plg-ai-funnel

PLG AI ファネル：エージェント時代のプロダクト主導型成長

パラダイムシフト

従来の PLG ファネル：

Landing Page → Free Trial → Activation → Conversion

新しい PLG ファネル：

Agent Query → Documentation Scan → Feature Match → Recommendation

購入者が最初に接するのは、もはやランディングページではありません。質問に答えるためにドキュメントをスキャンする AI エージェントです。

4 つのステージ

ステージ 1：エージェントのクエリ

何が起きるか： ユーザーが AI に「[問題]の解決に役立つツールは何ですか？」と尋ねます。

最適化の目標：

• AI の検討対象にブランドが表示される
• 正しいカテゴリと関連付けられる
• AI のナレッジに問題と解決策の対応関係がある

施策：

アクション	効果がある理由
エンティティの構築	AI がブランドの存在と属するカテゴリを把握する必要があります
サードパーティでの言及	レビュー、比較記事、リスト記事が AI のトレーニングデータに取り込まれます
明確なポジショニング	「X は、[主なメリット]を実現する[カテゴリ]です」という説明

監査の質問：

• 直接尋ねられたとき、AI はあなたのブランドを認識していますか？
• AI はあなたのブランドを適切なカテゴリと関連付けていますか？
• 競合他社は表示されるのに、あなたのブランドは表示されませんか？

ツール： 権威性構築には entity-builder エージェントを使用します

ステージ 2：ドキュメントのスキャン

何が起きるか： AI がドキュメント、ヘルプセンター、マーケティングページをスキャンして、機能を把握します。

最適化の目標：

• コンテンツが AI に抽出可能である（チャンク化され、構造化されている）
• 回答が先に提示されている（埋もれていない）
• 各ページが「タコベルテスト」をクリアしている（単独で内容が完結している）

施策：

アクション	効果がある理由
回答を先に提示する構成	AI は最初の文を回答として抽出します
FAQ セクション	あらかじめ形式が整えられた Q&A は抽出に最適です
構造化データ	表、箇条書き、見出しが個別の事実を示します
単独で完結するセクション	AI がページ全体ではなく、1 つのチャンクしか見ない場合があります

抽出可能性チェックリスト：

☐ First sentence directly answers the page's implied question
☐ H2/H3 headers are questions or clear topic labels
☐ Tables used for comparisons and feature lists
☐ Each section makes sense without surrounding context
☐ No "as mentioned above" or "see below" dependencies

ツール： コンテンツの最適化には llm-optimizer エージェントを使用します

ステージ 3：機能のマッチング

何が起きるか： AI がユーザー固有のニーズを、製品の機能と照合します。

最適化の目標：

• 機能をユーザーの課題に即して説明する
• ユースケースと機能の対応関係を明示する
• 制約を明確に示す（信頼につながります）

施策：

アクション	効果がある理由
問題 → 機能の対応付け	「X が必要なら、[Product] が Y を実現します」
ユースケースページ	達成すべき作業ごとに専用ページを用意します
インテグレーション一覧	AI が互換性要件を確認します
価格の明確化	AI が予算の制約に合うかを判断する必要があります

機能ドキュメントのテンプレート：

## [Feature Name]

**Problem it solves:** [User problem in their words]

**How it works:** [1-2 sentence explanation]

**Best for:** [Specific use cases]

**Limitations:** [What it doesn't do]

**Example:** [Concrete scenario]

アンチパターン： 機能を説明するだけで、ユーザーの課題とのつながりを示していない機能ページ。

ステージ 4：推奨

何が起きるか： AI が製品を推奨するかどうかと、その位置付けを決定します。

最適化の目標：

• 代替製品との違いが明確である
• AI が引用できるソーシャルプルーフがある
• コンテンツ全体を通じて製品とのつながりを示す

施策：

アクション	効果がある理由
比較コンテンツ	AI が直接参照する「X と Y の比較」ページ
定量化された成果	「時間を節約」より「所要時間を 40％削減」
レビューの掲載	G2、Capterra のレビューが AI の推奨に影響します
回答内での製品への言及	すべてのコンテンツを製品と結び付けます

製品とのつながりを示すルール： 教育的なコンテンツは、1～2 段落ごとに製品との関連性を含めてください。

• ❌ 「リードスコアリングは見込み客の優先順位付けに役立ちます」
• ✅ 「リードスコアリングは見込み客の優先順位付けに役立ちます。[Product] は AI を活用したスコアリングでこれを自動化します」

ツール： 推奨の成果を測定するには aeo-scorecard スキルを使用します

PLG × AEO の統合

PLG ステージ	AEO の概念	指標
エージェントのクエリ	エンティティ／権威性	AI での可視性％
ドキュメントのスキャン	抽出可能性	引用率
機能のマッチング	事実の密度	機能への言及の正確さ
推奨	製品とのつながり	AI におけるシェア・オブ・ボイス

クイック監査ワークフロー

1. Test 10 queries your buyers ask
   → Does your brand appear? (Stage 1)

2. Check if AI cites YOUR content
   → Or competitor/third-party? (Stage 2)

3. Ask AI about specific features
   → Does it know your capabilities? (Stage 3)

4. Ask "Should I use [Product] for [use case]?"
   → What's the recommendation? (Stage 4)

PLGでよく見られるAI関連の課題

症状	問題のあるステージ	対策
AIにブランドが認知されていない	クエリ	エンティティの構築、第三者による言及
AIが競合他社のコンテンツを引用する	ドキュメント	抽出しやすさを改善し、回答を先に示す
AIが機能を誤解している	機能のマッチング	課題を軸に機能ドキュメントを書き直す
AIが競合他社を推奨する	推奨	差別化を強化し、ソーシャルプルーフを追加する

関連ツール

• llm-optimizer - ステージ2向けの詳細なコンテンツ最適化
• entity-builder - ステージ1向けのオーソリティ構築
• aeo-scorecard - 全ステージ向けの指標フレームワーク
• /aeo-workflow - 実装ワークフロー全体
• query-expansion-strategy - クエリのファンアウトを理解する