# AI用語集：AI検索とGEOの基本用語をわかりやすく解説 MCP、RAG、グラウンディング、AIシェア・オブ・ボイス……AI検索の世界の言葉は驚くほど速く進化し、1年前には存在しなかった用語が今日ではあらゆる場所で使われていることもあります。本用語集では、マーケターとSEO担当者が押さえておくべき **AI・GEO用語** を解説します。 私たちの [SEO用語集](/content/ja/blog/seo-jisho/index.html) が従来型検索のための辞書だとすれば、こちらはその姉妹版、生成AI時代のための辞書だとお考えください。ChatGPT、Gemini、Perplexity、GoogleのAI Overviewが実際にどのようにコンテンツを発見し、読み込み、引用するのかを理解するために必要な言葉をまとめています。各項目は短く実用的にまとめており、詳しいガイドを用意しているものについては、より深く学べるよう直接リンクを張っています。 リンクのランキングから回答の生成へと検索が移り変わったことで、機械学習から借用した語彙を中心に、まったく新しい言葉が次々と生まれました。この分野で働くのにデータサイエンスの学位は必要ありませんが、人々が埋め込み（embedding）、グラウンディング、クエリ・ファンアウトといった言葉について話すとき、それが何を意味するのかは知っておく必要があります。 **このページをブックマークして、AI検索の言葉を流暢に話せるようになりましょう。** 本用語集は、 [David Kaufmann](/content/ja/author/david-kaufmann/index.html) と [SEOcrawlチーム](/content/ja/team/index.html) が運営しています。AIエンジンが日々どのようにブランドを引用しているかを追跡している人たちです。 **A** ## AEO (Answer Engine Optimization) [**Answer Engine Optimization**](/content/ja/blog/answer-engine-optimization/index.html)（アンサーエンジン最適化）とは、AIのアンサーエンジンが直接的な回答の情報源としてコンテンツを選ぶよう最適化する取り組みです。GEOと密接に関連していますが、10本の青いリンクのうちの1つになるのではなく、 _その_ 回答そのものになることに重点を置いています。 SEO・AEO・GEOを一目で ## Agent (AI agent) **AIエージェント** とは、言語モデルを使って単にテキストを返すのではなく、行動を起こすシステムのことです。ツールを呼び出したり、ブラウジングをしたり、複数ステップのタスクを完了させたりします。 [MCP](/content/ja/mcp/index.html) のようなプロトコルが重要なのは、まさにこのためです。エージェントは、外部のデータやサービスに到達するための安全で標準的な手段を必要とするからです。 AIエージェントの仕組み ## AI Mode **AI Mode** は、チャット形式のインターフェースが追加の質問に直接答える、Googleの会話型AI生成検索体験です。AI Mode内での登場は従来のランキングのようには測定できませんが、そこから送られるクリックはアナリティクスで追跡できます。 AI Modeは会話だ ## AI Overview [**AI Overview**](/content/ja/blog/ai-overview-ranking-factors/index.html) は、Googleが多くの検索結果の上部に配置する、AIが生成する要約です。複数の情報源から内容を引き出し、それらを引用します。この引用される情報源に名を連ねることは、GEOの中心的な目標です。 AI Overviewの構造 ## Answer engine **アンサーエンジン** とは、クエリに対してリンクの一覧ではなく統合された回答で応答するあらゆるシステムのことです。ChatGPT、Perplexity、Gemini、GoogleのAI Overviewはすべてこれに該当します。この用語は、AEOの背後にある戦略的な転換を端的に表しています。 検索エンジンとアンサーエンジン **B** ## Brand mention monitoring AI検索における [**ブランド言及モニタリング**](/content/ja/blog/chatgpt-brand-mentions/index.html) とは、AIエンジンがその回答の中で自社ブランドをいつ・どこで・どのように名指しするかを追跡することです。見えないものは改善できないため、これはあらゆるAI可視性戦略の土台となります。 AIエンジン全体でのブランド言及の監視 **C** ## Chunking **チャンキング** とは、検索（リトリーバル）システムが最も関連性の高い箇所を索引付けして取得できるよう、コンテンツを小さな一節に分割する処理のことです。