1.AIから自社サイトを見るという視点 

生成AIの進化によって「検索」のあり方が大きく変わろうとしている今、GEO（Generative Engine Optimization）対策が注目されています。その中でも、AIがWebページをどう理解し、どのような情報を「引用に値する」と評価するのかに焦点を当てているのが、WordLift社のAndrea Volpini氏です。 

彼はブログ「Query Fan-Out: A Data-Driven Approach to AI Search Visibility」の中で、GoogleのAI Modeへの対策について解説しています。具体的には、ページ内の「エンティティ（AIが主題と認識する概念）」を特定し、それに関係する「ファセット（属性・用途・ターゲットなどの情報の切り口）」を推論。そこから合成クエリを生成し、ページ内のチャンク（文章のかたまり）と意味的な類似度を評価し、コンテンツを改善していくというプロセスです。 

一般的にGEO対策では、前回の記事「クエリファンアウトに対応したコンテンツの作り方」で紹介しているように、「ユーザーの問い」から出発してそれをファンアウトし、それぞれに対応する情報を設計していくというユーザー起点のアプローチが主流です。しかしVolpini氏の方法はそれとは逆で、「AIはどのようにWebを読み、どのように応答を生成するか」というAI起点の設計思想に立脚しています。 

特に示唆的なのは、彼が「クエリファンアウトの結果すべてに個別対応してコンテンツを量産する」のは現実的ではないと考えている点です。なぜなら、ファンアウトされるクエリはユーザーや状況によって異なり、それらすべてに対応しようとすると、膨大なコンテンツが必要になってしまうからです。 

Volpini氏は、AIが意味構造（オントロジカルコア）を正しく読み取り、ページ全体を一つの情報源として理解できるように設計することが、より持続可能で効率的だと主張しています。これは、私たちが今後のGEO施策で採用すべき方向性のひとつを示しているように思えます。 

そこで実際に、Volpini氏が提供するツールを、自社サイト「コンテンツマーケティングラボ」に適用し、AIにとっての可視性を診断してみることにしました。 

2. ツールを使ってみて見えた課題 

 WordLift社のツールを用いて、当サイトコンテンツマーケティングラボの「コンテンツマーケティングとは」の解説ページに適用したAI可視性診断結果が下記になります。 

▲Wordlift社がColab上で提供しているAI可視性診断ツール。GeminiのAPIキーで利用できる。 https://colab.research.google.com/drive/1WS6zSqnzgx2g4ih0_ZVE0pIhHRVOEpk7?usp=sharing 

上記の分析結果の和訳が以下になります。 

これらを理解することで、現在のコンテンツマーケティングの全体像が見えてくるとAIは判断しています。 

🔍 Geminiが生成した『コンテンツマーケティング』に関する代表的な合成クエリとクエリカバレッジ評価結果： 

📊 最終スコア： 

コンテンツマーケティングの可視性カバレッジ：20.00% 

（※全20クエリ中、AIによって有意にカバーされたものは4件） 

結果としては「コンテンツマーケティング」というエンティティが適切に特定され、関連するファセットの推論やファンアウトクエリの生成がなされるなど、AIがどのようにWebページを構造的に読み取るかが可視化できて有用であると感じました。 

一方で、提示されたファセットは「定義」「KPI」「AI」「活用事例」といった、広く一般に通用する汎用的な切り口にとどまっており、当該ページで重視していた戦略的な観点やペルソナ設定、そしてカスタマージャーニーといったポイントまでは十分に評価されていない印象を受けました。 

これは、AIが意味を構造的に捉える際に、一般的なナレッジ構造には強く反応する一方で、企業や文脈に根ざした個別性・戦略性の高い意味設計には、まだ手が届きにくい面があることを示唆しているのではないかと感じました。 

ツールとしての完成度は高く、全体像を俯瞰するには有用ですが、自社の意図や文脈をより的確に伝えるためには、人間の視点から意味構造を補完・設計するアプローチが欠かせないという気づきにもつながる体験でした。AIの理解力を過信せず、人間の文脈理解と現場感覚でファセットを切り出す力こそが、人にもやさしい今後のGEO施策において不可欠なのだと改めて実感したのです。

3.AIは何を探しているのか？ 

Volpini氏の視点に立つと、AIが本当に評価しているのは、ページの「意味的主題（オントロジカルエンティティ）」だけではありません。その意味的主題にまつわる意味のまとまり、つまり「オントロジカルコア」の存在が重要になります。 

