検索・AIシステム

Semantic Search vs Keyword Search、正確に一致しなくても見つけられるのでしょうか？

Keyword Searchは、クエリと文書に現れる単語や統計を中心に候補を見つけ、Semantic Searchは埋め込みや言語モデルを用いて、表現が異なっても意味や文脈が近い候補を見つけます。実際のサービスでは、両者を組み合わせることが多いです。

3行要約

Keyword Searchは、製品コード・型番・法令のように正確な文字列が重要な質問に強く、Semantic Searchは、表現が異なっても意味の近い文書を見つけるのに有利です。
GoogleはNeural MatchingとRankBrainがクエリ・ページの概念や単語の関係を理解するために使われると説明していますが、Webページから重要な用語を省いてよいという意味ではありません。
実際の質問と正解文書で完全一致・セマンティック・ハイブリッド検索を一緒に試し、検索成功率・誤答の種類・遅延・コストを基準に選ぶべきです。

2つの検索は何が違うのでしょうか？

Keyword Searchは、クエリに含まれる単語が文書内でどれだけ重要に出現するかを計算して候補を見つけます。単純な包含検索から、形態素解析やBM25のような順位付けまで実装はさまざまですが、ユーザーが入力した表層表現を重要な手がかりとして扱う点は共通しています。

Semantic Searchは、文や文書の意味を数値表現に変換し、近い候補を見つけます。Elasticの公式ドキュメントでは、これをクエリ語そのものの一致よりも、意図と文脈の意味に基づいてデータを探す方法として説明しています。BERT研究のように左右の文脈をまとめて学習した言語表現は、同じ単語が文脈によって異なる意味を持つ状況を扱う基盤になりました。

区分	Keyword Search	Semantic Search
主な手がかり	単語・フレーズ・出現統計	意味表現・文脈類似度
強い質問	SKU・モデル名・固有名詞・正確な文言	自然言語の説明・類義語・問題状況
見落としやすいもの	表現が大きく異なる関連文書	数値・否定文・詳細条件の違い
運用要素	アナライザー・同義語・フィールド重み付け	埋め込みモデル・チャンク・ベクトル索引
説明方法	どの単語とフィールドが一致したか	どの表現が近かったかと再配置の根拠

Keyword Searchはいつより正確でしょうか?

お客様がAB-420、契約条項番号、エラーコードのような識別子を知っている場合は、正確な単語が最も良いシグナルです。在庫状況・国・価格帯のようにフィルターが厳しい質問も、構造化フィールドとキーワード条件で先に範囲を絞るほうが安全です。意味が似ているという理由で別のモデルやポリシー版を持ってくると誤答になります。

キーワード検索は古い方式ではありません。クエリ分析、同義語辞書、フィールド別の重み付けと最新性条件を組み合わせれば、多くの製品検索と文書検索に十分です。失敗原因が明確なため、運用担当者がなぜ文書が漏れたのかを追跡するのも比較的簡単です。

確認すべき項目は4つです。

製品名・モデル名・略語と、ユーザーが実際に使う別名を一緒に収集します。
タイトル・本文・属性のうち、どのフィールドが一致したのかをログに残します。
数字・単位・国・期間条件をテキストの類似度と分離します。
結果がなかったクエリを同義語で補う前に、実際の回答文書が存在するかを確認します。

意味表現の比較基準

ユーザーが専門用語を知らず、症状や目的で質問する場合が代表的です。ページが検索に出てきませんという質問をindexability、noindex、canonicalの文書と結びつけるには、完全一致だけでは不十分な場合があります。意味表現は、同じ問題を別の言い方で表したクエリを関連文書へ結びつけるのに役立ちます。

とはいえ、最も近いベクトルが正解とは限りません。返金可能と返金不可という語は大部分が同じで、最新ポリシーと旧バージョンも意味が近いです。チャンクが短いため主語や例外が抜けたり、埋め込みモデルが社内略語を知らなかったりすると、類似度は高くても答えは間違うことがあります。

ハイブリッド検索はいつ必要でしょうか？

製品名は正確に一致させ、使用目的は意味で理解すべき質問なら、両方の手法を組み合わせます。まずフィルタとキーワードで安全な候補群を作り、ベクトルスコアで再ランキングするか、2つの検索結果をそれぞれ生成してから順位を統合できます。結合式はデータに合わせて検証する必要があり、セマンティックスコアを追加したという事実だけで改善したとは言えません。

