Showing Posts From
ライティング
ブログ別ペルソナでAIドラフトを安定化する方法
同じAIに書かせているはずなのに、ブログによって文体が微妙に混ざる。 複数ブログを運営していると、これがじわじわ効いてくる。E-E-A-Tの軸が記事ごとにぶれるし、毎回フロントマターを手作業で整えるのも地味に重い。 あなたはどうだろう。AIに書かせる時、毎回プロンプトを書き直している派？ それとも仕組みで固定してしまう派？ 私は後者に寄せた。プロンプトを毎回工夫するより、ブログごとに執筆者ペルソナを固定する方が、結果的に早いし安定するとわかったからだ。 いま起きている課題ブログごとの語り口が混ざる E-E-A-Tの軸が記事ごとにぶれる 毎回フロントマターを手作業で整えるのが重い解決の軸は2つだけブログごとに執筆者ペルソナを固定する ドラフト昇格時にvoiceを自動で入れるこの2つを守るだけで、AIの出力はかなり安定するわけだ。 ブログ別ペルソナ（要点） 私が運営している各ブログには、それぞれ固有のペルソナを設定している。 釣！浜名湖釣り歴20年以上、浜名湖ローカルに強い実践型 実験・検証を重視した語り口 地域特性とポイント解像度で信頼性を担保する海上アングラー海上釣り堀の普及を目的にしたナレッジ提供型 テクニックだけでなく旅行導線も提案する 「釣る技術＋行き方」の二軸で価値を作る防音Lab防音の専門家ではなく、生活者目線のアドバイザー型 課題に対して複数案を出し、比較して最適解を探る ニッチ需要まで拾う設計で差別化するシラバスハック資格学習と生成AIの掛け合わせに強い実践型 高額教材依存を減らし、効率学習を支援する 非エンジニアにも伝わる再現性を重視する実装ルール（最小構成） voiceはドラフト化のタイミングだけ付与する。_inbox段階では空でもよく、_draftへ昇格するときにだけ設定する。 voice: id: cho-hamanako label: 釣！浜名湖フラット運用にするなら以下でも可だ。 voice: cho-hamanako運用フロー（短縮版）メモを整理して主要タグを付与する タグまたは保存先からvoice.idを判定する ドラフト生成時にペルソナ文脈を挿入する 最後にE-E-A-T観点で1回だけ手修正するすぐ使えるプロンプト骨子このメモをvoice.idに従ってドラフト化してください。 文体は対象ブログの執筆者ペルソナに合わせ、主張より再現性を優先。 導入で読者課題を明示し、本文は「背景→実践→注意点→次アクション」で構成。 E-E-A-Tを過不足なく反映し、断定は根拠付きにしてください。なぜAIに任せてもブレなくなったのか ここまでは仕組みの話だが、実は前提が一つある。海上アングラー・釣！浜名湖・防音Labは、それぞれ記事のベースを最初は私自身の手書きで作っている。ある程度の本数を手で書いたあと、リライト段階に入った時点でAIに任せるようにした。 これが機能するのは、私のクセを含んだ記事をいくつか書いたことで、AIがそのクセを学習できたからだ。ゼロから「このペルソナで書いて」と指示するのと、手書きの実例を土台にペルソナ化するのとでは、出力の再現度がまるで違う。 学習データは日記でも代用できる ということは、だよ。ブログ記事をわざわざ何本も手書きして学習データにする必要はないんじゃないか、とも思っている。 例えば、日記（ジャーナル）を30日分書いてテキスト化し、それをAIに読み込ませてパターンを学習させる方法もある。ブログ記事より日常的に書けるし、ハードルも低い。 日記を使う利点は、文体だけでなくその人の好みや考え方の傾向まで拾えることだ。何に反応して、何に興味が薄いか——ブログの記事ネタだけでは見えにくい部分が、日記にはにじみ出る。ペルソナの解像度を上げたいなら、記事の手書きよりも日記30日分の方が効率がいいかもしれない。 まとめ：人格キーを先に固定する 複数ブログ運営でAI活用を続けるなら、プロンプト改善より先に「人格キー」を固定する方が効く。ペルソナ定義とvoice自動付与の組み合わせで、ドラフト品質は運用可能なレベルまで安定するはずだ。
「この研究に何の意味があるんですか」——いじめか、それとも問いかけか
