AI検索での可視性をモニタリングするための最適なプロンプトの選び方

回答を分析する際、実行可能なアクションステップを特定することを重視しています。

たとえば、カスタムプロンプトの追跡のような新機能をリリースしたとき（メタなのは承知です）、AIの回答が「Ahrefsに今この機能がある」ことを反映しているのか、それとも古い情報源を参照しているのかを把握したいのです。

複数のAIプラットフォームをモニタリングすると、（SEO担当者が従来重視してきた）Google だけで目立つサイトに限らず、Bing、Brave Search、カスタムインデックス全体でのブランド言及を把握できます。

回答の正確性に加えて、私たちは主に、つながりを持つべき引用頻度の高いWebサイト、より網羅的に扱うべき頻出のSEOプラットフォーム機能やユースケース、そして主要な提供価値における競合との位置づけを確認しています。

とはいえ、私たちはカスタムプロンプトの追跡だけに注力しているわけではありません。

また、サーバーログにおけるAIボットの活動、AIプラットフォームからのトラフィック、従来の検索パフォーマンス、そしてブランドレーダーにある数千万件のプロンプトから得られるインサイトも、私たちのモニタリングの一部を構成しています。

プロンプト追跡全体をどう捉えるかにおいて重要な要素なので、似たポイントをグルーピングする話をもう少し掘り下げましょう。

次の正規表現（regex）を使うと、長さが6語以上のクエリをすべて見つけられます：^(\S+\s+){5}\S+。必要に応じて「5」をより大きい数に変更してください。

サイトを作ったばかりで検索トラフィックがまだ少ない場合や、単に別の業界をリサーチしている場合でも、Ahrefsのキーワードエクスプローラーのフィルターで同じ語句を使えます。

推定検索ボリュームがAIチャットのボリュームに完全に一致することはありませんが、このアプローチなら、一般的にどのトピックが人気かの目安はつかめます。

ここではRedditが最も目立つドメインですが、Facebook、Quora、Steam Community、そして他にも何千ものサイトが見つかります。

アドレスバーに &udm=18 という特定のパラメータを追加すると、SERP の機能が結果に表示されるのをただ期待するのではなく、トピックに関連するフォーラムを直接検索できるようになります。

質問にコメントがたくさん付くのは良いことですが、私が基本的に見ているのは、最も頻繁に現れる切り口です。

そのページがまだどのクエリでも順位が付いていない場合は、その部分を Ahrefs のキーワードエクスプローラーなどのデータに置き換え、既知の検索ボリュームとあわせて狙っている用語を共有できます。

SEOの多くのことと同様に、この考え方はさらに一段階レベルアップできます。

ここ数か月、Metehan Yesilyurtの発信を楽しく読んでいます。彼はGSCデータをより長いクエリに変換するためのガイドで、さらに踏み込んだプロンプトを考案しています。

彼は、通常の検索語をLLM風のプロンプトへ変換するためのカスタムツールを、まさにその目的のために作りました。

配慮のため全体は共有しませんが、app.py ファイルからサンプルを紹介します。

Metehan も、ビフォーアフターの例は具体的であるほど良い、という点には同意すると思います。

業界に関連する質問を Perplexity に投げると、各チャットの最後に関連するフォローアップクエリが提案されるのが便利です。

私はPerplexityに連絡して、これらが過去に実際に尋ねられたクエリを使っているのかどうかを尋ねました。

元のクエリ と その検索結果を使うAIモデルによって生成されると聞きました。要するに、そのデータから次に自然に続くであろう質問を、このモデルが予測しているのです。

目的上、過去のクエリに基づいていないのは少し残念ですが、Perplexity はできるだけ関連性の高いものにしたいはずなので、それでも調べる価値はあると感じています。

見出しをクリックして展開すると、Googleはさらに多くの候補クエリを提示します。

あまり詳しくない業界を調べるときは、こうした質問をそのまま使って、どのブランド、ドメイン、回答タイプが時間の経過とともに最も頻繁に登場するかを見ることがよくあります。