たとえば「洗濯機」というエンティティは、ページのテーマを表す単なるラベルにすぎません。それだけでは、AIはそのページを文脈的に理解できません。 

必要なのは、「一人暮らし向け」「子育て世代におすすめ」「乾燥機能の有無でどう選ぶべきか」といった切り口で、そのエンティティを取り巻く意味のネットワークが明確に整理されていること。つまり、Volpini氏の言葉を借りるならば、AIが本当に見ているのは、エンティティそのものではなく、意味的主題（オントロジカルエンティティ）と、そのつながり（オントロジカルコア）であることを押さえておくことが重要であるといえます。 

これらが適切に構築されていれば、AIはそのページを単なる情報の羅列としてではなく、「ある目的に沿った意味設計の一部」として理解し、引用対象として認識します。これが、キーワードではなく、「意味のネットワーク」が可視性を決める時代になったというVolpini氏の主張になります。 

4.ファセット設計はツール任せにすべきではない 

Volpini氏が開発したAI可視性ツールが生成するファセットは、たしかに「AI的に意味が通りそうな問い」を模倣する点で一定の価値があります。しかしそれはあくまで、既存のデータセットや一般論から導かれた、汎用的で平均的な切り口にすぎません。真に差別化され、実務に役立つファセット、たとえば特定業界の購買意思決定に特化した観点や、競合にはない自社独自の強みを伝える視点は、業界や顧客理解に根ざした人間の判断によって切り出されるべきものだと筆者は考えます。 

意味的主題であるオントロジカルエンティティから分岐するファセットとは、言い換えれば「意味の枝葉」です。製品やサービスの中核的な意味構造を、用途別・業界別・課題別といった形で展開していくこの枝葉こそが、意味構造を深めていくのではないか。つまり自社ならではの文脈に沿ったファセットをどれだけ丁寧に設計できるかが、AIに引用されるか否かを分ける分水嶺になるのではないかと考えます。いいかえると、ツールの出力を鵜呑みにするのではなく、むしろそれを出発点にして、人間が意味の構造を再編集していく姿勢が必要であるということになります。 

5. 「オントロジー？ムズカシそう…」と思ったあなたへ 

• オントロジーという言葉はもともと哲学や情報科学の専門用語であり、コンテンツマーケターにとってはとっつきにくく、混乱のもとになりがちな概念です。しかしGEOの文脈におけるオントロジーは、難解な理論ではなく意味の設計図と考えると理解しやすくなります。オントロジカルエンティティを商品コンセプト、ファセットを訴求の切り口、オントロジカルコアをコンセプトシートと読み替えればわかりやすくなると思います。 

  まず、3つの用語を押さえておきましょう： 

• オントロジカルエンティティ：AIがページの主題として捉える「意味的な対象」。単なる商品名やカテゴリではなく、AIにとって識別可能なコンセプト。  ファセット：オントロジカルエンティティから派生する、属性や用途、ターゲットなどの「意味の切り口」。  オントロジカルコア：オントロジカルエンティティを中心にファセットが枝葉のように展開された「意味のネットワーク全体」。

  
  つまり、オントロジカルコアとは 「AI向けの意味構造」 とも言える存在です。私たちが広告やブランディングでいかにコンセプトを生活者に届けるかを言語化するように、GEOにおいてもそれをAIに伝わる構造で再設計することが求められるのです。 

  たとえば「洗濯機」の場合、以下のように整理できます。 

• エンティティ：X社のドラム式洗濯機モデルA  オントロジカルエンティティ：忙しい家庭の泥汚れにも強いドラム式洗濯乾燥機  共働き世帯や子育て世代が抱える「時短ニーズ」や「頑固な汚れへの不安」に応える、高洗浄力と乾燥機能を両立したファミリー向けのプレミアムモデル。    ファセット：  対象課題→泥汚れ、ニオイ、時間がない  ユーザー像→共働き世帯、育ち盛りの子どもがいる家庭  利用文脈→夜間洗濯、週末まとめ洗い、時短ニーズ  感情ベネフィット→「洗濯がラクになる」「清潔を保てる安心」  技術根拠→泡洗浄、高温洗浄、自動投入、静音性、乾燥機能

   

• 上記のようなオントロジカルコアを構築し、ファセット別のコンテンツを作成すれば、数多くのクエリに対するコンテンツを個別に用意しなくても、様々なクエリに対して柔軟に回答することができます。例えば、上記のオントロジカルコアだけでも下記のような質問に回答可能となります。（ファセット別のコンテンツは省略しています。） 

