中の人ブログ

【LLMO対策の裏側】AIの「おすすめ」はなぜ生まれる?評価軸の正体を考える

こんにちは!ファン・マーケティングでSEO・LLMOコンサルタントをしている西窪です。最近、「AIがどうやっておすすめを決めているのか」を社内で深掘りする機会があったので、そこで見えてきた評価軸の正体について書いていきます。

この記事に向いている人
  • LLMO対策を検討している方
  • AI Overviewsでの自社の見え方が気になる方
  • 「AIにおすすめされるコツ」を知りたい方

AIの「おすすめ理由」は、実は後付けかもしれない

最近、「AIってどんな基準で情報を選んでいるんだろう?」と思うことが増えました。たとえば、AI Overviewsに「おすすめのスマホケースは?」と聞くと、「丈夫な作りのAというブランドがおすすめです」のように、理由つきで答えが返ってきますよね。

この「理由づけ」ですが、実はAIの本当の判断根拠を反映しているとは限りません。というのも、LLMは自己回帰生成という仕組みで動いており、「Aがおすすめ」という結論自体は、実は理由の文章を書き始めるより前の時点でほぼ決まっています。そのあとに続く「丈夫だから」という理由は、結論を正当化するために後から生成された、いわば「あとづけ」「それっぽさの演出」です。

これは専門的には「unfaithfulness(説明の不誠実さ)」と呼ばれることもある現象で、人間でいう作話(confabulation)ともよく似ています。人も、直感的に下した判断について、あとから「もっともらしい理由」を作ってしまうことが心理学の研究でも知られています。

つまり、AIの説明文をそのまま鵜呑みにして「このキーワードを入れれば評価されるはず」と対策するのは、実は少し危ういアプローチなんです。

そもそも「評価基準」という固定ルールは存在しない

従来の古いSEOでは特に「被リンク数×0.3+キーワード一致度×0.2…」のような、重み付け(係数)があったと思います。だからこそ「この係数を攻略すれば順位が上がる」という打ち手が成立していたわけです。(むやみやたらに被リンク増やしましょう、KW無理やり詰め込みましょう、なんでもかんでも長い文章を書きましょうといった打ち手です)

しかし生成AIの回答には、この係数に相当するものが存在しません。回答は、①学習データ上で繰り返し出てくる言説の統計的な偏り、②その瞬間に検索でヒットした記事(RAG)、③質問の言い回し、という複数の要因が重なった結果として、生成の瞬間にたまたま浮かび上がってくるものです。

つまり「評価基準」に見えるものは、固定された数値ではなく、観測するたびに姿を変えうる結果にすぎない、というのが実態なんです。

評価軸は「基準」と「答え」に分けて考える

とはいえ、何も手を打てないわけではありませんし、GEO・LLMO対策はできます。たとえば私は、AIの回答に出てくる評価軸を捉える際に、大きく3つに分類しています。

  1. メタ評価:「安さ」「安全性」のような、業界を問わず昔から語られる普遍的な基準
  2. 具体条件:「毛穴に特化した商品」「単発で通えるジム」のような、ニーズに紐づいた基準
  3. ブランド・サービス名:評価された結果として名指しされる、具体的な商品名やブランド名

1、2は評価の基準、3は評価された「答え」にあたります。基準ほど普遍的で安定しやすく、答え(個別の商品名)ほど競合のキャンペーンや在庫状況など、社会の動きに振り回されやすい、という傾向があります。

「安定しているか」は3つの要因の掛け算で決まる

ただし、この3分類はあくまで目安です。実際の安定度は、次の3つの要因の掛け合わせで個別に判定するのがより正確だと考えています。

  1. コーパス(大量のテキストデータ)の厚み:独立した情報源がどれだけ多く言及しているか
  2. 実世界変動要因:為替・価格・キャンペーン・在庫などの現実の動きに連動するか
  3. ソース集中度:引用が単一・少数の情報源に偏っていないか

たとえば強いブランドで独立した引用が十分に多ければ、本来不安定になりやすい「ブランド・サービス名」の層でも、意外と安定して推奨され続けることがあります。逆に、普遍的なはずの基準でも、参照されるソースが偏っていれば簡単に揺らぎます。

たとえば同じ「ECサイト」というカテゴリでも、「おすすめのECサイトは?」という漠然としたCEPと、「ハンドメイド品を売るのにおすすめのECサイトは?」という具体的なCEPでは、AIが重視する評価軸がまったく異なります。前者では圧倒的なコーパスの厚みを持つ巨大プラットフォームが強くなりがちですが、後者ではその文脈に強く紐づく専門特化型のサービスが出てくる余地が生まれる、というような考え方です。

まとめ:重要なのは「どの評価軸を追うか」

AI Overviewsや生成AIの回答で自社がどう言及されるかは、多くの企業にとって気になるポイントだと思います。ですが今回お伝えしたように、1回の検索結果だけを見て喜んだり落ち込んだりするのは、あまり意味がありません。(現状把握としてはもちろん意味があります)LLMO施策がスポットではなく、運用だといわれるのは、これが理由の1つに挙げられます。

とはいえ、「結局AIの評価軸はブレるから対策しても仕方ない」ということでは決してありません。むしろブレがある・推奨のされ方が一様ではないからこそ、「どのCEP(カテゴリエントリーポイント=顧客が実際にAIに投げかける具体的な入り口)を狙うか」と、「そのCEPにおいてAIが何を重視して回答を組み立てているか」を照らし合わせて見極めることが、対策の考え方として重要です。これは単発の観測やキーワードの表面的な模倣ではなく、プロンプトの傾向や競合の評価状況、複数回・複数の言い回し・複数のAIモデルで繰り返し観測しながら、CEPと評価軸の組み合わせを継続的に見極めていくという、地に足のついたアプローチです。

株式会社ファン・マーケティングでは、こうした考え方も踏まえながらLLMO対策のご支援を行っています。「AI対策、何から手を付ければいいか分からない…」という企業様は、ぜひお気軽にご相談ください!

執筆者のプロフィール​

西窪 莉子 (にしくぼ りこ) SEOコンサルタント

2022年からSEOに従事。2023年よりコンテンツディレクターとして株式会社ファン・マーケティングに入社。幅広いジャンルでコンテンツの執筆・編集・SEO改善を行っている。動画SEOが好き。生成AIへの最適化(LLMO・GEO・AIO)のウェビナーにも多数登壇している。

https://f-marketing.jp/

Contact

マーケティングの併走支援なら、
株式会社ファン・マーケティングへ

即日お返事!お気軽に お問い合わせ 弊社について知りたい方 会社概要ダウンロード
診断コンテンツ制作代行 サービス資料ダウンロード
無料でダウンロードする