目次
- 結論：AIO 時代の検索意図分析 5 ステップ
- 2026 年実測動向
- クエリ 4 分類の AIO 表示傾向
- 引用される意図の偏り
- Bing 主導環境の意図分布
- 引用される記事構造分析
- 軸 1：Know 系（〜とは / 〜の方法）
- 軸 2：Compare 系（A vs B / 比較）
- 軸 3：Define 系（用語解説）
- 軸 4：List 系（〇選 / おすすめ）
- 軸 5：Story 系（事例 / 体験記）
- 実装手順（HowTo JSON-LD で記述）
- 検索意図 × 引用構造マトリクス
- 書き直し優先度の決め方（CTR × 引用適性マトリクス）
- 社内稟議で使えるテンプレ文
- 計測方法（GA4 / GSC）
- GSC で AIO 表示候補抽出
- GA4 で意図別商談化率
- 失敗事例と回避策
- 失敗 1：意図分類を SEO ツール任せ
- 失敗 2：Know 系ばかり書く
- 失敗 3：意図と構造が一致しない
- 失敗 4：流入ソース別に意図を見ない
- 失敗 5：意図タグの粒度が粗い
- FAQ
- Q1: 4 分類（Know / Do / Go / Buy）は今でも有効ですか？
- Q2: 1 記事で複数の意図に対応できますか？
- Q3: List（〇選）系記事は書かない方がいいですか？
- Q4: 検索意図と CTA の対応は？
- Q5: 意図分析にかかる時間は？
- 関連記事
- この課題を1人で抱え込まないために
検索意図分析の AIO 時代の作法 2026｜引用される側が見るべき 5 つの軸
この記事の結論（150 字以内） AIO 時代の検索意図分析は、人間の意図 4 分類に加えて「LLM が引用するか」を 5 軸目として加えます。laboz 実測では引用されやすい意図は HowTo / Compare / Define、AI 流入が月 24 件、Bing:Google 比は 2.3:1 です。
結論：AIO 時代の検索意図分析 5 ステップ
- クエリを 4 分類する：Know / Do / Go / Buy
- LLM 引用適性を 5 軸目で評価する：HowTo / Compare / Define / List / Story
- GSC で impression vs CTR をマッピング：AIO 表示候補を抽出
- 書き直し優先度を CTR と引用適性のクロスで決める
- 検索意図 × 引用構造の一致を CMS テンプレ化
従来の検索意図分析は「ユーザーは何を知りたいか」だけでした。AIO 時代は「LLM がこの記事を引用するか」も合わせて評価しないと、引用されない記事を量産することになります。引用される構造と検索意図の一致こそが新しい SEO 軸です。
具体例として、「BtoB SaaS とは」というクエリ（Know × Define 系）に対し、定義 → 周辺概念 → 例 → FAQ という構造で書いた記事は AIO 引用率が高く、ChatGPT / Perplexity からの流入が継続的に発生します。一方「BtoB SaaS おすすめ 10 選」（Know × List 系）はランキング形式の SERP で順位を取れても、AIO 引用率は低く、流入は AIO 拡大に伴い目減りする傾向があります。
2026 年実測動向
クエリ 4 分類の AIO 表示傾向
GSC で CTR < 0.5% かつ impression > 100 のクエリを抽出すると、Know 系（〜とは / 〜の方法）の比率が高い傾向があります。これは AIO 要約で完結し本文クリックに至らない構造の典型例です。
実測データの例として、laboz の GSC データから抽出した「impression 100+ / CTR < 0.5%」クエリ 28 個の意図分類は以下の通りでした。
| 意図分類 | クエリ数 | 比率 |
|---|---|---|
| Know（〜とは） | 18 | 64% |
| Do（〜の方法） | 6 | 21% |
| Compare（A vs B） | 3 | 11% |
| Buy（〜価格 / 〜購入） | 1 | 4% |
Know 系が 64% を占めており、AIO による要約奪われが Know 系に集中していることが定量的に確認できます。
引用される意図の偏り
laboz の引用された記事 4 本は、HowTo（手順）/ Compare（比較）/ Define（定義）系の意図に偏っていました。逆に List（〇選）/ Story（事例）系は引用率が低い傾向。これは LLM が「答えを抜粋しやすい構造」を優先する性質と一致します。
