キーワードリサーチだけでは不十分です - AI検索時代のプロンプトリサーチガイド

キーワードリサーチだけで十分だった時代は終わりました。 検索エンジンでは「どんな単語を入力するか」が核心でしたが、AI検索では「どのような状況や制約を付けて質問するか」のほうが重要になったためです。ユーザーは今や「SEOツール」とだけは検索せず、「小規模チームが使いやすいSEOツールのおすすめ」「AI検索での露出も一緒に見られるツール」「エージェンシーに合ったSEOプラットフォーム比較」のように、意思決定の文脈も含めて投げかけます。 Semrushはこの流れをプロンプトリサーチ(prompt research)と呼んでいます。公式ガイドでは、これを「AIが複数の選択肢を比較し、特定のブランドを推薦するように導く質問を見つけて追跡する過程」と説明しています。Profoundも同じ問題を指摘しています。多くのチームはSEOキーワードのリストと勘だけでプロンプトのリストを作りますが、そのやり方だと「人々が実際に尋ねる質問」よりも「私たちが聞きそうな質問」に近くなりやすいというのです。 この記事は、まさにそのギャップを埋めるための実務ガイドです。キーワードリサーチをやめようという話ではなく、キーワードを質問型の需要へ翻訳する運用体制を作ろうという方向に近いです。

1. なぜキーワードだけを見ると重要な質問を見逃すのでしょうか？

キーワードは依然として重要です。ただしAI検索では、キーワードは終点ではなく出発点に近い存在です。Semrushもキーワードリサーチを質問言語を検証するための参考シグナルとみなし、最終的には導入検討段階の質問群に変換して追跡するよう推奨しています。

Semrushの知識ベースによると、同社のAI Visibility Toolkitは239M+のプロンプトと応答データをもとに、トピック別の需要と競争強度を算出します。Profoundはさらに一歩進めて1.5B+の実際のユーザー質問データをもとにPrompt Research Reportsを構成すると説明しています。どちらも同じメッセージを伝えています。AI検索では、質問データがキーワードデータと同じくらい重要になったです。

キーワードをそのまま追うのではなく、誰がどのような制約の中で、どんな意思決定を前にして質問しているのかまで付け足し、質問セットへと変える必要があります。

Semrushも、キーワードリサーチとプロンプトリサーチを別々の作業として説明しています。出典: Semrush, How to Do Prompt Research for AI SEO.

2. どんな質問が実際に推薦を生み出すのでしょうか？

AI検索で価値のある質問は、その多くが「説明型」よりも「比較型」と「評価型」に近いものです。Semrushも特に、推薦、比較、適合性の判断が含まれる質問を購入検討段階のプロンプトと見なしています。たとえば、「GEOって何？」は学習型の質問であり、「大規模プラットフォームがGEO運用に使いやすいソリューションは？」は推薦型の質問です。 ここで重要なのは制約条件です。対象読者、予算、業種、リスク、利用状況といった制約が加わって初めて、AIは単なる説明を超えて、推薦・比較の回答へと移行します。

• 弱い質問: “SEOツールをおすすめして”

• 強い質問: “大規模プラットフォームの運用チームがSEOとAI検索露出を一緒に管理するなら、どんなツールを見るべき？”

• 弱い質問: 「FAQは重要ですか？」

• 強い質問: 「AI OverviewsとChatGPTの引用まで狙うB2B SaaS記事なら、FAQはどのレベルまで入れるべきか？」

ProfoundのAnswer Engine Insights Overviewも、この構造を裏付けています。Profoundは同じ質問を回答型検索環境に繰り返し送り、その応答を蓄積してVisibility Score、Citations、Share of Voiceといった指標を算出します。つまり、プロンプトは会議メモではなく実際に測定可能な運用単位になります。

3. プロンプトリサーチはこの順番で回せばよいです

1) まず、誰が पूछねているのかを決めます

プロンプトセットは、ターゲット読者が分からないと品質が急激に落ちます。「SEO担当者」「コンテンツ戦略家」「大規模プラットフォーム運営者」「Eコマースマーケター」など、最低限の役割定義が必要です。 この段階で必ず書くべき項目は4つです。

• 何を責任として担っている人なのか

• 今いちばん避けたいリスクは何か

• どの言語レベルで質問しているのか

• 費用・速度・正確性のうち、何を優先するのか

2) その人がどのような意思決定を前にしているかを分解します

Semrushは、機能、効用、活用シーン、解決課題、適合条件に分けて見ることを提案しています。この分解が重要なのは、AIの推薦文は最終的に「なぜこのブランドがこの状況に合うのか」を説明する形で作られるためです。 Search OSの観点では、このように分解できます。

• 機能: プロンプト・キーワードDB、クロールのアクセス性チェック、構造化データの自動化

• 効用: 運用担当者が一つひとつ確認しなくても優先順位を付けられる

• 活用シーン: 大規模プラットフォーム、商品数の多いコマース、マーケター・開発者リソースが不足しているチーム

• 解決課題: AI回答に表示されないのに、原因を追跡できない状態

• 適合条件: SEOとGEOを別々に運用せず、運用単位でまとめる必要があるチーム

3) キーワードは質問検証のためにのみ使います

キーワードリサーチは終わりではありません。ただし、「どれだけ検索されているか」よりも「人々がどの表現を自然に使っているか」を確認するのに、より有用です。 たとえば、「GEOコンテンツ」「AI citations」「AEO KPI」といった用語をキーワードツールで確認すると、人々がどのような修飾語を一緒に付けているかが分かります。この言語パターンは、そのままプロンプト生成の材料になります。

