LLMが回答の途中で発射する AI 検索クエリ

新しいキーワードリサーチはモデルの中に住む

伝統的なキーワードリサーチは、人間が検索ボックスに入力するものから始まる。 AI 検索はその上に新しい層を生み出した: ユーザーが ChatGPT 、 Claude 、 Gemini に自然言語の質問をすると、モデルはしばしば応答をグラウンディングするために自分自身の Web 検索を回答の途中で発射する。それらの内部クエリは Google Search Console には見えない。伝統的な分析には決して到達しない。しかし、ユーザーの意図を既に理解し、有用な回答を生み出す可能性が最も高いクエリに翻訳したモデルによって生成されたため、現在利用可能な最高品質の購買意図シグナルだ。

ユーザーは 「小さな SaaS にとって Profound は価値があるか」 と言った。 ChatGPT はそれを 「 Profound vs Lumos vs Peec AI 」 に翻訳し、グラウンディングを探しに行った。翻訳されたクエリこそ、あなたが見つけられる必要があるものだ。ユーザー対面のクエリに最適化することは古い SEO 表面を最適化することだ。翻訳されたものに最適化することは新しい表面を最適化することだ。

Lumos の中で見えるもの

上記のプレビューは、今週 Lumos と GEO に関するプロンプトに対して ChatGPT と Claude が回答の途中で発射したクエリのスナップショットだ。サインアップすると、同じキャプチャがあなたのプロンプトライブラリで実行される。

• ユーザー対面プロンプト → 翻訳クエリ。 各行は元の自然言語の質問と、 AI が応答をグラウンディングするために発射した Web クエリをペアにする。両方の側が重要だ — ユーザーが何を言うかと AI が何に翻訳するかの両方を知る必要がある。
• 頻度と購買意図スコア。 複数のユーザープロンプトで繰り返されるクエリは、より高いシグナルを得る。 1 回発射されたクエリはノイズだ。 14 の異なるユーザープロンプトで発射されたクエリは、カテゴリの固定資産だ。
• 返されたソースページ。 Lumos は各クエリが返した実際の URL をキャプチャするため、 AI がそのクエリでどのページにグラウンディングしているかを見ることができる。
• エンジンごとの内訳。 ChatGPT と Claude は、ツール使用プロンプトとグラウンディング戦略が異なるため、同じユーザープロンプトに対して異なるクエリを発射する。

Lumos がクエリをキャプチャする仕組み

回答途中クエリは、モデルのツール使用のアーティファクトだ。 Lumos はツール使用を有効にして、あなたのプロンプトライブラリを各主要エンジンで実行し、キャプチャする:

1. ユーザーの自然言語プロンプト。
2. モデルが発射した回答途中の Web クエリ(時には 1 つ、しばしば 3 〜 5)。
3. 各クエリで返された URL 。
4. 最終回答がそれらの URL をどう引用または言い換えたか。
5. モデルとエンジンのバージョン。週単位の比較のため。

生クエリログは通常のスキャンデータと並べて保存される。フィルタ、検索、エクスポートできる。集約レイヤは重複を排除し、頻度 × 意図スコアでランク付けする。

キャプチャされたクエリの使い方

翻訳された形に合うコンテンツを構築する。 AI は 「 Profound vs Lumos vs Peec AI 」 のような完全一致タイトルを探している。コンテンツのタイトルが 「なぜ Lumos を構築したか」 なら、コンテンツがどれほど優れていても、 AI はそのクエリにそれを表面化しない。 Lumos は各キャプチャクエリを引用可能性の提案 — マッチするページタイトルと見出しセット — とペアにする。

Google でクエリを自分で実行する。 Google は AI エンジンがグラウンディングするページをまだ大きくランク付けする。上位 5 つをシークレットタブで開き、実際に何が返されているかを読む。これらのページは AI 可視性のための真の競合だ — クエリのユーザー対面バージョンでランク付けされるページとはしばしば非常に異なる。

クエリを競合レーダーとして使う。 AI が 「 X vs Y 」 を繰り返し発射し、あなたがリストにいないとき、あなたはその決定の瞬間に透明だ。正しい応答は、 AI が拾い上げる 「 X vs Lumos 」 または 「 Y vs Lumos 」 ページを公開することだ。

新しいクエリが現れるのを監視する。 ChatGPT が先月発射していなかったクエリを発射し始めたとき、カテゴリで何かがシフトした — 新しい製品がローンチされた、新しいベンダーが参入した、新しい価格設定の質問が浮上した。新しい回答途中クエリに Lumos アラートを設定し、これらのシフトを日単位で捕まえる。

回答途中クエリを読むときの一般的な間違い

オートコンプリート提案と混同する。 Google オートコンプリートは、人間が入力するかもしれないものだ。回答途中クエリは、 AI が実際に発射するものだ。表面的には似ているが、非常に異なるシグナルだ — オートコンプリートは広範、回答途中は鋭い。

最高頻度クエリのみに最適化する。 上位 3 つは注目される。ロングテール — それぞれ数回しか発射されなかったが合計するクエリ — は、独自のコンテンツに値する特定の購買者ユースケースを表すことが多い。

孤立して 1 つのエンジンからのクエリを読む。 ChatGPT 、 Claude 、 Gemini は、同じユーザー意図に対して異なるクエリを発射する。 ChatGPT で大きく Gemini で静かなクエリは、コンテンツを構築する価値があるが、購買者が使うエンジンで重み付けする必要がある。

クエリログを編集なしのコンテンツブリーフとして扱う。 キャプチャされたクエリは生のモデル出力だ。一部は金、一部はノイズだ。コンテンツバックログのインスピレーションとして使い、完成したブリーフとしてではない。

次のステップ

• ブランドで回答途中クエリトラッカーを実行: サインアップ してプロンプトライブラリをインポート、数分以内にクエリをキャプチャ。
• 引用分析とペアにする: AI Citation Source Tracker 。
• 戦略を読む: How to appear in ChatGPT 。