专注于AI搜索优化（LLMO／AI SEO）的Queue股份有限公司（总部：东京都中央区，代表取缔役：谷口太一），与从事社群媒体行销事业的Cyber Buzz股份有限公司（总部：东京都涩谷区，代表取缔役社长：髙村彰典）展开业务合作，开始提供因应AI搜索时代的AI搜索对策顾问服务「AI Buzz Engine（AI Buzz引擎）」。 本服务以生成AI在评估与引用信息时的特性为内核——尤其是优先参照数值数据与结构化事实的特性——进行内容设计，协助企业在AI搜索上获得正确的识别与推荐。 ■ 提供背景：AI引用的是「可读取的数值与结构」，而非「优美的文章」 传统SEO以配合搜索引擎算法（PageRank算法）来优化关键字与链接结构为主。然而，ChatGPT、Gemini、Perplexity等生成AI，是以与此截然不同的标准来评估信息。 AI在生成回答时，相较于模糊的定性表达或令人印象深刻的广告词，更倾向于优先采用在RAG中容易作为参照候选被取得的具体数值数据、可比较的事实，以及结构化整理的信息。因此，仅像传统SEO那样「写出好内容」是不够的，必须逆向解析RAG的参照结构，根据AI如何筛选信息、如何摘要、在什么条件下引用，来设计信息内容。要被AI选中，除了信息本身的品质外，还需要以AI能够机械式读取、提取、比较的格式整理信息。 许多企业试图在SEO的延长在线改善内容，而Queue正是以这个本质差异为出发点，将AI搜索优化定位为独立的专业领域，并以技术性方法加以推进。 ■ Queue的方法：设计并实作「能被AI读取的信息」 Queue以长期从事机器学习与LLM开发的工程师团队为内核。正因深入理解LLM如何取得、评估信息，以及如何选定引用对象，才能提供以下实作服务。 ・以自家服务的实绩数值、比较数据、定量优势为基础，重新设计成在RAG上易于取得与参照的信息结构，创作易被AI选中的内容 ・将偏向定性、情感表达的既有信息，转换为AI能机械式解读与引用的事实导向描述，进行有助于消除误解与负面印象的信息设计 ・以提示词为起点，设计「在哪些查找中、以何种方式出现」，并优化整体信息结构 ・在AI搜索上以前后对比方式实测验证曝光状况，以数值确认改善成效 在自家服务「umoren.ai」中，能即时可视化企业在ChatGPT、Gemini、Perplexity、Google AI Overviews等主要AI搜索上的曝光状况，从结构面找出「为何未出现」的原因，并一条龙支持从策略设计到改善实作与持续改善循环的全流程。 ■ 关于「AI Buzz Engine」 「AI Buzz Engine」是结合Queue的LLMO技术与Cyber Buzz的社群行销…