お問い合わせ

「メタディスクリプションはSEOに効果がない」という話を聞いたことがあるかもしれません。

Google検索ではメタディスクリプションはランキング要因として扱われていないことが公式に述べられています（Google Search Central）。 しかし、AI検索のコンテキストでは、メタディスクリプションの役割は従来のSEOとは異なる形で評価される可能性があります。

この記事では、メタディスクリプションがAI検索の引用選定にどのように影響するかを、RAGの仕組みと実際のAIクローラの挙動から解説します。

Google検索とAI検索でメタディスクリプションの扱いが異なる理由

Google検索では、メタディスクリプションはスニペット生成のヒントに使われますが、ランキングには影響しません。 これはGoogleが公式ドキュメントで明言している事実です。

一方、AI検索（Perplexity、ChatGPT検索、Geminiなど）はRAGアーキテクチャで動作しています（Lewis et al., 2020）。 RAGの検索段階では、ページのメタデータを含むインデックス情報がクエリとのマッチングに使われます。

メタディスクリプションが検索段階で参照される仕組み

AI検索の検索段階では、BingやGoogleの検索インデックスが基盤として使用されています。 これらのインデックスには、各ページのタイトル、URL、メタディスクリプション、本文の抜粋が格納されています。

検索クエリとインデックスのマッチングにおいて、メタディスクリプションは「ページ内容の要約」として参照されます。 本文全体をインデックスに格納するのではなく、メタディスクリプションを含むメタデータが初期候補の選定に使われている構造です。

リランキングでのメタディスクリプションの影響

候補ページがリランキング段階に進むと、クロスエンコーダがクエリとドキュメントのペアを評価します（Nogueira & Cho, 2019）。 この段階ではページ本文が評価対象になりますが、メタディスクリプションはページの冒頭部分として入力に含まれるケースがあります。

クロスエンコーダへの入力にはトークン数の上限があるため、ページ全体ではなく先頭部分が切り取られて使われます。 メタディスクリプションはHTMLの<head>内に位置するため、この切り取りの対象に含まれやすい構造です。

メタディスクリプションがAI引用に効果的な3つの理由

理由1：ページ内容の事前フィルタリングに使われる

AI検索が60件以上の候補を取得した後、すべてのページの本文を精読するのは計算コストが高すぎます。 メタディスクリプションはページの「概要」として、候補の絞り込みに使われます。

メタディスクリプションに記事の主題と結論が含まれていれば、AI検索はそのページが質問に対する回答を含んでいると判断しやすくなります。 逆に、メタディスクリプションが空欄の場合、AIは本文の先頭数百文字を代替として使いますが、それが記事の内容を正確に反映している保証はありません。

理由2：引用テキストの生成に影響する

AI検索が回答に引用を付ける際、引用元ページの説明文としてメタディスクリプションが流用されることがあります。 Perplexityの回答で表示されるソースの説明文には、メタディスクリプションがそのまま使われているケースが確認できます。

メタディスクリプションが適切に書かれていれば、引用表示の品質が上がり、ユーザーが引用元をクリックする可能性も高まります。

理由3：WebGPTのようなAIがページ選定の判断材料にする

WebGPT（Nakano et al., 2021）の研究では、AIがWebページを閲覧する際に、検索結果のスニペット（多くの場合メタディスクリプションから生成される）を読んでクリックするかどうかを判断しています。 人間がSERPのスニペットを読んでクリック先を選ぶのと同じ行動を、AIも取っているわけです。

メタディスクリプションが記事の価値を的確に伝えていれば、AIがそのページを閲覧対象として選ぶ確率が上がります。

メタディスクリプションの最適な文字数

メタディスクリプションの文字数には、いくつかの目安があります。

Google検索での表示を考慮した長さ

Google検索のSERPでは、スニペットとして表示される文字数は全角で70〜120文字程度です。 それを超える部分は省略されます。

AI検索での取り扱い

AI検索のクローラはメタディスクリプションの全文をインデックスに格納します。 Google検索のような表示文字数の制約はありません。

ただし、メタディスクリプションが長すぎると、要約としての凝縮度が下がります。 AI検索の初期フィルタリングでは、凝縮された情報のほうが関連度スコアが高くなりやすい傾向があります。

推奨文字数

全角80〜140文字（半角160〜280文字）を目安にします。

この範囲であれば、Google検索のスニペット表示にも対応しつつ、AI検索のインデックスでも適切な情報密度を維持できます。 記事の主題、結論または結論の方向性、対象読者の3要素を含めるのが基本です。

AI検索に効果的なメタディスクリプションの書き方

書き方の基本構造

メタディスクリプションは以下の3要素で構成します。

  1. 主題の提示（20〜30文字）：この記事が何を扱っているか
  2. 結論または価値の提示（30〜50文字）：読むと何が分かるか
  3. 対象・範囲の明示（20〜30文字）：誰に向けた、どこまでの内容か

改善例の比較

例1：BtoBマーケティングの記事

項目内容
改善前BtoBマーケティングについて詳しく解説します。初心者にも分かりやすくまとめました。
改善後BtoBマーケティングのリード獲得を月間50件から200件に増やすための施策設計を、ファネル別に解説します。自社でリードジェンを内製化するマーケティング責任者向け。

