seo-aeo-geo

AEO と GEO

回答エンジン最適化（AEO）と生成エンジン最適化（GEO）。AI 検索エクスペリエンスでコンテンツを発見、抽出、引用できるようにします。

このスキルでは原則をまとめています。AI 検索製品は急速に進化しますが、原則は製品ほど速くは変化しません。

---

使用する場面

• AI による概要や生成型回答エンジン向けにコンテンツを最適化する
• llms.txt を作成または更新する
• AI アシスタントがコンテンツを正しく抽出し、引用できるように構成する
• 検索が青いリンクから AI の回答へと移行する中で、サイトを将来に備える
• 既存のコンテンツが AI に適したものか監査する
• AI アシスタントがサイトを信頼できる情報源として識別するためのシグナルを追加する

使用しない場面

• 従来のページ内 SEO やテクニカル SEO（seo-onpage または seo-technical を使用）
• キーワード調査（seo-keyword を使用）
• オフページの権威性向上やリンク構築（seo-offpage を使用）

このスキルはこれらの上に積み重ねて使います。強固な AEO／GEO には、その土台となる強固な SEO が必要です。

---

必要な入力

• 最適化するサイトまたはページ
• AI にサイトを引用してほしいトピック領域またはクエリの種類
• レンダリング済み HTML と構造化データを確認できるアクセス権

---

フレームワーク：5 つのレイヤー

AI 検索での可視性は、積み重なる 5 つのレイヤーから生まれます。それぞれのレイヤーが相乗効果をもたらします。

1. 抽出しやすいコンテンツ構造

AI システムはコンテンツから事実を抽出し、引用を取得します。抽出しやすくしましょう。

• 直接的な回答。 主要なセクションの冒頭で、そのセクションが扱う質問に対する明確な回答を 1～3 文で示します。AI は最初に見つけた回答を抽出します。
• 質問形式の見出し。 自然な場合は、H2 や H3 を質問形式にします。人々が AI に入力するプロンプトの形式に合致します。
• 個別の事実。 事実を述べるときは、裏付けとなる背景情報とともに、一度だけ明確に述べます。主張が複数の段落に分散していると、AI は内容を把握しにくくなります。
• 表とリスト。 AI はこれらを確実に解析できます。比較、仕様、手順、データに使用します。
• 早めの定義。 概念を導入するときは、本文中で定義します。読者（または AI）が 3 ページ前の定義を見ているとは限りません。
• 番号付きの手順。 手順を説明するコンテンツでは、すべての手順に番号を付けます。指示を文章に紛れ込ませないようにします。

2. 引用に値する内容

AI は信頼性が高いと判断した情報源を引用します。その評価を得ましょう。

• 独自データ。 アンケート、調査、独自の研究、社内ベンチマークなどです。AI は言い換えより一次情報を優先します。
• 具体的な数値。 「およそ 40 パーセント」は「多く」より有効です。出典のある具体的な統計は、丸めた一般論より有効です。
• 専門家の明示。 資格情報や専門家プロフィールへのリンクを含む著者略歴と、スキーマでマークアップされた Person エンティティを用意します。
• 日付の明示。 公開日と最終更新日の両方を、ページ上とスキーマの両方で確認できるようにします。AI は、時期が重要なクエリでは情報の新しさを重視します。
• 方法論の開示。 調査結果を述べるときは、どのように導き出したかを簡潔に記載します。AI は透明性を評価します。
• 他の情報源の引用。 使用した権威ある情報源へリンクすると、相互の信頼性が高まります。

3. 構造化データの充実度

スキーマは、機械可読な言語で情報を伝える方法です。AI アシスタントはスキーマを大いに活用します。

• コンテンツに適した Schema.org のタイプ（Article、FAQPage、HowTo、Recipe、Product、Organization、Person、LocalBusiness など）
• 必須プロパティと推奨プロパティの両方を入力します（ほとんどのサイトでは必須項目しか入力せず、活用できるシグナルを逃しています）。
• 著者には sameAs リンクで検証可能なプロフィールを示した Person スキーマを使用します。
• ホームページにロゴ、連絡先、ソーシャルリンクを含む Organization スキーマを設定します。
• 真正な質疑応答の組み合わせを含むコンテンツには FAQPage スキーマを使用します。
• 手順を説明するコンテンツには HowTo スキーマを使用します。
• サイト全体に BreadcrumbList スキーマを設定します。
• Schema.org Validator と Rich Results Test の両方で検証します（一部のプロパティはそれぞれ異なります）。

