マーケ学習

この記事の要点 「大量生成されたコンテンツの不正使用」は、2024年3月にGoogleが正式に定義したスパムポリシーの一つで、人が書いた文章でもAIが生成した文章でも区別なく対象になります Googleが問題にしているのは、ユーザーの役に立たないページを大量に作る「やり方」であり、AIというツールそのものではありません このポリシー違反で処分を受けたサイトは、Google検索の順位だけでなく、AI OverviewsやChatGPTの引用からも表示されなくなるケースが実際に確認されています 「AIで記事を量産すると、そのうちGoogleに消される」——SEOをかじったことがある人なら、一度は聞いたことがあるフレーズだと思います。でも、これが実は正式に名前のついたGoogleのポリシーだと知っている人は、意外と少ないんじゃないでしょうか。 「大量生成されたコンテンツの不正使用」って、結局何のこと？ Googleのスパムポリシーのドキュメントには、こう書かれています。 大量生成されたコンテンツの不正使用とは、ユーザーをサポートすることではなく、検索ランキングの操作を主な目的として大量のページを生成することを指します。この不正行為は通常、ユーザーにとってほとんどまたはまったく価値がなく、独自性のないコンテンツを、その作成方法は問わず、大量に作成することに特化しています。 ポイントは「その作成方法は問わず」という一文です。つまり、AIで書こうが、人が手で書こうが、外注ライターに大量発注しようが、関係ありません。Googleが見ているのは「誰が/何で作ったか」ではなく、「なぜ、そのページが存在するのか」です。 実は、このポリシーには前身がある このポリシー、2024年3月に突然できたわけではありません。それ以前は、もっと狭い範囲の「自動生成コンテンツ」を対象にしたポリシーがありました（当時の正式な日本語表記は未確認のため、ここでは概要のみ紹介します）。当時は「プログラムで自動生成された、独自性のないコンテンツ」に焦点が当たっていて、要は「作り方」を問題にしていたんです。 2024年3月、大型のコアアップデートと同時に、Googleはこのポリシーを「大量生成されたコンテンツの不正使用」という名前に改め、「その作成方法は問わず」対象になると明言しました。この更新によって、Googleは低品質・独自性のないコンテンツを検索結果から45%減らしたとも発表しています。 正直、ここが一番見落とされがちなポイントだと思っています。Googleがポリシーの名前を変えたのは、AIツールの性能が上がったからではありません。「人が量産しても、AIが量産しても、読者にとっての問題は同じ」だと気づいたから、名前を変えたんです。主語は常に「ツール」ではなく「パターン」だった、ということです。 じゃあ、具体的に何がアウトなの？ 定義だけ聞いても、正直ピンとこないですよね。SEOリサーチャーのLily Ray氏が、AIコンテンツ量産ツールを導入していることを公表している220以上のサイトを追跡調査したところ、トラフィックが大きく落ちたサイトほど、共通するページの型が繰り返し出てきていました。8つほどの型が確認されていますが、整理すると、実質は3つのパターンに集約できます。 リスクが集中する3つのパターン これらの型自体が、単体で即アウトというわけではありません。リスクが生まれるのは、同じ型を差別化ゼロのまま何百、何千ページと繰り返したときです。これはまさに、Googleのポリシーが名指ししているパターンそのものです。 実際のサイトで、どう表れているのか 定義や事例を並べるだけでは、正直「本当に起きているの?」という疑問は消えません。ここでは、性質の異なる2つのソースを突き合わせてみます。 220サイトに共通するパターン Lily Ray氏は2026年5月の分析で、AIコンテンツ量産ツールの導入を公表していた220以上のサイトを、AhrefsとSistrix Visibility Indexの外部データを使って追跡しました。ピーク時から下落したサイトの内訳は次の通りです。 ピーク時からの下落幅 該当するサイトの割合 30%以上 54%（5割超） 50%以上 39%（4割弱） 75%以上 22%（2割強） Ray氏自身も、これは相関関係であって因果関係を証明するものではないと明言しています。アルゴリズムの変更以外にも、サイト側の変更や競合状況など、複数の要因が絡んでいる可能性があるためです。