トピカルオーソリティをAIで測る方法｜選ばれる専門の厚み

「トピカルオーソリティを高めろと言われるが、何を数えれば高まったと言えるのか分からない」「記事を百本以上書いてきたのに、どの話題に強いサイトなのか自分たちでも説明できない」。オウンドメディアの責任者やSEOの担当者から、よく聞く声です。言葉が先に広まり、測り方が後回しになっているのは無理もありません。ただ、トピカルオーソリティは高めるものではありません。本当は、領域ごとに測って配分を決めるための見方です。この記事では、公式が書いている範囲を確かめたうえで、既存記事をAIで棚卸しし、領域ごとの厚みを測り、増やす領域と止める領域を決める手順を整理します。

トピカルオーソリティは、グーグルが公表した順位の要素なのか

まず言葉の出どころを確かめます。グーグルの検索セントラルのブログは、2023年5月23日に「ニュース トピック オーソリティについて」という記事を出しています。そこで説明されているのは、健康・政治・金融などの特化した分野の、ニュース性のある検索で、どの専門的な情報源が役に立つかを判断するシステムです。

このシステムが見るシグナルとして挙がっているのは、その話題や地域に関する情報源の注目度、独自の報道が他のメディアにどう引用されているかという影響力、そして高品質な報道の実績などの評判の3つです。例として挙がっているのも、地元の洪水を報じる地域のメディアのような、ニュースの場面です。

一方で、企業のオウンドメディアの記事のような一般の検索について、グーグルが「トピカルオーソリティ」という名前の順位の要素を公表した記述は、確かめた範囲では見つかりません。マーケティングの現場で使われているトピカルオーソリティは、業界で使われる呼び名だと考えておくのが正確です。

それでも、この呼び名が指している考え方、つまり特定の話題について深く答えているサイトが評価されやすいという見方は、公式の他の説明とも矛盾しません。次の節で、公式が一般の検索について書いている範囲を確かめます。

公式の説明では、順位は基本はページ単位で決まる

グーグルの「ランキング システムのご紹介」には、ランキングの仕組みは基本的にページ単位で機能するよう設計されていると書かれています。そのうえで、サイト全体のシグナルと分類器もページの理解に使っているとも書かれています。

大事なのは、その次の一文です。サイト全体に良いシグナルがあっても、そのサイトの全部の記事がいつも上位になるわけではない。逆に、悪いシグナルがあっても全部が下がるわけではない。つまり、サイト全体の評判だけで順位が決まるのではなく、1本ずつの記事が問いに答えているかが基本だということです。

この説明に沿って読むと、トピカルオーソリティを高める努力は、サイトの点数を上げる作業ではなく、1本ずつの記事の質をそろえたうえで、同じ話題の問いにまんべんなく答える作業だと言い換えられます。厚みとは、良い記事が同じ領域に揃っている状態のことです。

また、ヘルプフル コンテンツ システムは2024年3月にコアのランキング システムに組み込まれたと、同じページに記録されています。人のために書かれた独自性のある記事を評価するという方向は、今の仕組み全体に溶け込んでいると読めます。

AI検索の出典選びについて、公式が書いている範囲

AIによる概要やAIモードで出典に選ばれるかも、気になるところです。グーグルの「AI 機能とウェブサイト」のページ（最終更新は2025年12月31日）は、AIによる概要やAIモードに表示されるための追加の要件はなく、特別な最適化も要らないと書いています。SEOの基本のやり方がそのまま有効だ、という立場です。

同じページには、AIによる概要とAIモードが、関連する複数の小さな話題に分けて検索を行い、それをもとに答えを組み立てる手法を使う場合があるとも書かれています。1つの質問の答えに、周辺の問いへの答えが何本も使われうるということです。

ここから言えるのは、ある話題の周辺の問いに幅広く答えている記事群は、出典の候補になる機会が増えうる、という程度までです。それも1本ずつの記事が問いに答えていることが前提です。サイトの厚みが出典選びにどう効くかを、公式は数字や条件で説明していません。この記事でも、それ以上のことは書きません。

計測の面では、AI機能に表示された分もサーチコンソールの検索の種類「ウェブ」の成果に含まれる、と同じページにあります。後で領域ごとの成果を束ねるときは、この前提で数字を読みます。

