この記事の要点
- ChatGPTやPerplexityなどの生成AIに「引用されやすい」記事には、共通する構造的特徴がある。
- その特徴を 14項目のチェック(純関数) に落とし込み、記事を書いた瞬間にスコア化する「GEO品質リンター」をTypeScriptで実装した。
- I/Oなし・例外を投げない純関数なので、CIでもエディタでも動く。実コードを交えて設計を解説する。
GEO/LLMOとは?
GEO(Generative Engine Optimization)=生成AIエンジンに引用・推薦されるための最適化。LLMO(LLM Optimization)とほぼ同義で使われる。
従来のSEOが「検索結果で上位に出る」ことを狙うのに対し、GEOは「AIが回答を生成する際の出典として採用される」ことを狙います。ChatGPT Search・Perplexity・Google AI Overviewなどが普及した今、流入経路として無視できなくなりました。
なぜ「構造」が引用率を左右するのか?
生成AIは記事全体を読むより、回答に使える断片を抜き出せるかで採否を決めます。各種研究で、引用率に効くとされる要素(一次データ・出典・箇条書き・比較表など)が報告されています。逆に言えば、これらの有無は機械的に判定可能です。そこで「書いた記事がAIに拾われやすい構造か」を採点するリンターを作りました。
14項目の品質リンター(geoLint)
判定は次の14項目。各項目を満たすかをbooleanで返し、score = 満たした数 とします。
| キー | 内容 |
|---|---|
| summary | 40字以上の要約、または冒頭に「要点/まとめ」ブロック |
| question_h2 | 疑問形の見出し(## 〜は?)が1つ以上 |
| sources | name付き出典が2件以上 |
| headings | h2(##)が2つ以上 |
| length | 実テキスト(見出し・表を除く)が500字以上 |
| statistics | 数値・%・年度などが3種以上 |
| quotation | 「〜」形式の引用が1件以上 |
| block_structure | 段落3つ以上かつ平均400字以内 |
| freshness_signal | 直近3年以内の年号を含む |
| list_structure | 箇条書きが2行以上 |
| cite_sources | 権威ドメイン(.go.jp等)へのリンク |
| faq | Q&Aが2組以上 |
| h3_depth | h3(###)が1つ以上 |
| table | GFMテーブルを含む |
実装のポイント(TypeScript)
チェックはすべて純関数にします。DBやfetchに触れず、壊れたJSONでも例外を投げないのが要点です(本番の描画パスで安全に呼べる)。
export interface GeoLintInput {
title?: string
summary?: string
body_md?: string
sources_json?: string
faq_json?: string
}
export function geoLint(d: GeoLintInput) {
const body = String(d?.body_md || '').replace(/\r\n/g, '\n')
const lines = body.split('\n')
// 疑問形h2: 見出し末尾が ?/? のもの
const questionH2Ok = lines.some((l) => /^##\s.+[??]\s*$/.test(l))
// 統計: 数値+単位・%・年度など。Setで重複排除(同じ数字の連呼で加点させない)
const statsMatches =
body.match(/\d+[..]\d+[%%]|\d+[%%]|\d{4}年度?|\d+[点条項号回]/g) || []
const statisticsOk = new Set(statsMatches).size >= 3
// 引用: 「…」が10文字以上
const quotationOk = (body.match(/「[^」]{10,}」/g) || []).length >= 1
const checks = [
{ key: 'question_h2', ok: questionH2Ok },
{ key: 'statistics', ok: statisticsOk },
{ key: 'quotation', ok: quotationOk },
// …(全14項目)
]
return { score: checks.filter((c) => c.ok).length, max: checks.length, checks }
}
壊れたJSONを握りつぶすcountNamedSourcesはこう書きます。
function countNamedSources(sourcesJson?: string): number {
try {
const arr = JSON.parse(String(sourcesJson || '').trim() || '[]')
if (!Array.isArray(arr)) return 0
return arr.filter(
(s) => s && String(s.name || '').trim() && /^https?:\/\//.test(String(s.url || '')),
).length
} catch {
return 0
}
}
よくある失敗
-
正規表現を
\r\nのまま書く:body_mdはCRLF混在があるので、先頭でreplace(/\r\n/g,'\n')に正規化してから行判定する。 -
statisticsで重複を加点:同じ「50%」を10回書いてもスコアが上がると意味がないので
Setで重複排除する。 - ブロックする実装にする:これは「公開ゲート」ではなく助言。落ちても公開は止めず、スコアと改善ヒントを出すだけにするのがコツ(書き手の心理的ハードルを下げる)。
まとめ
- AI引用に効く構造は「疑問形h2・一次データ・出典・箇条書き・比較表・FAQ」など機械判定できる。
- それを純関数の14チェックに落とすと、記事作成時に即スコア化できる。
- 実運用では宅建学習アプリ「宅建BOOST」のコラム生成パイプラインに組み込み、公開前に品質を可視化しています。
参考: 宅建BOOST(このリンターを実際に使っているコラム群)
公式サイト: https://my-agent.work/(GEO/LLMO・AI検索最適化の実測データはこちら: https://my-agent.work/series/research/)