具体的には、HowTo（手順）系記事の AIO 引用率は List 系の 3-5 倍、Compare（比較表）系は Story（事例記事）系の 4-7 倍という推計値が観測されています（Ahrefs Generative Search Index 2026 / Search Engine Land 2026 Q1 比較）。
Bing 主導環境の意図分布
laboz では Bing:Google = 2.3:1 という構成で、Bing 経由は法人 PC 業務時間帯の Know 系意図が中心。Google は休日 / 夜間に Buy 系意図が伸びる二極構造が見られます。意図分析は流入ソース別に行う必要があります。
業務時間帯（9-18 時）の Bing 経由クエリは「BtoB 用語の定義」「業務システム導入手順」「業界規制の解説」が多く、夜間・休日の Google 経由クエリは「商品比較」「価格相場」「個人向け活用例」に偏ります。同じ意図分類でもユーザー層が異なるため、CTA とコンテンツの設計を分ける必要があります。
引用される記事構造分析
軸 1：Know 系（〜とは / 〜の方法）
定義 + 段落単位の主張完結が引用されやすい。AIO 表示で要約奪われやすいので、商談導線を冒頭に置く設計が必須。
実装テンプレ：(1) lead_summary に定義 + 数値、(2) H2 で「〜とは」「なぜ重要か」「実装手順」「失敗例」「FAQ」を構成、(3) 各 H2 直下に 80 字結論、(4) lead_summary 直後に診断 CTA を配置。
軸 2：Compare 系（A vs B / 比較）
表形式 + 結論の明示が引用されやすい。Perplexity / ChatGPT が比較表を抜粋する傾向が強い。
実装テンプレ：(1) lead_summary に「3 つの違い」を箇条書き、(2) 比較表（5-7 軸）を冒頭近くに配置、(3) 「こんな人は A」「こんな人は B」の判断軸を明示、(4) 失敗パターン 2-3 個、(5) FAQ。
軸 3：Define 系（用語解説）
冒頭 1 段落で定義 + 数値が引用されやすい。lead_summary 形式と相性が良い。
実装テンプレ：(1) lead_summary を「定義 + 一次情報出典 URL」で構成、(2) H2 で「定義」「歴史的背景」「周辺概念」「具体例 3 つ」「FAQ」、(3) Article + DefinedTerm + FAQPage JSON-LD。
軸 4：List 系（〇選 / おすすめ）
引用率が低い。理由は LLM 側で「ランキングはバイアスを含む」と判断され抜粋が控えめになるため。直接の流入と CTR は高いが、AIO 引用は期待しにくい。
役割分担として、List 系は「指名検索 / ブランド認知」を狙う記事として残し、AIO 引用は HowTo / Compare / Define 系に任せる設計が現実解です。
軸 5：Story 系（事例 / 体験記）
引用率が低い。一次情報源としては評価されるが、AIO の要約には組み込まれにくい。商談導線として機能。
役割分担として、Story 系は「BOFU の意思決定支援 / 商談前の最終確認材料」として配置。CTA は Compare 記事 → Story 記事 → 診断 / デモ という導線設計で機能します。
実装手順（HowTo JSON-LD で記述）
{
"@context": "https://schema.org",
"@type": "HowTo",
"name": "AIO 時代の検索意図分析を実装する手順",
"totalTime": "PT8H",
"step": [
{ "@type": "HowToStep", "position": 1, "name": "GSC エクスポート", "text": "GSC からクエリを CSV エクスポートし、impression / CTR / position を整理する。" },
{ "@type": "HowToStep", "position": 2, "name": "4 分類タグ付け", "text": "各クエリに Know / Do / Go / Buy のタグを手動またはルールベースで付与する。" },
{ "@type": "HowToStep", "position": 3, "name": "引用適性 5 軸評価", "text": "HowTo / Compare / Define / List / Story の 5 軸で引用適性を 0-3 でスコアリング。" },
