aeo

回答エンジン最適化（AEO）

ChatGPT、Perplexity、Claude、Gemini、Mistral に、信頼できる情報源としてコンテンツを引用してもらいましょう。

AEO とは、LLM が生成する回答で引用されるようにコンテンツを最適化する手法です。検索順位を最適化する SEO とは異なります。このスキルでは、AEO のパフォーマンスを監査、最適化、追跡します。

SEO との違い

	SEO	AEO
最適化の対象	クリック率を高める検索順位	信頼できる情報源として引用されること
対象ユーザー	検索結果を閲覧する人	質問に回答する LLM
成功指標	検索順位 1〜10 位、オーガニックトラフィック	LLM 全体での引用数
主なシグナル	被リンク、キーワード、ページ速度	E-E-A-T、構造化データ、事実の密度
更新頻度	数週間〜数か月	数日〜数週間（LLM のトレーニングサイクル）

両者を同時に活用できます。同じコンテンツが Google で 1 位にランクインし、Perplexity に引用されることもあります。ただし、手法は異なります。SEO ではキーワード密度と被リンクが重視され、AEO では一次情報源としてのシグナルと構造化された事実が重視されます。

使用する場面

• AI を第一に考える読者向けの新しいコンテンツを企画するとき
• AI Overview の展開前に、既存のコンテンツにおける E-E-A-T の不足を監査するとき
• どのページがどの LLM に引用されているかを追跡するとき（引用台帳）
• LLM がどのクエリで情報源を引用するか（トレーニングデータから回答するものとの違い）を調査するとき
• 競合他社の引用率と比較するとき
• 従来の SEO と連携した長期的な AEO 戦略を構築するとき

使用しない場面

• LLM に引用されることを意図しない、純粋なクリック率重視の SEO — 代わりに marketing-skill/skills/seo-audit を使用してください
• 事実に基づく主張を含まない、ブランドの声を重視したコンテンツ — 引用には引用可能な事実が必要です
• LLM がすでに強いトレーニングシグナルを持つトピック（例：小学校レベルの算数）のコンテンツ — 引用による効果は最小限です
• 時事性の高いコンテンツ（速報ニュース）— LLM のトレーニングには時間差があるため、引用されるのは数か月後になります

主な機能

1. コンテンツ監査と E-E-A-T スコアリング

監査ツール（aeo_audit.py）は、次の 4 つの観点からコンテンツを評価します。

• 経験：一人称での根拠、日付入りの例、ケーススタディ、「2026 年に X を実施しました」といった主張
• 専門性：著者の略歴、資格、査読済み情報源への引用、技術的な深さ
• 権威性：権威あるドメインからの外部被リンク、schema.org マークアップ、構造化データ
• 信頼性：HTTPS、連絡先情報、透明性のある訂正、事実の密度（1,000 語あたりの検証可能な主張の数）

各観点の内訳とともに、0〜100 の総合スコアを算出します。出力は、具体的な修正提案を含む Markdown レポートです。

2. コンテンツの最適化

最適化ツール（aeo_optimizer.py）は、AEO 向けに改善したコンテンツのバリエーションを生成します。

• 構成の書き換え — LLM が解析しやすいように H2/H3 の階層を最適化します
• 引用密度の向上 — 出典付きの [1] 形式の参照を追加します
• スキーマの挿入 — FAQ、HowTo、Article スキーマ用の JSON-LD を生成します
• 事実を先に示す導入文 — 検証可能な主張を冒頭の 200 語以内に移動します

3 つのモードがあります。conservative（単語の 10% 未満に変更を加える）、balanced（30% 未満に変更を加える）、aggressive（AEO を最大限に高めるように書き換える）です。

3. 引用の追跡

トラッカー（citation_tracker.py）は、引用をローカルの台帳で管理します。

• 手動入力：ChatGPT／Perplexity／Claude／Gemini の出力で見つけた引用を貼り付けます
• URL、LLM、クエリ、日付を記録します
• ページごとの引用数、引用の増加速度、LLM のカバー率を算出します
• レポート用に CSV にエクスポートします