個別のベンダーやドメイン名もあえて公表していません。それでも見えてくる型は共通していて、ページ数が急増 → 3〜6ヶ月ほどでトラフィックがピーク → その後1年以内に急落してピーク以前の水準まで戻る、という流れです。 手動対策という「現場」の実例 パネルデータが示すのは「多くのサイトに共通する傾向」ですが、実際に処分を受けた1サイトの前後データを見ると、その傾向が現場でどう起きるのかがよく分かります。SEOアナリストのGlenn Gabe氏が取り上げた事例では、NationalToday.comというサイトが、自社の1ディレクトリだけで85万件以上のAI生成ローカルニュース記事を公開していました。このセクションはGoogleニュースやトップニュース、Discoverにも表示されていましたが、Futurismがこの件を記事化した後、Googleは「大量生成されたコンテンツの不正使用」を理由に手動対策を適用し、該当ディレクトリはインデックスから丸ごと除外されました。 この事例が興味深いのは、手動対策そのものよりもその後の展開です。Gabe氏は、処分の前後で同じプロンプトをChatGPTに投げて比較したところ、該当コンテンツの引用が減っていたことを確認しています。AI検索ツールの多くはGoogleのインデックスを参照して回答を生成しているため、Google検索での処分がChatGPT側の露出にも波及した形です。また注目したいのは、手動対策の範囲が問題のディレクトリだけに限定されていて、ドメイン全体には及ばなかった点です。他のセクションは通常どおり順位を維持していました。 この2つが示している、本質的に同じ現象 パネルデータと手動対策の事例は、手法としては全く違います。片方は220以上のサイトを外部ツールで追跡した統計、もう片方は1サイトの明確な処分事例です。それでも、突き合わせると同じ現象を別の角度から見ていることが分かります。パネルデータでは、トラフィックの下落は該当ページが集中するサブフォルダに偏って起きていました。NationalTodayの事例は、その理由を裏付けています——Googleの手動対策は、問題のディレクトリだけに絞って適用されていたからです。これは「AIコンテンツ=危険」という単純な話ではなく、大量生成されたコンテンツの不正使用は、サイト全体への一律の判断というより、特定のパターンに対するピンポイントな対応として運用されている、ということを示唆しています。大きなサイトの中でリスクを部分的に切り分けたい人にとっては、ここが重要な違いです。 データの限界について ここで紹介した数値や事例は、あくまで傾向であり、絶対的な数字ではありません。AIプラットフォーム側の挙動は公開情報が乏しく、標準化されたレポートも存在しません。調査者やツールによって計測方法やサンプル数も異なります。パーソナライズの影響もあるため、1つの事例がすべてのサイトに当てはまるわけでもありません。業界や地域、検索クエリの種類によっても結果は変わります。この分野は研究の公開速度より変化のスピードのほうが速いため、ここで紹介した内容も「計測した時点では正しかった」情報として扱ってください。小規模な事例（本記事で紹介したものも含む）は、あくまで「こういう傾向がある」ことを示すものであり、業界全体の絶対的な基準として捉えるべきではありません。 コンテンツマーケターやSEO担当者にとって、これは何を意味するのか Googleの立場と、ここまでの事例を合わせて考えると、ある結論が見えてきます。AIツールが賢くなればなるほど、「どのページを公開すべきか」を判断する力の重要性は、下がるどころか、むしろ上がるということです。Googleのポリシー自体が「誰が/何で作ったか」ではなく「意図と結果」で判断すると明言していて、Ray氏とGabe氏の調査が示しているのも、処分を受けたサイトが必ずしも「質の低いAIツール」を使っていたわけではない、という点です。むしろ、同じレベルのツールを使っていても、1ページごとに読者に提供できる価値を増やせていたかどうかで、明暗が分かれていました。 ここで一つ、正直に言っておきたいことがあります。この記事で紹介した根拠だけでは、「編集判断さえ良ければ処分を避けられる」とまでは証明できません。サイトの過去の評価や業界、競合の状況など、Ray氏やGabe氏の調査ではコントロールできていない要因も他にあります。