30日間でできること、もっと時間がかかること
プレイブックに入る前に、30日間で何が達成できるのかを正直にお伝えしておきます。PerplexityやChatGPT Browse（ウェブ検索機能付きのChatGPT）のように、リアルタイムのウェブ検索が引用の主な仕組みになっているサービスでは、30日間集中してAEOに取り組めば、引用率の改善をはっきり数字で確認できます。技術面の修正（ボットのアクセス許可、構造化データの実装）は、反映してから数日で効果が出ます。コンテンツの変更は、AIクローラーがページを再インデックスするにつれて、1〜2週間ほどで引用データに表れてきます。
一方、学習データに頼っている素のChatGPT（Browseなし）では、もっと長い時間がかかります。学習データの更新頻度は低く、そこでの引用の変化は30日間のスプリント1回分ではなく、ウェブ上での存在感が積み重なった結果として表れるからです。このプレイブックは、長期的に学習データに影響する施策も含めて、押さえるべきレバーをすべて動かします。ただし、Perplexityの改善のほうが素のChatGPTより早く、目に見えやすいという現実的な期待値は持っておきましょう。
この前提を踏まえたうえで、30日間でやることを具体的に見ていきます。
事前準備：ベースライン監査（0日目）
最適化を始める前に、まず現在地を測りましょう。ベースラインがなければ、施策が効いているかどうか判断できません。
ステップ1：現在の引用率をテストする
メインのトピッククラスターを代表するクエリを20個選びます。ユーザーがAIエンジンに投げかける質問のうち、本来なら自社ドメインが引用されるべきものです。各クエリをChatGPT、Perplexity、Claude、Geminiで試し、自社ドメインが引用されたか（はい／いいえ）と、どのように引用されたか（直接リンク、ブランド名の言及、説明文）を記録します。そのうえで、ベースラインの引用率を［引用数 ÷（クエリ数 × LLM数）］で計算します。
ベースライン記録用のテンプレート：
クエリ | ChatGPT | Perplexity | Claude | Gemini | メモ
------|---------|------------|--------|--------|------
「[クエリ1]」 | 引用あり / なし | 引用あり / なし | ... | ... |
「[クエリ2]」 | ... | ... | ... | ... |
...ステップ2：AEO監査を実行する
自社ドメインでAI Rank Labのフル監査を実行しましょう。どのAIクローラーがブロックされているか、構造化データが入っていないページはどれか、llms.txtがあるかどうか、コンテンツの引用されやすさのスコアなど、AEOシグナルの不足点が優先順位付きで一覧になります。この監査結果が、これからの30日間の作業計画になります。
ステップ3：引用されている競合ドメインを5つ特定する
20個のテストクエリで、自社の代わりにどのドメインが引用されているかを調べます。これが引用のベンチマークになります。競合にあって自社にないものは何でしょうか。AI Rank Labで競合も監査すれば、ギャップ分析によって、競合が持っていて自社ドメインに欠けているAEOシグナルが正確にわかります。
1週目：技術的な土台づくり（1〜7日目）
技術面の修正がいちばん早く効くのは、結果が二択だからです。AIクローラーがサイトにアクセスできるか、できないか。構造化データが有効か、無効か。まずはここから片付けましょう。
1〜2日目：AIボットのアクセスを修正する
robots.txtでGPTBot、ClaudeBot、anthropic-ai、PerplexityBot、Google-Extendedの扱いを確認します。ブロックされているものや、明示的な許可ルールに含まれていないものがあれば、すぐに修正してください。
次のrobots.txtテンプレートをたたき台にしてください。
# 基本ルール
User-agent: *
Disallow: /admin/
Disallow: /private/
# 従来の検索エンジン
User-agent: Googlebot
Allow: /
# AIクローラー（明示的に許可）
User-agent: GPTBot
Allow: /
User-agent: ClaudeBot
Allow: /
User-agent: anthropic-ai
Allow: /
User-agent: PerplexityBot
Allow: /
User-agent: Google-Extended
Allow: /
Sitemap: https://yourdomain.com/sitemap.xml更新したら、yourdomain.com/robots.txtで公開中のファイルを確認し、変更が正しく反映されているかチェックしましょう。
3〜4日目：llms.txtを公開する
llms.txtファイルを作成して公開します。いちばん効果が大きいのは冒頭の要約ブロック（引用ブロック）です。具体的で、ターゲットを明確にし、他との違いがわかる内容にしましょう。次の型を使ってください。
