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。

例えば、「カスタムプロンプト追跡」といった新機能をリリースする際、AI の回答に Ahrefs にその機能が加わった事実が反映されているのか、それとも引き続き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、私たちは主に、次の点に注目しています。頻繁に言及されており、関係性を築くべきウェブサイト。頻繁に紹介されている SEO プラットフォームの機能や活用事例で、より網羅的な情報を掲載すべきもの。そして、主要な提供サービスに関して競合他社と比べた自社の立ち位置です。

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。

私たちのモニタリングの対象には、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内の数千万件ものプロンプトから得られるインサイトが含まれます。

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、単に別の業界について調べているだけの場合でも、Ahrefs のキーワードエクスプローラーツールのフィルター機能で同じキーワードを使用することができます。

推定検索ボリュームが AI チャットの利用量と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、トピックの一般的な人気度を把握することができます。

ここでは Reddit が最も主要なドメインですが、Facebook、Quora、Steam コミュニティ、そして他にも数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 における多くのことと同様に、この概念をさらに一段階上のレベルへと引き上げることができます。

ここ数ヶ月、メテハン・イェシルユルト氏のコンテンツをよく読んでいて、彼は GSC データをより長いクエリへと変換する手法のガイドで、より詳細なプロンプトを紹介しています。

彼は、通常の検索キーワードを LLM 用のプロンプトに変換することに特化したカスタムツールを構築しました。

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。

「ビフォー・アフター」の具体例は、具体的であればあるほど良いという点には、メテハンも同意してくれると思います。

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 にコンタクトをとり、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 その検索結果を利用する AI モデルによって生成されると聞きました。要するに、そのデータをもとに次に来るであろう質問をモデルが予測して生成しているわけです。

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、サーバーログを詳細に分析することも可能です。

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送り込んでいる検索語句を確認する

• オーガニック検索で上位表示されている検索結果に、あわせて表示される「他の人はこちらも質問」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、関連性の高い質問を LLM に尋ねる

どちらのソースも単独で有用ですが、それらを組み合わせて活用できる追加のデータポイントがあるとさらに良いでしょう。

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？）」への回答がウェブ検索や参照元リンクの掲載なしで生成・表示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 の創業者スティーブ・トスは、AI が自社ブランドに対して持つ認識が実態と合っ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ような質問のプロンプトを作成し、回答の正確性を測定します。もし実態と一致しない情報が見つかった場合は、自社サイトや他のサイトに掲載する追加コンテンツを作成して、回答の内容を修正しようとします。

これを進めるにあたっては、カスタマーサポートのチャット、広告データ、サイト内検索（ブログ記事やヘルプドキュメントなどを対象としたもの）など、思いつく限りのあらゆる社内データソースを活用できます。

こうした手法にあまり関心がないのであれば、マーク・ウィリアムズ＝クック氏が紹介していたシンプルな手法がおすすめです。これは、「完全な」ペルソナを構築するのではなく、用語をパーソナライズするというものです。

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。