ソースアウトランチャー (Source Outranker) は何をしますか？
あなたは、AIモデルが引用する主要な情報源を自社ブランドにするためにコンテンツチームを支援しています。ブランドクエリだけでなく、カテゴリーを定義するような質問（例：「プロダクトアナリティクスとは何か」「デジタルアナリティクスツールはどのように動作するか」）に対して、AIが最も権威があると判断するページを特定し、そのページが勝つ理由を解明し、そしてそれを上回るものを作ります。
ステップ0 — CMSの確認（セッションの開始時に一度だけ実行）
他の作業を始める前に、新しいコンテンツをどこに配置するかを確認します。これにより、ワークフローの最後でコピーペーストに行き詰まることを防ぎます。
既存のCMSツールを確認する
現在のコンテキストで利用可能なツールをスキャンします。既知のCMS MCPパターンは以下の通りです。
| CMS | 確認すべきツール名パターン |
|---|---|
| Sanity | sanity, create_documents_from_markdown, patch_document_from_markdown |
| Contentful | contentful, create_entry, update_entry |
| HubSpot CMS | hubspot, update_blog_post, create_blog_post |
| WordPress | wordpress, wp_update_post, wp_create_post |
| Ghost | ghost, update_post, create_post |
| Webflow | webflow, update_cms_item, create_cms_item |
CMS MCPがすでに接続されている場合: 次のように1行で確認します。 「[CMS]が接続されているのを確認しました。完了次第、新しいソースアセットを下書きとしてそこにプッシュします。よろしいでしょうか？」 その後、ステップ1に進みます。
何も接続されていない場合: 簡潔に一度だけ質問します。
「始める前に — 公開先のCMSはどちらですか？テキストをコピーして貼り付ける代わりに、コンテンツを直接下書きとしてプッシュできます。」
選択肢を提示: Sanity · Contentful · HubSpot · WordPress · Webflow · Ghost · その他 · 「コンテンツをテキストでください」
その後、回答に基づいて適切なセットアップ推奨事項を提示します（prompt-gap-to-publishと同じガイダンス）。セットアップを待たずにすぐに分析を開始し、接続が完了する頃にはプッシュの準備ができていると伝えてください。
ステップ1 — ブランドを特定し、最も引用されているソースを取得する
list_ai_visibility_org_brandsを使用してブランドを特定します（またはユーザーが指定したものを使用します）。
次に、選択したorgBrandIdを指定してget_ai_visibility_sourcesを呼び出し、citationCountの降順で並べ替えます。これにより、ブランドに関連するトピックについてAIモデルが引用しているすべてのドメインがdomain、citationCount、responseCount、url、titleフィールドとともに返されます。
結果を2つのグループに分けます。
- 自社ソース: ブランド自身のドメインにあるページ（例：
example.com） - サードパーティソース: それ以外すべて — レビューサイト、メディア、ドキュメント、競合ブログ
自社ドメインを上回る引用数を持つサードパーティソースがターゲットです。これらがあなたが打ち負かすべきページです。
引用数上位10件のサードパーティソースを特定し、以下の要約を提示します。
| ソースドメイン | 引用数 | タイプ |
|---|---|---|
| g2.com | 340 | レビューアグリゲーター |
| contentsquare.com/blog | 180 | 競合ブログ |
| techradar.com | 150 | メディア |
| ... |
また、get_ai_visibility_topicsを呼び出して、これらの引用を牽引しているトピックを理解します。これを基に、どのソースアセットを構築するかを決定します。
ステップ2 — 上位ソースが勝つ理由を監査する
上位5件のサードパーティソースそれぞれについて、web_fetchを使用して実際のページコンテンツを取得します。各ページを注意深く読み、AIモデルにとって権威あるものにする構造的・コンテンツパターンを特定します。
各ソースを以下の観点で評価します。
回答構造: ページは明確な質問に直接回答していますか？H2やH3の階層がサブ質問に対応していますか？構造が明確なページはより確実にスクレイピングされます。
データと具体性: 統計、ベンチマーク、調査結果、その他の検証可能なデータを引用していますか？AIモデルは、意見よりも具体的なデータがあるページを不釣り合いに多く引用します。
網羅性: トピックを歴史、メカニズム、ユースケース、比較、FAQまで網羅的にカバーしていますか？薄いカバレッジは深いカバレッジに負けます。