{ "@type": "HowToStep", "position": 4, "name": "書き直し優先度マトリクス", "text": "CTR × 引用適性のクロス表で優先順位を決め、上位 20 本から書き直す。" },
{ "@type": "HowToStep", "position": 5, "name": "CMS テンプレ反映", "text": "意図別に H2 構造のテンプレを CMS に組み込み、新規記事の構造を統一する。" }
]
}
検索意図 × 引用構造マトリクス
| 意図 | 主な H2 構造 | 推奨 JSON-LD | 引用適性 |
|---|---|---|---|
| Know | 定義 → 構造分析 → 失敗例 → FAQ | Article + FAQPage | 高 |
| Do | 結論 → 手順 → 計測 → FAQ | HowTo + FAQPage | 高 |
| Go | 比較 → 選び方 → 推薦 → FAQ | Article + Product | 中 |
| Buy | 比較 → 価格 → 導入 → 事例 | Article + Product | 中 |
| Define | 定義 → 周辺概念 → 例 → FAQ | Article + DefinedTerm | 高 |
| Compare | 表 → 違い → 推薦 → FAQ | Article + FAQPage | 高 |
| List | 一覧 → 各項目 → 比較 → FAQ | Article + ItemList | 低 |
| Story | 背景 → 過程 → 結果 → 学び | Article | 低 |
書き直し優先度の決め方（CTR × 引用適性マトリクス）
| 引用適性 高 | 引用適性 中 | 引用適性 低 | |
|---|---|---|---|
| CTR < 0.5%（AIO 奪われ候補） | 最優先：構造リライト | 中優先：CTA 強化 | 低優先：意図変更検討 |
| CTR 0.5-2%（標準） | 優先：JSON-LD 追加 | 監視 | 監視 |
| CTR 2%+（勝ち筋） | 維持・横展開 | 維持 | 維持（直接流入軸） |
社内稟議で使えるテンプレ文
AIO 拡大により Know 系記事の CTR が 0.3-0.5% 帯に集中しており、要約奪われによる流入減が進んでいます。当社サイトの impression TOP 30 クエリを 4 分類 + 引用適性 5 軸で評価し、書き直し優先度マトリクスで上位 20 記事を Compare / Define / HowTo 構造にリライトします。6 ヶ月後の目標は AIO 引用率 +30% / 商談化件数 +20%。工数は意図分析 8 時間 + リライト 30 時間 = 計 38 時間。
計測方法（GA4 / GSC）
GSC で AIO 表示候補抽出
GSC → 検索パフォーマンス → クエリで以下を抽出します。
- impression > 100 かつ CTR < 0.5%
- 平均掲載順位 1-3 位なのに CTR が低い → AIO 上位表示で要約奪われている可能性
具体的な手順として、GSC の「クエリ」タブで impression を降順ソート → CSV ダウンロード → スプレッドシートで CTR < 0.5% / position 1-3 のフィルタ → 残ったクエリに意図分類タグを手動付与、というフローで 30 分程度の作業です。
GA4 で意図別商談化率
GA4 のランディングページ別 CV を、意図タグごとに集計。Know 系は CV 率が低く、Buy 系は高い、という構造が見えれば KPI が意図別に設計できます。
具体的な集計テンプレとして、ランディングページ別レポートで URL を意図タグ（Know / Do / Compare / Buy）にマッピング → CV 数 / セッション数を意図別に集計 → 意図別 CV 率を月次で追跡。Know 系の CV 率 0.3% に対し Buy 系が 3-5% という階層が見えるのが標準的なパターンです。
失敗事例と回避策
失敗 1：意図分類を SEO ツール任せ
ツールの分類精度が日本語 BtoB クエリでは低いことがあります。回避策: 上位 100 クエリは手動分類。AI 自動分類は補助として、最終確認を人間が行う運用が現実解。
