研究
検索と
研究テーマ
GEO（生成AI最適化）
生成AIに引用元として選ばれる情報の作り方。
SEO（検索エンジン最適化）
検索意図の読み解きとページ最適化。
情報設計・構造化データ
schema.org と情報設計の入れ方。
コンテンツ運用の自動化
企画〜効果測定を、人の判断を残しつつ自動化。
AI駆動の編集・執筆
生成AIを下書きの相棒に、人が仕上げる。
サイト構造・内部リンク設計
評価分散を防ぐ構造設計。
計測・データ分析（GA4 / GSC）
数値を改善の意思決定へ。
コンテンツ戦略・編集
読者起点で記事全体を設計。
テクニカルSEO・パフォーマンス
技術面から見つけられやすさを底上げ。
事例・運用ノウハウ
現場で効いた運用を、判断の背景ごと。
研究ノート最近の
最近のノート。
生成AIの回答に自社が出ているかを、どう測るか — AI可視性の計測設計
検索の順位は数えられるのに、生成AIの回答に自社が現れているかは数えられていない。数える対象の分け方、問いの集合の固定、答えの揺れの扱い、そして計測を運用へ返す道筋を順に論じる。
情報設計は誰の仕事か — 編集・技術・経営をつなぐ新しい職能
生成AI時代の情報設計は、編集・技術・経営の三つの領域が交差する仕事になった。この職能の輪郭を整理し、組織として情報設計を担う体制のあり方を論じる。
トピッククラスターで記事をつなぐ
親・子・孫の三層と双方向の内部リンクで、特定分野への専門性をサイト全体に伝えるトピッククラスターの設計手順を、URL設計とあわせてまとめます。
コンテンツ運用フローの組み立て方
企画から公開・更新までのコンテンツ運用を、標準のワークフロー（作業の流れ）として言語化し、自動化の前に「型」を整える方法を解説します。
構造化データ（schema.org）の入れ方
FAQや記事の意味を、検索エンジンと生成AI（人工知能）が機械的に読み取れる形にする構造化データ（schema.org）を、静的サイトでビルド時に埋め込む手順をまとめます。
生成エンジン最適化（GEO）に引用される記事の作り方
ChatGPTなどの生成AI（文章を作る人工知能）に見つけられ、引用されるための情報設計の基本を、読みやすくまとめました。
コンテンツ運用を自動化するということ — 人間が判断すべき核と、機械に委ねる周辺の切り分け
コンテンツ運用の自動化は「全部機械に任せる」ことではない。判断の核と周辺を切り分け、人間の判断力を高い価値を生む部分に集中させる設計について論じる。
LLMに引用される文章構造 — 構造化・出典・意味の明確化という三つの要件
生成AIが回答を生成する際に参照しやすい文章には、共通した構造的特徴がある。LLMの情報処理の仕組みから導かれる、引用されやすいテキスト設計の三要件を解説する。
検索と生成AIの二正面 — 一次情報を両方に届けるためのコンテンツ設計原則
今日の情報流通には「検索エンジン」と「生成AI」という二つの経路がある。同じコンテンツを両方に届けるための設計原則と、運用上の優先順位を具体的に論じる。
情報の非対称性と意思決定 — 正しい情報が正しく伝わることの社会的意味
人々の意思決定の質は、参照できる情報の質に規定される。生成AI時代に情報の非対称性がどう変容するかを論じ、「正しい情報が正しく伝わる」という命題の社会的意味を問い直す。
GEOとは何か — SEOとの違いと、生成AIに引用される情報設計
生成AI時代には、検索エンジンと生成AIという二つの「情報の門番」に情報を届ける必要がある。GEO（生成エンジン最適化）の本質と、SEOとの構造的な違いを整理する。