~/.aeo-data/citations.json に保存されます（ローカル保存、テレメトリーなし）。

参考資料

• references/aeo_eeat_canon.md — E-E-A-T の方法論、業界別の基準値、アンチパターン
• references/llm_citation_patterns.md — LLM ごとの引用選択ヒューリスティクス（Perplexity、ChatGPT、Claude、Gemini、Mistral）
• references/aeo_vs_seo.md — AEO、SEO、または両方に投資すべき場合
• references/bot_access_and_monitoring.md — AI クローラー向け robots.txt マトリックス（前提条件の確認：ボットがブロックされていると、そのプラットフォームでの効果はゼロになります）、Google Search Console の AI Overviews モニタリング、手動テストの手順、引用減少の診断（旧 ai-seo スキルから統合）
• references/extractable_content_patterns.md — 回答エンジンが確実に抽出する、すぐに使える7種類のブロックテンプレート（定義、手順、表、FAQ、出典付き統計、専門家の引用、要約ボックス）（旧 ai-seo スキルから統合）

ワークフロー

0. Pre-flight: bot access
   Check robots.txt against the crawler matrix in references/bot_access_and_monitoring.md
   → a blocked GPTBot/PerplexityBot/ClaudeBot/Google-Extended is the first fix, always

1. Audit existing content
   $ python3 scripts/aeo_audit.py --url https://example.com/blog/post
   → markdown report with composite score + 4-dimension breakdown

2. Apply optimization recommendations
   $ python3 scripts/aeo_optimizer.py --input post.md --mode balanced --output post-aeo.md
   → optimized variant with citations + schema + structural fixes

3. Publish + monitor
   $ python3 scripts/citation_tracker.py --action add --url https://example.com/blog/post \
       --llm perplexity --query "what is AEO" --date 2026-05-17
   → adds entry to local citations.json ledger

4. Report
   $ python3 scripts/citation_tracker.py --action report --url https://example.com/blog/post
   → per-page citation stats: count, LLMs, queries, velocity

設定

このスキルは、実行ごとの --industry フラグで業界に対応します。対応業界：saas、healthcare、finance、legal、ecommerce、b2b、media、education。

業界によって次の項目が変わります。

• 権威性を示すシグナルの要件 — 医療・金融分野では、より厳格な出典の引用が必要です
• ファクトチェックの厳格さ — 法務・医療分野では、検証できない主張を重大な問題として扱います
• 引用のスタイル — 学術誌、業界誌、ブログの慣例

例：

python3 scripts/aeo_audit.py --url <url> --industry healthcare
# → stricter E-E-A-T thresholds; flags any health claim without primary citation

出力形式

Markdown 監査レポート（デフォルト）

# AEO Audit Report — [Page Title]

**URL:** https://example.com/blog/post
**Date:** 2026-05-17
**Industry:** saas
**Composite Score:** 72/100 (B+)

## Dimension Breakdown

| Dimension | Score | Verdict |
|---|---|---|
| Experience | 80/100 | Strong — first-person case study present |
| Expertise | 65/100 | Author bio missing credentials |
| Authoritativeness | 75/100 | 4 backlinks from authority domains |
| Trustworthiness | 68/100 | No corrections policy linked |

## Top 3 Fixes

1. Add author bio with credentials (Expertise +15)
2. Link to corrections policy from footer (Trustworthiness +12)
3. Inject FAQ schema for the 5 questions implicit in H2s (Authoritativeness +8)

