生成AI時代のマーケティング戦略
nocall AI、マーケ担当佐藤と──CTOの森本です。
たかさん、この間はカンファレンスお疲れ様でした。
ありがとうございます。カンファレンス登壇してきました。
まあ、ってことで、打ち上げしたくて、場所を決めてくださいってなったら、今どんな風に探します?
まあ、やっぱチャットGPTに聞いたりしますね。
ですよね。
で、最近本当になんかその検索、Googleの検索エンジンで調べるんじゃなくて、AIに聞くし──
Googleのリンクをクリックするよりも、AIの回答を読むみたいなのが結構普通になってきてて──
私のスマホもロック画面でチャットGPT呼び起こせるように、ハイスさんが設定してくれたりしたんですけど──
結構情報収集の方法が変わりつつあるってところで、今日はこの波に乗るために──
重要な概念、LLMOっていうのを私は調べてきたので、お話ししたいなって思います。
じゃあまあ、LLMOっていうのが何かってところから始めたいんですけど──
聞いたことないですね、LLMOって。
2020年頃のデジタルマーケターたちの最優先課題みたいなのが何だったか、Googleの検索結果の一番上に表示されること。
SEOですね。それは知ってますよ。
知ってます。それは知ってますね。
私も聞きました、なんか昔SEO対策みたいな。
でも、なんかさっきあったみたいに検索のあり方が結構変わってきてるってところで──
注目されてるのが、この今の大規模言語モデル最適化LLMO。SEOの次のLLMOっていう感じなんですけど──
簡単に言うと、AIが私たちのコンテンツを理解して引用して活用できるようにする最適化プロセスで──
つまりさっきTakaさんがレストランを予約してくださるときに、AIからお勧めされたところを私たちにお勧めしてくれると思うんですけど──
そこで推薦される、引用されるっていうことを目指すっていう概念みたいです。
じゃあ、今までのそのSEO対策とは全く異なった。LLMのための検索みたいなところなんですね。
そうです。LLMのための。ただその全く異なったって言うとそうではないみたいで──
SEOで使ってたことがLLMOでも使えるみたいな。全く違うわけではない。
っていうのは、ここから話していけたらなって思うんですけど──
LLMOと情報推薦
じゃあどんなふうにすると推薦されるかっていうと──
最も説得力があって、具体的な情報を提供したウェブサイトがAIによって最も頻繁に引用されるらしいです。
具体的なコンテンツが必要。
そうですね、数値とか。こうなるのにはAIの思考プロセスに理由があって──
AIは私たちの情報を完全に理解しているわけじゃなくて──
テキストをトークンっていう小さい単位に分解して──
これをベクトルっていう数値の配列に変換しているので──
AIからしたら単語間の関係性が数学的に表現されている。
まあまあそうですね。
わかります?
簡単に説明すると、文字っていうのを数字に置き換えて──
それによって計算している。計算可能な状態にしているっていう話ではあると思いますね。
まあでもこれが基本的な仕組みなんですけど──
最近のAIはもっと進化してて──
簡単に言うとAIがグーってから答えるみたいな感じなんですけど──
AIが私たちの質問に答える前に──
自分の知識だけじゃなくて──
外部の情報源を検索して回答を補強するっていう仕組み。
そうですね。
で、このラグのプロセスこそがLLMOで最適化すべきポイントらしくて──
AIが検索して参照して引用するっていうことのために──
何ができるのっていうのがここからのテーマです。
検索っていうだけだと──
今までのSEOとあまり変わらないような気がしてるんですよね。
なんでかっていうと──
その検索っていう部分は──
そんなに技術的には変わってないじゃないですか。
誰がGoogle検索するかでしかないですよね。
例えばそのLLMか、もしくは人間か──
誰が検索するかの違いでしかないじゃないですか。
その使ってるエンジンとかは大体一緒なので。
変わるとしたら、じゃあLLMが情報をキュレーションして──
ユーザーに何を見せるかっていうところが──
重要になってくるってことですよね。
そうですね。
たぶん人間とAIの違いって──
AIは大量のデータを読んでくる必要があるので──
やっぱりそこでどんなふうにしたら引っかかるのかというか──
どんなふうにしたら信頼できる情報だなって──
AIに思われるかみたいなところが──
きっとこの検索AI時代にとって重要なのかなっていう感じですかね。
ちょっと自分の一個の仮説言っていいですか?
