AIの推薦は「聞き方」で変わる｜DCTAフロー Actフェーズ
0. そもそもActとは何か——シリーズの締めとして
DCTAフローをおさらいします。
D（Discover）は「知らないことを調べる」。C（Compare）は「いくつかを比べる」。T（Trust）は「信頼できるかを確かめる」。そしてA（Act）は「行動する・選ぶ」です。
ここまで読んできた方はわかると思いますが、D・C・Tはすべて「行動する前の準備」でした。AIが情報を集めて、比べて、信頼を判断する——その積み上げの先に、ようやくActがある。
Actフェーズでは、AIは「推薦」という形で人間の行動に関わります。
ここでいう推薦とは、AIが質問に対して最初に名前を挙げるサービス・サイト・商品のことです。検索結果の1位とは少し違います。「おすすめを教えて」と聞いたとき、AIが一番最初に・一番上に出してくるもの——それがActフェーズにおける「推薦」です。
ただ、正直に言います。
Actフェーズは、DCTAの中で一番「最後がわからない」フェーズです。
D・C・Tは、AIの動きをある程度外から観測できました。クロールのログを見る、引用されたサイトを確認する、パターンを探す——そういう観測ができた。
でもActは違います。AIが「これがおすすめ」と言った後、人間が実際にどう動いたか。クリックしたのか、しなかったのか。買ったのか、やめたのか。AIにはわからないし、サイト運営者にも見えない。
さらに面白いことに、AIの推薦自体も、聞き方や文脈によって変わります。
同じ質問でも、「背中を押してほしい」という気持ちで聞くのと、「フラットに評価してほしい」という気持ちで聞くのとでは、AIが返す答えが変わる。人間の「気持ち」をAIが読んでいる可能性がある。
これがActフェーズの核心です。では、具体的に何が起きているのか。
1. AIの推薦は「聞き方」で変わる
少し想像してみてください。
友人に「ビートルズのアルバム、Abbey Road買おうと思うんだけど、いいよね？」と聞いたとします。
おそらく「いいじゃん！名盤だよ」と背中を押してくれるはず。
では「Abbey Road買うのどう思う？」と聞いたら？
「うーん、Revolverの方が好きって人もいるけどね」とか「他にも候補あるんじゃない？」みたいな、少し立ち止まった返答が来るかもしれません。
同じ「購入を検討している」という状況なのに、聞き方で返ってくる答えが変わる。
これ、AIでも同じことが起きています。
「〇〇を使おうと思うんだけど、いいよね？」と聞いたAIは、サポーター役に回ります。メリットを強調して、背中を押す方向で答えます。
「〇〇を使うのどう思いますか？」と聞いたAIは、評価者役に回ります。メリットとデメリットをバランスよく並べて、判断はあなたに委ねる答えを返します。
同じAI、同じテーマ、でも聞き方でAIのパワーポジションが変わるんです。
もう少し具体的に整理してみます。
| 聞き方のパターン | AIが取るポジション | 返ってくる答えの傾向 |
|---|---|---|
| 〜だよね？（同調） | サポーター | 背中を押す・メリット強調 |
| 〜どう思う？（評価依頼） | 評価者 | メリット・デメリット両方 |
| 〜なんやったっけ？（失念） | 補足者 | 思い出させる・情報整理 |
| まず何から始めればいい？（迷い） | ナビゲーター | ステップ形式・優先順位提示 |
「推薦してもらう」という行為ひとつとっても、これだけバリエーションがある。
そしてここが重要なのですが——AIはこの「パターン」をどうやって読んでいるのか。次のセクションで見ていきます。
2. なぜ変わるのか——AIは「気持ち」を読んでいる
「聞き方でAIの答えが変わる」——これは偶然ではありません。
AIは膨大な言語データを学習しています。その中には、メールのやり取り、チャットの会話、SNSの投稿——人間が日常的に交わしてきたコミュニケーションのパターンが大量に含まれています。
人間同士の会話では、言葉の端々に「気持ち」が滲み出ます。
「〜だよね？」という文末は、同意を求めているサイン。「どう思う？」は、フラットな意見を求めているサイン。「なんやったっけ？」は、思い出せないことへの補足を求めているサイン——そういったパターンを、AIは学習データから吸収しています。
