用語集

AI検索最適化をめぐる用語を整理しています。2 種類に分けています。定義が業界で割れている用語は出自と留保まで記録し、記事を読むために必要なだけの用語は説明だけを置いています。

定義が割れている用語

業界の中で意味が食い違っている用語です。唯一の正解を作らず、提唱者の主張・独立した確認・現在の業界用法・SILVE の操作的定義を分けて記録しています。 1 語ごとに記事があります。

AAOAssistive Agent Optimization: ユーザーから目的や条件を委任された AI エージェントが、企業・ブランド・商品・サービス等を正確に発見・理解・比較し、必要な情報や機能へアクセスしたうえで、適切な選択・操作・取引等を安全に実行できる状態を整える取り組み。（SILVE の操作的定義。業界標準ではありません）
ACOAgentic Commerce Optimization: AI を介した商品探索・比較・選択・取引の環境において、商品やオファーが正確に識別・取得・理解・比較され、必要に応じて安全に取引可能な状態を整える取り組み。（SILVE の操作的定義。業界標準ではありません）
AEOAnswer Engine Optimization: ユーザーの問いに対して直接回答を提示または生成するシステムが、公開された情報を正確に発見・取得・理解し、回答の根拠または回答要素として適切に利用できる状態を整える取り組み。（SILVE の操作的定義。業界標準ではありません）
AIEOAI Assistive Engine Optimization: ユーザーの調査・比較・意思決定を支援する AI システムが、企業・ブランド・商品・サービス等について正確な情報を取得・理解・評価し、適切な文脈において有力な選択肢として提示・推薦できる情報環境を整える取り組み。（SILVE の操作的定義。業界標準ではありません）
AIOAI Optimization: AI が情報の発見・取得・理解・回答・比較・推薦などを仲介する環境全般において、企業・ブランド・商品・人物・コンテンツ等が正確かつ適切に利用・提示される状態を整えるための包括的な最適化概念。（SILVE の操作的定義。業界標準ではありません）
GEOGenerative Engine Optimization: 外部情報を検索・取得して生成回答を構成するシステムにおいて、自社または自社コンテンツが適切に発見・取得され、回答生成に利用され、必要に応じて引用・提示される状態を整える取り組み。（SILVE の操作的定義。業界標準ではありません）
LLMOLarge Language Model Optimization: 大規模言語モデルを利用して回答・対話・推薦等を行うシステムが、公開された企業・ブランド・商品・人物・コンテンツ等の情報を正確に理解・取得・利用し、適切な文脈で言及・引用・推薦できる情報環境を整える取り組み。（SILVE の操作的定義。業界標準ではありません）
AI に見つかってから取引されるまで — 7 段階で用語を整理する: AI に見つかってから取引されるまでを 7 段階に分け、各用語がどこを扱っているかを整理します（SILVE の操作モデル。業界標準ではありません）
AI 検索とは — SILVE が何を含め、何を分けているのか: SILVE がサイト・書籍・診断で使う「AI 検索」の意味と境界を固定します。製品名ではなく表示面・機能で判定すること、一つの仕組みとして扱わないこと、情報源が公開 Web だけではないこと、そして SILVE が直接測るのはそのうち公開ページ側の準備状態だけであることを分けて書きます（SILVE の操作的定義。業界標準ではありません）
AI 検索に出てこないのはなぜか — 症状は一つ、原因は段階ごとに違う: 「AI 検索に出てこない」は症状であって原因ではありません。7 段階のどこの話かによって見る場所が変わること、SILVE が観測しているのは準備状態であって実際に取得されたことではないこと、そして提供元の記述と食い違う説明を、順に切り分けます（SILVE の操作的手順。業界標準ではありません）
エンティティとは何か — AI は企業・ブランドをどう識別するのか: AI は企業やブランドをどう識別するのか。Knowledge Graph・sameAs・外部言及・共起を一次資料で整理し、「エンティティを強くする」ではなく「曖昧でなくする」ために測れるものを示します（SILVE の操作モデル。業界標準ではありません）

記事を読むための用語全 45 語

記事に出てくる技術・統計の用語です。定義に争いがないため、出自の記録は持たず、説明だけを置いています。記事の途中で分からない語に当たったら、ここに戻ってきてください。