「この研究に何の意味があるんですか？」 研究結果の報告や発表の場で、指導教員からこう聞かれた経験がある人は少なくないだろう。アカデミックスキルズでもこの議題が取り上げられていて、私はかなり興味深いと感じた。 あなたはどうだろう。この問いかけ、いじめだと感じる派？ それとも「当然の確認」だと受け取る派？ 私は最初、両方の説明が筋が通ると思った。でも整理していくうちに、問いそのものより聞き方と前提の共有のほうが本質的な論点だと感じるようになった。 いじめと受け取られる問いかけ 「この研究に何の意味があるんですか？」 この問いかけを「先生によるいじめ」と受け取る生徒が多いといわれる。 それに対する反論として、先生側には「なぜこのデータ（研究）をしたのか━━に根源的な理由をつけて説明してほしい」という裏側がある。じゃあ最初からそういえよ、って話にもなる。 文脈の裏側を会話しながら探るのは、そういう席では重要になる。研究結果の報告で、この質問は意地悪に受け取る人もいれば、想定された質問なので流暢に答える人もいるだろう。 てことは、この質問をいじめだと受け取るのは、研究する意味を深く考えていない場合に該当するのではないかと考える。確固たる意思があるなら「なぜやった？」に対しての反論は出てくるはず。その裁量を引き出すためのパスであると、私は理解した。 パワハラに感じる受け取り手もいる 理解したんだけど、受け取り手によってはパワハラに感じるのは確か。 あえて意地悪な言い方で"そう質問する"タイプだっているはず。生徒を伸ばす意味ではなく、ただの嫌がらせでそういった質問をする人は、企業面接だってある。「なぜ当社を選んだ？」が代表的だろう。 こういった質問に回答するためには、理由に意味を持たせないといけない。急ごしらえの「とりあえず」「適当で……」では、研究者としての命題が立たない。問いに耐えられないのは、言い方の問題だけではない。 オナラの色から見る「理由」の重さ たとえば「オナラに色はあるんだろうか」という議題でも、色がないにしてもアニメや漫画で色をつけるのはなぜか、という問いにはちゃんと理由がある。 視聴者の視認性を優先していること。黄色はクソを連想するから、あきらかに臭そうだと視覚で認識できる——みたいな。 くだけた例だが、ポイントは同じだ。表面的な現象に対して、なぜそうなっているのかを言語化できるかどうか。研究の報告も、データの提示も、結局はそこに帰着する。 理由をあまり深く考えず、とりあえず・適当で……など、急ごしらえで研究者としての命題がないと、こういった質問に対処できない。 文脈の裏側を知れ、はもう古い 意地悪な質問だが、裏側を知ると「なるほどな」と納得した。 でも、あえていわせてもらいたい。なら、理由から聞けよ。その方が早いだろと。 「文脈の裏側を知れ」みたいな感じは、戦国時代くらいでいいんだよと。序列の意図とか、上座と下座の配置に階級があるからあえて後ろに座らせて怒らせるとかさ。回りくどいコミュニケーションをしてパワハラといわれているんだから、単刀直入にいったほうが早くね？と思うわけだ。 研究指導も面接も、本当に知りたいのは「なぜやったのか」「何のためにやるのか」だ。それを遠回しに聞く文化が、受け手の防衛反応を強めている面はあるのではないだろうか。 まとめ：理由から聞けばいい 「この研究に何の意味があるんですか」は、悪意のある言葉にも、裁量を引き出すための問いにもなりうる。 私が言いたいのは、問いの善悪より、最初から理由を聞けばいいということだ。先生側も「面白いね」「つまんね」くらいの率直さで、なぜこの研究をしたのかを先に聞いたほうが、双方にとって建設的なはずだ。 回りくどい序列のコミュニケーションは、もう卒業していい時代なのではないかと、私は思っている。
リサーチは何時にやるか——頻度の次に設計すべき時間帯
「毎日3時間リサーチしているのに、記事にならない」 「週末にまとめてやると、月曜の朝にはもう古い情報ばかりだ」 ——頻度の話は別として、時間帯を間違えると、同じ工数でも成果がまったく違う。私はブロガーとして寝る前の一括リサーチが効率いいと感じている。ただ、それが全員に当てはまるわけではない。 あなたはどうだろう。リサーチは朝イチ派？ 仕事終わりのまとめ派？ 私は「いつ情報が出るか」と「いつ成果物に落とすか」をセットで考える派だ。リサーチを生業にしている人、これからリサーチャーを目指す人、リサーチしているのに結果に繋がらない人——それぞれに向けて、日次と週次の時間帯設計を整理する。 時間帯が成果を分ける理由 リサーチが「見ただけ」で終わる典型パターンは、時間帯ではなく終了条件がないことだ。ただ、時間帯を外すと終了条件を決めても質が上がらない。 情報の鮮度は、公開タイミングに依存する。企業のプレスリリースは平日午前中に集中する。金融ニュースは市場開始前後が山になる。AI系は海外の発表が日本時間の深夜〜早朝に重なる。