つまりAIが「気持ち」を読んでいるのではなく、人間のコミュニケーションパターンから「この聞き方はこういう意図だ」と推測しているということです。
チャット履歴とプロジェクトも影響する
もう一つ重要な要素があります。
ChatGPTやClaudeには「プロジェクト」や「メモリ」という機能があります。過去の会話の文脈を引き継いで、次の回答に活かす仕組みです。
これが推薦に影響します。
例えば「カメラを買いたい」と相談したとき——過去の会話で「予算は5万円以内」「初心者向けがいい」という情報を持っているAIと、まっさらな状態のAIとでは、推薦される機種が変わります。
さらに言うと、AIによって「空気の読み方」の得意・不得意が違います。会話の文脈を重視するAIほど、チャット履歴や前後の流れに引っ張られた推薦をする傾向があります。
観測：同じ質問でも、AIによって温度感が違った
実際にこんな場面がありました。
「ゼロクリック問題」——AIが検索結果を直接答えてしまうため、サイトへのアクセスが減る現象——について、ChatGPTとGeminiにそれぞれ聞いてみました。
ChatGPTは深刻なトーンで答えました。サイト運営者への影響、トラフィック減少のリスク、対策の必要性——警告色が強い回答でした。
Geminiは構造的・哲学的なトーンで答えました。「検索は情報取得から意思決定支援へ進化している」「観測する側に立つことが重要」——より俯瞰した視点の回答でした。
同じ質問、同じテーマ。でも返ってきた答えの「温度感」がまったく違った。
これはパーソナライズの影響もあると思います。AI観測ラボとして活動している文脈を、それぞれのAIが引き継いでいた可能性がある。つまり「誰が聞くか」によっても、推薦は変わるということです。
聞き方、チャット履歴、誰が聞くか——Actフェーズの推薦には、これだけの変数が絡んでいます。
だとすれば、推薦される「側」になるためには何が必要なのか。次のセクションで見ていきます。
3. 【今が仕込み時】引用常連リストはまだ固まっていない
Trustフェーズで書いた話を、ここで回収します。
AIには「引用常連リスト」のようなものが存在する可能性があります。あるトピックについて、AIが「このサイト群を参照する」というパターンが一度固まると、それが更新されにくくなる——という仮説です。
ビートルズで考えてみます。
ビートルズについての情報は英語・日本語問わず膨大にあります。大手音楽メディア、Wikipedia、専門書のデジタル版——すでにリストが何重にも固まっている状態です。今から「ビートルズの解説記事」を書いても、そのリストに入れる可能性はほぼない。
では米粉パンはどうか。
深く掘り下げたコンテンツがまだ少ない分野です。リストがまだ固まりきっていない。今から動けば、核になれる可能性がある。
これはSEOの先行者利益と本質的には同じ構造です。ただ一つだけ大きく違うところがあります。
SEOは後発でも逆転できました。より良いコンテンツを書いて、被リンクを積み上げれば、時間はかかっても順位を上げられた。でもAIの引用常連リストは、逆転の機会自体が少ない可能性があります。Googleのように「このサイトの評価を上げました」という明示的なシグナルがない。一度固まったパターンがどれだけ柔軟に変わるのか、外からは見えない。
空白が多いのは「ニッチ×日本語×考察レイヤー」
では今、どこに空白が残っているのか。
観測から見えてきた傾向として、ニッチな分野×日本語×考察レイヤーの組み合わせが一番入りやすいと考えています。
英語圏では飽和していても、日本語ではまだリストが形成途中という分野が山ほどある。さらに同じトピックの中でも、レイヤーによって固定化の速度が違います。
| レイヤー | 例 | 今の状況 |
|---|---|---|
| 一次情報 | 公式データ・統計 | 新情報が出るたびに更新される |
| 考察レイヤー | 独自視点・実験データ・生ログ | まだ薄い。今なら入れる |
| まとめレイヤー | 「おすすめ〇選」系 | 固まりやすく外れにくい |
考察レイヤーが一番空白が多い。独自の視点や実験データを持っているサイトが、今最も参入しやすいレイヤーです。