4. AI が読み取りやすいアクセシビリティ

従来の SEO に加えて、AI ツールには独自のアクセス方法が必要です。

• サイトのルートに llms.txt を配置します。 /llms.txt に置く Markdown ファイルで、サイトのコンテンツ、主要な URL、サイトが扱うトピックを説明します。詳しくは references/llms-txt-guide.md をご覧ください。
• llms-full.txt（任意）- サイトが許可する場合は、AI のトレーニングとコンテキスト用にコンテンツ全体をダンプします。
• AI クローラーを許可する robots.txt。 許可する AI クローラー（GPTBot、ClaudeBot、Google-Extended、PerplexityBot など）と、拒否するクローラーを明示的に決めます。可視性が重要であれば、デフォルトでブロックしないでください。
• 明確な HTML セマンティクス。 セマンティックタグ（article、section、nav、main）は、AI による構造の解析に役立ちます。
• 重要なコンテンツをクライアントサイドだけでレンダリングしないでください。 多くの AI クローラーは Googlebot ほど確実にはレンダリングできません。

5. 実世界のエンティティシグナル

AI はナレッジグラフを構築し、一貫性のある複数のシグナルを持つエンティティを優先します。

• ブランドまたは人物が特筆性の基準を満たす場合は、Wikipedia の項目（無理に作成しないでください。実際に特筆性があることが必要です）
• 一貫したプロパティを持つ、そのエンティティの Wikidata 項目
• すべての引用元で一貫した NAP（名称、住所、電話番号）
• 複数の権威ある情報源でのブランドへの言及。 AI はオープンウェブ上でエンティティに関する主張を相互参照します。
• sameAs プロパティを使って自社のプロフィールをリンクする ソーシャルプロフィールのスキーマ
• レビューと評判のシグナル。 該当する場合は、Google ビジネス、Trustpilot、業界特有のレビューサイトでの評価の集計

---

ワークフロー

1. 現状を監査します。 既存のサイトに 5 層フレームワークを適用し、それぞれを評価します。
2. 優先するクエリを特定します。 AI にこのサイトを引用してほしい質問は何ですか？ 10～20 件をリストアップします。
3. 現在の AI での可視性をテストします。 優先する質問を使って、主要な AI 製品（対象読者に関連するもの）それぞれにクエリを入力します。引用された情報源を記録するか、データ可用性ルールに従って情報不足を明記します。
4. ギャップを特定します。 サイトは引用されていますか？ どのクエリで引用されていますか？ 引用された情報源に負けるのはなぜですか？
5. レイヤーごとの計画を立てます。
   • 優先度の高い上位 20 ページで、抽出可能な構造を修正する
   • 引用に値するシグナル（独自データ、専門家による著者情報、方法論）を追加する
   • スキーマの実装を強化する
   • llms.txt を作成または更新する
   • エンティティシグナルを強化する
6. 実装して再テストします。 AI 製品は頻繁に更新されます。優先クエリを四半期ごとに再テストします。

---

失敗パターン

• AEO/GEO を SEO とは別のものとして扱う。 強固な SEO の基盤は前提条件です。AI が引用するのはページであり、魔法ではありません。
• 実際の FAQ がないページに FAQ スキーマを詰め込む。 検索エンジンも AI も、作為的な FAQ ブロックを評価しません。
• 重要なコンテンツを大量の JavaScript の背後に隠す。 AI クローラーは確実にはレンダリングできません。重要なコンテンツはサーバーサイドでレンダリングするか、事前にレンダリングしてください。
• 1 つの AI 製品だけに最適化する。 製品によってランキングや引用の仕組みは異なります。特定の製品の癖ではなく、原則に合わせて最適化してください。
• エンティティの強さを無視する。 実世界のエンティティシグナルを伴わないコンテンツだけでは、ブランドや専門性に関するクエリで安定して引用されません。
• llms.txt を万能策として扱う。 役立ちますが、多くのシグナルのうちの 1 つにすぎません。
• 静的な最適化にとどめる。 AI 製品の進化は、歴史的に見て検索アルゴリズムより速いペースです。少なくとも四半期ごとに再監査してください。

---

出力形式

デフォルトの出力は、aeo-geo-strategy.md に保存する Markdown 形式の計画です。構成は次のとおりです。

1. 現在の AI での可視性の監査（サイトが引用されるクエリと、引用されないクエリ）
2. 5 層のスコアカード
3. 優先クエリ（サイトが引用されるべき 10～20 件）
4. レイヤーごとの改善計画
5. 実装ロードマップ
6. 再テストのスケジュール（四半期ごと）

---

必要なデータを入手できない場合

このスキルの出力は、独自には生成できないデータ、測定値、またはツールの結果に依存します。必要な入力、ツール、またはデータソースを利用できない、あるいは検証できない場合、認められる出力は、不足している内容を明記した成果物です。必要だったもの、実際に取得または検証できたもの、そして出力のどの部分に影響するかを示します。成果物を完成させるために必要な数値を捏造、推定、または補間することは、決して認められません。不足を明記すれば、それだけで完全な回答となります。

---

参考ファイル

• references/llms-txt-guide.md - 役立つ llms.txt の書き方を、例とともに説明します。
• references/extraction-friendly-patterns.md - AI が正確に抽出できるコンテンツのパターンを、変更前と変更後の例とともに説明します。