質問タイプ	優先基準	補助基準	失敗例
モデル名と互換部品	完全一致・属性フィルタ	説明の類似度	類似製品群の別部品が表示される
症状ベースのサポート検索	意味的類似性	エラーコード・バージョンフィルター	旧バージョンの解決策を選択
ポリシー・利用規約の確認	タイトル・適用日・国	自然言語の意味	例外条項が異なる文書を選択
コンテンツ・FAQの検索	意味的類似性	タイトルキーワード・最新性	短い要約だけを取得して条件を見落とす
サイト検索	ハイブリッド検索	クリックログの再ランキング	人気文書がすべてのクエリを覆う

品質評価の比較基準

検索システムが概念を理解するとしても、製品名や重要用語を隠す理由はありません。Google の SEO Starter Guide では、専門ユーザーと初心者ユーザーが異なる言葉で検索する可能性を想定しつつ、すべての表記ゆれを無理に詰め込む必要はないと説明しています。自然な本文の中で、正式名称、ユーザーが使う表現、実際の条件をあわせて説明すれば十分です。

検索用の類義語を並べただけの文は、読者にも役立ちません。ページごとに答えるべき質問を決め、タイトル・見出し・本文・構造化データのエンティティを一致させます。検索ログで表現の異なる質問が繰り返し出るなら、新しいページを無条件に作る前に、既存の代表文書がその質問まで答えられるかをまず確認します。

どの基準で検索方式を選ぶべきでしょうか？

質問が50件だけでも、正解文書と許容できる回答範囲を人が先に定めれば比較できます。Keyword、Semantic、Hybrid の3条件で、正解が上位候補に入る割合、誤って取得した文書の種類、結果なしの割合を記録します。生成AIの回答までつなげるなら、回答が実際の根拠を保持しているかも別途評価します。

遅延とコストも同じ表に載せます。埋め込み生成、ベクトル索引の更新、再ランキングモデルの呼び出しは運用コストを生みます。キーワード基準より誤答が減らないのに複雑さだけ増えるなら、セマンティック検索を導入する理由はありません。

既存サイトへの適用範囲

SEO では固有名詞・フィルターが検索露出と訪問につながるかを確認し、GEO ではハイブリッド検索が AI 回答での言及・引用の根拠として残るかを確認します。Semantic Search と Keyword Search の結果を1つのスコアに混ぜず、同じ URL と質問で別々に確認します。

この運用方式は、既存のWebサイトとCMSを維持したまま適用できます。公開ページに正式名称・別名・条件と根拠が実際のHTMLとして表示されているかを確認し、サイト検索と外部検索で見落とされる質問群を代表URLに接続します。

サイトURLと実際の顧客質問をいただければ、この運用システムで質問ごとの代表ページ、抜けている用語・関係、重複文書と内部リンクを先に診断します。別途の検索エンジンの入れ替えやベクターデータベース構築を前提条件にはせず、インデックス・露出・AI引用の結果を約束しません。

Semantic SearchとKeyword Searchの並行運用における実際の判断

実務では、Semantic SearchとKeyword Searchに関する設定を一度に変更するよりも、実際の業務を1件選び、検索の手がかり、質問タイプ、固有名詞・フィルター項目を並べて記録するほうが早いです。現在の公開URLと運用記録を照合すれば、コンテンツ修正で済むこととシステム設定が必要なことを切り分けられます。

Semantic SearchとKeyword Searchのレポートでは、意味表現項目も1つの総合スコアにまとめません。検索流入が増えても回答に古い情報が残ることがあり、AI引用が発生してもコンバージョンページが弱い場合があります。関連URL・質問・確認日を保存し、同じ条件で再確認してこそ、次の投資の根拠が残ります。

参考資料

検索・RAG構造を続けて見ると

Semantic SearchとKeyword Search比較後のSearch OS運用

Search OS適用の出発点はサイトの入れ替えではありません。Semantic SearchとKeyword Searchの比較で確認する固有名詞・フィルター、意味表現項目を現在のウェブサイト上で測定し、コンテンツ・技術・外部情報のうち、詰まっている部分だけを手直しします。

内部成果集計基準では、Search OSを適用した顧客企業はSEOとAI検索露出が平均88%以上増加しました。その後は、Semantic SearchとKeyword Searchの比較に使用した検索とAI回答を同じ周期で再度読みます。改善した状態を基準線とし、逸脱が生じたURLを先に修正して、最良の露出状態が継続するよう管理します。