ジャンルによって「取りに行くべき時間」が見えてくるわけだ。 もう一つは、頭の使い方の問題だ。速報の拾い読みと、1週間分の俯瞰整理では、必要な集中力が違う。同じ90分でも、朝7時と夜22時では消化できる情報量が変わる。 日次リサーチ——ジャンル別のベスト時間帯 日次は「毎日必ず」ではなく、速報が成果に直結する週だけ足す運用が現実的だ（頻度の設計は別記事「ブログのリサーチは日次より週次が現実的」を参照）。 企業・IT・マーケ系（プレスリリース前提） 多くの企業は平日9:00〜11:00にリリースを出す。マーケ担当が業務内で日次チェックするなら、出社後30分（9:30〜10:00）が初動を取りやすい。 午後は追記・訂正・競合の反応記事が増える。初動を取りたいなら午前、文脈を読みたいなら15:00〜16:00の二次チェックが向いている。 AI・開発・海外ニュース系 モデル発表やカンファレンス速報は、日本時間の深夜〜早朝に来ることが多い。個人ブロガーなら、前夜22:00〜23:00にRSSとXを一括確認するか、翌朝6:30〜7:00の15分スキャンが現実的だ。 寝る前に全部追うと睡眠を削る。日次を足す週だけ、どちらか一方に固定するのがよい。 金融・時事・速報型 市場開始前の8:00〜8:45、または終了後の15:30〜16:00が定番だ。日中はノイズが多く、深掘りより「変化点の検知」向きになる。 日次の終了条件（結果に繋げる最小ルール） 日次は時間帯より先に、「何を持って終わりか」を決める。速報1件につき1行メモ（「何が変わったか」だけ） 記事化候補に昇格したものだけ、週次枠に回す 15〜20分で終わらなければ、その日は打ち切る「見ただけ」で終わる人の多くは、時間帯以前にここが抜けている。 週次リサーチ——役割別のベスト時間帯 週次は必達にしたい。90分を固定曜日・固定時間に予約する（例：日曜21:00〜22:30）。問題は、その90分をいつ置くかだ。 リサーチを生業にしている人 本業リサーチャーは、速報拾いと深掘りを分ける。速報・一次確認：業界の公開リズムに合わせた日次スロット（上記参照） 深掘り・レポート執筆：週2〜3回、午前の90〜120分ブロック午前は割り込みが少なく、ソースを横断して仮説を書きやすい。データサイエンスや市場調査でも、決められたアルゴリズムでスクリプト収集するだけでは生きた文脈が取れない。 専門家との会話、カンファレンス後の15分、ランチの雑談——こうした「会話から推測する」時間は、午後12:00〜14:00か、イベント直後が取りやすい。数字はスクリプト、意味は人から、と役割分担したほうがレポートの精度が上がる。 リサーチャーになりたい人 最初から日次90分は続かない。週1回60分からで十分だ。固定：同じ曜日・同じ開始時刻（カレンダーに先に入れる） おすすめ：日曜夜、または月曜早朝日曜夜なら翌週のタスク化まで一気にできる。月曜早朝なら、週の最初に業界の空気感を掴める。どちらも「他の仕事に食われる前」に枠を確保できる時間帯だ。 手順は4ステップで固定する。競合・主要メディア確認（20分） レポート・論文・公式発表（25分） 記事候補3本の1行メモ（10分） 来週の執筆タスク化（5分）リサーチしているのに結果に繋がらない人 まず疑うべきは時間帯よりアウトプットの締切だ。リサーチログはあるが、企画・記事・提案に変換していない 終了条件が「満足いくまで読む」になっている 速報と深掘りを同じ時間帯でやっている対処はシンプルだ。週次枠の最後15分を「来週書く3本の確定」に使う。候補が3本決まったら、その週のリサーチは成功とみなす。 時間帯の調整はその次だ。夜に深掘りすると浅くなる人は、週次だけ土曜午前に移す。朝型なら6:00〜7:30、夜型なら21:00以降——生活リズムに合わせて、週次の1枠だけは絶対に動かさない。 企業のマーケ・広報担当（業務内リサーチ） 出社時間のなかで設計する。9:30〜10:00：競合・プレスリリース初動 13:00〜13:20：SNS・口コミ・二次報道の確認 金曜15:00〜16:00：週次まとめ（来週の施策候補3つ）会議だらけの午後より、午前の30分のほうが初動には向く。週次の俯瞰は金曜午後が取りやすい——週末前に「来週何を出すか」を決められる。 自律エージェント（OpenClaw等）を使う場合 特定分野のリサーチをエージェントに任せるなら、人間のレビュー時間とセットで考える。収集・要約の実行：深夜〜早朝（22:00〜6:00）にバッチ実行 人間の確認・企画化：翌朝8:00〜8:30または週次枠の冒頭20分エージェントは「寝ている間に下書きレポートを置いておく」役割だ。