  クエリ1  「部活で泥だらけの子どもの服、一回でちゃんと洗える洗濯機ってある？」     回答例1  はい、あります。たとえばX社のモデルAのような機種は、「泥汚れ」への対応力に定評があります。高温洗浄や泡洗浄の組み合わせによって、頑固な汚れも1回でしっかり落とす設計です。育ち盛りのお子さんがいるご家庭で重宝されています。  この回答が依拠するファセット：  対象課題：泥汚れ  ユーザー像：育ち盛りの子どもがいる家庭  技術根拠：泡洗浄＋高温洗浄による高洗浄力  感情ベネフィット：清潔を保てる安心

   

  クエリ2  「夜遅くに洗濯しても近所迷惑にならない洗濯機を教えてください」    回答例2  静音性を重視するなら、深夜の使用を想定して設計されたドラム式洗濯機が最適です。たとえばX社のモデルAは静音モードにより、夜間でも安心して使用できます。さらに乾燥機能付きなので、夜干す必要もなく家事がグッと楽になります。    この回答が依拠するファセット：  利用文脈：夜間洗濯  技術根拠：静音性・乾燥機能  感情ベネフィット：洗濯がラクになる

    

  クエリ3  「洗濯の手間を減らして、少しでも自分の時間を増やしたいです。おすすめは？」 回答例3  洗濯の時短を目指すなら、自動投入・乾燥機能付きのドラム式洗濯乾燥機がおすすめです。X社のモデルAは、洗剤・柔軟剤の自動投入機能に加え、干す手間を省ける乾燥機能も充実。週末のまとめ洗いでも手間がかからず、洗濯のストレスが大幅に軽減されます。  この回答が依拠するファセット：  ターゲットの共通課題：時間がない  利用文脈：週末まとめ洗い  技術根拠：自動投入・乾燥機能  感情ベネフィット：洗濯がラクになる

   

• ファセットの設計が明確であれば、AIはそのオントロジカルコアを参照し、未知のクエリにも高精度に推論応答できるようになります。実際にAI Modeが同じような推論をするのかどうかは不明ですが、AI Modeではナレッジグラフを活用していると言及している※ことから、ある程度有効な戦略であると考えます。オントロジーコアは、いわば「掛け算の九九」のようなもの。こういったコンテンツを作成できれば、さまざまなクエリにも応用が利くようになります。 

• ---

  ※https://blog.google/products/search/ai-mode-search/
  You can not only access high-quality web content, but also tap into fresh, real-time sources like the Knowledge Graph, info about the real world, and shopping data for billions of products. 

6. まとめ：GEOは意味構造設計の勝負 

以上見てきたように、Volpini氏が提示した「意味構造の設計力」という視点は、数あるGEO対策の中でもとりわけ注目に値するアプローチです。検索結果の裏側にあるAIの理解の仕組みを読み解き、「意味構造を先に設計しておく」ことでAIに正しく引用・参照させるという発想は、これからのコンテンツ戦略において非常に実践的で示唆に富んでいます。 

とはいえ、GEOという分野はまだ発展途上であり、GoogleがAI Modeの仕組みに関する詳細を公開していない現在においては、どの対策もあくまで推測に基づいたものであるという前提を忘れてはなりません。「意味の設計力」もそのひとつであり、万能の解ではなく、状況や文脈に応じて活用すべき有効な選択肢の一つと捉えることが重要です。 

それでも、今後ますます「クエリへの直接対応型コンテンツ」だけでは追いつかなくなる中で、意味のネットワークを先に構築しておくという設計思想は、GEO時代における中長期的な優位性を築く鍵となりえると思います。 

従来のコンテンツマーケティングが「伝えたいコンセプトを人にどう届けるか」だったとすれば、これからは「その価値を、どう意味構造として整理し、AIにも伝えるか」が問われる時代。オントロジカルコアの設計とは、AIという第三のオーディエンスに向けたコンセプト再構築に他なりません。 

意味で勝負するGEOの時代においては、人間にもAIにも価値が伝わるコンテンツを設計できるコンテンツマーケターこそが、中心的なプレイヤーとして存在感を高めていくのではないでしょうか。 

執筆：渡辺一男 

CONTENT MARKETING LAB ファウンダー 

※本記事は執筆及び画像作成にあたり、生成AIを利用しています。