AmICitedのファンアウトクエリヒートマップの使い方

AIエンジンが質問に答えるとき、実際に入力された文字どおりの言葉に答えることはほとんどありません。エンジンは裏側であなたのプロンプトを、より小さな関連サブクエリの集合に静かに書き換え、それぞれを個別に調査し、その結果を1つの回答へとつなぎ合わせています。AmICitedのファンアウトクエリヒートマップは、追跡しているすべてのプロンプトについてこの見えないプロセスを逆算し、エンジンが実際に調査しているサブクエリと、引用されている各ドメインがそれらをどの程度カバーしているかを正確に示します。これにより、引用を獲得するためにコンテンツが何を扱うべきかを正確に把握できます。

クエリファンアウトとは

**クエリファンアウト **とは、Google AI Overviews、AI Mode、ChatGPT、Perplexity、Geminiといった現代のAI検索システムが、回答を生成する前に1つのユーザープロンプトを関連クエリの集合に変換する手法です。従来のキーワード検索のように1つのインデックスに対してプロンプトを照合するのではなく、エンジンはそれを定義的な質問（「Xとは何か」）、比較の質問（「XとYの比較」）、価格に関する質問、地域ごとのバリエーション、手順に関する質問（「Xのやり方」）などに分解します。それぞれのサブクエリはほぼ独立して調査され、取得されたパッセージが最終的な回答へと統合されます。引用は、最も強力なパッセージを提供したページに付与されます。

これは**ジェネレーティブエンジン最適化（GEO） **にとって非常に重要です。なぜなら、1つのページが抽象的に「トピックに一致している」というだけで引用されることはめったにないからです。そのページが引用されるのは、エンジンが内部的に生成した複数のサブクエリに対して、強力で具体的な回答をたまたま含んでいる場合です。表面的なプロンプトにしか対応せず、エンジンが同時に調査している比較や価格、手順といった角度を無視しているページは、そのファンアウト集合をより多くカバーしている競合ページに引用を奪われます。逆に、あるプロンプトのファンアウト集合を理解することで、ギャップを埋めるためにページに何を追加すべきかを、驚くほど正確に把握できます。

クエリファンアウトはまた、従来のGoogle検索では似たような順位にある2つのページが、AIエンジンからはまったく異なる頻度で引用される理由でもあります。従来のランキングはクエリへの一致を評価するのに対し、AIの引用はクエリの分解への一致を評価します。あるトピックにおけるページ全体の**トピカルオーソリティ **とは、実質的にはこの見えないサブクエリ集合にどれだけうまく答えているかの集計であり、見出しのトピックだけの話ではありません。これこそが、ファンアウトクエリヒートマップが埋めようとしているギャップです。エンジンが導き出したサブクエリ（本来なら決して目にすることのないもの）を取り出し、それぞれのクエリで現在引用を獲得しているページと並べて表示することで、見えないプロセスを実用的で視覚的なマップに変えます。

確認場所

プロンプト詳細ページを下にスクロールし、ファンアウトクエリまで移動します。サブタイトルは*「生成エンジンがこのプロンプトから派生させるサブクエリ — 引用を獲得するためにコンテンツを最適化しましょう」*です。追跡している各プロンプトには、そのプロンプトについて実際に観測されたサブクエリから生成された、独自のヒートマップがあります。つまり表示されるマトリックスは、汎用的なテンプレートではなく、監視している正確なトピックと言い回しに固有のものです。

何を測定しているか

ヒートマップはマトリックスであり、各軸はそれぞれ異なるシグナルを持っています。

• 行はサブクエリ — ファンアウト質問であり、それぞれタイプ（定義、比較、地理、価格、手順など）でタグ付けされています。星印（★）の付いた最上行はメインプロンプト自体であり、サブクエリが実際に追跡している質問とどう関連しているかを確認できます。
• 列はドメイン — 引用されているサイトであり、全エンジンにおける平均**引用ポジション **に基づいて左から右に並んでいます。最も高く、最も一貫して引用されているドメインが先頭に表示されます。
• セルの濃さ＝近さ。 セルが濃いほど、そのドメインの最適なページがそのサブクエリに近いことを意味し、薄いセルは弱く、より周辺的なカバレッジであることを意味します。
• 各列ヘッダーには数値が表示されます — ファンアウト集合全体でAmICitedがそのドメインから発見した引用URLの件数です。

これらを合わせて読むと、濃い列はこのトピックを端から端まで支配しているドメインを示し、濃い行は結果セット内のほぼ全員がうまく回答しているサブクエリ、つまり差別化要因ではなく必須条件を示します。一方、ほとんどの列で薄いままの行こそ興味深いものです。それらは、エンジンが問うているものの、まだ誰も説得力のある形で回答していない質問だからです。

