株式会社EXIDEA（本社：東京都中央区、代表取締役：小川卓真）は、「AIOに採択されやすい記事を、公開前・リライト前にある程度絞り込めるのか」という問いを立て、19,826件のURLデータを用いた予測モデルの検証を行った結果を公表します。 AI Overview（以下AIO）への対応を進めるSEO・コンテンツ責任者の現場では、施策の優先度をどう決めるかが課題になっています。 「改善対象の記事が多すぎて、どこからリライトすべきか分からない」 「上位表示はできているのに、AIOに採択される記事とされない記事の違いが見えない」 「限られた工数を、どの記事に投下すればよいか判断材料が足りない」 本リリースでは、AIO時代のSEO設計と運用の優先度を考えるうえで参考になる5つのファクトを共有します。 本調査結果の要点 AIOに採択されやすい記事は、記事の中身だけでなく、検索順位やクエリの文脈まで見ることで、ある程度事前に絞り込める。 予測モデルが「採択されやすい」と判定した上位10%のURL群では、82.8%が実際にAIOへ採択された。 AIO時代のSEOでは、採択された記事を後から分析するだけでなく、どの記事から改善すべきかを事前に見極めることが重要になります。 調査の概要 項目 内容 調査対象 Google検索データと紐づく記事URL （AIOが表示された検索結果に出現したURL群） 分析対象URL数 19,826件 目的変数 当該URLがAIO回答内で採択されたか（aio_cited、二値判定） 母集団の採択率 43.5% 比較モデル ロジスティック回帰、LightGBM 特徴量の系統 Base（記事特徴量のみ）／Enriched（記事特徴量+検索文脈特徴量） ベストモデル LightGBM + 記事特徴量 + 検索文脈特徴量 検証方法 学習用80% / テスト用20%のホールドアウト検証 主な評価指標 AUC、Top10 precision、Top20 recall 寄与度の解釈 SHAPによる特徴量寄与の可視化 データ取得時期 2026年2月〜4月 調査主体 株式会社EXIDEA 使用した指標ならびに用語の概要 記事特徴量：文字数、見出し数、平均段落長、表やFAQの有無、出典明記、冒頭での直接回答、比較構造、E-E-A-T関連要素など、記事本文の構造に関する30超の項目。 検索文脈特徴量：検索順位（最高順位・平均順位・Top3率・Top10率など）、対象URLが登場するクエリ数、クエリ形式、検索意図、指名/非指名比率、YMYL比率など、URLが置かれている検索環境に関する項目。 AUC：モデルが「採択されやすい記事」を上位に並べられるかを示す指標。 SHAP：各項目がどれだけ予測に効いたか（寄与度）を図る統計手法 ① AIOに選ばれるかは、記事の中身だけでは決まらない まず、記事本文の構造だけを使うベースモデルと、検索文脈の指標まで加えた拡張モデルを比較しました。記事の中身だけを見たベースモデルではAUCが0.63台にとどまった一方、検索文脈を加えた拡張モデルでは0.71〜0.72台まで改善しました。 モデル 特徴量 AUC 上位10%の 当たり率 上位20%の 当たり率 Logistic / Base 記事特徴量のみ 0.6338 58.3% 56.0% LightGBM / Base 記事特徴量のみ 0.6302 58.1% 56.4% Logistic / Enriched 記事 + 検索文脈 0.7114 82.3% 69.5% LightGBM / Enriched ★ ベストモデル 記事 + 検索文脈 0.7209 82.8% 71.9% 記事構造と検索文脈の組み合わせでAIO採択が予測できる AIO採択の予測は記事本文の構造だけでは不十分で、そのURLがどの検索文脈に置かれているかをあわせて見ることで、予測精度が大きく改善することが分かります。AIO採択は完全に偶然で決まるのではなく、記事構造と検索文脈の組み合わせで一定程度予測可能であることを示しています。 ② “採択されやすい記事”は、上位10%にかなり濃く集まっていた ベストモデルでは、母集団全体の採択率が43.5%であるのに対し、テストデータ上でモデルが高スコア順に並べた上位10%のURL群では、採択率が82.8%まで上昇しました。 指標 値 母集団の採択率 43.5% 上位10%の採択率（Top10 precision） 82.8% Lift 1.90倍 上位10%で拾えた採択URLの割合（Top10 recall） 19.0% 全件を完璧に当てるモデルではなくても、優先的に見るべき候補群を高い濃度で抽出できるという結果です。編集工数や改善工数が限られ