SEO

海外で Claude Code 専用の「SEO エージェント」が話題になっている。月額 2 万円級の SEO ツールをサブスク不要・ゼロコストで完全代替できるという内容で、SNS では 70,000 インプレッション超・ブックマーク 1,300 件超を記録した。 何が起きているのか @ClaudeCode_love が 2026 年 4 月 26 日に投稿したツイートが発端。元ネタは @learnwithella による動画デモで、Claude Code の中だけで SEO の分析から記事生成まで全自動化する様子が紹介されている。 これまで SEO 担当者が直面してきた最大の壁は「月額課金ツールで手動分析」だった。毎月課金して CSV をダウンロードし、5 分で閉じる……そのワークフローをこのエージェントは丸ごと自動化する。 エージェントの主な機能 Google Search Console との自動連携 Google Search Console の API に接続し、自サイトのキーワード順位データを自動取得する。手動でのデータエクスポートが不要になる。 “あと一歩” キーワードの自動発見 順位 5〜20 位に入っているキーワードを抽出し、少しのコンテンツ改善でトップ 3 入りが狙えるキーワードを優先的にリストアップする。これは多くの SEO ツールが有料機能として提供している「ポジションギャップ分析」に相当する。 競合サイトの自動スクレイピング・分析 上位表示サイトを自動でクロールし、見出し構成・コンテンツ量・内部リンク構造などを分析。差分を把握したうえでコンテンツ戦略を立案する。 ブランドの声での記事自動生成 競合分析の結果をもとに、指定したブランドトーンで記事を自動生成する。生成した記事はそのまま公開フローに乗せることができる。 週次ランキング追跡・改善ループ 毎週のランキング変動を追跡し、改善アクションを自動提案するループを構成できる。一度設定すれば継続的な SEO 改善が自走する。 AI 検索への最適化 Google だけでなく、ChatGPT・Gemini・Perplexity などの AI 検索エンジンへの最適化にも対応。AI Overviews（AIO）時代のコンテンツ戦略を意識した設計になっている。 ...

概要 インバウンドマーケティングは、広告で「押し込む」のではなく、見込み客が自ら検索・発見してたどり着くコンテンツとオファーを用意する顧客獲得の設計思想。HubSpot 創業者ブライアン・ハリガンと共著者らが体系化したフレームワークが広く知られる。 中核には Attract（惹きつける）→ Engage（関わる）→ Delight（喜ばせる） のフライホイールがあり、既存顧客の満足が次の Attract の燃料になる循環を狙う。 4 つのフェーズ フェーズ 主な施策 KPI 例 Attract SEO・ブログ・SNS・動画 検索流入・記事読了・指名検索数 Convert LP・フォーム・CTA リード獲得数・コンバージョン率 Close メールナーチャリング・CRM・営業シーケンス 商談化率・受注率 Delight カスタマーサクセス・コミュニティ・NPS 改善 LTV・継続率・推奨度 アウトバウンドとの違い アウトバウンド: 広告・テレアポ・展示会など「企業 → 顧客」へのプッシュ インバウンド: 検索・SNS・口コミなど「顧客 → 企業」のプル 両者は二者択一ではなく、コンテンツ資産がプル / 広告がプッシュという補完関係で設計される 実装に必要な技術コンポーネント CMS: 検索流入を支えるコンテンツ配信基盤（HubSpot CMS / WordPress / 自社） CRM: 流入したリードの履歴を一元管理する顧客データ基盤 MA（マーケティングオートメーション）: シナリオ別のメールナーチャリング・スコアリング アナリティクス: 流入チャネル・コンテンツ別の貢献度測定 これらを統合パッケージで提供するのが HubSpot の事業領域。 押さえどころ コンテンツ資産は減価しない: 一度作った優良記事は長期間トラフィックを稼ぎ続けるため、ROI 計算は単発キャンペーンと別軸で評価する 検索行動の変化に追従: AI 検索（Perplexity / ChatGPT 検索）への露出最適化（GEO / AEO）も視野に オフラインとの統合: Web 行動と営業活動・サポート履歴を CRM 上で同じタイムラインに乗せると効果が読める 関連ページ HubSpot — インバウンド思想を製品化した代表的プラットフォーム ソース記事 HubSpot Pro プランの実用メリット — 2026-04-28 HubSpot CMS の hsCacheBuster — 2026-04-23 インバウンドマーケティング徹底入門 — 2026-04-15