成果に繋げるのは、朝イチまたは週次枠で候補3本に絞る人間の側だ。 完全自動で公開まで任せると、速報の初動は取れても、独自の切り口は薄くなりやすい。エージェント＝収集、人間＝会話・仮説・企画、という分担が現実的だ。 日次と週次の時間帯——早見表目的 頻度 向く時間帯 向く人プレス初動 日次（必要時） 平日9:30〜10:00 マーケ・広報・速報系ブロガー海外速報スキャン 日次（必要時） 22:00〜23:00 または 6:30〜7:00 AI・開発系深掘り・レポート 週次（必達） 土日午前 または 平日午前90分 プロリサーチャー来週の企画確定 週次（必達） 日曜21:00〜 または 金曜15:00〜 ブロガー・マーケ全般エージェント結果の整理 日次 or 週次 翌朝8:00〜8:30 自動化運用者まとめ：時間帯は手段 リサーチの成果は、頻度・時間帯・アウトプットの3点セットで決まる。 日次はジャンルの公開リズムに合わせた短時間、週次は生活リズムに合わせた90分——週次を必達にし、必要な週だけ日次を足すのが個人には現実的だ。プロはさらに「会話から取る時間」をカレンダーに入れる。 結果に繋がらないなら、まず来週書く3本を決める終了条件を試してほしい。時間帯の最適化は、そのあとで十分効いてくる。
2026年実データで読み解くAI検索戦略——CVR49%高・AI引用ゼロ50%の意味するもの
「AI検索で流入が13倍」 「旅館の半数がAI引用ゼロ」 ——2026年に出てきた数字は、どれも印象に残る。私はこういうデータを見ると、まず「今すぐ全振りすべきか」と「構造として何を意味するか」を分けて読む。 あなたはどうだろう。AI検索の数字記事は、すぐ行動に移す派？ それとも全体の文脈に当てはめてから動く派？ 私は後者だ。「AI時代のSEO」を語る記事は増えたが、実際のデータに基づいた議論は少ない。この記事では2026年に公開された実データを軸に、現状を正確に把握したうえで、これから1〜2年の情報設計戦略を考える。対象は「すでにSEOを実践していて、AI検索対応を次のステージに持ち込みたい人」だ。 データ1：AI経由ユーザーはCVRが49%高い（Shopify 2026Q1） Shopifyが2026年第1四半期のデータを分析した結果だ。指標 AI検索経由 オーガニック検索経由コンバージョン率 49%高い 基準値平均注文額（AOV） 14%高い 基準値商品詳細ページから開始 55% 20%前年比AI経由注文数成長 13倍 —AIチャットボット参照セッション成長 8倍 —25業種中AI経由CVR優位の業種 23/25 —この数値の意味するところ： AI検索は「比較検討を圧縮」している。従来の検索ジャーニーでは、ユーザーは3〜5回の検索と8〜12ページの訪問を経て購買判断をしていた。AIが候補を絞り込んで直接商品ページへ誘導するため、到達したユーザーの購買意図はすでに高い状態にある。 つまり AI経由トラフィックは量が少なくても質が高い という構造だ。GA4で「オーガニック検索」に一括管理しているなら、見えていない重要指標がある。 データ2：国内旅館の50%がAI引用ゼロ（Terrace Roots 2026年5月） 国内5温泉地・30施設を対象に、ChatGPT・Perplexity・Google AI Modeの3媒体で各6クエリ（計18回の引用機会）を調査した結果だ。 主要データ：AI引用ゼロ施設：30施設中15施設（50%） 全施設の平均引用率：20.6% エリア格差：京都・湯布院（AI引用ゼロ17%）vs 金沢・草津（同83%） 格差倍率：約5倍引用されない施設の共通点： 「SEO検索1位を取っている施設でもAI引用ゼロ」のケースが多数確認された。「従来のSEO上位表示とAI引用には強い相関が見られない」AI引用を左右するのは「メディア記事・観光ガイド・書籍・業界専門家による評価など、外部情報の蓄積量」だ。 データ3の解釈：AI検索の実際の規模感 重要な補足情報がある。SparkToroの分析だ。 「AI検索への注目は実際の利用規模より10〜100倍大きいかもしれない」——Rand Fishkin氏。2026年時点でもデスクトップでは従来型検索がAIツールを大きく上回り、Amazon・Bing・YouTubeの方がChatGPTより大きな検索シェアを持っているとのことだ。 DMM・渡辺氏も現時点ではAI検索専用の計測・対応は「不要」と判断している。 