使い方

1. 対応が不十分な行を見つける。 ほとんどの列が薄いサブクエリはギャップです — まだ誰も強くカバーしていない質問であり、最も参入しやすいポイントです。これらは事実上、プロンプト固有のライブな**コンテンツギャップ分析 **です。競合がどこで手薄なのかを推測する代わりに、マトリックス上で直接確認できます。
2. リーダーのカバレッジに合わせる。 上位のサブクエリについて、どのドメインが濃いかを確認し、そのページを開いてみましょう。回答の言い回し、どれだけ深く掘り下げているか、独立したセクションになっているのか長い記事の中に織り込まれているのかに注目してください。それが超えるべき基準です。
3. 1つの強力なページを作成する。 上位のファンアウトクエリを複数の別々の記事に分散させるのではなく、1つのよく構成されたページでカバーすることを目指します。エンジンは、各サブクエリについて最も関連性の高いパッセージを持つページから引用を組み立てるため、複数の行を1つのページが押さえていれば、それぞれ1行しか押さえていない薄いページを複数持つよりも、はるかに多くの引用面を獲得できます。これは**引用に値するコンテンツ **を書くという一般的な原則と同じです。セクションの冒頭近くで質問に直接答え、その後に補足の詳細を加えます。
4. 大きなコンテンツ変更の後には再生成して、マトリックスがどう変化するかを確認します。対応が不十分な行を狙ってページを公開または書き直したら、ファンアウトの内訳を再実行することで、新しいカバレッジが実際にセルを薄い状態から濃い状態へ動かしたかどうかがわかります。これは、ランキングの変化を待つよりもはるかに直接的なフィードバックループです。

マトリックスをコンテンツブリーフに変換する

このヒートマップの実用的な価値は、「このトピックに関するAIビジビリティを改善する」という抽象的なアイデアを、そのまま使える具体的なアウトラインへと変換できる点にあります。上位の行からサブクエリを順番に取り出し、ページのH2見出しやFAQ項目として使いましょう。行が「定義」とタグ付けされている場合は、用語集の項目のように、セクションの冒頭近くで平易な言葉によりその用語を定義します。行が「比較」とタグ付けされている場合は、自社製品を単独で説明するのではなく、明示的な比較を含めます。行が「手順」とタグ付けされている場合は、物語調の段落ではなく、明確なステップの連なりとして回答を書きます。エンジンは物語文よりもステップ形式のパッセージの方が確実に抽出しやすいためです。この種の意図的なセクションごとのカバレッジは、**AI引用向けにコンテンツを構成する **方法に関するガイドが推奨していることそのものであり、ファンアウトヒートマップは、汎用的なテンプレートを推測させるのではなく、あるプロンプトが実際にどのセクションを必要としているのかを正確に教えてくれます。

また、**コンテンツの深さ **を、文字数の問題ではなく行数の問題として捉える価値もあります。あるプロンプトに対して10のファンアウト行のうち6つに徹底的に回答しているページは、各行に軽く触れているだけのはるかに長いページよりも、通常より多くの引用を獲得します。ヒートマップはそれを可視化します。濃いセルは、キーワードに触れているだけのページではなく、あるサブクエリに実質的なスペースを割いているページの周りに集まります。

ビジビリティ戦略の中での位置づけ

ファンアウトクエリヒートマップがプロンプト詳細ビューの中に配置されているのは、単独で読むものではなく、他のプロンプトレベルの指標と併せて読むことを意図しているためです。あるプロンプトの全体的な**AIビジビリティ は強いのに、ヒートマップに薄い行がいくつか見られる場合、通常それは、トピックのうち重なりが大きく取り組みやすい部分では引用を獲得できている一方で、より難しいサブクエリは競合に譲ってしまっているという組み合わせを意味します。競合に埋められてしまう前に修正しておく価値のある弱点です。このプロンプトをより広範な監視プログラムの一部として追跡しているなら、ヒートマップをAmICitedのAIランクトラッカー **と組み合わせることで、ファンアウトのギャップを埋めたことが実際にその後数週間で引用ポジションを動かしたかどうかを観察でき、単発のコンテンツ修正を測定可能な実験に変えられます。これらのサブクエリをそれ自体独立したプロンプトとして監視し始めるには、すべてのプロンプトを追跡 を使用します。これにより各ファンアウト行が完全に追跡対象のプロンプトへと昇格し、親プロンプトのヒートマップ内の1回限りのスナップショットに頼るのではなく、それぞれ独自の履歴、独自の引用トレンド、独自のアラートを持てるようになります。