短いセクション、内容を表す見出し、それ自体で完結する段落といった明確な構造により、コンテンツはチャンク化・取得しやすくなります。 チャンキングが取得のためにコンテンツを分割する仕組み ## Citation [**AI引用**](/content/ja/blog/seo-citations/index.html) とは、AIが生成する回答の中であなたのサイトやブランドへ言及することで、リンク付きの情報源、脚注、または文中の言及として表示されます。引用は、従来型SEOにおけるランキングと同じく、AI検索における可視性の単位であり、各ブランドが獲得を競い合う対象です。 ChatGPTが情報源を取得して引用する仕組み ## Crawler (AI crawler) **AIクローラー** とは、AI企業が学習やリアルタイムの取得のためにウェブコンテンツを収集する目的で運用するボットのことです。例えばGPTBot、ClaudeBot、Google-Extended、PerplexityBotなどがあります。あなたの [robots.txt](/content/ja/blog/robots-txt/index.html) が、これらのうちどれにサイトへのアクセスを許可するかを制御します。 AIクローラーとrobots.txt **E** ## Embedding **埋め込み（エンベディング）** とは、テキスト（または画像）の意味を数値のリストとして表したものです。これによってモデルは、2つのコンテンツがどれだけ似ているかを測定できます。埋め込みは、AIシステム内のセマンティック検索とリトリーバル（情報の取得）を支えています。 埋め込みが意味を捉える仕組み ## Entity **エンティティ** とは、人物、ブランド、製品、場所といった、明確に識別できる個別の存在のことで、エンジンはこれらをナレッジグラフ内で追跡し結びつけます。明確なエンティティとして認識されることは、AIエンジンがあなたのブランドを正しいトピックと関連付け、自信を持って言及する助けになります。 エンティティとその属性 **F** ## Fine-tuning **ファインチューニング** とは、ベースモデルを特定のデータセットでさらに学習させ、その振る舞いや知識を特化させる処理のことです。リトリーバル（情報の取得）とは別物で、ファインチューニングは情報をモデルそのものに組み込むのに対し、リトリーバルは回答時に情報を取得します。 ファインチューニングがモデルを特化させる仕組み **G** ## GEO (Generative Engine Optimization) [**Generative Engine Optimization**](/content/ja/blog/generative-engine-optimization/index.html)（生成エンジン最適化）とは、生成AIエンジンがあなたを言及・引用するよう、コンテンツとブランドの存在感を最適化する分野です。SEOをChatGPT、Gemini、Perplexity、AI Overviewへと拡張するものです。 生成エンジン最適化が狙うもの ## Grounding **グラウンディング** とは、AIエンジンが学習したパラメータだけに頼るのではなく、取得した検証可能な情報源に基づいて回答を組み立てることを指します。グラウンディングされた回答は引用を含む可能性が最も高く、だからこそ、AIが取得しやすく信頼できる情報源であることが重要なのです。 グラウンディングなし対あり **H** ## Hallucination **ハルシネーション（幻覚）** とは、AIモデルがもっともらしく生成してしまう、誤った、あるいは事実無根の記述のことです。しっかりと構造化された引用可能なコンテンツがあれば、エンジンが正しい事実を取得せずにあなたのブランドについて誤った情報を作り出す可能性を減らせます。 AIのハルシネーションとは **K** ## Knowledge graph **ナレッジグラフ** とは、エンティティとそれらの間の関係を構造化して描き出した地図のことです。AIエンジンはナレッジグラフを頼りに、ブランドの曖昧さを解消し、あなたについてどの事実を信頼すべきかを判断します。 エンティティと関係のナレッジグラフ **L** ## LLM (Large Language Model) **大規模言語モデル** とは、膨大な量のテキストで学習し、言語を予測・生成するAIモデルのことで、ChatGPT、Claude、Geminiなどを支えるエンジンです。AI検索におけるすべては、最終的には何らかのLLMの上で動いています。 大規模言語モデルが文章を生成する仕組み ## llms.txt [**llms.txt**](/content/ja/blog/llms-txt/index.html) は、あなたの最も重要なコンテンツを、整理された構造化された形でAIモデルに示すために提案されているプレーンテキストファイルです。普及はまだ始まったばかりであり、しっかりとクロール可能なコンテンツの代わりにはなりません。 