記事の中身を考える前に、やることがあった——問いの設計とAI引用の関係を9回の実験で観察した

GEOやAI検索最適化の話をすると、議論はすぐに「どう書くか」に向かう。

ページの構造を整える、冒頭に結論を置く、見出しを独立させる——。 これまでの実験でも、そういう「記事の作り方」の観察を積み重ねてきた。 実際、第4回・第5回では引用されやすいページの構造を分析し、いくつかの仮説を立てた。

ただ、こういう議論が多い背景には、おそらく理由がある。 「構造を整えましょう」「結論を冒頭に置きましょう」というアドバイスは、 チェックリストにしやすく、「対策をしている感」が出しやすい。 一方で「どんな問いで見つかりたいかを設計する」という話は、 自社のビジネスや顧客のことを深く考えないといけないので、パッケージにしにくい。 だから後回しにされやすい。

しかしAI検索は、ユーザーの問いと情報の意味的な合致を判断してから、 回答の材料を選ぶ仕組みになっている。 記事の構造がどれだけ整っていても、その「問いの網」に引っかからなければ、候補にすら入らない。

記事の中身を考える前に、やることがあったのではないか。

第6回の実験で、5つのクエリのうち引用されたのは1本だけだった。 引用された理由として最も有力だったのは、記事の構造ではなく、問いの固有性だった。 では、「問いの広さ」が変わると、引用結果はどう変わるのか。 その問いがEXP-007の出発点になった。

何を確かめようとしたか

第6回の実験が終わったとき、一つのことが気になっていた。

引用されたクエリと、されなかったクエリ。その差を生んでいたのは何か。 記事の構造を比べても、大きな差は見当たらなかった。 違ったのは、問いの「固有性」だった。 引用されたクエリは、AI Alchemy Labの観察データでしか答えられない問いに近かった。 引用されなかったクエリは、すでに多くのサイトが回答済みの領域だった。

そこから一つの問いが生まれた。「問いが広くなるほど、引用されにくくなるのだろうか」。

この問いを確かめるために設計したのがEXP-007だ。 問いの広さを3段階に分けて、引用結果がどう変わるかを観察することにした。

問いの広さを3段階に分ける

広い問いは、「GEOとは何か」「AI検索最適化の基本は？」のような、 多くのサイトがすでに答えている問いだ。 検索ボリュームで言えば大きい領域に近い。

中くらいの問いは、「非エンジニアがGEO実験を始めるにはどうすればいい？」のような、 テーマは絞られているが、複数のサイトが答えられる可能性がある問いだ。

固有の問いは、「AI Alchemy Labの実験ではどんな結果が出たか？」のような、 このサイトの情報でしか答えられない問いだ。

この3段階を、AI Alchemy Labの既存記事（第1回・第2回・第6回）それぞれに対して設計し、 各3クエリ、合計9クエリをPerplexityに投げた。

実験の条件について

実験はすべてPerplexityを使い、シークレットモード・未ログインの状態で行った。 番外編の記事でも書いたが、ログイン状態や過去の利用履歴があると、 結果が自分のアカウント情報に引っ張られる可能性がある。 「フラットな状態で観察する」という条件をできる限り揃えるため、この方法を選んだ。 ただし生成AIの回答は、同じクエリでも時期やモデルの更新によって変わりうる。 今回の結果はあくまで2026年5月時点の観察記録として読んでほしい。

引用部品性スコアについて

今回の実験では、各記事に「引用部品性スコア」という独自の観察軸を設けた。 これは、第4回・第5回で設計したGEO固有のチェックリスト（全4項目）を使って、 各記事がAIに引用されやすい構造を持っているかを数値化したものだ。 スコアが高いほど「回答の部品として使いやすい構造」に近い、という仮定で使っている。

各記事のスコアは以下の通りだ。

スコアが高い記事ほど引用されやすいなら、第2回・第6回が有利なはずだ。 スコアに関係なく問いの広さが支配的なら、全記事が同じ傾向を示すはずだ。 この2つの仮説を念頭に置きながら実験を進めた。

9クエリで何が起きたか

結果を先に言う。問いの広さによって、引用結果は大きく変わった。

広い問い：3記事すべて、引用されなかった

広い問いに対しては、どの記事も引用されなかった。 引用部品性スコアが4/4の第2回記事も、例外ではなかった。

Perplexityが返してきた回答は、GEOやAI検索に関する大手メディアや専門家の記事を 引用したものだった。AI Alchemy Labの記事は、そもそも候補に入っていなかった。

固有の問い：3記事すべて、引用された

固有の問いに対しては、3記事すべてが引用された。

ここで意外だったのは、引用部品性スコアが1/4しかない第1回記事も引用されたことだ。 スコアが低くても、「この記事でしか答えられない問い」に対しては、 AIは引用候補に入れてくれるらしい。

