なぜ総合スコア11〜50点(中・低スコア群平均32.86点、全体平均37.38点)の比較サイトがAIに選ばれるのか?

公開:

2026.11.20

――Google基幹公開特許の解読で判明した「ColBERT MaxSim演算」の仕組みと、比較メディアが優位に立つ数理的トリック

【はじめに】第1弾の調査結果の振り返りと本稿(第2弾)の位置づけ

前回の第1弾レポートでは、国内主要5大産業の実在100サイト(比較群n=50・大企業群n=50)に対する独自実査(調査期間:2026年10月1日〜2026年10月15日)を通じ、検索1位を獲得している大手企業であっても約69%がAI推奨枠から除外され、第三者比較メディアが引用・推奨を独占する「知名度とAI推薦の逆転現象」の客観的ファクトを報告しました(サルカス二峰性係数BC=0.801による二極化)。

では、なぜドメイン全体の評価が11〜50点(平均32.86点)にとどまる低スコアの比較サイトが、高いブランド力を持つ大企業を退けてAI回答に選ばれるのでしょうか?

本稿(第2弾)では、第1弾で浮き彫りとなったこの最大の疑問に対し、Googleの基幹公開特許(US11769017B1等)および最新情報検索アルゴリズム(ColBERT MaxSim演算)を工学的に解読し、比較メディアがAI回答枠を制している計算論的トリックを解明します。

Google基幹公開特許「US11769017B1」が明かす文書スコアリングの真実

Googleの生成AI検索(AI OverviewsやAI mode)が、従来のキーワード一致型検索エンジンと根本的に異なる点は、文書全体を1つの塊として評価するのではなく、「パッセージ(短い文章・段落の単位)」ごとにベクトル空間上で評価している点にあります。

この中核技術を定めているのが、Googleが保有する基幹公開特許「US11769017B1(Document and passage scoring based on multi-vector representations / マルチベクトル表現に基づく文書およびパッセージのスコアリング)」です。

【US11769017B1特許の核心アーキテクチャ】

マルチベクトル表現の採用:
文書全体を単一の平均ベクトルに圧縮する旧来の手法を廃止し、検索クエリおよびWebページ内の全単語(トークン)を独立した高次元ベクトルとして保持する。

遅延相互作用(Late Interaction)モデル:
検索クエリの各単語と、Webページ内の各単語との総当たり類似度をミリ秒単位で高速計算し、各クエリ単語に対して「最も類似度の高い文書側単語(最大値)」のみを抽出して合算する。

パッセージ単位のスコア集約:
ページ全体の文字数やテーマ性ではなく、ユーザーの問いに直接回答している「数十〜数百文字の局所パッセージ」が最高スコアを記録した時点で、そのパッセージがAI回答の生成ソースとして採択される。

この特許構造が意味する決定的な結論は、「AIはWebサイト全体の美しさやブランドの権威性を評価して回答を作っているのではなく、ユーザーの入力プロンプトと数学的に最も類似度の高いパッセージを機械的に切り取って合成しているだけである」という点です。

大手企業の公式サイトがどれほど壮大な企業理念や高品質なデザインを備えていても、AIが求める局所的なパッセージが数理的条件を満たしていなければ、アルゴリズムの計算過程において完全にゼロとして扱われてしまうのです。

なぜAIは表組みを好むのか?――「ColBERT MaxSim演算」の計算論的トリック

では、Googleの特許パイプラインにおいて、どのようなテキスト構造が最も高い数学的スコアを獲得するのでしょうか。

特許公報および関連するスタンフォード大学の先駆的GEO学術論文において実証されているのが、「ColBERT(Contextualized Late Interaction over BERT)」と呼ばれる深層言語表現モデルと、その中核演算である「MaxSim(Maximum Similarity / 最大類似度演算)」です。

MaxSim演算の数理構造

MaxSim演算において、ユーザーの検索プロンプト(q)に対するWebパッセージ(d)の関連度スコアは、以下の数式によって厳密に定義されます。

Score(q, d) = Σi ∈ q maxj ∈ d ( E(qi) ⋅ E(dj) )