llms.txtファイルの役割 **M** ## MCP (Model Context Protocol) [**Model Context Protocol**](/content/ja/mcp/index.html) は、AIアシスタントが外部のツールやデータソースに一貫した方法で接続できるようにするオープンスタンダードです。モデルが、学習内容から推測する代わりに、SEOcrawlのようなサービスを安全に呼び出してリアルタイムのSEOデータを取得する仕組みになります。 Model Context Protocolがツールをつなぐ仕組み ## Multimodal **マルチモーダル** とは、同じシステムの中でテキスト、画像、音声、動画など複数の種類の入力を処理できるモデルを指します。AIエンジンが今や言葉だけでなく、スクリーンショットやグラフまで読み取れるのは、このためです。 マルチモーダルモデルが読めるもの **P** ## Prompt **プロンプト** とは、AIモデルに回答を生成させるために与える指示や質問のことです。AI検索においては、実際のユーザーが入力するプロンプトこそが、あなたが表示されたいと狙っているクエリにほかなりません。 プロンプトは新しいクエリ ## Prompt tracking [**プロンプトトラッキング**](/content/ja/prompt-tracking/index.html) とは、定められた一連のプロンプトに対してAIエンジンが時系列でどう答えるか、つまりどのブランドを言及し、どの情報源を引用し、それがどう変化するかを監視することです。AI検索における、ランクトラッキングに相当するものです。 プロンプトトラッキング、AI版のランクトラッキング **Q** ## Query fan-out [**クエリ・ファンアウト**](/content/ja/blog/query-fan-out/index.html) とは、AIエンジンが1つのユーザーの質問を複数のサブクエリに分解し、それらを並行して実行し、結果を1つの回答に統合する手法のことです。これを理解すると、1つの正確なフレーズを狙うよりも、トピックを徹底的に網羅するほうが有利である理由がわかります。 クエリ・ファンアウトの仕組み **R** ## RAG (Retrieval-Augmented Generation) **RAG** とは、モデルが回答時に関連する文書を取得し、それを使ってグラウンディングされた、情報源付きの回答を生成するアーキテクチャです。ほとんどのAI検索体験は何らかの形のRAGであり、だからこそAIに取得されやすいことがすべてを左右するのです。 AIエンジンが情報源を取得して引用する仕組み ## Reranking **リランキング** とは、モデルが回答を書く前に、取得した一節を関連性によって並べ替える二段階目の処理のことです。単に人気があるだけの一節ではなく、最も _有用_ でよく合致した一節がしばしば選ばれるのは、これが一因です。 リランキングが取得した一節を並べ替える仕組み **S** ## Share of AI voice **AIシェア・オブ・ボイス** とは、あるトピックやプロンプト群について、AIの回答のうち競合に対して自社ブランドが登場する割合のことです。 [AI可視性](/content/ja/ai-visibility-checker/index.html) を測定し、競合とベンチマークするための代表的な指標です。 AIシェア・オブ・ボイス対競合 **T** ## Token **トークン** とは、モデルが読み込み・生成するテキストの単位で、おおよそ1単語または単語の一部に相当します。トークンが重要なのは、モデルが扱えるコンテキストの上限と、それを動かすコストを左右するからです。 テキストがトークンに分割される仕組み ## Training data **学習データ** とは、モデルが公開される前に学習した、テキストやその他のコンテンツの集合体のことです。あなたのブランドや事実がウェブ全体で十分に取り上げられていれば、モデルがすでに「知っている」内容に反映される可能性が高くなります。 学習データがモデルの知識を形づくる仕組み **V** ## Vector database **ベクトルデータベース** は、 [埋め込み](/content/ja/blog/ai-terms#embedding/index.html) を保存し、完全一致のキーワードではなく意味の近さによってクエリに最も近いものを見つけます。セマンティック検索や多くのRAGシステムを支える検索エンジンです。 ベクトルデータベースが一致を見つける仕組み **Z** ## Zero-click **ゼロクリック** の結果とは、ユーザーがインターフェース上で直接答えを得て、ウェブサイトを一度も訪れないものを指します。AIの回答はゼロクリックをさらに押し上げており、だからこそ回答の _中_ での可視性、つまり引用と言及が、今やクリックと同じくらい重要になっているのです。 ゼロクリックの結果とは