クロールとインデックス

AI やロボットがページを取りに来る段階の話。

クロールcrawling: 検索エンジンや AI のプログラムが、Web ページを自動で取りに来ること。取りに来られなければ、その経路ではページの中身を読めません。ただし URL や題名が別の経路から見つかり、表示されることはあります。
インデックスindex: 取得した情報を検索システムが整理・保持し、検索などで使える状態にすること。Google の AI Overviews / AI Mode で参照リンクとして出るには、Google 検索に索引されている必要があります。他社の AI サービスが同じ仕組みとは限りません。
robots.txt: サイトの入口に置く、ロボット向けの案内ファイル。「どのロボットに、どこを見せるか」を書きます。強制力はなく、従うかどうかは相手次第という前提の仕組みです。
User-Agent: アクセスしてきた相手が名乗る識別子。GPTBot のようなロボット名が入るので、robots.txt ではこの名前を指定して制御します。
GPTBot: OpenAI のクローラーのうち、生成 AI の基盤モデルの学習に使う内容を集めるもの。検索用の OAI-SearchBot とは別で、robots.txt では個別に指定します。
OAI-SearchBot: OpenAI のクローラーのうち、ChatGPT の検索機能で結果に出すためのもの。これを拒否すると ChatGPT の検索回答には表示されなくなりますが、ナビゲーションリンクとしては現れ得ると OpenAI は明記しています。
Google-Extended: Gemini の学習と、Gemini Apps / Vertex AI での grounding を制御する Google の設定。クローラーそのものではなく、取得済みの内容の使い道を指定する仕組みです。Google は、Google 検索への掲載にもランキングにも影響しないと明記しています。AI Overviews や AI Mode に出るための設定でもありません（これらは Google 検索の機能で、アクセスの制御は Googlebot 側です）。
スニペットsnippet: 検索結果に表示される、ページ内容の抜粋。Google では、AI Overviews に出るための条件の一つが「スニペット付きで表示される資格があること」です。

機械可読データ

人間ではなく機械に向けて、意味を明示するための仕組み。

構造化データstructured data: ページの内容を、機械が誤解なく読める形で書き添えた情報。「この文字列は価格」「これは著者名」と明示します。見た目には出ません。
Schema.org: 構造化データで使う語彙の共通仕様。Google・Microsoft などが共同で管理しており、「Organization」「Article」といった型が定義されています。
JSON-LD: 構造化データの書き方の一つ。ページの HTML に script タグを置き、その中に JSON で書きます。本文と分けて書けるので、現在もっとも一般的です。
エンティティentity: 人・組織・製品など、識別できる「実体」のこと。文字列としての社名ではなく、同一の対象として結び付けられた存在を指します。
sameAs: 構造化データのプロパティの一つ。「この組織は、この URL の存在と同じです」と別の場所を指し示し、同一性の手がかりにします。
ナレッジグラフKnowledge Graph: 実体と実体の関係を結んだデータベース。「A 社の代表は B 氏」「B 氏は C 大学の出身」のように、点と線で知識を持ちます。
商品フィードproduct feed: 商品の名前・価格・在庫などを一覧にして、プラットフォームへ直接渡すデータ。Web ページのクロールとは別の経路です。

AI 検索の仕組み

質問が回答になるまでに、内部で何が起きているか。

AI 検索AI search: 利用者の問いに対して、リンクの一覧だけでなく、検索・取得した情報をもとに生成 AI が回答を構成して返す検索体験・機能の総称。ChatGPT の検索機能、Google の AI Overviews / AI Mode、Perplexity、Claude の Web 検索などが該当します。SILVE が確認した範囲では、各提供元が共通して採用する統一定義は確認できません。 どこまでを含めるかは使う人や文脈によって違います。 ★ 製品名ではなく、表示面・機能で判定します —— 同じ製品でも、学習済みの知識だけで答える場面は含めません。★ 単一の仕組みとして扱いません。 情報源・取得の仕組み・クローラー・参照の示し方・サイト側からの制御は、提供元と表示面ごとに違います。なお、現在の SILVE の診断が直接観測するのは、このうち公開 Web ページ側の準備状態です。くわしくは記事「AI 検索とは」で扱っています。
取得retrieval: 質問に答えるための材料として、候補の文書を集めてくる段階。ここで選ばれなければ、その先の引用にも回答にも進めません。
再ランキングreranking: 取得した候補を、より精密なモデルで並べ替える段階。最終的に生成モデルへ渡されるのは、この上位だけです。
RAGRetrieval-Augmented Generation: 外部から文書を取ってきて、それを材料に回答を書かせる仕組み。モデルの記憶だけに頼らないので、新しい情報や出典を扱えます。
グラウンディングgrounding: 回答を外部の情報源に結び付けること。RAG とほぼ同じ意味で使われますが、「根拠に基づかせる」という側面を強調した言い方です。
Query Fan-out: ユーザーの 1 つの質問から、モデルが複数の関連クエリを作って同時に検索する仕組み。ユーザーが入力した言葉と、実際に検索される言葉は同じとは限りません。
BM25: 語の重なりで文書の関連度を測る、古典的で広く使われる手法。語彙が一致するほど有利になるため、これを使う取得器では言葉の選び方が効きます。
llms.txt: 「AI 向けにサイトの案内を置く」という提案。標準ではなく提案段階の慣習で、Google は使わないと明言する一方、別の文脈では監査項目になっています。
セマンティック HTML: 見た目ではなく意味に沿ったタグを使う書き方。ボタンには button、見出しには h1〜h6 を使う、といった基本のことです。
アクセシビリティツリーAccessibility Tree: ブラウザーが支援技術のために作る、ページの意味構造の木。「ここはボタン」「名前はこれ」という情報を持ち、エージェントもこれを手がかりにします。
WebMCP: Web ページが持つ機能を、AI エージェントから呼び出せるようにする提案仕様。まだ実験段階で、確立した標準ではありません。