ここで、E(qi) はプロンプト内の i 番目の単語のベクトル、E(dj) はWebページ内の j 番目の単語のベクトル、そして中央の内積(⋅)は単語同士の意味的類似度を表します。

この数式の挙動を分かりやすく日本語で要約すると、以下のようになります。

[MaxSim演算の動作原理]

ユーザーが入力したプロンプトの各単語について、Webページ内から「意味が最も近い単語」を1つずつ見つけ出し、その最大類似度をすべて足し合わせる。

なぜ「EAV(Entity-Attribute-Value)表組み」がMaxSimで無敵となるのか

ここで、比較メディアが多用している「HTMLテーブル(EAV形式の表組み)」と、大手企業が好む「自然文・イメージ訴求の散文」をMaxSim演算の視点から比較すると、勝敗の理由が一目瞭然となります。

比較項目

比較メディアの「EAV表組み(テーブル)」

大手企業公式サイトの「散文・イメージ文」

テキスト構造

主語(Entity)× 属性(Attribute)× 値(Value)

情緒的なキャッチコピーや長文の案内文

具体例

乗用車P(仮名)

中途解約違約金

残期間リース料総額×100%

「お客様の安心のために、専任スタッフが丁寧にご相談を承ります」

トークン密度

事実・数値トークンが1行・1セルに極限凝縮

接続詞、修飾語、形容詞などの希釈トークンが大多数

MaxSim最大値の連発

クエリの「解約」「違約金」「いくら」に全単語がピンポイント一致(1.0連発)

クエリ単語との距離が遠く、類似度の最大値が0.2〜0.4程度に低迷

余計なノイズの影響

表組み単体で独立パッセージを形成するためノイズゼロ

周辺の挨拶文や宣伝文がパッセージ全体の類似度を押し下げる

数理的スコア判定

MaxSimスコアが理論上の最大値に達する

MaxSimスコアが伸びず足切りライン未満に沈む

ユーザーが「カーリースを途中解約すると違約金はいくらかかるか?」と検索した際、AIのベクトル空間には「カーリース」「途中解約」「違約金」「計算方法」「金額」という多次元ベクトルが展開されます。

比較メディアの表組みは、まさにこの問いに対する「属性(違約金)」と「値(残期間リース料総額)」を最短距離で配置しているため、MaxSim演算においてすべてのトークンが最大類似度(1.0に近い数値)を叩き出します。

一方、大手企業のサイトは「中途解約」というネガティブな話題を正面から表組みにすることを避け、「万が一の際も安心のサポート体制をご用意しております」といった抽象的な美辞麗句で表現しがちです。この文章をベクトル化すると、ユーザーの切実な問い(違約金の金額)に対するトークンが存在しないため、MaxSimの内積演算で極めて低いスコアしか記録できず、アルゴリズム上、確実に脱落してしまうのです。

RAG(検索拡張生成)とコンセンサス形成メカニズムの盲点

さらに、Google AI Overviewsの回答生成パイプラインであるRAG(Retrieval-Augmented Generation / 検索拡張生成)には、もうひとつの重大な特性が存在します。それが「コンセンサス(複数情報源による合意形成)メカニズム」です。

LLM(大規模言語モデル)は、単一のWebサイトにしか書かれていない情報を回答として出力することを極度に恐れます。ハルシネーション(嘘の回答)を出力して検索エンジンの信頼性を損なうリスクを避けるため、AIは「上位から取得した複数のパッセージ間で、同一の事実関係が確認できる情報(コンセンサスノード)」を優先的に要約文に採用し、その情報源を引用リストに表示する設計となっています。

【AI Overviewsのコンセンサス形成パイプライン】
1. 検索クエリ発生
↓
2. ColBERT MaxSim演算による上位パッセージ群の高速回収(数十〜百件)
↓
3. 情報のクラスタリングとクロスチェック(コンセンサス形成)
・メディアAの表: 「違約金 = 残期間分」
・メディアBの表: 「解約金 = 未経過リース料」
・メディアCの表: 「中途解約 = 一括支払い」
→ 【事実の合意成立】「カーリースの途中解約は原則として残期間分の支払いが必要」
↓
4. AI回答文の生成と、合意に寄与したパッセージ保持サイトの引用表示