そして重要なのがタイミングです。
引用常連リストが固まる「前」に入れるかどうかが、その後ずっと参照されるかどうかの分岐点になっている可能性があります。後から良いコンテンツを書いても、リストがすでに固まっていれば入れない。
今がその「前」である分野が、まだたくさん残っています。
では具体的に、どんなコンテンツが推薦されやすいのか。次のセクションで整理します。
4. ほぼ確定していること：Actフェーズで推薦されるサイトの条件
D・C・Tの観測を積み上げてきた中で、「これは効いている」とほぼ確信していることがあります。仮説ではなく、傾向として見えてきたことです。
順番に整理します。
① AIが答えられない情報を持っている
AIは学習データの範囲内のことは自分で答えられます。でも学習データに存在しない情報は、外部から引用するしかない。
つまりAIが「自分では答えられない」と判断した瞬間に、そのサイトの出番が来ます。
具体的には——
- 今この瞬間の観測データ・実験結果
- 特定の人・組織にしか持てない一次情報
- AIが生成できない「生ログ」「体験記」
これらはAIが代替できない情報です。だから引用される。
AI観測ラボが「観測ログ」を記録し続けているのは、まさにこの理由です。観測ログはAIが作れない。だから引用される可能性が高い。
② 段落単位で「答えになっている」
Compareフェーズで書いた話の回収です。
AIはサイト全体を評価しているのではなく、段落単位で「この文章は質問の答えになっているか」を判断しています。
つまりどれだけ良いサイトでも、肝心の段落が質問に答えていなければ引用されない。逆に言えば、一つの段落が完璧に答えになっていれば、サイト全体の評価が低くても引用される可能性がある。
「ページ全体を良くする」より「この段落が答えになっているか」を意識する方が、Actフェーズでの推薦につながりやすいと考えています。
③ 一貫して同じことを言い続けている
Trustフェーズで書いた「引用常連リスト」の話と繋がります。
AIが「このサイトは信頼できる」と判断する要素の一つに、一貫性があると考えています。コロコロ主張が変わるサイトより、同じテーマについて継続的に・一貫した視点で書き続けているサイトの方が、リストに残りやすい。
量より継続性。一発当てるより、同じ方向に積み上げ続ける方が、長期的には推薦されやすくなる可能性があります。
④ 構造がきれいで、クロールを許可している
これは基本中の基本ですが、意外と抜けているサイトが多い。
どれだけ良いコンテンツを書いても、AIクローラーがアクセスできなければ意味がない。robots.txtでAIクローラーを拒否していたり、ページ構造がぐちゃぐちゃで段落の境目がわからなかったりすると、そもそも土俵に上がれません。
推薦される以前の問題として、「AIに読まれる状態になっているか」の確認が最初のステップです。
まとめると、Actフェーズで推薦されるサイトの条件はこうなります。
| 条件 | 確度 |
|---|---|
| AIが答えられない情報を持っている | ★★★ ほぼ確定 |
| 段落単位で「答えになっている」 | ★★★ ほぼ確定 |
| 一貫して同じことを言い続けている | ★★☆ 傾向あり |
| 構造がきれいでクロールを許可している | ★★★ ほぼ確定 |
これらは「やれば必ず推薦される」という保証ではありません。でもやっていなければ、推薦される土俵にも上がれないという意味では、最低限押さえておくべき条件です。
次のセクションでは、もう一つ重要な問いを扱います。推薦されたとして——そもそもユーザーはサイトにたどり着くのか、という話です。
5. ゼロクリックは本当に「損」なのか——指標ごと変える必要がある
ここで一つ、不都合な話をします。
仮にActフェーズでAIに推薦されたとして——ユーザーがあなたのサイトにたどり着くとは限りません。
これが「ゼロクリック問題」です。
AIが検索結果や回答の中で情報を完結させてしまうため、ユーザーがサイトをクリックしない。情報は使われている。でも流入は来ない。広告収益も発生しない。
もともとはGoogleの強調スニペットやナレッジパネルで起きていた現象でしたが、今はここに生成AIの直接回答が加わっています。