［サイト名］は［具体的な対象ユーザー］向けの［具体的なカテゴリ］です。［この分野の一般的な選択肢との主な違い］。主なユースケース：［ターゲットユーザーが最適化しようとしている具体的なシナリオを2〜3個］。
重要なページを10〜15個、短い説明付きで追加し、yourdomain.com/llms.txtに公開します。ステータスコード200が返ることを確認してください。
5〜7日目：構造化データの監査とクイックウィン
AEO監査の結果から、FAQPageスキーマを入れられるのにまだ入っていないページ（情報系ページ、ヘルプコンテンツ、サービスページ）をすべて洗い出し、トラフィック順に優先順位を付けた実装リストを作ります。今週は、トラフィックの多い情報系ページ上位3つにFAQPageスキーマを実装しましょう。それぞれAI Rank Labのスキーマジェネレーターを使えば手早く作れます。
あわせて、重要な記事上位5本にArticleスキーマがまだなければ追加し、著者の経歴情報とdateModifiedも含めておきましょう。
2週目：コンテンツの土台づくり（8〜14日目）
技術的なシグナルはAIエンジンをサイトまで連れてきますが、引用されるかどうかを決めるのはコンテンツの質です。2週目はコンテンツの層に集中します。
8〜9日目：コンテンツをAIのクエリパターンに対応づける
ベースラインの20クエリを広げていきます。クエリごとに、「このクエリに直接答えるコンテンツはサイトにあるか？」を確認しましょう。あるなら、断定的な文で、過度な予防線を張らずに、抜き出しやすい形で答えているか。ないなら、埋めるべきコンテンツギャップか。
そのうえでコンテンツギャップのリストを作ります。対象は、本来引用されるべきなのに、(a) コンテンツがまったくないクエリ、または (b) 既存コンテンツが直接回答の抽出向けに最適化されていないクエリです。
10〜12日目：既存コンテンツを「引用されやすい形」に最適化する
優先度の高い既存ページを5つ選び、直接回答の密度をチェックします。各ページについて、ユーザーがAIエンジンに尋ねそうで、そのページが答えるべき質問を上位3つ特定しましょう。そして、その質問と直接の答えがコンテンツ内にはっきり書かれているようにします。ほのめかすのではなく、明確に言い切ることがポイントです。
AEOコンテンツ向けの直接回答テンプレート：
質問：［ユーザーがAIエンジンに尋ねる質問］
直接の答え：［一文での直接的な答え］
詳細：［具体的な情報で答えを補足する2〜4文］
情報源としての根拠：［自社サイトが信頼できる情報源である理由（手法、データ、経験）］この構成は、FAQPageスキーマの質問と回答のペアにも、AIエンジンが引用を抜き出すときに好む形式にも、そのまま対応しています。
13〜14日目：価値の高いAEOコンテンツを1本新しく作る
8〜9日目の分析から、最も価値の高いコンテンツギャップを1つ選びます。本来引用されるべきなのにコンテンツがないクエリクラスターです。AIに引用されることを前提に設計した1,000〜1,500語のページを書きましょう。クラスター内の5〜7個の質問への直接回答、ページへのFAQPageスキーマ、著者の経歴情報を含むArticleスキーマ、関連する最も権威あるコンテンツへの内部リンクを盛り込みます。
3週目：構造化データの展開とE-E-A-T（15〜21日目）
3週目は、構造化データの実装を広げつつ、信頼性の層を固めていきます。
15〜17日目：優先ページへの構造化データ展開を完了する
監査結果で挙がった優先度の高い情報系ページすべてに、FAQPageスキーマを実装し終えましょう。目標は、3週目の終わりまでにトラフィックの多い情報系ページの80%をカバーすることです。効率よく進めるためにスキーマジェネレーターを使い、JSON-LDを手書きすることに時間をかけないでください。
製品ページやサービスページには、必要に応じてProductまたはServiceスキーマを追加します。チュートリアル系のコンテンツにはHowToスキーマを実装しましょう。
18〜19日目：E-E-A-Tのシグナルを強化する
AIエンジンは、特に評価やアドバイスを含むコンテンツで著者の経歴を重視します。チームページや著者ページを見直しましょう。
- 記事を公開している著者全員に、経歴を載せたプロフィールページがあるか？
- Articleスキーマの
author.urlフィールドで、記事から著者プロフィールにリンクしているか？ - 著者プロフィールに、関連する専門性、資格、実務経験が書かれているか？
- 重要なページ（特に評価系のクエリを狙うページ）で、著者が明確に示されているか？
主要なコンテンツ執筆者のプロフィールページを作成または更新し、Articleスキーマから正しくリンクしましょう。この変更だけでも、評価系クエリの引用率が2〜3週間で目に見えて改善することがあります。
20〜21日目：トピックの権威性を高める内部リンク最適化
AIエンジンは、サイト構造や内部リンクからもトピックの権威性を判断します。トピッククラスター内でしっかりリンクされたページは、そのテーマについて自社ドメインに厚みがあることを示すシグナルになります。メインのトピッククラスターの内部リンクを確認しましょう。