中くらいの問い：3記事のうち、1記事だけ引用された

中くらいの問いでは、引用された記事と引用されなかった記事に差が出た。 引用されたのは第2回記事だけだった。

引用された第2回記事の特徴は、テーマが問いと一致していて、 かつ引用部品性スコアも4/4だったことだ。 引用されなかった第1回・第6回は、スコアの差はあったが、 どちらも問いとの一致度が第2回より低かった。

ChatGPT・Geminiでは固有の問いでも引用されなかった

同じクエリをChatGPTとGeminiにも投げたが、固有の問いに対しても引用されなかった。

これはプラットフォームの仕組みの差だと考えている。 Perplexityはリアルタイムでウェブを検索して回答を組み立てるが、 ChatGPTは学習データを中心に回答するため、 公開されたばかりの小規模サイトの記事は候補に入りにくい。 GEOの実験をするなら、まずPerplexityで確かめる方が現実的だ、 というのが今のところの観察だ。

9クエリの結果まとめ

※Perplexity（シークレットモード・未ログイン）での観察結果。2026年5月時点。

何が見えてきたか

9クエリの結果から、4つのことが見えてきた。

見えたこと①：問いの広さが、引用の「土俵」を決めている可能性がある

広い問いでは、スコアに関係なく全記事が引用されなかった。 これは「記事の出来」の問題ではないと思っている。 広い問いには、すでに大量の回答候補が存在する。 その中でAI Alchemy Labのような小規模サイトが候補に入るのは、 構造を整えるだけでは難しい可能性がある。

記事をどう書くかを考える前に、 「その問いの土俵に、自分は上がれるのか」を確認する必要があるのかもしれない。

見えたこと②：固有の問いなら、構造が不完全でも引用される可能性がある

引用部品性スコアが1/4の第1回記事が、固有の問いで引用された。 これは「良い構造の記事を作ることが引用の必要条件だ」という前提を揺さぶる結果だった。

もちろん、構造が整っているに越したことはないだろう。 ただ、構造を整えることよりも先に「どんな問いで見つかりたいか」を設計することの方が、 引用への近道になりうる、という感触が今回の実験で強くなった。

見えたこと③：中くらいの問いは、複数の条件が重なったときだけ引用される可能性がある

中くらいの問いで引用された第2回記事は、 「テーマが問いと合っている」かつ「引用部品性スコアが高い」という 2つの条件が重なっていた。 引用されなかった記事は、どちらかの条件が欠けていた。

これはまだ3件の観察に過ぎないので、断言はできない。 ただ、広い問い（土俵に上がれない）と固有の問い（一致度だけで引用される）の間にある 「中くらいの問い」の帯域では、 問いとの一致と構造の両方が揃って初めて引用候補に入る、 という可能性が見えてきた。

見えたこと④：この実験には、見落としていた前提があった

固有の問いなら引用される、という結果は確認できた。 しかし少し立ち止まって考えると、これには大きな前提が隠れている。

固有の問いを投げるのは、すでにそのサービスや名前を知っている人だけだ。

「AI Alchemy Lab」という名前を知らない人は、 「AI Alchemy Labとは何か」とは絶対に聞かない。 つまりこの実験で確認できたのは、「知っている人に引用される条件」であって、 「まだ知らない人に発見される条件」ではなかった。

この問いは、小規模事業者にとって特に刺さる話だと思う。 認知がまだない状態で固有の問いを設計しても、その問いを投げてくれる人がいない。 では、どうすればいいのか。

おそらく本当に設計すべきは、固有すぎず、広すぎない問いだ。 自分のサービスを知らなくても、ターゲットが確実に一度は誰かに聞くような問い。 そういう「ニッチだけど、ターゲットが必ず通る問い」を見つけることが、 小規模事業者にとっての出発点になるのではないかと、今は考えている。

ただしこれはまだ仮説だ。 EXP-007ではその問いに直接答える実験はできていない。 次の観察課題として残っている。

今回わかったこと、そして次の問い

今回の実験で見えてきたことを、一度整理しておく。

記事の構造を整えることは、引用の必要条件ではないかもしれない。 少なくとも、問いの広さという変数の前では、構造の差は小さかった。 広い問いでは構造がよくても引用されず、固有の問いでは構造が不完全でも引用された。

これは「構造を整えなくていい」という話ではない。 「構造を整える前に、どんな問いで見つかりたいかを決める必要がある」という話だ。 順番の問題だと思っている。

ただ、その「問いの設計」がどうあるべきかは、まだはっきり見えていない。 今回の実験で浮かんだ問いは一つだ。

固有すぎず、広すぎない——「ニッチだけど、ターゲットが必ず通る問い」はどう見つけるのか。

この問いに答えるには、「どんなクエリをターゲットが実際に投げているか」を観察する 次の実験が必要だ。EXP-008では、この問いを中心に設計を進める予定だ。

答えが出るかどうかはわからない。 ただ、問いの解像度を上げ続けることが、AI Alchemy Labの設計思想だ。 次回もその続きを記録する。

AI Alchemy Lab は、非エンジニアのマーケターがAI検索時代を自分で観察・実験・記録するプロジェクトです。正解を断定するのではなく、問いを更新し続けることを目的としています。