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が参照され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ことで、（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獲得している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捉える上で重要な要素である「類似したトピックのグループ化」について、さらに掘り下げていきましょう。

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探すことができます（^(\S+\s+){5}\S+）。必要に応じて「5」をより大きな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、検索結果に SERP 機能が表示されるのを単に待つのではなく、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。

質問に対して多くのコメントが寄せられるのは良いことですが、私は基本的に、最もよく見られる視点や切り口を探しています。

まだどのクエリに対してもそのページに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、狙っているキーワードと、その検索ボリュームを紹介してもいいでしょう。

SEO における多くのことと同様に、この概念も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るのですが、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。

配慮のため全体は公開しませんが、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 に投げかけると、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という、便利な機能があります。

私は Perplexity にコンタクトをとり、これらは過去に実際に尋ねられたクエリなのか確認しました。

元のクエリ と その検索結果を使って 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。

今回の目的からすると、それらが実際の過去のクエリに基づいたものではないのは少し残念です。しかし、Perplexity は可能な限り実際のクエリに近いものを表示していると思われるため、これらは分析するだけの価値が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。

あまり馴染みのない業界を調査する際、筆者はよくこれらの質問をそのまま使い、よく表示されるブランド、ドメイン、回答タイプの表示頻度の変動を確認します。

より本格的な業務や個人プロジェクトでは、これらをベースに内容をさらに発展させていきます。その具体的な方法は、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ご紹介します。

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

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、特定の地域向けのコンテンツ制作を最近始めたのであれば、それらの国を対象に該当するキーワードを追跡したり、プロンプト内でその国を具体的に指定したりすることができます。

更新頻度は、毎日・毎週・毎月など、任意の頻度に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。

これはウェブを絶えずクロールするボットではありません。ユーザーが ChatGPT やカスタム GPT に質問し、その回答を生成する際に役立つ可能性がある場合にのみ使用されます。

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ることができます。

• 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。

このツールのもう一つの利点は、サイトに存在する可能性のあるコンテンツの不足（コンテンツギャップ）を明らかにできることです。単にそれらのトピックに関連するページがサイト内に存在しないために、検索結果に表示されていないという可能性もあります。

もちろん、ここには「関連づけて引用されたい」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。

オンラインの大工養成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、「大工のビジネスを始める方法」のようによく検索されているフレーズを取り上げ、そのバリエーションを 1 つのクラスターとしてまとめ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、快適さなど、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、ヘルプドキュメント、セールス通話の文字起こし、プライベートの通話、さらにはセールス・バトルカードといった追加資料のデータを活用することで、LLM 上でクライアントがどのように紹介されたいかを把握することができると話してくれました。

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、回答内容の修正を試みます。

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＝クック氏が紹介する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（特定のペルソナ）で（特定のキーワード）について調べているなら、どのような言葉で検索するだろうか？」とプロンプトを入力します。

あれこれ試してみるのも面白いですが、先ほども述べたように、これらが実際のパーソナライゼーションとどの程度一致しているのかは分かりません。