- ピラーコンテンツから関連するサポートページすべてにリンクしているか？
- サポートページからピラーページにリンクが戻っているか？
- 本来クラスターに含めるべきなのに、内部リンクが1本もない孤立ページはないか？
影響の大きい内部リンクの抜けから修正していきます。これは従来のSEOにも、AEOにおけるトピックの権威性シグナルにも効きます。
4週目：効果測定と改善（22〜30日目）
22〜24日目：ベースラインテストをやり直す
最初の20クエリを、4つのLLMすべてで再テストします。0日目と同じテンプレートで最新の引用率を記録し、ベースラインからの変化を計算しましょう。1〜3週目の施策をやり切っていれば、PerplexityとChatGPT Browseの引用率にはっきりした改善が見られるはずです。
25〜26日目：何が動いて、何が動かなかったかを分析する
施策前後の結果を比べます。改善したクエリはどれで、改善しなかったクエリはどれでしょうか。改善しなかったクエリについては、次の点を確認します。
- 引用されている競合のほうが、権威性で大きく上回っていないか（DAが高い、被リンクが多いなど）？
- そのクエリに対する自社コンテンツの直接回答は十分に強いか？
- そのクエリのAI Overview（Googleの検索結果に表示されるAIによる概要）や引用は、情報の新しさで決まっていないか（競合のコンテンツのほうが新しくないか）？
- そのクエリを狙うページに、構造化データの抜けはないか？
27〜28日目：ギャップの大きいクエリ向けにコンテンツを作る
まだ引用されていないクエリのうち、最も価値の高い1つに向けて、直接回答型のコンテンツを新しく1本作ります。汎用的な記事ではなく、ユーザーがAIエンジンに尋ねるそのままの質問形式を軸に、断定的な直接回答とFAQPageスキーマを備えたページにしましょう。
29〜30日目：継続的なモニタリング体制を整える
AEOは一度やって終わりのプロジェクトではありません。改善を続けるためのモニタリング体制を整えましょう。
- AI Rank Labの引用トラッキングで、月次の引用率測定を自動化する
- Google Analytics 4にAI経由の参照トラフィック（perplexity.ai、chat.openai.com、claude.ai、gemini.google.com）のフィルタを設定する
- 上位10クエリについて、毎月手動でクエリテストを行うサイクルを決める
- 四半期ごとに構造化データのカバー状況を監査し、スキーマのない新規ページを見逃さないようにする
30日間のスプリントの先も、継続的にAEOに取り組む体制をつくりたいチームは、AI検索最適化ガイドで日々の運用ワークフローを詳しく解説しているので参考にしてください。
期待できる成果：データが示すこと
この30日間のワークフローをやり切ったチームのデータでは、次のような結果が出ています。
- Perplexityの引用率：30日後に平均+18〜25%の改善（構造化データの反映から1〜2週間で改善が見え始める）
- ChatGPT Browseの引用率：30日後に平均+10〜15%の改善
- Claudeの引用率：平均+7〜10%の改善（学習サイクルが長いため、回答への反映は遅め）
- Geminiの引用率：平均+8〜12%の改善（Googleとの結びつきが強く、従来のSEOの改善も効く）
技術フェーズ（1週目）だけで終えたチームの改善幅は、これらのおよそ3分の1にとどまります。残りの3分の2は、2〜3週目のコンテンツとE-E-A-Tの取り組みによるものです。robots.txtとllms.txtを直したところで手を止めないでください。
まとめ
ChatGPTをはじめとするAIエンジンに引用されることは、謎めいたプロセスではありません。監査し、修正し、追跡できる測定可能なシグナルに沿って動いています。この30日間のプレイブックは、技術的な土台（ボットのアクセス、llms.txt）、コンテンツの最適化（直接回答、引用されやすい書き方）、構造化データ（FAQPage、HowTo、Article）、E-E-A-T、そして継続的なモニタリングまで、実装の流れをひと通りカバーしています。
いちばん大切なのはベースライン監査です。今日のうちにAI Rank Labの監査を実行して、現在のAEOシグナルの不足点を確認しましょう。その結果が、ありきたりなチェックリストではなく、自社専用の優先順位付き作業計画になります。そして最初の施策を実装し終えたら、引用トラッキングプラットフォームで何が動いたかを測定してください。
Get a free AI ranking consultation
Want your brand to show up when ChatGPT, Gemini and Perplexity answer questions in your market? Tell us about your site and our team will send a personalized strategy.
