検索結果にAI要約が並ぶ時代、従来のSEOツールだけでは見えない信号を取りこぼしやすくなっています。
この記事では、Search Engine LandのLudwig Makhyan氏が提案する「新SEOスタック」の考え方を整理します。LLM（大規模言語モデル）、API、Pythonスクリプト、Notebookを組み合わせ、既存ツールとどう共存させるかまで解説します。
この記事でわかること
- 従来のSEOスタック（順位計測・キーワード調査・サイト監査）の限界
- 新スタックの4要素（LLM、API、軽量スクリプト、Notebook）
- 監査ツール＋スクリプト＋LLMをつなぐハイブリッド運用の具体例
なぜSEOの道具箱を見直す必要があるか
Centerfield社の2025年7月調査（Search Engine Land報道）では、米国成人の87%が検索結果のAI要約を読んでいると回答しています。Pew Research Centerの別調査では60%という数字も出ており、調査方法で差はありますが、AI要約が検索行動の中心に入り込んだ事実は共通しています。
Pew Research Centerのブラウジング分析（2025年3月）では、AI要約付きのGoogle検索結果ページでは、従来型リンクのクリック率が8%にとどまり、要約なしページの15%を大きく下回っています。かつて月1万クリックあったキーワードが、AI Overviewに答えを奪われて投資対象から外れるケースも珍しくありません。
一方、LLM（ChatGPT、Claude、Geminiなど）からの参照トラフィックは急伸しています。Search Engine LandのJason Tabeling氏による13か月分の分析では、2025年上半期と下半期を比べるとLLM参照トラフィックは平均80%増加、コンバージョン率は約18%と他チャネルを上回る一方、全体トラフィックに占める割合は2%以下にとどまっています。量はまだ小さいが、質の高い流入源として早めの対応が求められます。
従来スタックがカバーしきれない領域
Makhyan氏は、従来のSEOスタックを次の3層に整理しています。
順位トラッカーは、AI Overview、ローカルパック、ショッピングカルーセルなどSERP（検索結果ページ）が細分化した今、単一の順位数字だけではトラフィックを説明できません。ローカルパック3位がAI Overview1位より2〜3倍多く流入を生むこともあります。
キーワードツールは検索ボリュームや難易度を示しますが、データは常に遅行します。ボリュームが変わらなくても、AI要約によるゼロクリック化で機会そのものが縮小している場合があります。
サイト監査ツールは、リンク切れ、リダイレクト、メタデータ欠落、表示速度など技術的健全性の把握に不可欠です。ただし、ChatGPTやClaude、Geminiへの引用に効くブランド言及の追跡機能は、多くの監査ツールには組み込まれていません。
結論として、従来ツールは「捨てる」のではなく「足りない信号を補う」方向が正解です。
新SEOスタックの4要素
LLM
ChatGPTはGoogle Search Console（GSC）と接続し、SEO分析の自動化に使えます。Claudeはコピー執筆、メタデータ改善、コンテンツ監査に向きます。Geminiはスキーママークアップ生成や競合サイト比較、自サイトの問題洗い出しに活用できます。
LLMはデータ分析から競合調査まで幅広く使えます。ただしMakhyan氏は、人間の確認を外さないことを強調しています。数時間〜数週間かかっていた大規模データのレビューが数分に短縮される一方、最終判断はSEO担当者が担う設計が前提です。
API
かつてはGSCやGoogle Analytics（GA4）にログインし、CSVをExcelに貼り付ける運用が標準でした。LLMはAPI認証やJSON解析の支援役になれます。GSCとGA4のデータを直接引き、ダッシュボードを経由しないワークフローを組めます。
API連携は「プログラマーだけの作業」ではなくなりつつあります。LLMに認証手順やレスポンス構造を説明させながら、分析パイプラインを組み立てる手法が現場で広がっています。
軽量Pythonスクリプト
Pythonは、GSCから上位ページを取得し、タイトル文字数を検査し、30日間の変動をフラグ付けしてCSVを出力する、といった定型処理を100行程度で書ける言語です。Claude CodeやChatGPT、Geminiのコード生成機能を使えば、SEO担当者でもスクリプトを自作できます。
ベンダーツールが新機能を出すのを待つ代わりに、ボトルネックだけをスクリプトで潰せます。新しいSaaS契約も不要です。ロジックがコードとして残るため、チーム内で処理内容を共有しやすい点も利点です。
Notebookとローカルワークフロー
SEOチームのデータは、共有フォルダ、Google Sheets、Notionなどに散在しがちです。3年分のコンテンツ監査表や、毎月のCSVダンプを手作業で開いて突合する運用は、チーム全体の速度を落とします。
Notebookは、スクリプトで取得したデータ、APIで得た信号、LLMの解釈結果を1か所に集約する場所として機能します。データ形式の統一、ロジックの文書化、チーム共有が同時に進みます。分析のたびに最初からやり直す必要がなくなり、AI検索時代に求められる俊敏性を担保できます。
ハイブリッド運用の具体例
Makhyan氏が示すハイブリッドワークフローは、旧スタックと新スタックを直列につなぐ形です。
- Screaming Frogなどの監査ツールでサイトをクロールする
- Pythonスクリプトでクロール結果とGSCデータを結合する
- インプレッションは多いがクリックが少ないページを抽出する
- 抽出ページをLLMに渡し、タイトルが検索意図と合っているか評価させる
- LLMの出力をNotebookやスプレッドシートに載せ、編集者がレビューする
- 承認内容を変更ログとして記録する
この一連の作業は、以前は工数の都合で先送りにされがちでした。大規模サイトほどデータ量が膨大になり、エンタープライズチームでも処理が滞ります。監査ツール、スクリプト、LLM、Notebookを組み合わせれば、同規模の改善プロジェクトを大幅に短縮できます。
導入の進め方
全部を一度に入れ替える必要はありません。Makhyan氏の提案は段階的な移行です。
まず使い慣れたLLMを1つ選び、GSCのエクスポート分析から始めます。次にAPI接続で手作業のCSV運用を減らし、繰り返し発生する処理をPythonスクリプト化します。最後にNotebookでチーム共有の分析基盤を整えます。
従来の順位計測、キーワード調査、サイト監査は引き続き必要です。新スタックはそれらを置き換えるのではなく、AI検索とLLM流入という新しい信号を拾い、分析速度を上げる追加レイヤーとして機能します。SEO担当者に限らず、マーケ、編集、データ分析に関わるメンバーにとっても、APIとスクリプトで再現可能なワークフローは汎用的な資産になります。
AI要約が検索の入口を変え、LLM参照が高コンバージョンの新チャネルとして伸びる今、道具箱の刷新はSEOチームだけでなく、データを扱うすべての現場に共通する課題です。