🔎「検索」→ 🤖「AIが要約」→ 終了
という流れが、当たり前になりつつあります。
ChatGPTとGemini、同じ問いへの温度差
この問題について、ChatGPTとGeminiにそれぞれ聞いてみました。
ChatGPTは深刻なトーンで答えました。トラフィック減少・収益への影響・対策の必要性——警告色が強い回答でした。サイト運営者として「今すぐ動かなければ」という気持ちになる内容です。
Geminiは構造的・哲学的なトーンで答えました。印象的だったのはこの一言です。
「ゼロクリックを嘆く側ではなく、ゼロクリックを観測する側に立て」
同じ質問、同じテーマ。でも返ってきた視点がまったく違った。
これはセクション2で書いた「AIによって空気の読み方が違う」の実例でもあります。そしてGeminiの視点は、AI観測ラボとしてのスタンスと完全に一致していました。
ゼロクリックは本当に「損」なのか
少し立ち止まって考えてみます。
歴史的に見ると、辞書・百科事典・価格比較——これらはずっと「クリックされない情報」になっていく宿命を持っていました。ユーザーが必要な情報を得て、そこで完結する。それ自体は昔からある現象です。
では今起きていることは何か。
検索が「情報取得」から「意思決定支援」へ進化しているということではないかと考えています。
ユーザーはもはや「サイトに行って情報を得る」ではなく、「AIに聞いて決める」という行動をしている。その中でサイトの役割は「訪問される場所」から「AIの判断材料になる場所」へ変わりつつある。
クリックされなくても、AIの中に「このサイトは信頼できる情報源」という記憶が積み上がっている可能性があります。Compareフェーズで書いた「引用はブランドの記憶を作る」という話の回収です。
指標を変える必要がある
ゼロクリックが増える世界で、PV中心主義は機能しなくなります。
GA4でトップページのPVを追いかけても、AIが個別ページを直接参照している動きは見えない。コンテンツが使われているのに、数字に出ない。改善しているのに、悪化しているように見える。
代わりに意識すべき指標として、こういった視点が出てきています。
| 従来の指標 | AI時代に意識すべき視点 |
|---|---|
| PV・セッション数 | AI引用率・ブランド想起 |
| 検索順位 | AIの回答に名前が出るか |
| 被リンク数 | AIクローラーの許可・構造化スコア |
| 直帰率 | コンテンツの独自性・一次情報の有無 |
ただ正直に言うと、AI引用率を正確に測る方法は今のところありません。Trustフェーズで書いた「見えない壁」の話と同じです。
だからこそAI観測ラボとして、この「見えない部分を可視化する」ことに取り組んでいます。完全な答えはまだ出せていないけれど、少しずつ見えてきているものがある。
次のセクションで、今できる具体的な行動を整理します。
6. Actフェーズでできること——ユーザーとして・運営者として
ここまでの話を踏まえて、具体的に何ができるかを整理します。
「ユーザーとして」と「サイト運営者として」、二つの視点で分けて考えます。
ユーザーとして——AIをもっとうまく使うために
セクション1・2で見てきたように、AIの推薦は聞き方で変わります。これはユーザー側が意図的に活用できる話です。
背中を押してほしいときは、ちゃんと伝える。
「〇〇を買おうと思っているんだけど、背中を押してほしい」と明示的に伝えると、AIはサポーター役に徹してくれます。「どう思う？」と聞くより、求めているものが届きやすくなります。
フラットな意見がほしいときは、聞きかたを考える。
「〇〇について、メリットとデメリットを両方教えてほしい」と聞くと、AIは評価者役に回ります。同調を求める聞き方をすると、AIは背中を押す方向に引っ張られてしまいます。
複数のAIで同じことを聞いてみる。
ChatGPTとGeminiで同じ質問をしたとき、返ってくる視点が違うことがあります。一つのAIの推薦だけを信じるより、複数のAIで比べてみる方が、より自分に合った答えにたどり着きやすい。
サイト運営者として——推薦される側になるために
セクション3・4で整理した話の、実践編です。