ここで注目すべきは、「低スコアの比較メディア同士が、互いに類似した表組み(EAV構造)を掲載し合うことで、AI空間におけるコンセンサスを勝手に形成してしまっている」という点です。

大手企業が「他社との比較表」や「解約金の相場表」を自社サイトから排除している間、第三者の比較メディア群は同様のフォーマットでデータを持ち寄り、AIに対して「これが業界の客観的コンセンサスである」と認識させています。

その結果、AIから見れば「大手企業は何も語っていないが、比較メディア群は全員が一致したデータを提供している」という状態になり、比較メディア群が推奨枠を独占するという歪んだ構図が固定化されているのです。

比較メディアが抱える「構造的限界」と脆弱性

ここまで解説すると、「では、大手企業も比較メディアのように長文SEOを量産し、小手先の表組みテクニックを真似るべきなのか?」と思われるかもしれません。

しかし、答えは明確に「否」です。なぜなら、現在AI推奨枠を獲得している低スコア比較メディア群は、極めて脆弱な基盤の上に立っているからです。

弊社独自ツールの実査データが証明している通り、彼らの弱点は以下の通り明白です。

1. 一次情報保持者(当事者)ではない構造的限界(二次情報・伝聞情報のパッチワーク):
記事上にライターや監修者表記を設けて表面的なページ内E-E-A-Tスコア(比較メディア平均68.20点)を稼いでいるものの、自ら製品を開発・製造・直接提供している一次情報源(メーカー・サービス提供元)ではなく、公式サイトのスペックや約款を転記した二次情報・三次情報に過ぎない。

2. 構造化データ(Schema.org)実装の不完全性(平均44.20点・中央値40.0点):
比較メディア50サイト中24サイト(48.0%)でSchema.orgが0点(未実装)または汎用的な記事マークアップのみにとどまり、製品仕様や金融・保険商品の厳密なエンティティ定義(Product, FinancialProduct, FAQPage等)が欠落している。

3. 長文肥大化によるユーザー可読性の崩壊(平均17,276.6文字・可読性平均26.74点):
網羅性を稼ぐために1万〜4万字超の長大なテキストの中に広告やアフィリエイトリンクを詰め込んだ結果、比較メディアの84.0%(42サイト)が可読性減点により総合スコア11〜50点(平均32.86点)に沈んでおり、一次情報源である大手企業公式サイトが同等のEAV表組みとSchema.orgを実装した瞬間に置き換えられる宿命にある。
彼らがAIに選ばれている唯一の理由は、「AEO技術要件であるクローラビリティの足切り基準(70点以上)をクリアした上で、たまたま大手企業が書いていない情報をEAV表組みとして配置していた」という、構造的な隙間を突いたに過ぎません。
Googleは検索品質ガイドラインおよびAI Overviewsの抽出精度を日々アップデートしており、情報の信頼性(E-E-A-T)と一次情報の実証性をより厳格に評価する方向へと舵を切っています。小手先のテクニックだけで上位に潜り込んでいる低スコアメディアが淘汰されるのは、時間の問題に過ぎないのです。

大手企業が「EAV構造化」を取り入れた瞬間に起きる地殻変動

この工学的・特許数理的ファクトを理解したとき、大手企業が取るべき次の一手は自ずと明らかになります。

大手企業には、アフィリエイト比較サイトが逆立ちしても手に入れることのできない、貴重な資産が存在します。

  • メーカー・サービス提供事業者としての絶対的な一次情報保有権
  • 全国的な知名度と、長年の事業活動で培われた運営企業の社会的信頼性・専門性
  • 製品開発の現場で日々蓄積されている技術データ、開発者・専門家の実名と資格

もし、このような強固なブランド力を持つ大手企業が、これまでタブー視してきた「未充足ノード(ユーザーが真に知りたい比較・相場・条件)」を自ら客観的なテキスト表組み(EAV形式)として配置し、正規のSchema.org構造化データを個別ページに実装したら、一体何が起きるでしょうか。

