AI検索対応レポート

なぜつくるのか

検索の入口が、いま静かに変わりつつあります。人が並んだリンクから自分で選ぶのではなく、AIが何本かのサイトを読んで、要約し、ときに出典として引用して答える。そういう場面が増えてきました。

そうなると、サイトに求められるものが少し変わります。人の目にきれいに映ることだけでなく、機械に取得され、理解され、引用される準備ができているか。ここが、AI検索の時代には効いてきます。

ところが、自分のサイトがAIからどう見えているのかを、作り手はなかなか確かめられません。見た目では分からないからです。では測ればよい、となるのですが、その判定をAI（大規模言語モデル）にやらせると、結果が毎回ぶれ、なぜその評価なのかを説明できず、コストもかかります。クライアントに「どうしてこの点数なのか」を答えられない道具は、保守レポートとしては使いにくいものです。

そこで立てた問いが、この実験室の出発点です。AI検索への対応度は、LLMを使わずに、透明なルールだけで測れないか。

どうつくるのか

診断は、5つの領域に分けたルールで行います。検索取得基盤、構造化データ、エンティティ明瞭性、引用準備度、コンテンツ構造。それぞれのルールがサイトを見て合否を返し、0から100の点数に整えます。同じサイトなら同じ結果が出る、という再現性をいちばん大切にしています。

肝は、ルールを現実のサイトで鍛えることです。机上で作ったルールは、実在のサイトに当てるとすぐに誤検知を出します。そこで、診断エンジンをWordPressに依存しない形に保ち、同じコードをプラグイン・検証用のコマンド・公開版の3つの面で動かせるようにしました。実在サイトをまとめて診断し、判定の分布を眺めて、おかしな判定を1つずつ直していきます。

無料の公開版は、URLとサイトの種別を入れると、点数と、これまで診断したサイトの中で上位何%か、領域ごとのバランス、そして改善点の一覧を返します。診断のあいだは、入力したページを取り込んで、その上をスキャンしている様子をお見せします。

設計思想：LLMを使わない、そして盛らない

この実験室には、いくつか守っている約束があります。

ひとつは、診断にLLMを使わないこと。ルールベースにこだわるのは、再現できて、根拠を説明できるからです。LLMは将来、改善提案の文章を整える用途で、利用者自身の鍵を使って差し込む程度に留めます。

ひとつは、サーバーが返すHTMLを診断の対象にすること。JavaScriptで後から描かれる部分は対象外にしています。これは手抜きではなく、JavaScriptを実行しない種類のAIクローラが見るものに合わせる、という考え方です。

ひとつは、比較の仕方を控えめにすること。サイトのターゲット国は判定しません。言語と狙う市場は一致しない（日本の会社が在住外国人向けに英語サイトを出すこともあります）ので、国で語るのは不正確だからです。比較は、これまで診断した全サイトという1つのまとまりに対する相対位置だけにとどめます。指標も、統計的な厳密さを過剰に名乗らないよう、偏差値のような言い方は避け、「上位何%か」という素直な形にしています。

そして、製品の言葉は実物に揃えること。できることは現物どおりに書き、軽く見せたり、盛ったりしないようにしています。

めざすもの

めざすのは、満点のサイトをつくることでも、難しい専門用語を並べることでもありません。作り手が、自分のサイトが「AIからどう見えているか」を点検でき、明日試せる一歩を1つ持ち帰れる状態にすることです。

診断エンジンはひととおり動き、無料の公開版はすでに公開しています。実在サイトのコーパスで判定を鍛え、精度を少しずつ上げ続けています。継続的に見張るところはプラグイン、最初の気づきを配るところは無料の公開版。この2つを、同じ1つの診断エンジンで支える形にしていきます。