これあってるかどうかわかんないですよ。
LLMOが重要になってくる場面って──
検索した時に同じような似ている情報って──
LLMによってまとめられちゃうと思うんですよね。
得意な情報、具体的な情報とか──
血の通った情報とか──
そのサイトにしかないような情報だったら──
LLMは出してくるっていう感じはするんで──
LLMOを最適化するんだったら──
そのサイトにしかない情報を出すっていうのが一番いいんじゃないかなって思ってます。
つまりオリジナリティが一番大事だよね。
コンテンツの最適化
その人にしか出せないストーリーとかを出す。
それはありました。
じゃあ当たってたってことですか?
正解です。
それはあって、それ一つなんですよね。
私が用意してきた5個の中の。
それが魅力的な文体っていうやつで──
最適化のためのワンポイント、一要素。
魅力的。
何言ってなると思うんですけど──
結構びっくりなのが、AIって機械的な固い文章よりも──
自然な会話調の文章を好むらしくて。
それはなぜかというと、AI自体が──
訓練データの大部分が人間の文章じゃないですか。
人間が作成したもの。
だからその文体を正常って認識するみたいな。
だからこそ、機械的な文より人間が作ったような自然な──
例えば質問形式の文章とか。
一人称、二人称の仕様とか──
例え話とか比喩みたいな文章が評価される。
え、なんかL11が逆に好まない文章って──
どういう文章なんだろうって。
固い文章ですよね。
法律みたいな感じ?
なんだ、でもなんか──
AIに文章を作らせるじゃないですか。
それってなんか、バレちゃう。
AIって、AIが作った文章分かっちゃう。
ってなると、その人しか出せない情報みたいなのは──
必要になってくるって感じでした。
いわゆる検索汚染みたいなことも──
最近は言われてますよね、その──
AIが出力した、のっぺりした文章っていうか。
なんか柿、ご参照ください。
そうそうそうそう。
1、2、3、みたいなのはもう、AIじゃない。
柿、柿とあとは、箇条書きはめちゃめちゃ──
めっちゃAIですよね。
これAIだなって分かりますね。
そうですよね。
LLMO最適化、2ポイント目なんですけど──
私、矛盾ちゃうんだって思ったんですけど──
それが、明確な構造を作ること。
AIが大量にテキスト処理するんで──
手がかりを使って重要な情報を即座に特定したいっていうところで──
明確な見出しとか、短い段落、箇条書き、表──
っていうのを使って整理しておくことが結構大事みたい。
読みやすいようにしておくことが大事みたいですね。
これはSEOでも同じだったと思うんですけど──
そうですね。
生成AIとSEOの変化
人間にとっても分かりやすく、AIにとっても分かりやすくっていうことですよね。
これが2つ目です。
3つ目が、従来のトピックの関連性です。
従来のSEOだったら、表参道ランチオススメみたいなキーワードで調べてたので──
より多くのキーワードのバリエーションを自分のサイトに含めることで──
マッチさせてたみたいな戦略から──
今はAIが単語の数とかじゃなくて──
ちゃんと文脈の意図とかを重要視するので──
つまりAIは質問の意図を理解して回答を生成するんで、キーワードだけじゃダメだ。
記事に表参道っていっぱい入れてたり、ランチって入れてるんじゃダメで──
ちゃんとタカさんがして質問にマッチした内容を文章で作成しておかなきゃいけない。
そのために結構いいのがFAQ。
よくある質問セクションを追加しておくことがいいらしくて──
ユーザーの潜在的ななぜみたいなのを予測して──
その質問の背後にある意図を満たす情報をサイト内で提供しておくっていうのは──
LLMを対策になるみたいですね。
それはエンジニア文脈ですごい解説すると──
キーワードマッチングって最新のGoogle検索において使われているかどうかっていうのは──