ColBERT MaxSim演算において、大手企業のパッセージは比較メディアと同等以上のトークン内積スコアを叩き出します。そして、その後に続くE-E-A-T評価フィルターとドメインオーソリティの判定において、大手企業は比較メディアを遥かに凌駕するスコアを記録します。

その瞬間、AIの選定アルゴリズムにおいて「低スコア比較メディアを代替採用する必要性が低下」し、大手企業の正規公式サイトが第一推奨枠を獲得する可能性が高まります。

これは単なる予測ではありません。Googleの公開特許の数式が導き出す、必然の工学的帰結なのです。

本連載の全体像と完結編(第3弾)への予告

本稿(第2弾)では、Googleの基幹公開特許「US11769017B1」とColBERT MaxSim演算の数理を解剖し、なぜ低スコアの比較サイトがAI検索に選ばれ、大企業が弾かれてしまうのかというメカニズムを解説いたしました。

【全3回集中連載の構成ロードマップ】

第1弾(公開中)

検索1位の大手企業がなぜAI推奨から除外されるのか?――国内100サイト(比較群n=50 vs 大企業群n=50)実査で判明した「知名度とAI推薦の逆転現象」の真因と自社ドメイン対抗戦略

第2弾(本稿)

なぜ総合スコア11〜50点(中・低スコア群平均32.86点、全体平均37.38点)の比較サイトがAIに選ばれるのか?――Google基幹公開特許の解読で判明した「ColBERT MaxSim演算」の仕組みと、比較メディアが優位に立つ数理的トリック

第3弾(完結編・次回公開)

大企業公式サイトがAI推奨枠を回復する「AIO最適化 5大対抗戦略」と数ヶ月から一年内以内を目安とする実装手順

【次回への予告:第3弾で提示する具体的実装設計図】

では、大手企業は明日から自社サイトにどのような改修を施すべきなのでしょうか。

次回の完結編【第3弾:完全対抗戦略・実装設計編】では、情報主権を回復するためにワンゴジュウゴが体系化した「AIO最適化 5大対抗戦略」の全貌を公開いたします。

  1. 未充足ノードの客観テキスト配置手法: ユーザープロンプトに対応するコンテンツ拡充
  2. EAVパッセージ構造化の実装テンプレート: MaxSim演算を突破するHTMLテーブル設計
  3. AEOクローラビリティ基盤の構築: ミリ秒単位の高速レスポンスとSSR/Jamstack連携
  4. 個別ページE-E-A-Tの構造化実装: 著者・監修者・一次実証データのSchemaマークアップ
  5. AIエージェント直結インフラと可視アンサーブロックの二刀流: Google検索と自律型エージェントの双方を制する情報統治

企業の意思決定層が、数ヶ月から一年内以内を目安として自社ドメインのAI露出主権を確実に取り戻すための、極めて実践的なロードマップをご提示いたします。

【無料ダウンロード】ホワイトペーパー第2弾(全24スライド・Google基幹特許解読編)

「Google多段階RAG検索パイプラインの数理メカニズムを視覚的に把握したい」「社内エンジニアやWebディレクターと共有するための、ColBERT MaxSim演算やEAV表組み構造の図解資料が必要である」という企業様に向けて、全24スライドのホワイトペーパー第2弾(スライド資料形式)を無料でご提供しております。

【ホワイトペーパー第2弾 収録内容(全24スライド)】
・エグゼクティブサマリー(知名度とAI推薦の逆転現象の発生構造と自社情報主権奪還)
・第1章:Google生成検索パイプラインのアーキテクチャと特許分析(US公開特許US11769017B1等解読)
・第2章:GEO学術研究とRAGにおけるコンセンサス形成の数理(KDD 2024実証データとMaxSim演算)
・第3章:因果の解剖:なぜ低スコアの比較メディアがAI検索を独占できるのか(二極化数理とMaxSim適合)
・付録:引用文献・特許公報一覧 & 専門用語集
・会社概要:株式会社ワンゴジュウゴについて

【企業限定】貴社サイトの現在地を可視化する「弊社独自ツールによる無料定量診断」のご案内

株式会社ワンゴジュウゴでは、大手企業のマーケティング責任者・Web事業責任者様を対象に、本調査で使用した弊社独自のAIO定量診断ツールによる「自社ドメインAIO適合度 無料診断」を期間限定で提供しております。

