コンテンツを、引用される形に。
URLを入力すると、Geo Index がコンテンツを解析し、機械判定を主とするスコアと改善案を提示します。何がどう足りないのかを数値と根拠で示すところまでが私たちの役割で、最終的な編集はあなたが行います。
登録から招待まで、費用は発生しません。
URLを入力すると、Geo Index がコンテンツを解析し、機械判定を主とするスコアと改善案を提示します。何がどう足りないのかを数値と根拠で示すところまでが私たちの役割で、最終的な編集はあなたが行います。
登録から招待まで、費用は発生しません。
仕組み
解析・採点・改善案の3ステップ。どの数字も、根拠と一緒に確認できます。
STEP 1
分析したいページのURLを入力すると、タイトル・見出し構造・本文ブロックを抽出します。ブログ記事、製品ページ、技術ドキュメントなど、公開されているWebページを対象にできます。
STEP 2
抽出したコンテンツを、AIが取り出せるかどうかの観点で0〜10のスコアに落とし込みます。機械で判定した項目には観測値を、LLMが採点した参考値には根拠となる本文の引用を併記するため、なぜその点数なのかを確認できます。
STEP 3
スコアの低い軸を起点に、具体的な改善案を提示します。作成したコンテンツはライブラリとして保存でき、AI最適化ページの素材としてそのまま使えます。最終的な文章の作成・編集はあなたが行います。
※ 画面イメージのスコア・URLはサンプル値です。実際の値は解析したコンテンツによって変わります。
診断の考え方
機械で判定できる4項目を主とし、文意の解釈が必要な2項目はLLMによる参考値として区別します。
semantic_structure
本文の領域が特定でき、見出しの階層をたどれるか。
structured_data_markup
構造化データ(JSON-LD)がJSONとして解釈できる形式か。
structured_blocks_density
事実が表や箇条書きで区切って提示されているか。
keyword_stuffing_free
同一語の反復が過剰でないこと(陰性)を確認できるか。
lead_answer_placement
冒頭で結論を先に示し、その後に根拠が続く構成か。
passage_self_containment
各段落が前後の文脈なしでも意味が通るか。
各項目は0〜10で採点します。機械判定の項目には観測値を、参考値には根拠となる本文の引用を併記します。スコアは引用のされやすさを保証するものではありません。
キーワードの詰め込みは検索エンジンのスパムポリシーに抵触するリスクがあるため、加点対象にはせず、反復が過剰でないこと(陰性)を確認する項目として採点します。各項目の重みは管理側で調整でき、固定値ではありません。
実際の画面
コンテンツ最適化の弱点を特定する起点は、引用分析での計測です。引用の内訳(寄与分解)はこの画面で確認します。


決定論的スコアリング
GEO-SFE の5つの構造特徴は計算で求めるため、同じ入力には常に同じスコアが出ます。
抽出可能性スコアのうち参考値2項目はLLMによる評価のため、モデルの状態に影響されます。GEO-SFE 構造スコアはこれと対になる指標で、LLMを呼び出さずに文章構造だけを決定論的に算出します。呼び出しが発生しないため、実行のたびに結果がぶれることもありません。
計測の前提・定義・出典は、方法論のページですべて開示しています。
計測の方法論を見るループに組み込む
コンテンツ最適化は単体で完結しません。引用分析の計測結果を起点にすることで、どこに手を入れるかを数字で決められます。
スコアの低い軸と、その根拠となった本文の箇所を突き合わせます。
同じ条件で計測し直し、数字がどう変わったかを確認します。因果は断定せず、変化として記録します。
現在はクローズドβとして、信頼できる10〜20社への限定招待を予定しています。ご登録いただくと、準備が整い次第、登録順にご案内します。登録から招待まで、費用は発生しません。
製品ツアーを見る