答えを明確に書き、AI の引用を測定する

CH.01

文脈とともに答えを理解できるようにする

有用な段落は対象を示し、実際の疑問に答え、判断に必要な文脈を提供します。明確な構造は読者を助けますが、AI システムによる採用を保証しません。

途中の小節に直接来た人が、「それ」の意味を推測せず主張を理解できるか確認します。曖昧になる場合は製品、方法、対象集団を明示します。制約を主張の近くに置き、前の説明に依存する答えには詳細へのリンクを添えます。

公開 AI 検索サービスは共通の抽出処理を公開していません。すべてのエンジンが孤立した段落だけを読み、ページ全体を無視し、一文をそのまま複製するとは想定しないでください。正確で文脈のある説明は書き方の選択であり、引用は観測すべき結果です。

CH.02

元の GEO 実験が測ったもの

Aggarwal らの KDD 2024 論文は10,000クエリのベンチマークと1,000クエリのテスト分割を用いました。主なシステムは Google の上位五件のソース本文を GPT-3.5-turbo に渡しています。現在の公開検索製品の仕様ではなく、実験条件です。

表1で報告された最良の向上は Position-Adjusted Word Count が41%、Subjective Impression が28%です。二種類の可視性指標の相対変化であり、統計、外部リンク、引用文に割り当てた固定効果でも、引用頻度のパーセントポイント変化でもありません。

CH.03

各段落の役割を明確にする

読者が答えを必要とするなら直接答え、その理解に必要な説明と根拠を続けます。物語や順序が課題の一部なら、叙述を残します。

見出しと各段落の冒頭を通して読むと、ページの範囲と次に読む場所が分かるようにします。すべてを定義文にしたり、名詞を機械的に繰り返したり、引用しやすさのために重要な条件を削ったりする必要はありません。

繰り返す導入や情報を増やさない主張を削ります。答えを正しく使うための例、例外、長い説明は残します。読者の負担を減らしながら、完全な答えを届けることが目的です。

CH.04

重要な情報を読者が必要とする位置に置く

要点から始めると探す負担を減らせます。有用な編集判断ですが、全ページの最初の30%が引用を支配する普遍的ルールではありません。

Google の AI 検索指針は、理想のページ長はなく、AI のために極小の断片に分割する必要もないと述べています。読者の課題から考えます。短い実務質問には短い答え、説明には定義、実例、例外が必要かもしれません。

英語では40–60語の導入を下書き練習にできますが、全言語やテーマに課す型ではありません。読者が方向をつかむために必要な長さを使い、重要な制約を答えの近くに置き、後で深さを補います。

CH.05

変化を測り、すべての前後比較を A/B テストと呼ばない

公開ページの編集前後の引用記録は観察です。検索、インデックス、モデル動作、競合、需要が同時に変わることがあります。引用がすぐ変わらなくても、分かりやすい段落には読者への価値があります。

関連する質問セットを選び、画面、言語、地域、アカウント状態、日付、ページ版、引用 URL を記録します。50–100問は計画上の開始点であり、統計的な保証ではありません。失敗した要求と欠測を、自社 URL のない完全な回答から分けます。分母と反復の間隔を一定にします。

統制されたテストには適切な割り当てと比較可能な条件が必要です。運用する自社システムなら固定した検索設定で供給版を試せますが、結果はそのシステムに限られます。公開検索では観測変化と他の説明を報告します。「A/B」比較を作るためだけに重複ページを公開せず、API 応答を消費者向け画面と同一視しないでください。

CH.06

短い編集確認で仕上げる

公開前に重要な主張と主な読書経路を確認します。関連内容が変わるか具体的な問題が出たときに、通過済みの確認をやり直します。

実務の作業表として使います。根拠がなければ未解決、含める理由がなければ該当なしと記します。型を満たすだけのために統計、専門家の引用、グラフを加える必要はありません。