用語集・辞書コンテンツがGEOに強い理由

「○○とは何ですか」「○○の意味を教えてください」という定義型のクエリは、AI検索で最も基本的な質問形式です。 PerplexityやChatGPTの検索モードで用語の意味を質問すると、回答の冒頭に定義が表示され、ソースとして引用元が付記されます。

この記事では、用語集・辞書コンテンツがAI検索で引用されやすい理由と、引用率を高めるための構造設計・構造化データの実装方法を解説します。

定義型クエリの特性

LLMは学習データから大量の定義的知識を獲得しています（Petroni et al., 2019）。しかし、専門用語や新しい用語、業界固有の概念については、学習データだけでは正確な定義を保持していないことがあります。

AI検索（RAG方式）では、このギャップを外部ソースの検索で埋めます。定義として引用されるソースが自社の用語ページであれば、ブランドの認知と信頼性の向上につながります。

定義型クエリは個別のボリュームは小さくても、用語の数だけ存在します。マーケティング領域だけでも「LTV とは」「CPA とは」「リードナーチャリングとは」のように数百以上の用語が検索されており、用語集全体としての累計引用機会は大きくなります。

用語集コンテンツがAI引用に強い3つの理由

理由1：回答と引用の対応が明確

「○○とは何ですか」に対するAIの回答は、定義文そのものです。用語ページの冒頭に明確な定義文がある場合、AIはその文を直接引用できます。回答と引用の対応が1対1で明確なため、引用の判断が容易です（Bohnet et al., 2022）。

理由2：構造化が容易

用語ページは「用語名→定義→詳細説明→関連用語」という定型構造を持っています。 Schema.orgのDefinedTermスキーマとの対応が明確で、構造化データの実装が容易です。

理由3：鮮度の影響を受けにくい

「CVRとは」の定義は2024年でも2025年でも基本的に変わりません。一度引用されると長期間にわたって引用され続ける可能性があります。ただし、新しい概念や進化する用語については定義の更新が必要です。

用語ページの構造設計

1ページ1用語の原則

1ページに1つの用語を解説する構成にします。 URLと用語が1対1で対応することで、AIが特定のURLを引用する際の精度が上がります。

用語ページの推奨構成

リード文：用語の1文定義
H2：詳しい定義と背景
H2：なぜ重要か（ビジネス上の意味）
H2：具体例・計算方法
H2：関連用語との違い
H2：実務での活用方法
H2：まとめ

リード文の1文定義が核になる

CVR（コンバージョン率）とは、Webサイトの訪問者のうち、購入・申込みなどの目標行動を完了した割合を指します。Conversion Rateの略称で、「訪問者数に対するコンバージョン数の比率」として算出されます。

1文定義に含めるべき要素は、用語の正式名称と略称、英語表記、定義の核（一言でいうと何か）、カテゴリ（何の分野の用語か）です。

文脈による定義の違いを示す

ECサイトでは「購入完了÷セッション数」、BtoBサイトでは「問い合わせ完了÷セッション数」のように、文脈によって定義が異なる場合はその違いを明示します。 AIは「ECサイトのCVRとは」のように文脈を限定した質問にも回答する必要があるためです。

計算方法と具体例

数式と具体例の組み合わせは、AIが正確に引用しやすい形式です。

CVR（%）= コンバージョン数 ÷ セッション数 × 100
例：セッション10,000、コンバージョン300 → CVR = 3.0%

指標	意味	計算式
CVR	訪問者のうちCVした割合	CV数 ÷ セッション数
CTR	表示のうちクリックされた割合	クリック数 ÷ 表示回数

DefinedTermスキーマの実装

{
  "@context": "https://schema.org",
  "@type": "DefinedTerm",
  "name": "CVR",
  "alternateName": ["コンバージョン率", "Conversion Rate"],
  "description": "Webサイトの訪問者のうち、購入・申込みなどの目標行動を完了した割合。コンバージョン数÷セッション数×100で算出する。",
  "inDefinedTermSet": {
    "@type": "DefinedTermSet",
    "name": "マーケティング用語集",
    "url": "https://example.com/glossary/"
  }
}