4) 類似した質問をトピックごとに整理します

プロンプトを1文ずつ個別に管理すると、すぐに散漫になります。そこでトピックごとのグルーピングが必要です。Semrush Prompt Research Reportは、関連する質問をトピック、プロンプト、意図、ブランド、参照ドメイン単位でまとめて確認できるようにし、Profoundも顧客ジャーニーの基準で質問を区分しようとしています。 Search OSチームが実務で使いやすい基本的なクラスターは、通常、以下の4つです。

5) 最後まで追跡する質問だけを残します

Semrushは社内テスト基準で、製品1つあたり10個前後の、よく選ばれた導入検討段階の質問があれば、初期シグナルを確認するには十分だと説明しています。重要なのは文の数ではなく、文脈の多様性です。 以下のように絞ればOKです。

• 同じ意味を繰り返す類似文はまとめます。

• personaが異なり、推奨基準が変わる質問は別に残します。

• 予算、業種、チーム規模のように評価基準が変わるプロンプトを優先して残します。

• 検索量が高くても、説明型の質問ばかり続く場合は優先順位を下げます。

4. どの質問から先に使うべきでしょうか？

質問は多くてもリソースは限られています。そこで私は、以下の5項目でスコア化する方法をおすすめします。

このスコア表を使うと、「検索ボリュームは高いが、まだ説明型の質問」と「検索ボリュームは小さくても推薦の文脈が強い質問」を区別しやすくなります。

5. ここで最もよく間違えます

• すべての質問を同じ価値で見ること: 説明型の質問と比較型の質問を同じ枠に入れると、優先順位が曖昧になります。

• キーワードをそのままプロンプトのように追跡すること: 「geo」のような単語だけでは、実際の回答文脈をほとんど示せません。

• 1つの文だけを追跡すること: AIは1つの質問を複数の下位質問に分解して読むことが多いため、変形プロンプトが必要です。

• ブランドのない質問だけを見ること: ブランド比較、代替案、カテゴリ質問もあわせて見ることで、実際の競争構図が分かります。

• データより直感を信じること: Profoundが指摘したように、勘で作ったプロンプトリストは実際のユーザー言語とずれやすいです。

6. Search OSに移すと運用が楽になる部分

プロンプトリサーチは、コンテンツのアイデア出し会議用の資料で終わると効率が低くなります。実際の運用では、次の4つが伴う必要があります。

1. キーワードとプロンプトを同じDBでまとめて優先順位を付ける

2. 質問形式の需要が高いページ群を素早く公開または更新する

3. FAQ、比較表、定義文のようにAIが読みやすいブロックに変える

4. 公開後、引用、言及、ブランド検索需要の変化もあわせて見る

Search OSはこの部分を運用レイヤーとして扱います。単に「どんな質問があるか」で終わらず、質問シグナルをページ更新と優先順位につなげる流れ作る側に近いです。大規模ブランドやプラットフォームほど、この接続がないと、リサーチだけが積み上がって実行が遅れます。 つまり、Search OSの基準で見ると、プロンプトリサーチの結果を別に保存しておくためのツールではなく、どの質問をどのページ更新につなげるかを決める運用上の基準線に近いものです。

よくある質問

検索ボリュームが少なく見えても追跡すべきプロンプトはありますか？

あります。特に、推薦・比較・導入検討の文脈が強い質問は、検索ボリュームが小さく見えても実際のビジネスインパクトが大きいことがあります。

キーワードリサーチはもうしなくてもよいですか？

いいえ。キーワードリサーチは、引き続き人々の言葉や課題の表現を検証するうえで重要です。ただし、最終的な成果物はキーワードリストから質問クラスターへと変わります。

1テーマあたり、プロンプトはどのくらいが適切ですか？

初期段階では、8〜12個程度の、よく選ばれた導入検討段階の質問で十分です。文言を少し変えただけのプロンプトよりも、対象読者や制約が異なるプロンプトのほうが重要です。

質問形式のコンテンツとFAQは同じですか？

同じではありません。FAQは形式であり、プロンプトリサーチは、どの質問をなぜ先に扱うべきかを決めるプロセスです。質問の優先順位が先で、FAQはその出力形式の一つです。

最後に、これだけは覚えておいてください

AI検索の時代に、質問データは選択肢ではなく運用単位になっています。キーワードリサーチが「何を検索するのか」を教えてくれたなら、プロンプトリサーチは「どんな瞬間にAIがブランドを推薦するのか」を示します。 だから次の四半期のコンテンツ計画を立てるときは、キーワードシート1枚で終わらせず、少なくとも以下の4行を一緒に書き出してみてください。

• 誰が尋ねるのか

• どんなリスクを避けようとして尋ねるのか

• どのような制約条件があるのか

• 推薦が起きたとき、どのブランドが競合するのか

この4行が整理されると、キーワードリストはようやくAI検索向けの質問資産へと変わり始めます。

一緒に読むとよい記事

• [SEOとGEOの概念整理] 大規模プラットフォームのためのAI検索最適化を理解する。概念ごとの違いと測定方法
  プロンプトリサーチの前にSEO、GEO、AEOの違いを一度に整理したいなら、この記事が先です。

• AI検索(GEO)で上位表示を狙う戦略: キーワード分析からスキーママークアップまで
  質問を見つけたあと、どのような記事構成とページ要素につなげるべきかを続けて確認しやすい内容です。

• GEOフライホイール: AI検索支配のためのE-E-A-T、スキーマ統合戦略
  質問形式の需要を、1本の記事ではなく運用システムへと拡張したいときに参考になります。

参考資料

• Semrush - How to Do Prompt Research for AI SEO

• Semrush Knowledge Base - Prompt Research Report

• Semrush Knowledge Base - AI Visibility Toolkit Data Sources

• Profound - Introducing Prompt Research Reports

• Profound Help - Answer Engine Insights Overview