ximera

AI Overviews 時代に編集が取るべき5つの戦略 — 検索流入崩壊と GEO 時代に、日本のメディアが今日から取れる打ち手

by Hirokatsu Ohigashi / 大東洋克

「うちの検索流入、3 割減ったんだけど、これって戻る？」──最近、メディア事業者の方から繰り返し聞かれる質問です。結論から言うと、戻りません。少なくとも、これまで前提にしてきた水準には。

検索流入は、もはや「年単位で 5〜10% 揺れるもの」ではなく、年単位で 30〜60% 縮みうるものになりました。本稿では、まず「なぜそうなっているのか」を構造で説明し、その上で海外メディア（NYT、Politico、BBC、The Atlantic、DMG Media など）が動かしている 5 つの戦略を、日本のメディア現場で何から始められるかと合わせて整理します。専門用語はその都度噛み砕き、戦略・技術の両面が表面的な理解で止まっている担当者でも、明日同僚に説明できる粒度を意識しました。

0. まず前提：いま検索の世界で何が起きているのか

Google AI Overviews とは

Google が 2024 年 5 月に米国で全面展開した、検索結果の最上部に AI が要約を表示する機能のことを「AI Overviews」と呼びます。利用者は質問を入力すると、Google が複数のサイトを読み込んで生成した要約文が画面の最上段に表示されます。多くの場合、ユーザーはこの要約を読んで満足し、リンク先のサイトへ移動しません。これが「ゼロクリック検索」と呼ばれる現象を一段加速させました。

日本では 2024 年 8 月から段階的に展開されており、2026 年 6 月時点ではほぼすべての検索クエリで AI Overviews が表示される条件が整っています。ニュース系・解説系のクエリでは表示率が特に高く、メディアにとっての影響が最大化しています。

数字で見る構造変化

具体的な数字を並べます。出典はいずれも独立した第三者です。

  • Chartbeat ネットワーク全体（数千メディア横断）: 2025 年の Google 検索リファラルは前年比で約 34% 減。Google Discover からの流入も 16% 減（Chartbeat / INMA、2026-06）
  • 小規模メディア（日次 PV 1,000〜10,000 クラス）: 検索流入が最大 60% 減（Chartbeat 規模別分析）
  • ニュース関連クエリのゼロクリック比率: AI Overviews 展開後の 1 年で約 69% に到達（Similarweb、2025）
  • DMG Media（MailOnline / Metro 等）: AI Overviews が表示された検索でクリック率が 9 割近く下落したと報告（Press Gazette、2025-10）
  • Reuters Institute Journalism, media, and technology trends 2026: 世界のメディア幹部の 3 年後予測 — AI 要約とチャットボットによって検索リファラルがさらに 43% 落ちる可能性
  • Pew Research Center, News Platform Fact Sheet 2025: 米国成人で「日常的にニュースサイトから直接ニュースを読む」と回答した比率は 22%（2020 年の 35% から大幅減少）。代わりにソーシャルメディア、メール、ポッドキャストが伸長

なぜ「戻らない」のか

検索が縮んでいるのは、Google の一時的な仕様変更ではなく、ユーザー行動が構造的に変わっているからです。AI 要約に慣れた人は、「複数サイトをクリックして比較する」行動をだんだん取らなくなります。さらに ChatGPT や Perplexity といった AI 検索専用ツールの台頭で、そもそも Google を経由しない調査体験が広がっています。

つまり、メディアにとっての「検索エンジン経由の読者」は、Google AI Overviews + ChatGPT + Perplexity + Claude といった複数の AI に分散吸収されており、各 AI ごとに引用される条件を満たさない限り、トラフィックは戻ってきません。

「下げ止まり」を待つフェーズは終わりました。海外メディアの先行事例を見ると、編集のかたち・組織のかたち・ビジネスモデルのかたちを、この前提に合わせて作り直し始めていることがわかります。本稿では 5 つの戦略を整理し、日本のメディアが今日から取れる打ち手として再構成します。

1. 編集主導のプロダクト開発 — Politico モデル

何が新しいのか

Politico の編集ディレクター（職位名: Editorial Director, Newsroom Engineering）は、アジャイル進行を回し、リスクの高いプルリクエスト（プログラムの変更提案）を自らレビューし、必要なら自分でもコードを書く player-coach として設計されています。