より本格的な仕事や個人プロジェクトでは、これらを土台にして発展させていきます。その方法のいくつかは、キーワードエクスプローラーの「質問」タブのセクションで紹介します。

分析を大規模に行いたい場合は、Ahrefs ツールバーとDetailed SEO Extensionの両方を使って、「他の人はこちらも質問」の複数階層の見出しを自動で抽出できます。

これらはそれぞれ個別にクリックして、修正したいクエリを見つけ、そのまま追跡を継続できます。

例えば、最近特定の地域向けのコンテンツ作成を始めたなら、該当国でそれらの用語を追跡したり、プロンプト内で国名を明記したりできます。

更新頻度は、毎日・毎週・毎月など、任意の頻度に細かく設定することもできます。

従来のウェブアナリティクスに加えて、サーバーログも深掘りできます。

以下は、ChatGPT-User が7日間にわたり Detailed.com 上のページをリクエストしたタイミングを示しています。

これはウェブを継続的にクロールするボットではありません。代わりに、ユーザーが ChatGPT やカスタム GPT に質問したときに使用され、そのページが回答生成の助けになる場合があります。

従来の検索ボットに加えて、Perplexity-User（Perplexity）、DuckAssistBot（DuckDuckGo）、MistralAI-User（Mistral）などからのリクエストも確認できます。

その後、このガイドの提案に沿って、次のようなプロンプトのアイデアを得られます。

• Google Search Consoleで、そのページにトラフィックをもたらしている検索語句を確認する

• オーガニックで上位表示できている場所にも表示される、関連性の高い「他の人はこちらも質問（People Also Ask）」を見つける

• そのページを見つけるために人々が尋ねそうな関連質問を、LLM に聞く

どちらのソースもそれぞれ単体で役に立ちますが、組み合わせるための追加のデータポイントがあると便利です。

このツールのもう 1 つの利点は、サイト内に存在する可能性のあるコンテンツギャップを浮き彫りにできることです。単に、それらのトピックに関連するページがサイトにないために表示されていないだけ、という場合もあります。

もちろん、ここには「引用されたい」とはおそらく思わない語句も含まれているはずです。

使っているプラットフォームによっては、「What is carpentry?（大工仕事とは？）」がウェブ検索や参照元リンクなしで回答されることもあります。

オンラインの大工学校を運営している場合や会社設立サービスを提供している場合は、「大工の会社を始める方法」のように常に検索されるフレーズを取り上げ、バリエーションを 1 つのクラスターとして追跡するとよいでしょう。

自社ブランドについては、次のような観点の回答を追跡できます。

• 現在の料金

• 価格の手頃さ、信頼性、快適性など、顧客にとって重要な優先事項

• 特定の機能を提供しているかどうか

• よくある不満

• 主要な競合と比べて自社がどの位置にいるか

Notebook Agency の創業者 Steve Toth は、ブランドに対する AI の見立てが現実と一致しているかを確認することを強く推奨しています。

彼は、クライアントと仕事をする際に、ヘルプドキュメント、営業通話の文字起こし、プライベートな通話、さらにセールス・バトルカードのような追加リソースのデータを活用して、LLMにおいてどう表現されたいかを理解できる、と私に話してくれました。

そこから彼のチームは、意思決定を左右する質問のプロンプトを作成し、回答の正確性を測定します。食い違いが見つかった場合は、自社サイトや他サイトに追加コンテンツを用意して、その内容に影響を与えようとします。

これらに対応するには、カスタマーサポートのチャット、広告データ、社内サイト内検索（ブログ記事、ヘルプドキュメントなどを横断）など、思いつく限りの社内データソースをできるだけ多く活用しましょう。

この方法に踏み込むつもりがないなら、「完全な」ペルソナを作るのではなく、用語をパーソナライズするシンプルな式をMark Williams-Cookが共有していて、私はそれが気に入りました。

彼は LLM に対して、「私が［Persona］として［Keyword］を探しているなら、何を検索するだろう？」という形でプロンプトを投げかけます。

これは試してみると面白いのですが、先ほど述べたように、これらが本当のパーソナライズとどれほど一致しているかはわかりません。