これが意味することは2つ：「AIに全振り」する必要はまだない しかし先行投資の効果は今が最大（競合が少ない）戦略設計：2026〜2027年の4レイヤー レイヤー1：従来SEOの継続（基盤） AI検索においても「技術SEOのベストプラクティスは依然重要」とGoogleは明言している。インデックス登録・クロール最適化・ページ体験は継続投資の対象。止める理由はない。 レイヤー2：非コモディティコンテンツへの転換（差別化） AIが大量生成できる「平均的なコンテンツ」との競争に入らないことが重要だ。 投資すべきコンテンツの型：一次調査・実験レポート（自分で計測したデータ） 現場訪問・体験記 専門家へのインタビュー 時系列の変化を追う連続コンテンツGoogleは「高い成果を上げるサイトは、数日から数週間をかけて実地評価と人間ならではの洞察に投資する」と述べている。 レイヤー3：外部言及の設計（AI引用のための基盤） 旅館調査データが示した通り、AIに引用されるには「自分のサイト外での評判」が決め手だ。 実践的な言及獲得：専門メディアへの寄稿・取材対応 業界調査・レポートの発行（引用されやすい一次データを自分で出す） 登壇・講演による専門家としての露出レイヤー4：AIエージェント対応（EC・小売向け先行投資） テキストコンテンツの最適化とは別次元の話だ。AIエージェントがユーザーに代わって商品を検索・比較・購入するシナリオへの対応。詳細は別記事（小売業向けAIエージェント対応）で扱う。 最低限のAIトラフィック計測 GA4でリファラーとして chatgpt.com・perplexity.ai・claude.ai を独立チャネルとして設定しておくだけで、今後のデータ比較が可能になる。 まとめ：量より質と言及データ 示すことShopify CVR49%高 AI経由ユーザーは少量でも高品質 → 量より質の設計へ旅館AI引用ゼロ50% 外部言及なしではAIに無視される → 自サイト外への投資AI検索シェアの現実 焦る必要なし、ただし先行者優位は今 → 段階的移行「量を追うのをやめて、AIに引用されるに値する存在になる」これは新しいSEO施策ではなく、SEOの本質への回帰だ。
GEO・AEO・LLMOを整理する——SEO施策をやっても効果がない人へ
「GEO対策を始めよう」 「AEO最適化でAIに拾われる記事を書こう」 ——SNSやセミナーで、この手の言葉を見るたびに、私はまず公式の立場を確認する癖がある。用語が増えただけで、やることが別物になったわけではない。 あなたはどうだろう。新しいSEO用語に、すぐ飛びつく派？ それとも「本当に何が変わったのか」を先に整理する派？ 私は後者だ。SEOの基礎は理解している。コンテンツも書いている。でも「AI時代だから何かやらないと」という焦りがある——そんな状態の人に向けて、この記事を書いた。 この記事で伝えること乱立する用語（GEO・AEO・LLMO）を整理する テキストコンテンツの最適化は従来SEOと大差ないという事実を確認する 本当に構造が変わる部分（AIエージェント対応）を把握するまず用語を整理する AI検索の普及と同時に、新しいSEO用語が大量に生まれた。用語 正式名称 意味GEO Generative Engine Optimization 生成AIエンジン最適化AEO Answer Engine Optimization 回答エンジン最適化LLMO Large Language Model Optimization LLM最適化SGE Search Generative Experience Googleの旧称（現AI Overviews）これらはすべて「AIに自分のコンテンツを拾ってもらうための最適化」という意味合いで使われている。 ただし、Googleはこう述べている。「回答エンジン最適化（AEO）や生成エンジン最適化（GEO）などの用語がよく使われますが、提案されている多くの施策は効果がなく、Googleの仕組みによってもサポートされていません」つまり、これらの用語で売られている「施策」の多くは、根拠がない。 重要な前提：テキストコンテンツのAEOは従来SEOと大差ない ここを最初に理解しておくことが大切だ。 「AIに引用されるための特別なコンテンツ最適化」は、基本的には存在しない。GoogleのAI Overviewsも、ChatGPTのWebブラウジングも、テキストコンテンツを評価する根本的な仕組みは従来の検索エンジンと同じだ——品質が高く、権威があり、理解しやすいコンテンツを信頼する。 