AI アシスタントはどの事業を推薦するかをどう決めているのか

プロンプトから名前までの四つの段階

「マンチェスターの内装工事は誰に頼むべき?」というプロンプトは検索クエリではありません。何かを取得する前に、アシスタントはそもそもウェブが必要かを判断し、それから依頼を複数の具体的な検索に展開します。ふつうはカテゴリ語、地域の修飾語、そして「best」「reviews」「compare」といった意図の語の組み合わせです。OpenAI は ChatGPT の検索を、学習データだけで答えるのではなく、モデルとウェブの情報を組み合わせて情報源へのリンクを返すものとして説明しています（OpenAI）。

取得は候補集合を返します。ふつうは数十の URL で、そのうち作業中の文脈に収まるのはひと握りです。それらが選別されます。商業的な主張について信頼できると扱われる情報源もあれば、無視されるものもあり、発行者がクローラーを遮断したために除外されるものもあります。たとえば Claude のウェブ検索は、使ったページへの引用つきで答えを返します（Anthropic）。つまり情報源は荷重を支えており、検分できるということです。

次に来るのが、ほとんどの事業が考えたこともない段階、エンティティの解決です。アシスタントは「ノースゲート・インテリアズ」「ノースゲート・インテリアズ社」、そして業界誌の記事で名前なしに描かれた施工業者が同じ会社なのか、それとも違うのかを決めなければなりません。最後が合成です。モデルは二つから五つの名前を散文に書き込み、その順序は、取得された証拠に各候補がどれだけ強く、どれだけ一貫して現れたかで形づくられます。

どの段階も濾過です。クロールでき、レビューもよく、本当に最良の選択肢であっても、エンティティの解決で落ちることはあります。どの濾過が自分を取り除いたのかを診断するほうが、「AI 向けの最適化」についての一般論より役に立ちます。

第 1 段階 — 取得：まず取りに来られること、次に見つかること

取得に失敗すれば、その先は何も意味がありません。各アシスタントは自前のクローラーと索引を使い、関与するユーザーエージェントを公開しています。OpenAI は ChatGPT の検索でサイトを表示するための OAI-SearchBot を、学習用の GPTBot と並べて文書化しており（OpenAI）、片方を遮断することはもう片方を遮断することと同じではありません。AI の学習を避けようと 2023 年に書かれた robots.txt が、検索用のボットまで締め出している例は珍しくありません。これは自ら招いた排除で、どれだけコンテンツを作っても直りません。

アシスタントの背後にある索引も同じくらい重要です。Google は、検索における AI 機能が検索本体と同じ仕組みと索引に依拠しており、指針も同じ Search Essentials だと述べています（Google Search Central）。Microsoft Copilot は Bing の索引を受け継ぐので、クロール可能性、正規 URL、コンテンツの品質に関する Bing のウェブマスター向けガイドラインが有効な規則集です（Bing Webmaster Guidelines）。Perplexity は自前の取得を回して情報源を本文中に引用し、Publishers Program を通じて発行者との商業的な関係も築いています（Perplexity）。

それからクエリのずれがあります。アシスタントはあなたのマーケティングの語彙ではなく、利用者の語彙で検索します。自らを「統合ワークプレイス・ソリューション」と説明する事業は、「オフィス内装 施工業者 マンチェスター」「商業内装 会社 イギリス」「オフィス内装で最良の会社」といった展開に対して見えません。サービスページで、買い手が打ち込むのと同じ平易なカテゴリ語を使うことが、実際に走るクエリに対してページを取得可能にします。

ここで握れるもの：クローラーのアクセス、ページ単位のインデックス可能性、主要ページの新しさ、そしてアシスタントが生成しそうな検索表現に自分の用語が合っているかどうか。

第 2 段階 — 情報源の信頼：候補リストを決めるのはたいてい第三者のページ

文書が取得されても、それらは対等ではありません。アシスタントは独立した評価として読めるページに強く寄りかかります。ディレクトリ、レビュープラットフォーム、業界紙、比較記事、団体の会員一覧、マーケットプレイスのプロフィールです。そうしたページにこそ、競合する選択肢の一覧が載っているからです。ベンダー自身のサイトは詳細の確認には優れていますが、優位性の証拠としては使い物になりません。「当社は業界のリーダーです」は、モデルが割り引くよう学習してきた主張です。