専任シニアコンサルタントによる特許数理分析:
Google公開特許とGEO学術論文に精通したコンサルタントが貴社サイトを直接診断。

弊社独自ツールの8大評価ディメンションのスコア判定:
貴社サイトおよび主要競合比較メディアの客観的な弱点・未充足ノードを可視化。

数ヶ月から一年内以内を目安とする個別改善方針のご提案:
貴社ドメインがAI推奨枠を獲得するための最短ロードマップを提示。

よくあるご質問(FAQ)

Q1. なぜ総合スコア11〜50点(中・低スコア群平均32.86点、全体平均37.38点)の比較サイトがAIに選ばれるのですか?

Googleの基幹特許US11769017B1に規定されたColBERT MaxSim演算において、比較メディアのEAV表組み(主語×属性×値)がユーザープロンプトの各トークンと高次元ベクトル空間上で最大類似度を連発するためです。全体の可読性やデザインが低くても、局所パッセージの数学的スコアが突出して高くなる構造を持っています。

Q2. ColBERT MaxSim演算において、なぜ表組み(EAV形式)が散文よりも有利なのですか?

散文には接続詞や形容詞などの希釈トークンが多く含まれ、クエリ単語との平均類似度が下がってしまいます。一方、EAV表組みは事実・数値トークンが1行・1セルに極限凝縮されているため、クエリ単語に対するトークン内積の最大値(MaxSim)が理論上の上限値に達しやすいためです。

Q3. 大手企業がAI推奨枠を取り戻すための数理的アプローチは何ですか?

自社サイトに未充足ノード(価格相場や解約金などの具体的条件)をEAV形式のHTML表組みとして配置し、正規のSchema.org構造化データを付与することです。これによりColBERT MaxSim演算のスコアを最大化し、本来持つ高い運営企業の信頼性・専門性と掛け合わせることで、数ヶ月から一年内以内を目安として推奨枠を回復することが可能です。

発行組織情報(Company Overview)

項目

内容

社名

株式会社ワンゴジュウゴ(WAN55 Co., Ltd.)

設立

1995年1月18日

資本金

5,000万円

代表取締役

秋山政紀

東京本社

〒102-0094 東京都千代田区紀尾井町3-6 紀尾井町パークビル7F

TEL: 03-3234-5546(代表) / FAX: 03-3234-5548(代表)

大阪支社

〒530-0054 大阪市北区南森町1-3-29 MST南森町 1007

TEL: 06-6360-9927(代表) / FAX: 06-6363-4312(代表)

事業内容

AIO/LLMOに対応したWEBサイト企画制作およびサイト運用支援サービス

AI検索最適化(AIO)支援サービス

WEBシステム開発・アプリ開発サービス

WEBサイト運営スタッフの派遣および常駐サービス

WEBサイト運営BPOサービス

官公庁・自治体向けWEBサイトやシステムの制作・運用支援

各種認証

プライバシーマーク付与認定(第17000695号)

ISO27001 (ISMS) 認証取得(登録番号: JMAQA-S198)

労働者派遣事業(派13-306222) / 有料職業紹介事業(13-ユ-307691)

Webサイト

https://www.wan55.co.jp/

お問い合わせ

aio-support@wan55.co.jp

【本ページ・サービス監修】

端田 哲郎
株式会社ワンゴジュウゴ デジタルマーケティンググループ。AIO(AI最適化)および検索ブランディングの専門家。最新のAI技術と検索エンジンのアルゴリズム動向を分析し、BtoB企業のデジタルマーケティング戦略を支援。多数のセミナー登壇や執筆活動を通じて、次世代の検索体験(AI Overviews / AI mode)に最適化されたサイト構築の普及に尽力しています。
関連リンク:note記事 | AI検索ブランディングセミナー | 関連ニュース | セミナー登壇実績


© 2026 WAN55 Co., Ltd. All rights reserved. 無断転載・複製を禁じます。

ワンゴジュウゴは、お客様がストレスなく運用できる仕組みづくりを目指しています。
ヒアリングから公開・運用まで、ノウハウを用いながら強力にサポートいたします。