保証はしないんですけど──
よくある文章の中で出てくる単語っていうののキーワードの順位が下がって──
逆にある特定の文章にしか出てこない単語っていうのはスコアが高くなるっていう傾向があるんですね。
検索とかのアルゴリズムから考えたときに──
そういったSEO対策は今まで考えられてたと思うんですよ。
セマンティック検索って言ったりするんですけど──
意味とか文脈っていうのを意識した検索っていうのが主流にはなってきてですね──
全ての単語をとりあえず入れておくみたいな手法はあんまり意味ないですよね。
確かに。
で、あと2個なんですけど──
4つ目が権威性。
AI自らが自分が生成する回答の信頼性を担保するためにも──
ちゃんと権威ある情報源を優先的に引用するってところで──
学術的な引用だったりとか──
事例研究みたいなのをちゃんと引用源として置いておくみたいなのが大事みたいですね。
情報自体の信頼性をAIは評価するんで──
専門家による執筆ですみたいな、監修ですっていうのとか──
業界での実績みたいなそういう数値。
これは5つ目の具体的なデータっていうのにも関わってくるんですけど──
ちゃんとこの結果、データみたいなのをきちんと入れておくことが大事みたいです。
ちょっと気になるんですけど、LLMによる検索って──
どこまでリンクをたどっているのかなって気になりましたね。
LLMがどれくらいたどっているか、どれくらい見ているかってことですよね。
どのくらいこのページを深くまで見ているか。
ページの中の引用の、さらに引用の引用みたいな感じの可能性もあるわけじゃないです。
それがLLMOの最大の懸念点なんですよね、今のが。
たかさんもよく言う通り、LLM自体がブラックボックスで常に進化しているみたいな。
誰も分からないみたいな中で、本当に合っているの?みたいな状況らしくて。
実践するための戦略
しかもまたLLMOもまだ発展途上の分野なので、
なんかすごい確立された測定基準とかツールみたいなのもないんですよね。
なので、それがどのくらい効果があるのかとか、どのくらいLLMが遡っているのかみたいなのは、
分からないみたいな状況です。
じゃあまだ各社、手探り中って感じなんですね。
ただ実際効果が出ている事例もあって、クラウドコストの専門会社は、
AWSの料金ってどうやって安くできるの?みたいな、よくある質問セクションみたいなのをサイトに作ったり、
あとは会社のリーダーたちが、トップたちが実績とか肩書きなんかをちゃんと公開して、
あとは最新のAWSの料金データとかをサイトに反映させる。
まあこれは多分信頼みたいなところ。
きちんとデータを持ってくるみたいなのをやった結果、4週間以内にパープレキシティの検索結果で1位獲得。
あとはリード獲得の32%がAI検索経由だったよっていうのが言及されるようになったみたいな。
すごいですね。32%出が来るんですか。
とんでもないなって感じで、ちゃんと効果はあるし、やってみる価値はあるのではないかって思うんですけど、
あとはまだ全然注目されてないので、先行者利益みたいなのを獲得するためにも始めるべきではないのかっていう。
そうなんですね。なんかまあツイッターとかでオープンAIのディープリサーチから来ましたっていうSEOの流入経路のまとめみたいなのがあって、
かなり上位に来てるみたいな話もあるんで、これから本当にLLMOの検索に引っかかるかどうかっていうのは重要になってきそうですよね。
はい。これ今のは結構コンテンツメインだったんですけど、
技術的な最適化の方法もめちゃくちゃあって、サイトの構造とか、そういうのもなんか私はやりたいなって。
電話AIみたいな調べた時に、残るAIですよみたいな。出てきたらすごい嬉しいなあというので、今日はシェアしました。
ぜひうちもLLMOトップでやりましょう。
はい。今日もお聞きいただきありがとうございました。また次回のポッドキャストでお会いしましょう。