ここまでの根拠が裏付けているのはもう少し狭い範囲です——Ray氏のパネルとGabe氏の事例には、差別化のない量産という共通パターンがあり、Googleのポリシー自体もそのパターンを名指しで対象にしている、ということです。 実務的に言うと、「早く量産できるかどうか」は、AIが登場する前から、そもそも正しい問いではありませんでした。AIは、その問いをちゃんと考える前に量産できてしまう「コストの壁」を取り払っただけなんです。 じゃあ、代わりに何をすればいいのか 私が実際にコンテンツを企画するときの判断基準 私が実際にコンテンツを企画するとき、公開の可否を判断する基準はこれです。「早く作れるかどうか」ではなく、「検索結果に既に書かれていないことを、この記事は言えているか」 これは成果を約束するものではなく、あくまで判断のためのフィルターです。ただ、ここまで見てきたGoogleのポリシーや調査結果とも、方向性はぴったり重なっています。 … Read more

読み終わったあとに持ち帰れること AIがコンテンツを「知る」経路は、トレーニングとリアルタイム検索の2種類ある リアルタイム検索には5つのステージがあり、GEOが効くのはそのうちの後半2つだけ ChatGPT・Gemini・Claude・Perplexityはそれぞれ異なる検索インデックスを参照している 「Googleで上位表示＝AIに引用される」は成立しない。インデックスと引用選択は別のシステム 引用されやすいコンテンツの要因は、査読済み学術研究と複数の大規模実測データで確認されている 「GEOをやりましょう」という話が増えてきました。マーケティング担当者だけでなく、ブランドオーナーや経営者からも同じ言葉を聞くようになっています。 ただ、正直に言うと、GEOとは何を最適化しているのか、正確に説明できる人はまだ少ない。「AIに引用されるようにコンテンツを整える」というのは正しい。でもその前に、AIがどういう仕組みでコンテンツを参照しているのかを理解しないと、施策が的外れになります。「Braveに登録しよう」「llms.txtを入れよう」。どちらも間違いではないのですが、なぜそれをするのかが分からないまま動くのはリスクです。 ブランドオーナーの方へ、先にひとつ。GEOは「新しい施策」ではありません。土台はSEOです。これまでコツコツ積み上げてきたSEOの資産が、AI時代の可視性にそのままつながっています。新しいものを追いかける前に、その話を先にしておきたい。 この記事では、AIがコンテンツを参照するプロセスを3つの層に分けて整理します。SEO担当者にとっては施策を評価するための地図として、ブランドオーナーにとっては投資の優先順位を判断するための視点として、使ってください。 AIはどうやってコンテンツを「知っている」のか AIチャットボットがあなたの質問に答えるとき、その知識は2つの経路から来ています。 ひとつは、モデルが公開される前の学習（トレーニング）で焼き付いた知識。もうひとつは、質問が来たときにリアルタイムで検索して取ってくる情報。この2つは、まったく別のシステムです。 「AIに覚えさせる」「AIに学習させる」という言葉が広まったせいで、この2つが混同されています。GEOを正しく考えるには、まずここを切り分けることが先です。 GEOとは何か AIの回答に自分のコンテンツが引用・参照される確率を高めるための最適化。ただしAIがコンテンツを参照するプロセスは一段階ではなく、3つの層に分かれている。どの層に何が起きているかを理解しないまま施策を打っても、空振りになる。 第1層：トレーニングデータ（モデルに焼き付いた知識） AIモデルは公開される前に、膨大なウェブデータを使って学習しています。その中心になるのがCommon Crawl。2008年から運営している非営利団体が提供する公開ウェブアーカイブで、GPT-3ではトレーニングデータ全体のトークンの80%以上がここから取られていました。 Common Crawlはリアルタイムではなく、定期的なスナップショット形式でデータを収集・公開しています。これがカットオフ（知識の締め切り日）が構造的に存在する理由です。カットオフ以降の情報は、この層には存在しません。 自分のサイトがトレーニングデータに含まれているかどうかを確認する方法はありません。GPT-4のトレーニングコストは1億ドルを超えているとSam Altmanが発言しているように、モデルのトレーニングは数ヶ月〜数年単位の大規模プロセスです。個人や企業が後から「学習させる」ことは、仕組み上できません。 