ここで「アジャイル」「プルリクエスト」と聞いてピンとこない方のために少し補足します。

  • アジャイル: 「数週間という短い単位で、企画 → 制作 → 公開 → 検証 → 改善」を繰り返す働き方。半年〜1年単位の大型プロジェクト方式の対極にあります
  • プルリクエスト: エンジニアが「この変更をサイトに反映してください」と申請する単位。編集側がこれをレビューするということは、「サイト上の変更を最終的に決める権限を編集側が持つ」ことを意味します

なぜこれが効くのか

AI とプラットフォームの変化は、もはや四半期ごとの仮説検証では追いつきません。Google が AI Overviews の表示ロジックを変えれば、検索流入は来週には別物になります。ChatGPT が新しい検索プラグインを出せば、引用される条件が一夜で変わります。

Politico がやったのは、編集の意思決定スピードを「四半期 → 週」に短縮する組織設計です。Nieman Lab のインタビュー（2026-06）によれば、結果として「新しい AI 機能を約 2〜3 週間でリリースする体制」が確立し、レポート公開後 4 ヶ月で 14 件の新機能を投入したと報告されています。

同じ動きをする他メディア

  • The Washington Post: 編集チーム内に「AI Lab」を常設、AI 記者支援ツールを内製で開発
  • Bloomberg: ニュースルームのエンジニア比率が 15% を超え、編集ディレクター直轄
  • The Atlantic: プロダクトデザイナーを編集デスクに同席させる運用を 2025 年から
  • Le Monde: 「AI Innovation Editor」職を新設、記者デスクに常駐

日本のメディア現場での打ち手

  • 編集会議の中に、技術検証・データ確認を回す枠を毎週 30 分組み込む
  • 「1 週間で出せる最小機能」を編集と技術で一緒に定義する習慣をつくる（リード文の自動生成、関連記事レコメンドの A/B テスト、PUSH 通知のテーマ分割など）
  • 編集長 / 編集デスクの KPI に「今週何を出したか」を入れる（過去 PV ではなく「今週の試行回数」）
  • いきなり編集ディレクターを採用できなくても、編集デスク 1 人を「プロダクト兼任」として明示し、毎週技術 / プロダクトと話す枠を設計する

2. オーディエンス・エディター職の常設 — NYT / Washington Post 型

オーディエンス・エディターとは

「Audience Editor（オーディエンス・エディター）」とは、文字どおり「読者を担当するエディター」ですが、海外メディアでこの役職に求められる責任範囲は、日本でいう「ソーシャル担当」「分析担当」よりはるかに広いです。NYT、Washington Post、Guardian などでは、取材・配信・プラットフォーム選択をデスク横断で判断する権限を持つ役割として再定義されています。

具体的には次の判断にコミットします。

  • 「いま、どの記事を、どのプラットフォーム（自社サイト / SNS / アプリ / メール）で、どう出すか」
  • 「次に何を取材するか」（読者の動きと、まだ取材されていない問いの差分から判断）
  • 「見出しの最終決定」（A/B テストの結果を踏まえて編集デスクと協議）
  • 「どの記事を AI 引用に最適化するか」

判断材料となるデータと SEO/GEO キーワード

オーディエンス・エディターが日々見るデータは、ひとつのツールに収まりません。代表的なものを挙げます。

  • Chartbeat 等のリアルタイム指標: いま読まれている記事、エンゲージドタイム（読者が実際に読み込んでいる秒数）、スクロール深度
  • Tubular のソーシャル動画動向: YouTube・TikTok・Instagram で、いまどんな動画が伸びているか
  • SimilarWeb の参照元データ: 競合サイトがどこから流入を集めているか
  • Search Console の Discover データ: Google Discover での表示数とクリック率
  • AI クローラの訪問ログ: ChatGPT / Perplexity / Claude などからどの記事がスクレイピングされているか
  • GA4 のエンゲージメントメトリクス: 滞在時間、コンバージョン（メルマガ登録など）

これらを統合して、「検索流入」「AI 引用流入」「ソーシャル流入」「直接アクセス」「内部回遊」の 5 系統に分けて毎週把握するのが標準フローです。

なぜこれが効くのか

これまで「データはツールの中、編集はエディターの頭の中」と分かれていたのが、ニュースルームの最大の意思決定ボトルネックでした。「いい記事を出した。読まれるかどうかは見てみないとわからない」では、検索流入が縮む時代に間に合いません。