SEO歴30年の渡辺隆広氏もこう言っている。「AI時代に必要な特別な技術はないと私は思っています。何かを学びたいなら、パラグラフ・ライティングを学んでください」では何が本当に変わるのか。それは次のセクション（AIエージェントによる取引）で扱う。今は「テキストコンテンツ最適化 = 従来SEOの延長」という前提で読み進めてほしい。 Googleが「やらなくていい」と断言した施策 2026年5月、Googleが公式ガイドラインの中で明示した「意味のない施策」だ。施策 なぜ不要かコンテンツの「チャンキング」 通常のわかりやすい文章で十分。AIに合わせた分割に意味はないAIシステムだけに向けたコンテンツ書き直し 人間が読んで価値があるものはAIにも価値がある不正確な「メンション獲得」 低品質な被リンクと同じリスク。スパム判定の対象構造化データへの過剰な注力 基本的な実装は有効。「AI引用のため」の過剰追加は不要LLMS.txtについての補足 「LLMS.txtをやっても無駄」という情報が出回っているが、これはGoogleの立場から言っているに過ぎない。 LLMS.txtはAnswer.AI（Jeremy Howard氏のチーム）が提唱した標準仕様で、サイトの内容をLLM向けに簡潔にまとめたファイルを置くというもの（robots.txtやsitemap.xmlの概念に近い）。Googleはこれを使わない（AI Overviewsのランキングには影響しない） 他のAIクローラー（Claude・ChatGPT等）については不明 実害がある施策ではなく、Googleに効かないというだけ要するに「Googleには意味がない」が正確な表現で、「全てのAIに無意味」ではない。コストをかけてまで対応する優先度は低いが、「詐欺的なハック」と混同しないようにしたい。 実際に効く施策：3つの軸 軸1：非コモディティコンテンツの制作 Googleが「非コモディティコンテンツ」と呼ぶのは、「どこにでもある文章ではない内容」のことだ。 著名SEOコンサルタントのLily Ray氏はこう説明している。「AIだけのワークフローでは、実際の製品テスト、個人的な失敗、独自の意見、本物の感情——読者が信頼して価値を見出す核となる要素を提供できない」具体的に何を入れるか：実際に使った・試した一次体験 数字つきの具体的な結果 失敗した話（成功談だけのコンテンツより信頼性が出る） 「なぜそう考えるか」の個人的な見解軸2：パラグラフ・ライティングの習得 AIに引用されやすい文章の書き方は存在する。ただし、それは「AI向けの特殊テクニック」ではなく、60年以上前から存在する「パラグラフ・ライティング」という文章技法だ。 パラグラフ・ライティングの基本構造： ① トピック・センテンス（この段落で何を言うかを最初に宣言） ② サポーティング・センテンス（理由・根拠・例を書く） ③ コンクルーディング・センテンス（結論を再度まとめる）4つのルール：Unity（統一性）：1つの段落には1つのテーマ Coherence（一貫性）：前後関係が論理的でわかりやすい Development（展開性）：主張に具体的な根拠・数値・例をつける Length（適切な長さ）：長すぎず短すぎず特に Development を意識すると、AIが引用しやすい具体的な根拠入りの文章になる。 AIが特に拾いやすい情報の型：具体的な数値（「約50%高い」「30施設中15施設」） 明確な時間表現（「2026年第1四半期」「2026年5月12日」） 引用元がある主張（「Shopifyの調査によると」）軸3：第三者言及の獲得 旅館調査のデータが示した最重要の発見がある。 AI引用される施設とされない施設の差は「公式サイトの完成度」ではなく「第三者からの言及の蓄積量」にある。「生成AIは公式情報よりも、権威性のある第三者——業界の編集者・ジャーナリスト・専門家——による言及を優先的に引用する傾向があります」具体的な施策：専門メディアへの寄稿・取材対応 業界コミュニティでの発信・登壇 信頼性の高いサイトからのリンク獲得（従来SEOと同じ）本当に構造が変わる部分：AIエージェントによる取引 テキストコンテンツのAEOは従来SEOの延長だ。しかし、AIエージェントがユーザーに代わって商品を検索・比較・購入するという動きは、構造的に全く別の話だ。 Shopifyの2026年Q1データではAI経由トラフィックが前年比13倍に成長し、AI経由のCVRは通常オーガニック検索の49%高いことが示されている。