厚みを測る手順の全体像

ここからが本題の測り方です。厚みは、サイト全体の1つの点数ではなく、領域ごとに測ります。手順は4つに分かれます。

最初の1回に用意するものは3つです。公開済みの記事の一覧、サーチコンソールの閲覧の権限、そして事業の責任者と話す時間です。前の2つは担当者だけで揃いますが、3つ目がないと手順4で止まります。事業の側の人を最初から巻き込むことが、この手順でいちばん大事な準備です。

この手順は、新しく記事を書く前の準備として一度行い、その後は四半期に一度くらい測り直す使い方を想定しています。毎月測ると、検索の成果の揺れに振り回されます。

競合のサイトが書いていて自社に無い話題を探す作業や、記事どうしの束ね方と内部のつなぎ方の設計は、別の記事で扱っています。ここでは、自社の手持ちの記事の厚みを測ることに絞ります。

手順1：既存記事の話題をAIで棚卸しする

棚卸しの材料は、記事のタイトル、見出しの一覧、公開日と更新日、そして記事の住所の一覧です。本文を全部読ませる必要はありません。見出しの一覧があれば、その記事が答えている問いはほぼ読み取れるからです。数百本の記事でも、見出しだけなら一度に扱える量に収まります。記事の一覧は、管理画面の書き出しか、サイトの地図のファイルから作れます。公開を止めた記事や下書きが混ざらないよう、公開中の記事だけに絞ってから渡します。

AIには、記事ごとに、答えている主な問いを1文で、関係する話題を2〜3語で書かせます。問いの形にさせるのがコツです。「生成AIの社内研修」のような話題の名前だけだと、研修の中身を答えているのか、研修の選び方を答えているのかが区別できず、後で網羅を数えるときに困ります。

指示には、見出しに無いことを推測で足さないこと、判断できない記事は判断できないと書くこと、を必ず入れます。AIは空欄を嫌って、それらしい問いを作ってしまうことがあるからです。分からない記事に分からないと書かせるほうが、後の手直しが楽になります。

出てきた一覧は、表計算に貼って、記事1本を1行にします。この段階ではまだ領域に分けません。先に領域を決めてからAIに当てはめさせると、決めた領域に無理やり押し込まれ、はみ出した話題が見えなくなります。

棚卸しの下書きを、人が直す3か所

AIの下書きは、そのまま使わずに3か所を人が見ます。1つ目は、同じ問いを別の言い方で書いている行です。AIは記事ごとに独立して問いを書くので、中身がほぼ同じ2本の記事に別々の問いが付くことがあります。似た行を並べて、同じ問いならそろえます。

2つ目は、見出しと本文がずれている記事です。見出しは研修の選び方でも、本文の半分が費用の話ということがあります。見出しだけで棚卸しした限界がここに出ます。検索の成果が見出しの問いと違う言葉で出ている記事は、本文を開いて確かめます。

3つ目は、判断できないと書かれた記事です。多くは、話題が広すぎる記事か、複数の問いを1本に詰めた記事です。この行は、後で統合や書き直しの候補になるので、印を付けて残しておきます。

人が直す手間は、全体の2〜3割の行で済むことが多いはずです。全部を人が一から書くよりはずっと速く、しかも直した理由が残ります。どの行を直したかを記録しておくと、次の棚卸しでAIへの指示を改善できます。

手順2：領域の単位を決める

次に、一覧を領域に分けます。領域の単位は、自社が売っているものと、読者が抱える仕事の単位で決めます。検索の語の束で決めると、語の流行に合わせて領域が変わってしまい、四半期ごとの比べようがなくなります。

領域の粗さの目安は、1つの領域に今の記事が10〜40本くらい入る程度です。粗すぎると、全部の領域が厚く見えて差が出ません。細かすぎると、ほとんどの領域が数本になり、測る意味が薄れます。最初に決めた粗さは、少なくとも1年は変えないほうが、変化を追えます。

AIには、一覧を読ませて領域の分け方の案を2〜3通り出させると便利です。ただし、どの案を採るかは人が決めます。領域の分け方は、そのまま社内で誰がどの領域の責任を持つかにもつながるので、事業の側の人と一緒に決めます。

どの領域にも入らない記事が出てきたら、無理に入れずに「その他」に置きます。その他が全体の2割を超えるなら、領域の分け方が事業に合っていないか、事業と関係の薄い記事を書きすぎているかのどちらかです。どちらなのかも、後の判断の材料になります。その他に入った記事の一覧は、手順4で止める領域を決めるときに、あわせて扱いを決めます。