## All Recommendations
[...]

## Audit Trail
[3-count of analysis steps, sources cited, time taken]

パイプライン用 JSON

python3 scripts/aeo_audit.py --url <url> --output json

コンテンツ管理ワークフローとの統合に使える、完全な構造化データを返します。

業界別 E-E-A-T 基準値

業界	総合スコアの最小値	重要なシグナル
医療	85	医療レビュアーの署名、査読済みの出典、FDA に関する開示
金融	85	著者の CFA／CPA 資格、「投資助言ではありません」という免責事項、日付入りの事例
法務	85	管轄区域の明示、弁護士の経歴、「法律上の助言ではありません」という免責事項
SaaS	70	プロダクトマネージャーの署名、指標を含む事例、ROI 計算ツール
E コマース	65	集約された商品レビュー、返品ポリシー、schema.org Product
B2B	70	業界アナリストの引用、顧客ロゴ、ROI データ
メディア	70	編集方針、ファクトチェックへのリンク、独自取材
教育	75	講師の経歴、学習成果、該当する場合は認定情報

採用しないアンチパターン

• AI 向けのキーワード詰め込み — LLM はすでに意味からトピックを抽出するため、キーワード密度を高めても引用される可能性は上がりません
• 人によるレビューのない、AI が生成しただけのコンテンツ — 汎用的な LLM の出力は、独自性のあるシグナルを探す RAG 検索アルゴリズムで優先度が下がります
• 引用ファーム／リンクホイール — 最新の LLM RAG は、権威性の低いリンクネットワークを低く評価します
• スキーマのスパム — 虚偽または検証できない schema.org の主張は除外されます。実際に検証できる主張のみをマークアップしてください
• 他の LLM を犠牲にして、特定の LLM だけに最適化すること — 主要な LLM は学習データの出典を共有しているため、引用の分布には強い相関があります。LLM ごとの小手先の対策ではなく、共通のシグナル（E-E-A-T）に最適化してください
• SEO を完全に無視すること — AEO の引用元は、すでにオーガニック検索で上位にランクインしている情報源であることがよくあります。AEO と SEO は補完関係にあり、代替関係ではありません

依存関係

• 3つのスクリプトすべて 標準ライブラリのみ — pip install は不要です
• 任意：--url モードを使う場合は requests と beautifulsoup4（それ以外の場合は、ファイルベースの監査用に --input で Markdown を渡してください）
• 任意：query_research モード用の LLM API キー（現在はスキャフォールドのみです。LLM を使ったクエリ調査の完全な機能はロードマップにあります）

データ保存

すべてのデータはローカル優先で保存されます。

• ~/.aeo-data/citations.json — 引用台帳
• ~/.aeo-data/patterns.json — 成功パターンのライブラリ
• ~/.aeo-data/audits/<hash>.md — 保存済みの監査レポート

テレメトリーはありません。クラウド同期もありません。citation_tracker.py --action export を使って、いつでも CSV にエクスポートできます。

トリガーフレーズ

• 「AEO audit」、「AEO check」
• 「ChatGPT / Perplexity / Claude / Gemini 向けに最適化」
• 「[LLM] に引用される」
• 「LLM の引用戦略」
• 「アンサーエンジン最適化」
• 「AI 検索向けコンテンツ」
• 「E-E-A-T 監査」
• 「AI による引用を追跡」
• 「AI 向けスキーマ」

関連スキル

• marketing-skill/skills/seo-audit — 従来のクリック率重視の SEO
• marketing-skill/skills/programmatic-seo — テンプレート駆動型の大規模な SEO
• marketing-skill/skills/content-strategy — より広範なコンテンツ計画
• marketing-skill/skills/copywriting — ボイスとトーン
• marketing-skill/skills/schema-markup — 構造化データの実装

---

バージョン： 2.7.3 ソース： alirezarezvani/aeo-box（answer-engine-optimization/ スキル、9 モジュールにわたる 2,464 LOC）から移植。この移植版では、claude-skills の規約に従って、9 モジュールの Python ツールキットを標準ライブラリのみを使う 3 つの CLI ツールに集約しています。E-E-A-T のスコアリング手法、引用追跡スキーマ、業界を考慮したしきい値は、そのまま保持しています。 ライセンス： MIT（上流プロジェクトおよびこのリポジトリと同じ）。