AIが「比較検討を圧縮」して直接商品ページへ誘導するからだ。 このエージェントコマースへの対応は、コンテンツ最適化ではなく サイトの構造・機械可読性・スキーマの問題だ。特にEC・小売サイトでは独立した対応が必要で、詳細は別記事（小売業向けAIエージェント対応）で扱う。 まとめ：やることと捨てること優先度 施策 理由高 一次体験・独自データをコンテンツに入れる 非コモディティ化がAI引用の鍵高 パラグラフ・ライティングを身につける AIが理解・引用しやすい構造中 第三者メディアへの露出を増やす AI引用の決め手は外部からの言及低 従来のテクニカルSEO継続 基盤として必要だが差別化には不十分EC限定 AIエージェント対応（構造・スキーマ） 別記事参照不要 チャンキング・AI専用コンテンツ書き直し Googleが公式に否定入門編で構造の変化を掴んだうえで、上級編では2026年の実データを軸に戦略設計を読み解く。
GCAOで組むプロンプトの基本
「この資料、なんかしっくりこない」 「AIに書かせたはずなのに、自分の言いたいことが出てこない」 ——生成AIを使い始めた頃、私はよくこう感じた。指示は出しているのに、返ってくる文章が他人の意見のままで、自分の判断が乗っていない。 あなたはどうだろう。プロンプトは毎回その場で考える派？ それとも、型を決めておいて再利用する派？ 私は後者に寄せている。出力に自分の意思を取り込むには、プロンプトでルール作りをしておくのが近道だと思っている。今回は、その型のひとつである「GCAO」について整理する。 プロンプトに「理論」を入れる理由 生成AIのプロンプトには、ときどき理論を入れると効く。 LLMには世の中の大抵のことが学習データとして残っている。「A理論」みたいに、書籍やフレームワークとして流通している考え方を名前で渡すと、その枠組みの中で推論してくれる。答えの方向をコントロールしやすくなるわけだ。 GCAOも、その理論のひとつだ。議題（アジェンダ）があるなら、Goal・Context・Action・Output Formatの4つを意識したほうが、AIも迷いにくい。 GCAOとは？ GCAOは、プロンプトを4つの要素に分けて考えるフレームワークだ。Goal — 何を達成したいか Context — どんな前提・背景で考えるか Action — 具体的に何を実行するか Output Format — どんな形式で返すか順番に見ていく。 Goal：目標を言語化する Gは「目標をどこに設定するか、何をしたいのか」だ。 ここが一番ブレやすい。質問する側が、自分でも言語化しきれていないことが多い。だからこそ、プロンプトに「まず私の目的を確認してから答えて」と書いておく手もある。AIに質問を促させて、思考を整理しながらゴールを固める——逆利用もできる。 「要約して」だけでは弱い。「この記事を、初めてこのテーマに触れる人向けに3段落で要約して」まで落とすと、Gがはっきりする。 Context：文脈と「言葉の裏」を決める Cは「文脈とか言葉の裏を、どう処理するか」だ。 必要以上の推測をさせるか、それ以下でも許容するか。質問者の意識の外にあるものまで、AIに補完させるかどうか——ようは、その問題だ。 例えば「ブログ記事を書いて」とだけ言えば、AIは一般的なブログの型で書く。でも「ですます調は使わない」「一人称は私」「段落は空行で区切る」とCを足せば、出力の温度が変わる。 Cが薄いと、便利な汎用回答が返る。Cが厚いと、あなたの文脈に寄った回答になる。 Action：実行内容を具体化する Aは「実行」だ。GとCで概ねの方向性が定まっていれば、ここでやることを明確にできる。 とはいえ、複数の思考や視点が必要な場面もある。AIが便利なのは、A/BテストではなくA〜Zテストを一気に出しやすいことだ。 「案を3つ出して」「賛成派・反対派・中立の視点で整理して」とAに書けば、私はその中から選ぶだけで済む。複数の答えを並べてもらうことで、出力への納得度が上がる。 Output Format：出力先を固定する Oは出力フォーマットだ。ファイル形式や構造を指定する。 テキストならtxtやMarkdown、表ならCSVやExcel形式、資料ならスライド構成——必要としている書類の形式に沿った出力を指定したほうが、AIも迷わない。 「パワポの資料を作って」と指示するだけで、それっぽいアウトラインが返ってくる。コードなら言語とファイル名、記事なら見出しレベルと文字数——Oで先に決めておくと、後から整形する手間が減る。 