手順3：厚みを測る4つの物差し

領域ごとに、次の4つの物差しで厚みを測ります。本数は物差しに入れません。本数は結果として増えるもので、厚みそのものではないからです。

1つ目は問いの網羅です。その領域で読者が抱える主な問いを先に書き出し、そのうち何割に自社の記事が答えているかを数えます。問いの書き出しはAIに下書きさせてよいですが、営業や問い合わせ窓口に実際に来る質問で人が補います。2つ目は検索での成果で、その領域の記事の合計の表示回数とクリック数、上位10位以内にある記事の割合を見ます。

3つ目は情報の新しさです。その領域の記事のうち、1年以上更新していない記事の割合を数えます。制度や製品の話題が多い領域ほど、ここが効きます。4つ目は独自の材料で、自社の調査、支援の現場で見た事例、実際に試した手順など、他のサイトに無い材料を含む記事の割合です。

4つ目だけはAIに数えさせにくい物差しです。AIは「独自の調査」と書かれていれば数えますが、それが本当に自社の材料なのか、他社の数字を引いただけなのかは区別できません。独自の材料の有無は、書いた人か編集の責任者が1本ずつ付けると決めておきます。

領域ごとの厚みを測る表

4つの物差しを、領域ごとに1行の表にまとめます。下の表は、書く欄と測り方の決まりを示したものです。実際の表では、1行が1つの領域になります。

欄	測り方	誰が付けるか	見るときの注意
領域の名前	手順2で決めた単位	人	1年は変えない
主な問いの数	読者の問いを書き出した数	AIの下書きを人が補う	営業と窓口の質問を足す
答えている問いの割合	自社の記事が答えている問いの数を、主な問いの数で割る	AIの下書きを人が確かめる	答えているかは見出しでなく本文で
表示とクリック	領域の記事の合計（3か月）	サーチコンソールから集計	季節の揺れは前年の同じ月と比べる
上位10位以内の割合	領域の記事のうち10位以内にある記事の割合	サーチコンソールから集計	平均の順位は使わない
古い記事の割合	1年以上更新していない記事の割合	一覧から自動で数える	制度と製品の領域は重く見る
独自の材料の割合	自社の材料を含む記事の割合	書いた人か編集の責任者	AIには付けさせない
事業での重み	この領域が商談や問い合わせにつながる度合い	事業の責任者	検索の数字とは別に付ける

最後の行の事業での重みは、検索の数字からは出てきません。問い合わせの記録や営業の声をもとに、事業の責任者が高・中・低で付けます。この欄があることで、検索では伸びているが事業につながらない領域を見分けられます。

読み方の例を1つ挙げます。ある領域は主な問いが30あり、そのうち答えているのが12、上位10位以内の記事が2割、独自の材料を含む記事が1割だったとします。数字だけ見ると弱い領域ですが、事業での重みが高ければ、ここは増やす領域の第一候補です。反対に、問いの8割に答えていて成果も出ているのに事業での重みが低い領域は、これ以上の新規を止める候補になります。

平均の順位を使わないのは、表示回数の多い1本に引っ張られるからです。上位10位以内の記事の割合のほうが、領域全体の状態を表します。

サーチコンソールで、領域ごとの成果を束ねる

検索での成果は、サーチコンソールのページごとの成果を書き出し、棚卸しの一覧と記事の住所で突き合わせて領域ごとに合計します。期間は直近3か月にそろえます。1か月だと、公開したばかりの記事や季節の変動の影響が大きすぎます。

突き合わせで漏れやすいのは、記事の住所の表記の揺れです。末尾の区切りの有無、途中で変えた住所、同じ記事の別の版などで、同じ記事が2行に分かれます。AIに突き合わせの手順を書かせるのは便利ですが、合計の前に、一覧の記事数とサーチコンソール側で当たった記事数が合うかを人が確かめるようにします。

もう1つ見ておきたいのは、記事ごとの検索語です。ある記事に、その領域と関係のない語で表示が集まっている場合、その記事は実は別の領域の問いに答えている可能性があります。棚卸しの領域を付け直すきっかけになります。反対に、その領域の主な問いの言葉で表示がほとんど無い記事は、問いの言い方が読者の探し方とずれている可能性があり、書き直しの候補に回します。