インバウンドマーケティングとは、顧客に見つけてもらう「プル型」のマーケティング手法です。Attract / Engage / Delight の 3 フェーズ、MA（マーケティングオートメーション）との連携、KPI 設計、そしてエンジニアがコードで関われる領域まで、HubSpot・JBNet・SATORI・MOLTS の解説を統合して整理しました。 インバウンドマーケティングとは インバウンドマーケティングは、広告やテレアポのようにこちらから売り込む「プッシュ型」ではなく、顧客が求めているコンテンツや体験を提供して自発的に見つけてもらう「プル型」のマーケティング手法です。HubSpot は「コンテンツを自社ブランドや検索に最適化してビジネスの成長を後押しする手法」と定義しています。 ポイントは「顧客の課題解決を支援し、信頼できるアドバイザーとして認識してもらう」こと。結果として、見込み顧客と自然に出会い、購買意欲を育成するプロセスへとつながっていきます。 アウトバウンドとの違い 観点 アウトバウンド インバウンド 発信方向 企業 → 顧客（一方通行） 顧客 → 企業（顧客が発見） 代表的手法 テレビ CM、DM、テレアポ、折込チラシ SEO、ブログ、SNS、ホワイトペーパー、ウェビナー コストの性質 出稿ごとに消費される コンテンツが資産として蓄積される 効果が出るまで 短期で出やすい 時間がかかる（継続運用が前提） 信頼関係 一方的で築きにくい 有益コンテンツを通じて構築しやすい アウトバウンドが悪というわけではなく、フェーズや商材で適材適所の使い分けが前提になります。ただ、SaaS や B2B のように検討期間が長い領域ではインバウンドの比重が高くなりやすい、というのが共通認識です。 インバウンドマーケティングの 3 フェーズ：Attract / Engage / Delight HubSpot が提唱する 3 フェーズのフレームワークが、多くの解説で共通して使われています。 1. Attract（惹きつける） 価値あるコンテンツや対話を通じて、ターゲットと出会う段階です。主な手段はブログ、SEO、動画、SNS。ここで重要なのは「自社が売りたいこと」ではなく「ターゲットが検索する課題」を起点にすること。信頼できるアドバイザーと認識してもらうのがゴールです。 2. Engage（信頼関係構築） 見つけてもらった相手と関係を深める段階です。メールマーケティング、チャットボット、オファー資料（ホワイトペーパー）などを通じて、相手の課題や目標に合わせた情報を提供します。この段階から マーケティングオートメーション（MA） が効いてきます。 3. Delight（満足・推奨） 購入後も継続的にサポートし、顧客の成功を支援します。満足した顧客が口コミや紹介で新しい見込み客を連れてくる循環（フライホイール）が、インバウンドの最終的な強みです。 なお MOLTS の解説では、ATTRACT / CONVERT / CLOSE / DELIGHT の 4 段階ファネルも紹介されています。これは HubSpot が 2018 年頃にフライホイールモデルへ移行する前に使っていた旧モデルを踏襲した形で、リード化（CONVERT）と顧客化（CLOSE）を分けて KPI を置けるのが特徴です。運用上は 4 段階で見るほうが、ホワイトペーパー DL や商談化率などの中間指標を設計しやすい場面もあります。 ...

SEO・コンテンツマーケティングの専門家 Jake Ward 氏が、AI とプログラマティック SEO を組み合わせて 60日間で SEO トラフィックを466%（5.7倍）増加 させた手法が注目を集めています。13,000ページ以上をわずか3時間で生成し、週間オーガニッククリックを971から5,500に伸ばした具体的なアプローチを解説します。 成果の概要 13,000+ ページを3時間で生成 週間オーガニッククリック: 971 → 5,500（+466%） 60日間で達成 従来のプログラマティック SEO との違い 従来のプログラマティック SEO は、テンプレートの単語を置換するだけのものが多く、低品質なページが量産される問題がありました。Jake Ward 氏のアプローチは、AI にフリーフォームでコンテンツを書かせるのではなく、厳密な JSON Schema を埋め込むことで品質を担保しています。 3つの核心ポイント 1. JSON Schema によるコンテンツ構造化 最も重要な技術的要素が、AI への指示に厳密な JSON Schema を使うことです。 1 2 3 4 5 6 7 8 9 10 11 12 13 { "section_title": "string", "items": [ { "name": "string", "description": "string (50-100 words)", "difficulty_level": "beginner | intermediate | advanced", "potential_score": "number (1-10)" } ], "min_items": 15, "max_items": 20 } AI にフリーフォームの文章を書かせると、ページごとに品質がばらつきます。JSON Schema で出力形式を固定することで、13,000ページ全体で一貫した品質を維持できます。 ...

ChatGPTやClaude、Perplexityなどの AI 検索エンジンに自社サイトを見つけてもらうための最適化ツール「geo-seo-claude」がオープンソースで公開されている。従来の SEO に加えて、AI が引用・参照しやすいコンテンツ構造を自動分析・提案してくれる Claude Code 用スキルだ。 GEO（Generative Engine Optimization）とは 従来の SEO が Google などの検索エンジンでの上位表示を目指すのに対し、GEO は AI 検索エンジン（ChatGPT、Claude、Perplexity、Gemini、Google AI Overviews）での「引用されやすさ」を最適化する考え方だ。 AI がウェブ上の情報を参照して回答を生成する際、どのサイトが引用されるかは以下のような要素に左右される： コンテンツの構造化の度合い AI クローラーへのアクセス許可（robots.txt） ブランドの権威性（各プラットフォームでの言及） スキーママークアップの品質 geo-seo-claude の主な機能 引用可能性スコアリング（Citability Scoring） コンテンツが AI に引用されやすい構造になっているかを評価する。134〜167語の最適な段落長、明確な見出し構造、事実ベースの記述かどうかなどをチェックする。 AI クローラー分析 robots.txt を解析し、14以上の AI ボット（GPTBot、ClaudeBot、PerplexityBot など）へのアクセス許可状況を確認する。ブロックしているボットがあれば、許可すべきかの推奨事項を提示する。 ブランド言及スキャン YouTube、Reddit、Wikipedia、LinkedIn など7つ以上のプラットフォームでのブランド言及を検出する。AI は複数ソースでの言及が多いサイトをより信頼性が高いと判断する傾向がある。 プラットフォーム別最適化 ChatGPT、Perplexity、Google AI Overviews それぞれの特性に合わせた最適化提案を行う。各 AI 検索エンジンがコンテンツを処理する方法は異なるため、プラットフォームごとのカスタマイズが重要になる。 llms.txt 生成 AI クローラーがサイト構造を理解しやすくするための新興標準ファイル llms.txt を自動生成する。Answer.AI の Jeremy Howard が提案した規格で、robots.txt の AI 版のような位置づけを目指している（現時点ではまだ提案段階）。 PDF レポート生成 スコアゲージ、棒グラフ、カラーコード付きテーブルなど、視覚的にわかりやすいプロフェッショナルな監査レポートを PDF 形式で出力できる。 ...