この層は、現実的に最適化できる層ではありません。 「AIに学習させる」という表現は正確ではない コンテンツを公開しても、それが現在稼働中のモデルの学習データに追加されるわけではない。トレーニングは大規模なプロセスであり、その対象データを外部からコントロールする手段は現時点で存在しない。 第2層：リアルタイム検索（クエリ時に起きること） リアルタイム検索が発動するとき、AIは単純に「検索して表示する」わけではありません。AI検索システムの研究によれば、すべてのAI検索は共通の5段階パイプラインで動いています。 ステージ 名称 何が起きるか 1 質問の理解 クエリを解釈し、エンティティを特定。検索を発動するかどうかもここで判断される 2 クエリのファンアウト 1つの質問を複数の内部サブクエリに展開。ニッチなコンテンツが広いクエリに引っかかる理由はここにある 3 取得（Retrieval） サブクエリを検索インデックスに問い合わせ、候補ページを取得。どのインデックスを使うかはAIによって異なる 4 再ランキング（Re-ranking） 取得した候補を、引用に適しているかという観点で再評価。ここで検索順位と引用が切り離される 5 生成（Generation） 上位の候補からAIが回答を生成し、引用を付ける このパイプラインを見ると、「インデックスに登録されること」と「引用されること」がまったく別のことだと分かります。ステージ3（取得）はインデックスの話。ステージ4・5（再ランキングと生成）は、コンテンツの質の話です。 各AIはどのインデックスを参照しているか ステージ3で参照するインデックスは、AIごとに異なります。 AIチャットボット 検索バックエンド インデックス管理者 確認済み一次ソース ChatGPT Bing … Read more

2026年6月3日、GoogleはSearch ConsoleにAI検索専用のパフォーマンスレポートを追加しました。AIオーバービューやAI Modeでの自サイトの表示状況が、独立したビューで確認できるようになります。 生成AIパフォーマンスレポートとは Googleは公式ブログで発表した通り、Search Consoleに「生成AIパフォーマンスレポート」を追加しました。これまで通常のパフォーマンスレポートに混在していたAI検索面でのインプレッションが、専用ビューとして独立します。 対象はSearchとDiscoverの2面です。SearchレポートではAI OverviewsとAI Mode、DiscoverレポートではDiscoverの生成AI機能がカバーされます。現在は一部サイトへの限定ロールアウト中で、段階的に展開される予定です。 これらのレポートは一部のウェブサイトに順次展開しており、広く公開する前に徹底的なテストを行い、フィードバックを収集しています。 Google Search Console ヘルプドキュメント このレポートで何がわかるのか 新レポートで確認できるのは、インプレッション（AI検索面にURLが表示された回数）、ページ（表示された具体的なURL）、国、デバイス（Searchのみ）、そして時間・日・週・月単位での日付推移の5項目です。 既存のパフォーマンスレポートのデータは変わりません。このレポートはAI面に絞った専用ビューとして追加されたものです。 現時点で確認できること・できないこと ✅ 確認できる：インプレッション、ページ、国、デバイス、日付❌ 確認できない：クリック数、クエリ（検索語句） なぜ今このレポートが必要だったのか AI Overviewsが2024年にアメリカで本格展開されて以降、サイトがAI検索面にどれだけ表示されているかを公式データで把握する方法がありませんでした。Search Console上では通常の検索結果とAI面のデータが混在したまま集計されており、AI検索への露出を切り分けることができない状態が続いていました。 今回のレポートはその空白を埋める第一歩です。Googleが「AI面での可視性」を独立した計測対象として公式に位置づけたことで、サイト運営者は初めて自分のコンテンツがAI検索でどう扱われているかを確認できるようになります。 AIを活用したマーケティングの実践については、AIを使ったマーケティングの基礎もあわせてご覧ください。 デジタルマーケターとして、このレポートをどう受け取るべきか 「AIオーバービューに掲載されたページ数」が初めて公式に可視化される指標になりました。