先に触れたとおり、AIによる概要などに表示された分も同じ「ウェブ」の数字に含まれます。AI検索の分だけを取り出して領域ごとに比べることは、この数字からはできません。ここを分けて測れるかのように社内で報告しないことも、測る側の大事な線です。

手順4：増やす・保つ・止めるに分ける

表ができたら、領域ごとに3つのどれかに分けます。増やすのは、事業での重みが高いのに、答えている問いの割合が低い領域です。読者の問いがまだ残っていて、答えれば商談につながるのですから、新しい記事の枠を優先して回します。

保つのは、事業での重みが高く、すでに問いの多くに答えている領域です。ここで記事を増やすと、同じ問いに2本目、3本目を書くことになりがちです。新規を足すより、古い記事の割合を下げる更新と、独自の材料を足す書き直しに手間を回します。

止めるのは、事業での重みが低い領域です。検索の成果が出ていても、事業につながらないなら新しい記事の枠は回しません。止めるといっても、既存の記事を消すわけではありません。新規を書かず、更新も最小限にするという意味です。

迷いやすいのは、事業での重みは高いのに検索の成果がまったく出ていない領域です。問いの網羅が低いなら増やす側、網羅は高いのに成果が出ないなら、記事の質か問いの読み違いを疑って、書き直しを先にします。本数を足しても、同じ読み違いの記事が増えるだけだからです。

増やす・止めるの判断を、AIに任せない理由

表ができると、AIに「この表から増やすべき領域を選んで」と頼みたくなります。表の数字を読んで案を出すこと自体はできます。けれど、その案をそのまま採ってはいけない理由が3つあります。

1つ目は、事業での重みの欄の意味をAIは知らないことです。高・中・低の印の裏には、来期に力を入れる商材、撤退を決めた事業、社内の人員の事情があります。こうした事情は社外に出せないことも多く、そもそもAIに渡す資料に入っていません。表に書かれていない事情が、配分の判断ではいちばん重いのです。2つ目は、AIは数字の小さい領域を増やす側に置きがちなことです。答えている問いの割合が低い領域を機械的に選ぶと、事業と関係の薄い領域に新規の枠が流れます。

3つ目は、止める判断には責任が伴うことです。止めた領域の記事を書いてきた担当者や、その領域を持つ事業部への説明が要ります。止めた後に問い合わせが減ったとき、誰がどの根拠で決めたのかを説明できなければ、次の配分の議論が進みません。AIが選んだからでは、社内の誰も納得しません。

AIに頼むなら、案を出させるときに、どの欄のどの数字から判断したかを必ず書かせます。根拠の欄が書かれた案だけを、人が議論の材料にする。判断そのものは、編集の責任者と事業の責任者が同じ席で決めます。

厚みを増やすときに、外してはいけない線

増やす領域が決まると、生成AIで一気に記事を足したくなります。ここで知っておきたいのが、グーグルのスパムに関するポリシーにある「大量生成されたコンテンツの不正使用」です。検索順位の操作を主な目的として大量のページを作ることを指し、例として、生成AIなどで読者への価値を加えずに大量のページを作ることが挙げられています。

厚みを増やすつもりの記事が、この線を越えてしまう形は、たいてい似ています。問いの網羅の割合を上げることが目的になり、1つの問いに1本という数合わせで、中身の薄い記事を並べてしまうのです。

• 主な問いの一覧をAIに渡し、1問1本で記事を一度に生成して公開する
• 同じ問いの言い回しを変えただけの記事を並べ、答えている問いの割合を上げる
• 独自の材料が無いまま、他のサイトの要点を組み合わせた記事で領域を埋める
• 網羅の割合だけを成果の目標にして、検索の成果と事業での重みを見なくなる

もう1つの歯止めは、増やす領域でも1四半期に足す本数の上限を先に決めることです。上限は、1本ごとに独自の材料を用意でき、公開前に人が本文を読んで確かめられる本数から逆に決めます。書ける本数ではなく、確かめられる本数が上限です。

防ぐ方法は、表の4つの物差しを同時に見ることです。問いの網羅が上がっても、独自の材料の割合が下がっていれば、厚みは増えていません。増やす領域でも、1本ごとに独自の材料を1つは入れると決めておくと、数合わせの記事が混ざりにくくなります。

独自の材料を、領域ごとに集める道筋

4つの物差しのうち、いちばん伸ばしにくいのが独自の材料です。問いの網羅は記事を足せば上がりますが、独自の材料は書き手の机の上からは出てきません。材料のありかは、たいてい記事を書く部署の外にあります。営業の商談の記録、問い合わせ窓口に届いた質問、支援の現場で作った手順書、社内で試した結果の記録です。