オーディエンス・エディターを置くということは、「読者の動きと編集判断を、同じ会議体で扱う」ということです。Reuters Institute の Trends 2026 レポートでも、調査対象のメディア幹部の 67% が「2026 年最大の優先投資領域は audience-first な編集体制への移行」と回答しています。

日本のメディア現場での打ち手

  • 編集デスクと並列に「オーディエンス・デスク」を週次会議で設ける（兼任でよい、必ず編集デスクと同じ卓に）
  • リアルタイムダッシュボードを「眺める」のではなく「会議で共有して翌週の判断を決める」運用にする
  • 月次 PV / UU ではなく、記事ごとのエンゲージドタイム（読者あたりの実読時間）を主指標に置き直す
  • A/B テストできる小さな単位（見出し、サムネ、リード文）から始める
  • 「検索流入」「AI 引用流入」「ソーシャル流入」「直接アクセス」「内部回遊」を 5 系統で毎週可視化する

3. ニュースレターと PUSH への投資前倒し — The Atlantic / Politico

「自社で関係性を持つ読者」の重み

検索リファラルの構造的縮小に対し、海外メディアは「自社で関係性を持つ読者の数」を最重要 KPI として動かしています。

ここで「関係性を持つ読者」というのは、サイトに匿名で偶然来た読者ではなく、メールアドレスを登録し、PUSH 通知を許可し、アプリを入れている読者のことです。彼らは Google や SNS を経由せず、メディア側から直接届けられる距離にあります。これを「ファースト・パーティ・オーディエンス（First-party audience）」と呼びます。

The Atlantic の事例 — ニュースレターを最大のリードジェネレーターに

The Atlantic がやったのは、「メルマガを増やす」ではなく「サイトのあらゆる動線をメルマガ登録に向ける構造に作り変える」ことでした。具体的には:

  • 記事末尾の登録 CTA を、記事のテーマに応じた特化メルマガに分岐
  • トップページの常設バナーで、新規読者向けの「入口メルマガ」を訴求
  • 登録後のオンボーディング（最初の 7 日間で送る 3 通）を編集チームが設計
  • メルマガ開封 / クリック / 継続を編集 KPI に統合

結果として、サブスクリプション転換率の最大経路がニュースレターになりました。Pew Research Center の 2025 年調査によれば、米国成人の 28% が「日常的にニュースレターからニュースを読む」と回答しており、これは 5 年前の 16% から大幅に増えています。

Politico の事例 — 政策領域別の特化メール

Politico は、政策領域（テック、ヘルスケア、金融規制等）ごとに特化したメールプロダクトを持ち、ワシントンの意思決定者層と直接つながる構造を作りました。多くは有料、企業契約も含み、メールそのものがプロダクトとして単独で価値を持っています。

ここで重要なのは、「メディアの主力プロダクトが Web サイトとは限らない」という発想転換です。情報は記事として書かれるが、届けられるのは Web ページ経由とは限らない。読者は記事をブラウザで読むより、メールで読む方が深く読む傾向があります（Chartbeat のセッション分析でも、メール経由の読者はサイト平均より 1.8 倍長く滞在）。

NYT のアプリと PUSH 戦略

NYT のモバイルアプリは、PUSH 通知をきわめて緻密に運用しています。速報性、パーソナライズ、配信時間帯のコントロール ─ これらは「読まれる回数」ではなく「サイトに来る理由を作る」設計として効きます。

Chartbeat が指摘する「内部トラフィック（サイト内回遊・直接アクセス・PUSH 経由）の比率が 38% → 41% に上昇」というデータは、まさにここでの成果が押し上げているチャネルです。NYT は 2026 年現在、PUSH 通知の許可率が 38% という業界トップクラスを維持しており、これだけでも検索リファラル減を相殺するインパクトを持っています。

日本のメディア現場での打ち手

  • すべての記事末尾に、文脈に合った特化型ニュースレター登録 CTA を置く（同じ汎用 CTA をすべての記事に置くのではなく、テーマ別に出し分ける）
  • 登録 → オンボーディング → 継続を編集チームの KPI ダッシュボードに統合する
  • PUSH 通知許可率を「Web 体験の主要指標」として測る（許可率は通常 10〜20%、20% を超えれば優秀、30% を超えれば NYT 級）
  • ニュースレターの本文を「サイトの宣伝」ではなく「メール単独で読了できる完結したコンテンツ」に書き直す
  • 編集テーマ別の特化型メルマガを 3〜5 本立ち上げる（無理に大型化せず、テーマ深掘りで）