だからこそ、実務上の候補リストはあなたのサイトが読まれる前に決まっていることが多いのです。あなたのカテゴリについてのまとめ記事が五本あり、そこに八社が挙がっていて、あなたがどれにも入っていなければ、アシスタントの候補集合はその八社です。あなたのサイトは、すでに挙がった名前を肉づけするために取得されるか、まったく取得されないかのどちらかになります。この非対称は居心地が悪いですが、手は打てます。「Y で最良の X」ですでに上位にあるページに一行を得るほうが、トップページをもう一度書き直すより先へ進めます。

情報源をまたいだ一貫性は、第二の信頼シグナルとして働きます。六つの独立したページが同じ言い方であなたを説明していれば、モデルはその説明を決着した事実として扱います。食い違えばモデルは言葉を濁し、濁されたエンティティは短い答えから落とされます。説明するのに語数がかかるからです。

新しさは多くのチームの予想以上に効きます。アシスタントは商業的な問いについて、日付の新しい文書を好みます。ですから電話番号が死んでいる 2019 年のディレクトリ掲載は、掲載がないより悪いのです。自分がどこに載っているかを点検し、古いプロフィールを直させるのは地味な仕事ですが、取得に直接効きます。この計測の側面はAI 可視性で扱っています。

• 候補リストを作るページ：カテゴリのまとめ記事、「ベスト◯選」、比較や代替を扱う記事、レビュープラットフォーム、業界ディレクトリ、団体の名簿。
• 詳細を裏づけるページ：サービスページ、価格ページ、事例、会社概要、構造化データ。
• あなたを損なうページ：連絡先が誤ったままの古いプロフィール、放置された重複掲載、もう提供していないサービスを説明するページ。

第 3 段階 — エンティティの解決：曖昧さのない一つの事業であること

モデルは言及の山を抱え、それをエンティティにまとめなければなりません。ここで、よく似た名称、社名変更、複数拠点、持株会社の構造が静かな損失を生みます。あなたの会社を支える証拠が中途半端な三つの身元に散っていれば、合計すれば十分でも、三つのどれも推薦するほど強くは見えません。

機械可読な身元は、使えるなかで最も安い処方です。Google の地域事業向けの構造化データのドキュメントは、実在する事業を説明する項目、つまり名称、住所、電話、営業時間、位置、価格帯を定めています（Google Search Central）。そして Schema.org の sameAs プロパティは、あなたのページを同じ実体を指す正規の参照先、たとえば公式プロフィールや知識ベースのページに結びつけるためにあります（Schema.org）。これらを埋めれば、どのクローラーにも同じ曖昧さのない自己申告が渡ります。

あとは規律です。法人名と屋号の型を一つに決め、どこでもそれを使うこと。タイトルタグ、ディレクトリのプロフィール、LinkedIn の説明で同じカテゴリ語を保つこと。第三者の掲載にある住所と電話番号が、自社サイトと一字一句一致していること。拠点が複数あるなら、ドロップダウンで切り替える一枚ではなく、拠点ごとに索引されるページと構造化データを持たせること。

アシスタントは共起によってもエンティティを解決します。あなたの名前の近くに現れるブランド、技術、認証、顧客の種類です。取得された証拠の中に、プロンプトの具体的なサービスとあなたを結びつけるものが何もなければ、あなたは業界の一般的な会社として解決されます。取得はされるが、具体的な問いの答えには決してならない存在です。

第 4 段階 — 合成：候補リストが一文になるまで

合成の段階で、モデルの手元には取得した五千語から二万語ほどの文章があり、そこから百二十語を作らなければなりません。すべては圧縮が決めます。明示的で引用できる記述に支えられた候補は生き残り、推論を要する候補は切られます。モデルには議論する余地がないからです。

取得された文脈の中の位置には測定できる効果があります。Liu らは、言語モデルが長い入力の先頭または末尾に現れた情報を最もよく使い、該当箇所が中ほどにあると正確さが目に見えて落ちることを示しました（Liu ほか「Lost in the Middle」）。実務的にはこれが構成に報います。ページの節の一文目で述べられた主張や、はっきり見出しのついた比較表にある主張は、九段落目にある同じ主張よりはるかに圧縮を生き延びます。