クライアントレポートやサイト分析の場面で、AI検索面での露出を数字として示せるようになります。 また、AI検索面でのインプレッションとクリックは切り離されています。ページがAIオーバービューに掲載されても、ユーザーが必ずしもサイトに訪問するわけではありません。現時点では「Googleの生成AIが自分のコンテンツを関連性ありと判断しているか」の確認ツールとして捉えるのが現実的です。 デジタルマーケティングの独学ロードマップでは、こうした変化に対応するための学習の順序についても整理しています。 現時点での制限と今後の展望 まだ全プロパティへの展開は完了していません。クリックとクエリのデータについてはGoogleが「追加指標は順次対応予定」としていますが、時期は明示されていません。Search Labsで現在実験中の機能もデータから除外されます。 Googleは今後もサイト運営者からのフィードバックをもとに、レポートの内容を拡充していくとしています。 自分のサーチコンソールで確認する方法 現時点では一部のサイトオーナーへの限定ロールアウト中です。グローバル展開の時期はまだ明示されていませんが、テスト完了後に順次拡大される予定です。 レポートが届いた場合は、Search Console内の「パフォーマンス」から「検索結果」を開き、「Generative AI」タブから確認できます。タブが表示されない場合はロールアウト待ちか、サイトがAI検索機能から除外設定になっている可能性があります。

SEOって独学でできるの？できるとしたら、どう進めればいい？ 私がSEOを学びはじめたとき、まず困ったのは情報の多さではなく、順番がわからないことでした。何を先に知ればいいのか、どこまで理解したら次に進んでいいのか。それがわからないまま調べていると、気づけば関係ないことまで読んでいたりします。 この記事では、私が代理店でSEOの実務に携わるなかで「最初にこの順番で学べばよかった」と思う流れを、そのままお伝えします。リソースも絞っています。多く紹介するより、なぜそれを選ぶかを伝えるほうが、はじめての方には役立つと思っているからです。 まず「なぜ学ぶか」を整理する 勉強をはじめる前に、一度立ち止まって考えてほしいことがあります。何のためにSEOを学ぶか、です。 これは精神論ではなく、実用的な話です。目的によって、どこまで学べばいいかが変わるからです。 自分のサイトやブログを育てたいなら、基礎を理解したうえで実際に手を動かすことが早道です。SEO職への転職を目指しているなら、概念の理解だけでなく、面接で話せる実績をどう作るかも考えながら学ぶ必要があります。フリーランスとしてSEO案件を受けたいなら、クライアントのサイトを任される前に、自分のサイトで一通り試しておくことが信頼につながります。 どの目標でも、学ぶ順番は大きく変わりません。ただ、自分のゴールを意識しておくと、「ここまで理解できたら次に進もう」という判断がしやすくなります。深追いしすぎて前に進めない、という状況を避けるためにも、はじめに確認しておく価値があります。 基礎の概念を理解する まず「順番通りに読める」リソースを選ぶ SEOの基礎は、時間をかけて理解するものです。最初からすべてわかる人はいません。私も最初はそうでした。 この段階で大事なのは、ツールの使い方より先に、概念を正しく理解することです。検索エンジンがどうやってページを見つけるか、キーワードとは何か、なぜあるページが上位に表示されるのか。このあたりの「仕組みの話」が頭に入っていると、あとから学ぶことがどこにつながるかわかるようになります。 リソース選びで一つ伝えておくと、ブログ記事を手当たり次第に読むより、構造のある読み物を一冊通して読むほうが、理解の質が変わります。断片的な知識が積み上がっても、つながりが見えないままになりやすいからです。 Ahrefs SEO ガイド（ahrefs.com/ja/seo） まずここから読んでほしいリソースです。無料で、日本語で、SEOの基礎を体系的に学べます。 私がこれを勧める理由は、構成が論理的な順番になっているからです。前の章で学んだことが次の章の前提になっている。ブログ記事のように「知っている前提」で書かれていないので、はじめての方でも置いていかれる感覚がありません。 私がSEOを学んでいた頃、日本語でこういう構成のリソースはなかなか見つからなかったので、今これがあることはありがたいと思っています。 読み方は上から順番に、です。