4. 「AI に引用される」ためのコンテンツ設計 — BBC / Reuters / AP

GEO（Generative Engine Optimization）という新しい領域

ChatGPT、Perplexity、Google AI Overviews といった AI チャットボットからの紹介トラフィックは、Chartbeat ネットワーク全体で前年比 200% 以上で伸びています。総量は全体の 1% 未満ですが、構造的には今後の主要な流入経路になりうるチャネルです。

このとき重要なのは、「AI が引用しやすい記事構造」を編集ガイドラインに組み込むことです。これを GEO（Generative Engine Optimization、生成エンジン最適化） と呼びます。SEO の次のレイヤーとして急速に注目されており、Time は 2026 年 3 月に GEO インサイト商品をブランド向けに提供開始しました（Digiday、2026-03）。

AI が「信頼できる引用元」と判定するシグナル

BBC、Reuters、AP の編集ガイドラインを横断すると、共通するのは以下です。

  1. 明確なリード文: 記事冒頭 100 字以内に結論を提示する。「結論先行」が AI の要約引用に直結する
  2. 構造化された見出し: H2 / H3 が論理的に整理され、各セクションが独立して引用可能であること
  3. データの出典明示: 統計値・引用には元データへのリンクを必ず添える（AI は「リンク先がある主張」を高く評価する）
  4. 著者の専門性: 著者プロフィール、所属、関連記事、専門領域を構造化データで明示
  5. 更新日の明示: AI は「いつのデータか」を重視する。古い記事を更新したら必ず dateModified を更新する
  6. E-E-A-T シグナル: Experience（経験）、Expertise（専門性）、Authoritativeness（権威性）、Trust（信頼性）の 4 軸を満たす情報構造

構造化データ（Schema.org）とは

「構造化データ」とは、人間向けの記事本文とは別に、機械（検索エンジンや AI）が読み取りやすい形でメタ情報を埋め込む仕組みです。Schema.org という業界標準があり、NewsArticle、Person、Organization、BreadcrumbList などの型が定義されています。

これを実装することで、AI 検索が「この記事は何の記事で、誰が書いて、いつ更新されたか」を正確に把握できます。実装は技術的な作業ですが、効果は大きく、海外メディアではほぼ必須の運用になっています。実装の所要時間は CMS にもよりますが、1〜2 週間が目安です。

llms.txt — AI クローラ向け索引ファイル

2025 年に Anthropic が提唱し、2026 年に入って急速に普及している標準が llms.txt です。サイトのルートに置く Markdown ファイルで、AI クローラに対して「このサイトはどんなコンテンツで、何を引用してほしいか」を伝えます。

robots.txt がクローラの許可・禁止だけを定めるのに対し、llms.txt は「ここにこういう内容があります」とポジティブに案内する設計です。OpenAI、Anthropic、Perplexity が公式に対応を表明しており、AI 引用の入口として実装が広がっています。

Reuters と Time の AI ライセンス契約戦略

2026 年に入って加速しているのが、AI クローラー対策と AI ライセンシング戦略です。Digiday の報道によると、Reuters と Time は AI クローラーをホワイトリスト方式でブロックし、ライセンス契約のあるプラットフォーム（OpenAI、Anthropic、Perplexity 等）にのみコンテンツへのアクセスを認める方向に動いています。

これは「AI に学ばせないことで自社価値を守る」アプローチですが、同時に「ライセンス契約をビジネスの一部にする」戦略でもあります。OpenAI と NYT、Anthropic と複数のメディア、Google と Reddit のライセンス契約規模を見ると、新しいレベニューラインとして既に数千万ドル規模で成立しています。

日本のメディア現場での打ち手

  • 記事の冒頭 100 字で結論を提示するスタイルへ揃える（編集ガイドラインに明文化）
  • 統計値・引用には必ず元データへのリンクを付ける
  • 著者プロフィール / 専門性を構造化データで明示する
  • Schema.org の NewsArticle / Person / Organization をすべての記事に実装する（エンジニアと相談、1〜2 週間で完了）
  • llms.txt をサイトルートに設置し、注目記事の索引を維持
  • AI クローラのトラフィックを Search Console / Chartbeat で測定し始める
  • OpenAI / Anthropic / Perplexity 等とのライセンス契約の可能性を経営アジェンダに上げる