答えの形は情報源の形にも従います。取得された文書が比較記事なら、比較が返ってきます。レビューページなら、評判が返ってきます。ある情報源がすでに市場を「大企業向け三つと低価格帯二つ」と枠づけていれば、アシスタントはその枠を再現し、そこに名前を差し込む傾向があります。最良の営業文句を書く人より、取得される枠づけを書く人のほうが影響力を持ちます。

最後に、モデルにはあなたの名前を挙げる理由が要ります。「ISO 27001 認証を持つため規制業種に向く」は、アシスタントが持ち上げて擁護できる一文です。「受賞歴があり顧客本位」はそうではありません。買い手が絞り込みに使う具体的で検証できる条件、業種、案件規模、地域、法令順守、連携、納期を公開することが、あなたを引用できる存在にする差別化要因を供給します。

なぜ同じプロンプトでアシスタントごとに答えが違うのか

食い違いは無作為ではなく構造的です。Copilot は Bing の索引から答え、Gemini の AI 機能は Google の検索の仕組みと索引の上で動き（Google Search Central）、Perplexity は自前の仕組みで取得して本文中に引用し、Claude はウェブを検索してそこから引いた主張に引用を付け（Anthropic）、ChatGPT の検索はモデルとウェブの情報を組み合わせて外部にリンクします（OpenAI）。索引が違えば含まれる文書も違い、更新の周期も違います。同じ問い、違う証拠です。

その上にさらに四つのばらつきの源が乗ります。クエリの展開が違うので、実際に走る検索も同じではありません。サンプリングによって生成は決定的でなくなり、同じアシスタントでも二度続けて違う順序を出しえます。地域推定によって結果は動きます。そして個別化、つまり会話履歴や記憶の機能は、その人が以前話題にしたブランドへ答えを傾けることがあります。

運用上の帰結は、一度きりの抜き取りではほとんど何も分からないということです。推薦されているかを知るには、買い手の意図を反映した同じプロンプト群を、複数のアシスタントで、販売先の地域から、繰り返し実行し、そのつど引用元を記録する必要があります。Growli がしているのはまさにそれです。アシスタントごとに言及、比較、推薦を追い、その答えがどの情報源から組み立てられたかを示し、差分を順位づけした修正一覧に変えます。詳しくは仕組みのページをご覧ください。

診断も同じ四段階に沿います。どこにも取得されない? ならクローラーのアクセスかクエリのずれを疑います。取得はされるが名前が挙がらない? なら情報源の信頼かエンティティの曖昧さを疑います。名前は挙がるが説明が誤っている? なら特定の古い情報源が勝っており、それは引用から特定できます。

段階ごとに、実際に手を入れられること

このパイプラインで説得に応じるものはほとんどなく、証拠に応じるものがほとんどです。仕事は段階できれいに分かれるので、全部を一度にやるのではなく、その順で進める価値があります。

取得の段階で握れるのは技術と言葉です。使いたい検索クローラーを許可し（各プラットフォームが文書化しているユーザーエージェントを確かめて）、商業的に重要なページを索引可能で最新に保ち、買い手が打ち込む平易なカテゴリ語を使うこと。情報源の信頼の段階で握れるのは外部です。自分のカテゴリの問いですでに上位にあるまとめ記事やディレクトリに入り、古いプロフィールを直し、あなたについての独立した説明どうしを一致させること。

エンティティの解決の段階で握れるのは構造です。命名の型を一つに、連絡先をどこでも一致させ、LocalBusiness か Organization の構造化データを入れ、正規のプロフィールへ sameAs を張ること。合成の段階で握れるのは編集です。節の一文目で条件となる事実を述べ、表を伴う比較の形をしたコンテンツを出し、モデルが安心して引用できる検証可能な差別化要因を与えること。

どれも小手先ではありませんし、どれも永続もしません。索引は更新され、競合は公開し、アシスタントは予告なく取得のふるまいを変えます。ですから計測の輪は修正と同じくらい重要です。一貫して推薦される事業とは、その証拠の基盤が見つけやすく、信頼しやすく、他の誰とも取り違えようがない事業です。

FAQ