改善前は「何について」は分かりますが「何が得られるか」が不明確です。 改善後は具体的な数値と対象読者が含まれているため、AI検索が「リード獲得方法」「BtoB リード 増やす」などのクエリに対してこのページを候補にしやすくなります。

例2：SEOの記事

項目内容
改善前SEOの基本を解説するページです。
改善後テクニカルSEOの優先施策をクロール・インデックス・レンダリングの3段階で整理し、実装の工数目安と検証方法を解説します。SEO担当者がエンジニアと連携する際の仕様書としても使えます。

改善後には「テクニカルSEO」「クロール」「インデックス」「レンダリング」という専門用語が含まれており、関連するクエリとのキーワードマッチングが成立しやすくなります。

例3：広告運用の記事

項目内容
改善前Google広告の運用方法をご紹介します。
改善後Google広告のCPAを30%削減するためのキャンペーン構成と入札戦略を解説します。月間広告費100万〜500万円のBtoB企業のマーケティング担当者を想定しています。

数値（30%、100万〜500万円）と具体的な施策名（キャンペーン構成、入札戦略）を含めることで、AIが情報の具体性を判断しやすくなります。

避けるべきメタディスクリプションのパターン

パターン1：空欄のまま放置

メタディスクリプションが未設定の場合、検索エンジンやAIクローラは本文から自動的にスニペットを生成します。 自動生成されたスニペットが記事の主題を正確に反映する保証はなく、関連度スコアが最適化されない状態になります。

パターン2：キーワードの羅列

「SEO 対策 方法 初心者 おすすめ コツ ポイント」のようなキーワードの羅列は、自然言語としての意味が成立しません。 セマンティック検索ではベクトルの品質が低くなり、BM25でもスパム判定のリスクがあります。

パターン3：すべてのページで同一のテンプレート文

「〇〇株式会社の公式サイトです。△△に関する情報を発信しています。」のようなテンプレートをすべてのページに使い回すのは避けます。 ページごとに固有の内容がないメタディスクリプションは、AI検索の候補選定で差別化のシグナルになりません。

パターン4：本文の冒頭をそのままコピー

本文の冒頭1〜2文をそのままメタディスクリプションにするパターンがあります。 これ自体は問題ではありませんが、本文の冒頭が導入文（前置き）である場合、主題と結論が含まれず、メタディスクリプションとしての情報価値が低くなります。

CMSごとのメタディスクリプション設定方法

主要なCMSでのメタディスクリプション設定方法を整理します。

WordPress

Yoast SEO、All in One SEO、Rank Mathなどのプラグインで投稿ごとにメタディスクリプションを設定できます。 投稿編集画面の下部にあるSEO設定欄に入力するのが一般的です。

Astro / Next.js / Nuxt

フロントマターやページメタデータにdescriptionを設定し、<meta name="description"> として出力します。 SSG/SSRのビルド時にHTMLに埋め込まれるため、AIクローラが確実に読み取れます。

Shopify

各商品ページ・コレクションページの編集画面にある「SEO設定」でメタディスクリプションを入力できます。 商品説明の冒頭がデフォルトで使われるため、意図的に設定し直す必要があります。

メタディスクリプションの効果計測

メタディスクリプションの改善効果を計測する方法は、従来のSEOとAI検索で異なります。

従来のSEO指標

Google Search ConsoleのCTR（クリック率）が直接的な指標です。 メタディスクリプションの改善前後でCTRの変化を比較します。

AI検索の引用計測

AI検索での引用を計測するには、定期的にPerplexityやChatGPT検索に関連クエリを入力し、自社コンテンツの引用状況を確認する方法があります。 手動での計測が中心になりますが、対象クエリを10〜20件に絞り、週次で確認するのが現実的な運用です。

A/Bテストの考え方

メタディスクリプション単独のA/Bテストは困難ですが、同じカテゴリの記事群で改善した記事としていない記事を比較することで、傾向を把握できます。 改善対象は10記事以上を同時に変更し、4週間以上の計測期間を設けると統計的に意味のあるデータが取れます。

メタディスクリプションとOGP descriptionの関係

<meta name="description"> と <meta property="og:description"> の関係も整理しておきます。

AI検索のクローラは主に <meta name="description"> を参照しますが、一部のシステムではOGPメタデータも解析します。 原則として両者は同じ内容にするのが安全です。

SNSシェア用に短縮版のdescriptionを使いたい場合のみ、OGP descriptionを別途設定します。 その場合でも、主題と結論は両方に含めるようにします。

まとめ

メタディスクリプションはGoogle検索のランキング要因ではありませんが、AI検索ではコンテンツ選定のシグナルとして機能します。

効果的なメタディスクリプションのポイントは以下のとおりです。

メタディスクリプションの改善は1記事あたり5分程度で実施できます。 まずはトラフィック上位の記事から順に見直し、空欄のページ、テンプレート文のページを優先的に改善するのが効率的です。