まず「AIに読まれる状態」になっているか確認する。
推薦される以前の問題として、AIクローラーがアクセスできているかどうかが最初のステップです。robots.txtの設定、ページ構造の整理——ここが抜けていると土俵にも上がれません。AI観測ラボの無料診断で現状を確認するところから始めてみてください。
「AIが答えられない情報」を意識してコンテンツを作る。
定義・概説・まとめ系のコンテンツは、AIがすでに自分で答えられます。引用される余地が少ない。それより今この瞬間の観測データ、自分にしか持てない体験記、独自の実験結果——こういった一次情報を積み上げる方が、AIに引用される可能性が高くなります。
ニッチ×日本語×考察レイヤーを狙う。
引用常連リストがまだ固まっていない分野が、今一番入りやすい。英語圏では飽和していても、日本語ではまだ空白が多い分野はたくさんあります。大きなテーマを網羅するより、誰も深く書いていない角度を一つ見つけて掘り下げる方が、今は有効です。
PVより「AIの回答に名前が出るか」を意識する。
指標の話はセクション5で整理しました。GA4のトップページPVを追いかけることに意味が薄れてきています。代わりに、実際にAIに関連する質問を投げてみて、自分のサイトや名前が出てくるかどうかを定期的に確認する。アナログな方法ですが、今のところ一番現実的な確認方法です。
そして、今動く。
セクション3で書いた通り、引用常連リストが固まる前に入れるかどうかが分岐点です。後から良いコンテンツを書いても、リストがすでに固まっていれば入れない可能性がある。「まだみんな気づいていない今」が、一番動きやすいタイミングです。
ユーザーとしても、運営者としても、Actフェーズで重要なのは「AIをブラックボックスとして諦めるのではなく、動き方を理解した上で関わっていく」という姿勢だと思っています。
完全にコントロールはできない。でも、コントロールできる変数は確実にある。
次のセクションで、DCTAフロー全体を通じて見えてきたことを整理して締めます。
7. まとめ：DCTAフローを通じて見えてきたこと
DCTAフロー、4つのフェーズを通じて見えてきたことを最後に整理します。
D（Discover）——人がAIにたどり着く入口は、検索ボックスからチャット画面へ移動しつつある。クエリは会話化・長文化し、「深く調べたい人」がAIへシフトしている。
C（Compare）——AIは段落単位で情報を比べて引用先を選んでいる。他のサイトと同じことを言っているだけのコンテンツは、比較段階で弾かれる。独自性が勝負の分かれ目。
T（Trust）——AIには「引用常連リスト」のようなものが存在する可能性がある。一度固まったリストは更新されにくく、先行者利益がSEO以上に強く働くかもしれない。
A（Act）——AIの推薦は聞き方・文脈・誰が聞くかで変わる。ゼロクリックが増える世界では、PV中心主義は機能しなくなる。指標ごと変える必要がある。
4つのフェーズを通じて、一つの大きな変化が見えてきます。
AIは「検索エンジン」ではなく「対話相手」になった。
検索エンジンはキーワードを投げれば一定の結果を返してくれる機械でした。でもAIは違う。聞き方で答えが変わる。文脈を読む。誰が聞くかで返答が変わる。
これはサイト運営者にとって不確実性が増したということでもあります。でも同時に、「対話相手」として関わっていけるということでもある。
ブラックボックスは確かに存在します。でもコントロールできる変数も確実にある。今この瞬間、引用常連リストがまだ固まっていない分野がたくさん残っている。
DCTAフロー——全記事リスト
- DCTAフローとは？——人がAIを使うとき、実は4つの目的がある
- D（Discover）フェーズ——人がAIにたどり着く経路
- C（Compare）フェーズ——AIが比べて選ぶ仕組み
- T（Trust）フェーズ——AIはどうやって信頼を判断するのか
- A（Act）フェーズ——AIが推薦する瞬間、人間はどう動くのか（この記事）
公開日：2026年2月 / 著者：冨島 基宏（AI観測ラボ）
関連記事
あなたのサイトは、
AIに見えていますか？
URLを入力するだけで30秒。8項目を自動診断し、優先度別の改善プランを提示します。完全無料・登録不要。