特に、出力したいコードや文章については、アウトプット先を固定するのは重要だ。「どんなフォーマットにしよう」と悩むクッション時間がなくなる。 GCAOの実例 たとえば、ブログ記事の下書きを頼むとき、私はだいたいこんな感じで組む。 【Goal】 このテーマについて、読者が「自分ごと」として考えられる記事の下書きを作る。【Context】- 読者は生成AIを触ったことがあるが、プロンプト設計は未経験 - ですます調は使わない。一人称は「私」 - 専門用語は初出で短く説明する【Action】1. リード（問いかけ＋私の立場）を書く 2. 本論を3つの見出しで展開する 3. 各見出しの下に具体例を1つずつ入れる 4. 反論になりそうな点を1つ拾い、短く応答する【Output Format】 Markdown。見出しは ## と ### のみ。箇条書きは最小限。GCAOと名前は付けていなくても、中身はこの4ブロックに収まっていることが多い。 このプロンプトは頑張るべきか GCAOは、まあまあ基本的な内容だ。私は意識しているわけではないが、だいたいこの通りにプロンプトを組んでいる。いつも通りでやれば、それなりにいい感じになる。 もしGCAOを名前として覚えていないなら、ロジックを登録しておくのが手堅い。Cursorのルール、Claudeのプロジェクト指示、Obsidianのテンプレ——環境ごとに「GCAOで組め」と短文で書いておけば、毎回フルで説明しなくても動きやすくなる。 頑張りすぎる必要はない。ただ、出力がしっくりこないときに「Gのどこが曖昧だったか」「Oを指定し忘れていないか」と振り返るチェックリストとして使う価値はある。 まとめ：型で自分の意思を載せる 生成AIの出力に自分の意思を取り込むには、プロンプトでルールを先に決めておくのが近道だ。GCAOはそのためのシンプルな型で、Goal・Context・Action・Output Formatの4つを埋めていけばいい。 理論やフレームワークを名前で渡すと、LLMはその枠の中で考えてくれる。毎回ゼロから指示を考えるより、型を再利用したほうが、選ぶ時間に集中できる——私はそう考えている。
ブログのリサーチは日次より週次が現実的
「毎日リサーチしないと、情報に遅れる」 「でも毎日やると、3日で燃え尽きる」 ——ブロガーとしてリサーチは必須でも、私は継続可能性で設計しないと崩れると実感している。寝る前に一括でリサーチする運用は効率がいい。ただし「毎日やるかどうか」は別問題だ。 あなたはどうだろう。情報収集は毎日コツコツ派？ 週末にまとめてやる派？ 私は後者を基本に、必要なときだけ日次を足す派だ。日次と週次のメリット・デメリットを整理する。 日次リサーチのメリット / デメリット メリット情報の鮮度が高い。トレンドへの初動が速い。 競合の更新にすぐ反応できる。 毎日の接触で、業界の空気感をつかみやすい。デメリット運用コストが高く、疲労で継続しづらい。 速報に引っ張られ、深掘りが浅くなりやすい。 記事化までの導線を作らないと「見ただけ」で終わる。向いているケースニュース変動が激しいジャンル（AI、金融、時事）。 SNS初動が成果に直結する運用。週次リサーチのメリット / デメリット メリット継続しやすく、習慣化しやすい。 1週間分を俯瞰できるので、ノイズを減らせる。 まとめて記事企画に落とし込みやすい。デメリット速報対応は遅れる。 単発の短期トレンドは取り逃す可能性がある。 1回あたりの情報量が多く、整理力が必要。向いているケースストック型記事中心のブログ運用。 本業と並行して無理なく続けたい場合。結論: 毎日ではなく「週次を必達」にする 最適解は、日次を理想にせず週次を必達にすること。 更新頻度よりも、継続して記事化できる運用のほうが成果が安定する。基本: 週1回90分の定例リサーチ（固定曜日・固定時間）。 補助: 平日は10分だけ競合チェック（任意）。 目的: 毎週「来週書く記事候補3本」を確定する。週次で必ず実行するための最小ルール ルールA: 時間を先に予約する 例: 日曜 21:00-22:30 をカレンダー固定。 ルールB: 手順を固定する競合確認（20分） 最新レポート確認（30分） ネタ化（25分） 来週タスク化（15分）ルールC: 終了条件を決める 「記事候補3本」と「各1行メモ」ができたら完了。 ルールD: 未実施時の代替を決める 飛んだ週は翌日に30分の短縮版を必ず実行。 まとめ：週次を必達に 日次は速いが重い。週次は遅いが続く。 個人ブロガー運用では、週次を必達にして、必要時のみ日次を足すのが最も現実的。