Google AI検索がコンテンツを読む方法の実証分析

SEO専門家のDan Petrovic（DEJAN）がGoogle Gemini APIの生データを分析し、Google AI検索（Geminiベース） がWebページからどの文を回答の根拠（grounding snippet）として抽出するのかを初めて実証的に明らかにしました。

主な発見ポイント:

• 質問 → query fanout によって複数のサブクエリに分解
• 各サブクエリごとに5〜20ページを選定 → 文単位でクエリ関連度をスコアリング
• 最も重要な基準 = 文の意味的類似度（クエリと無関係なセクションは丸ごと無視）
• 導入部（最初の段落） は関連度が低くてもほぼ必ず抽出される → 強いlead biasが存在
• 目次、ヘッダー、コード断片などの構造的要素も通常の文のように扱われ、スコアが付与される
• 選ばれた文は … で連結されて スニペット（snippet） を構成 → 最終回答生成時の引用根拠として使われる

結論として、Google AI検索はAIの自由な解釈ではなく、文レベルの精密な関連度スコアリング + 選別 の過程を経ています。
→ 核心メッセージを導入部に強く配置し、各文がクエリと意味的に密接であるほど、AI回答に引用される確率が高まるという実践的なインサイトを与えます。

Petrovicはこのメカニズムを模倣したデモツールも公開しました。

https://aisparkup.com/posts/9618