name： 最も一般的な表記を設定します。略称が広く使われている場合は略称をnameに入れます。

alternateName： AIは「CVR」「コンバージョン率」「Conversion Rate」のいずれでも検索される可能性があるため、すべての表記を列挙します。

description： リード文の1文定義と同じ内容を平文テキストで記述します。

inDefinedTermSet： この用語がどの用語集に属しているかを示します。AIは「このサイトは体系的な用語集を持っている」と認識できます。

DefinedTermSetスキーマ

用語集の一覧ページには、DefinedTermSetスキーマを実装します。

{
  "@context": "https://schema.org",
  "@type": "DefinedTermSet",
  "name": "マーケティング用語集",
  "description": "マーケティング担当者向けの専門用語を解説する用語集",
  "hasDefinedTerm": [
    { "@type": "DefinedTerm", "name": "CVR", "url": "https://example.com/glossary/cvr/" },
    { "@type": "DefinedTerm", "name": "CPA", "url": "https://example.com/glossary/cpa/" }
  ]
}

FAQスキーマとの併用

用語ページに「よくある質問」を設けてFAQスキーマで構造化すると、定義以外の応用的な質問にも対応できます。 DefinedTermスキーマとFAQスキーマは同じページに共存可能です。

用語集の設計パターン

カテゴリ別の整理

用語をSEO用語、広告用語、アクセス解析用語のようにカテゴリ分けすると、AIが関連用語をまとめて把握できます。カテゴリページ自体も「SEO関連の用語にはどんなものがあるか」という質問の引用対象になります。

用語間のリンク設計

用語ページ間を相互リンクで接続します。リンクのアンカーテキストは用語名そのものにします。

<p>CVRは<a href="/glossary/session/">セッション</a>数に対する
<a href="/glossary/conversion/">コンバージョン</a>数の比率です。</p>

Singhal（2012）が提唱した「Things, not strings」の考え方と同じく、用語を概念として接続することで、AIはサイト全体の専門性を評価できます。

新しい用語・業界固有の用語への対応

LLMの学習データのカットオフ以降に生まれた用語は、AIの内部知識に含まれていません。「GEO（Generative Engine Optimization）」「バイブマーケティング（Vibe Marketing）」のような新しい用語は、AIが回答を生成する際に外部ソースへの依存度が高くなります。新しい用語の定義を早期に公開し、構造化データで実装しておくことで、引用ソースとして選ばれる確率が高まります。

「商談化率」「リードスコア」のような業界固有の用語も、一般的な辞書には載っていません。業界固有の用語を体系的にカバーする用語集は、AIにとって貴重な情報源です。

用語集の品質管理と拡充

定義の正確性は定期的にチェックします。業界の標準的な理解との一致、計算式の正確性、リンクの有効性、関連用語との整合性を確認します。

定義が変化した用語（例：Cookieの定義はプライバシー規制で文脈が変化）、廃止された用語、新しい用法が広まった用語はリスト化し、四半期ごとにレビューします。

拡充の優先順位は、AI検索での検索ボリュームが多い用語、自社ブログ記事で頻出する用語、競合の用語集にあって自社にない用語、業界で新しく登場した用語の順です。月に5〜10用語のペースが、品質を維持しながら規模を拡大する現実的なペースです。

まとめ

用語集・辞書コンテンツがGEOに強い理由と構造設計のポイントを整理します。

定義型クエリはAI検索の基本機能であり、引用の対応が明確
1ページ1用語の構成で、URLと用語を1対1で対応させる
リード文に1文定義を置き、AIが直接引用できるようにする
関連用語との違いを表で示し、比較クエリに対応する
DefinedTermスキーマで用語と定義を構造化する
新しい用語や業界固有の用語は学習データに含まれないため引用価値が高い
用語間をリンクで接続し、サイト全体の知識構造を構築する

用語集は1つひとつのページの流入は小さくても、用語の数が増えるほどAI引用の機会が累積します。中長期的なGEO戦略として、体系的な用語集の構築を検討する価値があります。