GEOコンテンツ執筆：事実文・データ引用・出典明記の引用可能フォーマット
1. 引用可能な事実文とは
AIモデルが回答を生成するとき、chunkから文を選ぶ基準はシンプルだ。その文が単独で回答の一部になれるかどうか。単独で成立する文は、主語が明確・述語が具体的・数値またはしきい値がある・出典が照合可能という4条件を同時に満たす必要がある。
この4つを組み合わせたものが事実文だ。修辞も前置きも不要で、読むと定義文のように響く。モデルはこうした文を見つけると、そのまま回答に組み込み、出典としてあなたのURLを添える。
| 要素 | 要件 | 反例 | 良い例 |
|---|---|---|---|
| 主語 | 会社名、型番、業界名 | 「それ」「私たち」「当製品」 | 「XX型バタフライバルブ」 |
| 述語 | 具体的な動作や状態 | 「とても良い」「悪くない」 | 「漏れ率 ≤ 0.1%」 |
| 数字 | パーセント、しきい値、時間 | 「すぐに」「やや高い」 | 「120度」「2.5秒」 |
| 情報源 | 規格番号、報告書、試験機関 | 「業界では一般にそう考えられている」 | 「API 598に基づく試験による」 |
この4条件はどれも欠かせない。主語がなければモデルは誰の話か分からない。数値がなければ回答として抜き出せない。出典がなければ誤りを恐れて引用しない。執筆時は各段落を書き終えたら読み返し、こう問いかける。この文だけを全文未読の人に送って理解できるか。できないならさらに分解する。
2. 書き換え4ステップ：マーケティング文から回答文へ
B2Bサイトの初稿はたいていマーケティング調だ。事実文への書き換えは全文を書き直す必要はなく、4ステップで1文ずつ見直せばよい。
| ステップ | アクション | 例 |
|---|---|---|
| 1 主語を加える | 代名詞を具体的な型番や会社名に置き換える | 「それ」→「XX型バタフライバルブ」 |
| 2 数値を加える | 形容詞をしきい値に置き換える | 「すぐに」→「応答時間 ≤ 200ミリ秒」 |
| 3 出典を加える | 規格番号や試験報告書名を補う | →「API 598 に基づく出荷試験」 |
| 4 形容詞を削る | 根拠のない最上級はすべて削除 | 「トップクラス」「最高」「専門性が高い」は全部削除 |
具体例：原文に「当社のバルブ製品は性能が優れ、お客様から高く評価され、業界標準を上回る選択肢です」とある。4つの手順で書き換える。主語を補い「XX 型 PN16 バタフライバルブ」、数字を加え「出荷時漏れ率 0.1% 以下、使用温度上限 120 度」、出典を加え「API 598 と EN 558-1 に基づく試験」、形容詞を削除。書き換えると一文になる。「XX 型 PN16 バタフライバルブは出荷時漏れ率 0.1% 以下、使用温度上限 120 度、API 598 と EN 558-1 に基づく試験を実施」。これがモデルがそのまま引用できる文だ。
具体例2：原文に「Core Web Vitals は SEO に重要だ」とある。これを「Core Web Vitals の3項目の合格ラインは LCP 2.5 秒以下、INP 200 ミリ秒以下、CLS 0.1 以下で、このしきい値を超えるとモバイルの順位が下がる」と書き換える。数字、しきい値、結果がそろう。具体的な指標はこちらCore Web Vitals。
三、データ引用の形式：出典をどう示せばモデルに無視されないか
出典を示すのは上付き数字を付けるだけでは済まない。モデルは chunk を読むとき、検証可能な出典を優先的に認識する。業界標準の番号、政府や機関の報告書名、第三者によるテストデータだ。漠然と「研究によると」と書いてもモデルは飛ばしてしまう。
| 出典の書き方 | モデルの認識度 | おすすめ |
|---|---|---|
| 「ISO 9001:2015 認証に基づく」 | 高 | 標準番号と年 |
| 「Statista 2025 レポートによる」 | 高 | 機関名と年 |
| 「当社の社内テストによる」 | 中 | サンプル数と方法を補足 |
| 「業界では一般にそう考えられている」 | 低 | 削除して具体的な数字に置き換え |
| 「ある研究によると」 | 低 | 研究機関を必ず明記 |
実用的なコツ：出典は脚注ではなく文そのものに書く。脚注は chunk 分割時に本文と分離されることが多く、モデルが本文を読むときに脚注が見えず、引用をためらう。たとえば「漏れ率 0.1% 以下」と「API 598 に基づく」を同じ文に書き、間に読点を入れる。chunk 分割後もこの文は完全なまま残る。