気になるところだけ拾い読みするより、通して読んだほうが後々つながります。 Google 検索セントラル Ahrefsのガイドを読み進めながら、疑問が出たときに参照してほしいのがここです。 ブログ記事やYouTubeで語られているSEOの情報は、突き詰めるとすべてここに書いてあることの解釈です。解釈は人によって違いますが、一次情報は変わりません。最初から一次情報に触れておくと、後から「あの情報は古かった」「あの解説は誤解が入っていた」と気づいたときのブレが小さくなります。 私は今でも、アルゴリズムの変更があったときや、クライアントへの説明が必要なときに、ここに戻るようにしています。 全部を最初から読む必要はありません。Ahrefsのガイドを読んでいて「これってどういう意味？」と思ったとき、検索してここにたどり着く、という使い方で十分です。 基礎を固めたら、あとは自分で広げる この二つを読み終えた頃には、自分がどんな情報に興味があるかが少し見えてきます。テクニカルSEOに引っかかりを感じる人もいれば、コンテンツの作り方に関心が向く人もいます。 そのタイミングで、X（旧Twitter）で気になるSEO担当者をフォローしたり、コミュニティに入ってみたりするのがちょうどいい。誰を参考にするかは人によって違うので、ここでは特定の名前は挙げません。基礎ができてから探す方が、情報の取捨選択もしやすくなります。 実践に移る — 読むより、手を動かす 本を読んでSEOを知ることと、実際にやってみることは、別の話です。 ある時点で、「理解できた気がするから次に進もう」ではなく、「実際にやってみる場所を見つけよう」に切り替える必要があります。どんな環境でも構いません。大事なのは、自分が決めたことに対して結果が返ってくる状況に身を置くことです。 「まだ準備ができていない気がする」と感じているなら、それはほぼ準備ができているサインです。多くの方が、基礎の段階を必要以上に長くとってしまいます。 自分に合った実践の場を選んでください。 自分のサイト・ブログを作る テーマもキーワードも構成も、すべて自分で決められます。失敗しても自分のサイトなので、思い切ったことが試せます。結果が出るまで時間がかかるのが難点ですが、プロセス全体を一人で経験できるのは大きな強みです。後から就職や案件獲得を目指すときの実績にもなります。 インターン・アルバイト 実務経験者のそばで学べる環境は、独学の速度とは別物です。実際のクライアントがいて、締め切りがあって、フィードバックが返ってくる。その繰り返しが、知識を判断力に変えていきます。マーケティング系のインターンを探してみると、SEOに関わる機会がある職場も見つかります。 就職・転職 独学を続けている方の多くが、最終的にここを目指しています。入社してから学べることの量と質は、独学とは段違いです。独学の目的は「就職できるレベルまで持っていくこと」と割り切ると、何を学べばいいかも明確になります。転職を考えている方向けには、[別の記事で採用側の視点も書いています]（内部リンク：転職記事）。 副業・フリーランス 誰かのサイトを任されるプレッシャーは、学習速度を一気に上げます。自分のサイトと違って、相手の期待に応える必要があるからです。ただし、基礎がある程度固まってからの話です。準備不足のまま引き受けると、クライアントにも自分にも良くない結果になりやすい。 社内で兼務担当になる 今すでに働いている方にとって、意外と見過ごされがちな選択肢です。会社のブログ更新を任された、検索流入を改善してほしいと言われた、そういう機会は実は大きなチャンスです。実際のサイト、実際のアクセスデータ、実際の上司からのフィードバック。転職や副業よりも低リスクで実践できます。 知人や団体のサイトを手伝う 友人が個人でやっているお店、地域の団体、NPOのサイトなど。本物のサイトで経験を積みながら、失敗しても取り返しのつく環境です。「誰かの役に立てる」という感覚は、モチベーションの維持にも効きます。 スクール・講座の実習 スクールそのものの評価はここでは置きますが、実習がある講座に入っているなら、その課題は手を抜かずにやるべきです。構成された環境より、実際に手を動かした回数の方が、後から効いてきます。 学び続ける — SEOは変わり続ける SEOはアルゴリズムの変更があるたびに、少しずつ変化します。最近では、AI Overviewsの広がりによって、検索結果の見え方自体が変わってきています。 … Read more