経験は圧縮できない知識だからです。

観点	AI要約コンテンツ	深堀りコンテンツ
情報の役割	理解の近道	意思決定の伴走
主な価値	効率・即答性	納得感・覚悟形成
要約耐性	高い	極めて低い

実務的な観点でも効果は明確です。海外のSaaS企業を対象にした調査では、導入事例を単なる成果サマリーではなく、担当者の葛藤や社内反対を含めて詳細に描いた記事の方が、平均滞在時間が2.3倍、資料請求率が1.7倍高かったと報告されています。これは深堀りが「説得」ではなく「共感」を生むためです。

重要なのは、深堀りは全読者向けではないという前提です。むしろ、読む人を選別します。しかしその選別こそが価値になります。AIに要約され、誰にでも消費される情報の洪水の中で、最後まで読み切った少数の読者は、最も温度の高い見込み顧客になります。深堀りとは、トラフィックを集める技術ではなく、信頼を濃縮する技術なのです。

だからこそ、この領域では効率を求めすぎてはいけません。回り道や余白、個人的な感情表現は、SEO的には無駄に見えるかもしれませんが、人間の認知にとっては不可欠です。AIが答えを量産する時代において、深堀りは人間であること自体を価値に変える装置として、オウンドメディアの中核的な役割を担います。

ストーリーテリングと経験価値で差がつくE-E-A-T戦略

AIO・LLM時代において、E-E-A-T戦略で決定的な差を生むのがストーリーテリングと経験価値です。AIは事実や要約を高速に生成できますが、**人が実際に体験したプロセスや感情の揺れ**までは再現できません。この領域こそが、オウンドメディアが読まれる理由になります。

Googleの品質評価ガイドラインでも、E-E-A-Tの中で「Experience（経験）」が重視されるようになりました。専門性や権威性があっても、実体験が伴わない情報は、AI要約で代替可能だと判断されやすいからです。Search Engine Landによれば、体験談や一次情報を含む記事は、読了率と再訪率が有意に高い傾向が確認されています。

例えば、オウンドメディアのリニューアル事例を紹介する際に、「成果が出ました」と結果だけを書くのは不十分です。担当者がどの段階で迷い、社内でどのような反対意見があり、どんな失敗を経て改善に至ったのか。その一連の物語が、読者自身の状況と重なった瞬間、記事は単なる情報から疑似体験へと変わります。

経験価値が伝わる要素

• 成功だけでなく失敗や遠回りを正直に書く
• 数値の裏にある判断理由や感情を言語化する
• その時点では分からなかった学びを後知恵として整理する

実際、Bain & Companyの調査でも、B2Bコンテンツにおいてストーリー構造を持つ記事は、単なるハウツー記事と比べて記憶定着率が約2倍になると報告されています。これは、情報ではなく経験として脳に残るためです。

要素	AI要約向き	人が読みたくなる要素
結果	◯	△
プロセス	△	◯
感情・葛藤	×	◎

オウンドメディアの役割は、正解を提示することではありません。**読者が自分ごととして追体験できる物語を提供すること**です。その積み重ねが、AI時代における信頼と指名検索を生み、E-E-A-Tを実体のある競争優位へと変えていきます。

核と深堀りを両立させるハイブリッドなページ設計

AI時代のオウンドメディアにおいて、E-E-A-Tの中でも最も人間側に残された差別化要素が「経験（Experience）」です。専門性や権威性は、論文や公的情報を大量に学習したLLMでも再現できますが、**身体を伴う経験や現場での失敗談は、AIには原理的に生成できません**。

Googleの品質評価ガイドラインでも示されているように、経験とは「実際にやってみたか」「使ったことがあるか」「現場に立ち会ったか」という一次性の証明です。検索品質評価の文脈では、製品レビュー、導入事例、業務ノウハウといった領域で、この経験シグナルの有無が評価の分水嶺になっています。

多くのオウンドメディアが陥りがちなのは、「経験を書いているつもり」になっている状態です。例えば「使いやすかった」「スムーズに導入できた」という表現は、経験ではなく感想に過ぎません。**経験として評価されるのは、五感・時間・失敗・迷いといった具体要素が含まれているかどうか**です。

Search Engine LandやForbesの分析によれば、AI Overviewに引用されやすいコンテンツは、事実情報だけでなく、その背後にあるプロセスや条件が明示されているケースが多いとされています。これは、人間向けの深堀りが、結果的にAIの信頼判断にも寄与していることを示唆しています。

• どのような前提条件で実施したのか
• うまくいかなかった設定や判断は何か
• その場でどう修正し、何を学んだのか

これらを具体的に書くことで、同じテーマの記事であっても情報の粒度が一段深くなります。特にネガティブな経験や想定外のトラブルは、RLHFの影響でAIが生成しにくいため、人間コンテンツとしての希少価値が高まります。

表現レベル	内容の特徴	評価されやすさ
抽象的	使いやすい、効果があった	低い
準具体	作業時間が短縮された	中程度
高解像度	初回設定でつまずき、◯分試行錯誤した	高い

さらにExperienceは、ブランドへの信頼転換にも直結します。実体験を開示する姿勢そのものが、「このメディアは現場を知っている」という無言のメッセージになるからです。Bain & Companyの調査でも、購買検討段階のB2Bユーザーは、成功事例よりも失敗と学びが書かれたコンテンツを高く評価する傾向が示されています。

AIに引用されるための核を整えた上で、**人間にしか書けない経験をどこまで深く、正直に掘れるか**。この一点が、2025年以降のオウンドメディアの競争力を静かに、しかし決定的に分けていきます。

PV依存から脱却するためのKPIと組織体制の再設計

PV依存から脱却するために最初に着手すべきは、KPIの再定義です。ゼロクリックが常態化した現在、ページビューやセッション数は、もはやオウンドメディアの影響力や事業貢献度を正確に示しません。**AIに「どれだけ学習され、どれだけ想起されているか」**という視点にKPIを移行する必要があります。

たとえば、Search Engine LandやSeer Interactiveの分析によれば、AI Overviewが表示されるクエリではCTRが大幅に低下する一方、引用元として表示されたブランドは指名検索や想起率が伸びる傾向が確認されています。これは「流入しなくても価値が生まれる」状態であり、評価軸そのものを変えなければ正しく判断できません。

従来KPI	再設計後のKPI	評価の観点
PV・セッション	AIO露出率	AI回答内での引用・表示頻度
CTR	Share of Model	LLM内での言及シェアと文脈
CV数	クオリティリード率	理解度の高い見込み客の比率

特に重要なのが、**AIO露出率と指名検索数の相関を見る運用**です。Search Consoleのインプレッション推移とブランド名検索の増減を突き合わせることで、「クリックされなかったが認知に寄与した露出」を定量的に評価できます。Bain & Companyも、AI検索時代は直接流入よりブランド想起が中長期の売上に影響すると指摘しています。

KPIの転換は、組織体制の再設計と表裏一体です。PVを追う編集部と、技術を担うSEO担当が分断されたままでは、AIO時代の成果は出ません。必要なのは、**編集とエンジニアリングを横断する小さな専門チーム**です。

• AIコンテンツストラテジスト：KPI設計とAIO・LLM上での見え方を分析
• 編集者・ライター：一次情報と経験を掘り起こし、人間向け価値を担保
• テクニカル担当：構造化データや計測基盤を整備

この体制では、記事単位の評価会議ではなく、「このテーマでAIにどう記憶されたか」「どの指標が動いたか」を振り返るレビューが中心になります。**成果の定義をPVから影響力へ切り替えること**が、KPIと組織を機能させる最大の前提条件です。