AIが役に立つのは、この材料の山から、領域に関係する部分を拾い出す下書きです。商談の記録や問い合わせの記録を読ませ、どの領域のどの問いに関係するかを一覧にさせます。ただし、社外秘の情報や取引先の名前が混ざるので、読ませてよい記録の範囲と、記事に使うときに伏せる項目を先に決めます。

拾い出した材料を記事に使えるかどうかは、人が決めます。数字が1社だけの結果なのか、複数の現場で同じ傾向が出たのかで、書き方が変わるからです。AIの一覧には、どの記録のどの部分から拾ったかを必ず書かせ、書き手が元の記録を開いて確かめてから使います。

この道筋を領域ごとに持っておくと、増やす領域に新しい記事を書くたびに、独自の材料を1つは入れるという決まりを守りやすくなります。材料の集まり方そのものが、その領域で自社が本当に厚いかどうかの、もう1つの目安にもなります。

測り直しの間隔と、前回との差分の見方

測り直しは四半期に一度が目安です。そのたびに表を作り直すのではなく、前回の表との差分を見ます。見るのは、答えている問いの割合、上位10位以内の割合、古い記事の割合、独自の材料の割合の4つの動きです。

差分を見るときは、自分たちが手を入れた領域と入れていない領域を分けます。手を入れていない領域の数字が大きく動いたなら、検索の仕組みの変化か、競合の動きか、季節の変動です。手を入れた領域の動きだけを、自分たちの施策の結果として読むようにします。

• 主な問いの一覧は、測り直しのたびに営業と窓口の質問で足す。問いが増えれば、網羅の割合は下がって見える
• 記事を統合したときは、統合前の記事の成果を統合後の記事に寄せて比べる
• 領域の分け方を変えたら、変えた四半期は前回との比較をせず、新しい基準の初回として扱う

社内への報告は、領域ごとの3つの区分がどう動いたかを中心にします。増やす領域の網羅がどれだけ上がったか、止めた領域に新規を書いていないか、保つ領域の古い記事がどれだけ減ったか。サイト全体の流入の合計だけを報告しないほうが、配分の議論が続きます。

前回と比べて、増やす領域に回した枠が本当に網羅の割合を上げたかも確かめます。記事を足したのに割合が動かないなら、足した記事が新しい問いではなく、既存の問いの2本目だった可能性があります。棚卸しの一覧で、足した記事の行を見直します。

AIに任せる範囲と、人が決める範囲

最後に、この手順の中でAIに任せる範囲と、人が決める範囲を整理します。AIに任せてよいのは、記事ごとの問いの下書き、主な問いの一覧の下書き、領域の分け方の案、サーチコンソールの数字との突き合わせの手順づくり、表からの読み取りの案です。どれも、人が確かめる前提の下書きです。

人が決めるのは、領域の単位、独自の材料の有無、事業での重み、そして増やす・保つ・止めるの判断です。どれも、自社の事業と社内の事情を知っていないと付けられない欄です。数字を集めるのはAI、数字の意味を決めるのは人と覚えておくと、分担が崩れにくくなります。

AIの下書きを使うときは、判断できない行は判断できないと書かせること、案には根拠の欄を書かせることの2つを、指示の決まりとして固定します。この2つを守るだけで、AIの下書きの誤りを人が見つけやすくなります。指示の文面は毎回書き直さず、決まった文面を保存して使い回すと、四半期ごとの結果も比べやすくなります。

記事の本数を増やすか質を上げるかという配分の考え方そのものは、別の記事で扱っています。この記事の表は、その配分を領域ごとに具体的に決めるための道具として使ってください。

まとめ

トピカルオーソリティは、グーグルの公式にはニュースの検索向けのシステムとして名前があるだけで、一般の記事については業界の呼び名です。公式は、順位は基本はページ単位で決まり、サイト全体のシグナルも使うと説明しています。だからこそ、サイト全体の1つの点数を追うのではなく、領域ごとに問いの網羅・検索での成果・情報の新しさ・独自の材料を測り、事業での重みと並べて、増やす・保つ・止めるを決める。棚卸しと一覧の下書きはAIに任せ、根拠を書かせたうえで、配分の判断は人が持ってください。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。