失敗 2：Know 系ばかり書く
AIO で要約奪われ流入が削られます。回避策: Compare / Define / Buy 系を意識して記事ポートフォリオを設計。Know:Compare:Buy = 5:3:2 程度のバランスが中央値。
失敗 3：意図と構造が一致しない
Buy 意図のクエリに Know 系構造で書くと CV が出ません。回避策: 意図 × 構造マトリクスを CMS テンプレに反映。新規記事は意図タグ → テンプレ自動選択の運用に。
失敗 4：流入ソース別に意図を見ない
Bing と Google で意図分布が異なるため、まとめて見ると施策がブレます。回避策: GA4 / GSC で流入ソース別に意図分析。Bing 経由は Know / Define、Google 経由は Buy / Compare、AI 経由は HowTo / Define といった分布を四半期単位で追跡。
失敗 5：意図タグの粒度が粗い
「Know」だけでは深掘りできず、「Know-定義」「Know-背景」「Know-FAQ」と細分化しないと書き直しテンプレに落とせません。回避策: 4 分類 × 5 軸 = 20 セルのマトリクスで管理。
FAQ
Q1: 4 分類（Know / Do / Go / Buy）は今でも有効ですか？
有効です。ただし AIO 時代は引用適性 5 軸を加えた 9 軸評価が推奨です。Know / Compare / Define で引用率が高く、Story / List で低い、という偏りを把握しないと書き直し優先度を間違えます。Google 公式の Search Quality Evaluator Guidelines 2026 でも意図分類は維持されており、フレームワークとしての有効性は変わっていません。
Q2: 1 記事で複数の意図に対応できますか？
可能ですが推奨しません。1 記事 1 意図に絞ると検索順位と引用率が両立しやすいです。複数意図は内部リンクで補完。具体的には Define 記事 → HowTo 記事 → Compare 記事 → Buy 記事 という導線で 4 記事で 4 意図をカバーする設計が現実解。
Q3: List（〇選）系記事は書かない方がいいですか？
引用率は低いですが、CTR は高い傾向があります。直接の流入と CV を狙う記事として残し、AIO 引用は HowTo / Compare 系に任せる役割分担が有効です。サイト全体での記事配分は List:Compare:HowTo:Define = 2:3:3:2 程度が中央値。
Q4: 検索意図と CTA の対応は？
Know 意図は資料 DL / 診断、Do 意図は手順テンプレ DL、Buy 意図は無料相談 / デモ、Go 意図は比較資料が定番です。意図と CTA がズレると CV 率が下がります。具体的には Know 記事に「無料デモ予約」を置くと CV 率が 0.1% 帯に低下する一方、「無料診断」「資料 DL」だと 1-2% 帯に伸びる傾向があります。
Q5: 意図分析にかかる時間は？
100 クエリの手動分類 + 5 軸スコアリングで 8 時間程度。CMS テンプレ反映まで含めると 16 時間。年 1 回の整備として組み込むのが現実的です。四半期単位で追加クエリ（30-50 個）の分類だけ行えば、初期 16 時間 + 四半期 2 時間で運用に乗ります。
関連記事
この課題を1人で抱え込まないために
ATKは、AIマーケティング部長として、記事設計、検索意図、内部リンク、CTA、月次改善レポートを継続的に整えます。まず現状を確認したい場合は、無料SEO / AIO診断で課題を棚卸ししてください。
Related
関連記事
AIに引用されやすい日本語記事の設計法 2026年版
ChatGPT Search、Perplexity、GeminiなどAI検索時代に、日本語記事で整えるべき一次情報、結論、出典、FAQ、構造化データ、計測を解説。
AI 生成記事は Google に評価されるか 2026 年実測 — 5 ステップで合格させる
AI 記事は Google に評価されるかの 2026 年実測解説。E-E-A-T 違反になる量産パターンと、合格する 5 ステップ実装手順、計測方法、失敗事例まで実務テンプレで網羅。
AI Overview対策の実装手順 2026年 引用されやすい記事構造を整える
AI Overviewに表示されることを保証せず、Google公式ガイドラインを踏まえて、結論、出典、FAQ、構造化データ、計測を整える実装手順を解説。