社内テストデータはサンプル数を補足する。「100 台のサンプルをテストし、漏れ率の平均は 0.08%」は「テストしたところ漏れ率は非常に低い」よりはるかに信頼できる。専門家インタビューとデータの出所をどう管理するかはこちら情報源マネジメント。
四、段落と chunk の連携：1段落に1つの答え
大規模モデルは chunk 単位で検索する。chunk は通常 500〜1500 字。事実文をすべて1段落に詰め込むと、モデルがその段落だけを検索したとき情報密度は高い。しかし重要な事実が長文のあちこちに散っていると検索率は下がる。やり方は1段落に1つの答えだけを書き、段落の最初の文を結論にする。
| 段落の構造 | 書き方 | モデルの検索効果 |
|---|---|---|
| 結論先行の段落 | 最初の文が事実文、後の2文が説明 | 高い、最初の文がそのまま引用される |
| パラメータ表の段落 | 表の最初の行がしきい値 | 高い、表の行を個別に引用できる |
| 背景説明の段落 | 「業界の発展に伴い」で始まる | 低い、引用できる事実がない |
| マーケティング要約の段落 | 「私たちは〜に注力しています」で締める | 低い。形容詞の羅列 |
直感に反する判断:形容詞を足すより削るほうが引用率は速く上がる。多くのチームはGEOライティングでキーワードを増やすべきだと考えているが、実はモデルはマーケティング語を減点対象にする。その文は信頼できないと判断するからだ。「業界標準を上回る」「専門性が高い」「支援する」といった語をすべて削り、数字と出典に置き換えると、引用率はむしろ上がる。禁止語リストはライティング規範を参照。よくある落とし穴は「上位」「最適」「高水準」「私たちは〜に注力しています」。
記事冒頭の事実文はtldrか最初の段落に置く。モデルは検索時にページ前方を優先して読むためだ。3000字の記事なら、引用可能な文を8〜12個埋め込むのが望ましい。最初の段落に2個、各H2セクションの最初の文に1個、表の先頭行に3〜4個、結びの再述に1個。事実層・意見層・約束層の分け方は次を参照。GEO コンテンツの階層化。
五、公開前のセルフチェックリスト
記事を書き終えたらそのまま公開せず、このリストで一通り確認する。
| チェック項目 | 合格基準 | 不合格時の対応 |
|---|---|---|
| 引用可能な文の数 | 1記事あたり8〜12個 | マーケティング段落を事実文に書き換える |
| 各段落が自己完結しているか | 文脈から切り離しても成立する | 段落を分割するか主語を補う |
| 出典の明記 | すべての数字に規格番号か機関が付いているか | 出典を補うか数字を削る |
| 禁止語 | 「上位」「最適」「支援」などがない | 事実に置き換える |
| 最初の段落の事実文 | 最初の文がそのまま答えになっている | 最初の段落の背景を後ろに移す |
| 表の先頭行 | 閾値か結論が先頭行にある | 列の順序を調整する |
書き終えたら、ひとつの面倒な方法で検証する。記事中の「私たち」「それ」「これ」で始まる文をすべて拾い出し、具体的な名詞に置き換えられるか見る。置き換えられない文は、モデルが引用しない文だ。この書き換えは1回およそ20分で済み、記事全体を書き直すよりはるかに安い。コンテンツ制作における人とAIの役割分担は次を参照。コンテンツ制作におけるAI協働の境界線。
FAQ よくある質問
どんな文ならAIは引用するのか
GEOライティングではキーワードを増やすべきか
出典の表記は脚注に書いてもよいか
1記事に引用可能な事実文をいくつ埋め込むべき？
社内テストデータはどう出典を明記すれば信頼される？
リライト後、どの文がAIに引用されるか自分で確認するには？
最後に
GEOライティングは記事を長く書くことではなく、文を強く書くことです。すべての文は事実を与えるか、判断を与えるか、行動を与えるかのいずれかでなければなりません。マーケティング調の表現はSEO時代なら被リンクで補えましたが、GEO時代にはモデルにそのままスキップされます。形容詞を削り、数字を加え、出典を明記する。この3つを正しくやれば、引用率は自然と上がります。
実行は3ステップ。今週は最もアクセスの多い過去記事を1本選び、4ステップ法で文ごとにリライトします。来週はリライト版と旧版を同じ固定質問セットで比較します。3週目にはこの4ステップ法をコンテンツSOPに書き込み、以降の新記事もすべてこのテンプレートで書くようにします。1本直せば効果が出て、10本直せば組織的な力になります。
覚えておきたい一言。AIが求めるのは形容詞ではなく検証可能な文です。主語、数字、出典の3点セットがそろえば、AIが自然とあなたの代わりに語ってくれます。