5. 内部回遊と「セッションあたり 2 ページ目」の戦略 — Chartbeat の処方箋

内部トラフィックの重要性

Chartbeat のグローバルネットワークでは、全トラフィックに占める「内部トラフィック」の比率が 38% → 41% に上昇しています。内部トラフィックとは、サイト内の関連記事リンク、ホームページからの遷移、PUSH 通知経由、メール経由など、外部プラットフォームを介さずにサイト内で完結する流入のことです。

検索が縮むなか、サイトに来た読者を「もう 1 ページ読ませる」設計が、トラフィックの土台を作り変える最大のレバーになっているという指摘です。

「2 ページ目の読者」が持つ意味

Chartbeat の分析で、特に注目すべき数字があります。

  • 2 ページ読む読者の再訪率は、1 ページ読者の 2.75 倍
  • 1 セッションあたりのページ数を 1.05 から 1.30 に引き上げると、訪問数全体を 25% 増やすのと同じインパクトをサイト全体にもたらす

つまり、「新規読者を 25% 増やす」のと「既存読者の 2 ページ目を作る」のは、トラフィック上は等価なのです。前者は SEO や広告に大きな投資が必要ですが、後者は記事のレイアウトと編集判断で実現できます。

関連記事の出し方が変わる

これまで多くの日本メディアでは、関連記事を「PV 順」や「同タグ」で自動表示してきました。海外メディアの先行事例は、ここを根本から変えています。

  • テーマ連続性: いま読んでいる記事の「次に読むべき 1 本」を編集の手で選定する（CMS に next フィールドを設けて、編集者が記事公開時に選ぶ）
  • スクロール深度連動: 記事を 70% スクロールしたタイミングで、画面右下にスライドインで「次の 1 本」を表示する
  • 読了後のリコメンド: 記事末尾に同テーマの 3 本を表示し、うち 1 本は「対立する視点」「補完する深掘り」を入れる

検索 / SEO で「内部リンク構造」が果たす役割

内部回遊は読者体験のためだけでなく、SEO 上も極めて重要です。Google は「内部リンクで深く繋がっているサイト」を、より権威ある情報源として評価します。AI 検索も同様で、ChatGPT や Perplexity は引用元を選ぶときに「外部からのリンク数」だけでなく「サイト内部での参照関係」も評価対象にしていることが、複数の検証実験で示されています。

つまり、編集者が「次に読むべき 1 本」を選び続けることは、読者の体験を向上させるだけでなく、検索エンジンと AI に対して「このサイトは深く繋がっている」というシグナルを継続的に送ることでもあります。

日本のメディア現場での打ち手

  • 全記事に「次に読むべき 1 本」を編集の手で選定して表示する（最初は 3 ヶ月、新規記事公開時に必ず選ぶ運用にする）
  • スクロール深度 70% 以上で出る回遊リコメンデーションを実装する
  • 記事末尾の関連記事を「アクセス順」ではなく「テーマ連続性」で並べる
  • 「2 ページ目の到達率」を編集 KPI にする（目標値はジャンルにより異なるが、ニュース系で 15%、専門系で 25% が目安）
  • 過去記事の更新・統廃合（コンテンツ・プルーニング）を四半期に 1 回実施し、内部リンクの密度を保つ

まとめ — 検索後の編集設計はもう始まっている

検索流入が戻らない前提に立てば、メディアの戦略は次の 4 つに重心が移ります。

  1. 外から連れてくる → 中で深く回遊させる、メールで届ける、AI に引用される
  2. PV / UU を増やす → エンゲージドタイムと 2 ページ目到達率を上げる
  3. 編集とデータの分離 → 編集会議で同じ卓を囲む
  4. 記事 1 本ずつの最適化 → サイト全体の経済（読者経済）の設計

これは技術論ではなく、編集現場の意思決定単位、KPI、組織のかたちを作り直す話です。海外メディアは、すでに動いています。日本のメディアが今後 6 ヶ月で何を試すか ─ それが 2027 年以降のトラフィック構造を、かなりの部分決めるはずです。

参考文献

キメラは Chartbeat / tubular のデータと、海外メディアの先行事例を組み合わせ、編集現場と一緒にこの変革に伴走しています。具体的なケースで議論したい方は、お気軽にご相談ください。