query-expansion-strategy

クエリ拡張戦略

クエリのファンアウトを網羅し、AI での可視性を最大化します。

LLM がクエリを処理する方法

LLM は回答を生成する前に、クエリを 5～10 個の意味的なバリエーション（サブクエスチョン）に展開します。引用されるには、次のことを行います。

1. トピッククラスターを包括的に網羅する
2. 意味的なバリエーションを自然に含める
3. 関連する質問に対応する
4. エンティティ間の関係を構築する
5. トピックを深く掘り下げる

クエリのファンアウト分析

例：「見込み客の優先順位を付ける方法」は、次のように展開されます。

• 「見込み客の優先順位付けには、どのような方法がありますか？」
• 「リードスコアリングに役立つツールは何ですか？」
• 「見込み客の質を示す指標は何ですか？」
• 「営業チームはどのように見込み客を順位付けしますか？」
• 「リードスコアリングの自動化とは何ですか？」

可視性を最大化するには、すべてのサブクエスチョンに回答する必要があります。

ファンアウト分析のツール

ツール	用途
Kuforia	AI がトピックをどのように分解するかを視覚化します
Dan's Fan-out Tool	サブクエスチョンへの分解を表示します
ChatGPT/Perplexity	「X に回答するために、どのようなサブクエスチョンをしますか？」と尋ねます

意味的網羅性のチェックリスト

対象トピックごとに、次の点を確認します。

1. 中心となる質問 - 主なクエリへの直接的な回答
2. 定義 - X とは何か（初めての人向け）
3. 方法 - X をどのように行うか
4. 理由 - X が重要な理由
5. 比較 - X は Y とどう違うか
6. 例 - X の例は何か
7. ツール - X に役立つツールは何か
8. 指標 - X をどのように測定するか
9. よくある間違い - X で避けるべき間違いは何か
10. トレンド - X をめぐって何が変化しているか

ファンアウトに対応するコンテンツ構成

おすすめのセクション：

## What is [Topic]?
[Definition for newcomers]

## Why [Topic] Matters
[Business case, importance]

## How to [Topic]
[Step-by-step methodology]

## [Topic] Tools and Software
[Tool comparison table]

## [Topic] Metrics to Track
[KPIs and measurement]

## Common [Topic] Mistakes
[What to avoid]

## FAQ
### [Sub-question 1]?
[Complete answer]

### [Sub-question 2]?
[Complete answer]

意味的フットプリントの拡大

トピックを中心にエンティティ間の関係を構築します。

Primary Topic: Lead Scoring
├── Related Concepts: lead qualification, MQL, SQL, BANT
├── Tools: HubSpot, Salesforce, Marketo
├── Metrics: conversion rate, lead velocity
├── Personas: sales rep, marketing manager, SDR
└── Use Cases: B2B sales, SaaS, enterprise

関連用語をコンテンツ全体に自然に含めます。

分析結果

クエリ拡張のためにコンテンツを分析する場合：

Target Query: [query]

Sub-Questions Covered: X/10
☑ Definition/What is
☑ How-to/Process
☐ Why/Importance (MISSING)
☐ Comparison (MISSING)
☑ Tools/Software
...

Semantic Coverage: X%
Missing Entities: [list]

Recommendations:
1. Add section on [missing sub-question]
2. Include comparison with [related concept]
3. Add FAQ addressing [query variation]