測定と統計

「本当にそう言えるのか」を確かめるための道具。数字の読み方が変わります。

標本sample: 全体から取り出した一部のこと。AI の可視性の測定はすべて標本であり、得られた数値は「今回の測り方での推定値」です。
中央値: 値を小さい順に並べたとき、ちょうど真ん中に来る値。平均と違って、極端に大きい・小さい値に引きずられません。
信頼区間confidence interval: 推定値がどれくらいぶれ得るかを表す幅。2 つの値の区間が大きく重なっているなら、その差を「差がある」と言ってはいけません。
ブートストラップbootstrap: 手元の標本から重複ありで取り直す操作を何度も繰り返し、推定値のばらつきを調べる方法。信頼区間を出すのによく使われます。
Jaccard 類似度: 2 つの集合がどれだけ重なっているかの指標。共通する要素の数を、全体の要素の数で割ります。1 なら完全一致、0 なら共通なし。
有意statistically significant: 「偶然だけでは説明しにくい」という統計上の判定。「重要である」という意味ではありません。 小さな差でも標本が大きければ有意になります。
p 値: 「効果がない」と仮定したときに、観測されたのと同じかそれ以上の差が出る確率。小さいほど偶然では説明しにくい、と読みます。
効果量effect size: 差の大きさを、比べられる形にした指標。有意かどうか（偶然か）とは別に、どれくらい大きい差なのかを表します。
相関と因果: 2 つが一緒に動くこと（相関）と、一方が他方を引き起こすこと（因果）は別です。逆向きの因果や、両方を動かす第三の要因が隠れていることがあります。
差分の差分法difference-in-differences: 施策を受けた群と受けていない群で、前後の変化を比べ、その差を取る方法。両方に共通して起きた変化を差し引けるのが利点です。
中断時系列interrupted time series: 介入の前から時系列を追い、介入の時点で「水準が跳ねたか」「傾きが変わったか」を分けて推定する方法。
事前トレンド: 施策を始める前から、すでにあった増減の傾き。これを差し引かないと、もともと伸びていた分まで施策の成果に数えてしまいます。
置換検定placebo test: 実際とは違う日付を「偽の施策日」として何度も置き、同じくらいの変化が偶然でも起きるかを確かめる検査。偶然でも起きるなら、効果とは言い切れません。
半減期: 値が半分になるまでの長さ。記事では「引用されたページの相対頻度が半分になる、公開からの日数」を指します。期限や打ち切り線ではありません。
定常性stationarity: 測っている間、背後の分布が変わらないという前提。これが崩れていると、信頼区間が本当の不確かさより狭く出てしまいます。
クラスター: 互いに似ている観測のかたまり。同じページから取った 100 件の観測を、独立した 100 件として数えると、不確かさを小さく見誤ります。

資料の扱い

「どこまで確かめられた話か」を区別するための言葉。

査読peer review: 公開の前に、専門家が内容を検査する仕組み。通っていることは品質の保証ではありませんが、独立した検査が一度入ったことを意味します。
プレプリントpreprint: 査読を経る前に公開された論文。速く読める代わりに、内容がまだ検査されていません。 改訂で数値が変わることもあります。
一次資料: 提供元や著者そのものが出した資料。ニュース記事やまとめ記事は、それを紹介した二次資料です。仕様の話は一次資料で確かめます。