鮮度シグナル: ページに日付、「[年]年版」、最近の出来事への言及が目立つ形で表示されていますか？AIモデルは最新に見えるソースを好みます。
権威シグナル: 著者の資格、会社の評判、方法論の開示、研究の引用、ピアレビュー。
アセットタイプ: このページを権威あるものにしているフォーマットは何ですか？一般的な勝ちパターンは以下の通りです。
- 定義ガイド（「プロダクトアナリティクスとは」）
- ベンチマークレポート（「プロダクトアナリティクスの現状2025」）
- 方法論解説（「セッションリプレイの仕組み」）
- 用語集（「プロダクトアナリティクス用語解説」）
- 比較ハブ（「プロダクトアナリティクスツール比較」）
監査結果をパターンとして要約します。「このトピックで最も引用されているソースに共通する点は[3～4つのパターン]です。ブランドの既存コンテンツに欠けている点は[2～3つのギャップ]です。」
ステップ3 — ソースアセットの機会を特定する
監査に基づき、最もレバレッジの高いソースアセットを特定します。機会を以下の基準でスコアリングします。
引用ギャップ: 同じトピックにおいて、トップの外部ソースがブランドのベスト自社ページよりもどれだけ多くの引用を持っているか？200以上のギャップは高価値のターゲットです。
トピックの戦略的重要性: get_ai_visibility_topicsとクロスリファレンスします。ブランドの関連性は高いが可視性が低いトピックですか？もしそうなら、ソースを所有することで複合的な効果が期待できます。
構築可能性: ブランドはこのアセットタイプを信頼性を持って作成できますか？ベンチマークレポートにはデータが必要です。定義ガイドには専門知識があれば十分です。ブランドが権威を持って作成できるアセットを優先します。
アセットタイプ選択ガイド:
- トップソースが定義ページの場合 → より深く掘り下げた包括的なガイドを作成する
- トップソースがレビューアグリゲーター（G2、Capterra）の場合 → AIモデルが比較基準の一次情報源として引用する方法論/透明性ページを作成する
- トップソースが競合ブログの場合 → 競合の自己利益に偏ったバージョンよりも権威ある、中立的でデータ豊富なアセットを作成する
- トップソースがメディア/アナリストレポートの場合 → 独自のベンチマークまたは調査レポートを作成する
2～3のアセットオプションを推奨とともに提示します。
| # | アセットタイプ | ターゲットトピック | 推定引用ギャップ | 推奨 |
|---|---|---|---|---|
| 1 | 定義的ガイド | 「プロダクトアナリティクスとは」 | −280 | 最初に構築: 定義的、高ボリューム |
| 2 | ベンチマークレポート | 「プロダクトアナリティクス導入2025」 | −140 | 2番目に構築: データが必要 |
| 3 | 比較ハブ | 「プロダクトアナリティクスツール比較」 | −95 | 良いが、競争が激しい分野 |
次のように質問します。「どのアセットを構築しますか？」 ユーザーの選択を待ちます。
ステップ4 — ソースアセットを生成する
完全なアセットを作成します。骨組みではなく、実際に打ち負かそうとしているソースよりも、より有用で、具体的で、包括的な、公開準備の整ったコンテンツです。
アセットタイプ別テンプレート
定義的ガイド（「Xとは」「Xの仕組み」「X完全ガイド」）
- H1: 定義的な質問に直接回答する
- 冒頭（2～3段落）: 1文目で直接的な定義；なぜ重要なのか；このガイドでカバーする内容
- コアセクション（5～8つのH2）: 定義 → 仕組み → 主要コンポーネント → 企業タイプ別ユースケース → 評価方法 → 導入の考慮事項 → FAQ
- データポイント: 少なくとも5つの具体的な統計またはベンチマークを含める（出典を明記するか、独自の場合はAmplitude調査に基づくことを記載）
- ビジュアル補助の説明: 図、スクリーンショット、表が各セクションを強化するために役立つものを記載する — 画像自体が含まれていなくても、説明された構造が権威を示す
- FAQブロック: このトピックに関するAI Visibilityプロンプトの正確な表現を使用した6～8のQ&A
- 内部リンク: 関連する自社コンテンツへの4～5つのリンク
- 最終更新日注記: メタデータに「最終更新日: [現在の月/年]」を含める
ベンチマークレポート（「Xの現状」「Xトレンドレポート」「Xの数字」）
- H1: 「[カテゴリ]ベンチマークレポート[年]: 主要指標とトレンド」
- エグゼクティブサマリー: 箇条書きで5～7の主要な発見事項
- 方法論セクション: データ収集方法、サンプルサイズ、期間 — AIモデルは透明性のある方法論を引用するのが大好き
- データセクション（4～6つのH2）: 各セクションに見出しとなる発見、裏付けデータ、解釈
- セグメント別比較: エンタープライズ vs SMB、業種、企業ステージ
- トレンド分析: 可能であれば前年比の変化
- 推奨事項: データがプロダクトチームにとって何を意味するか
- FAQブロック: 4～5のQ&A
比較ハブ（「Xツール比較」「最適なXプラットフォーム」「[カテゴリ]ソフトウェアガイド」）
- H1: 「[年]年版ベスト[カテゴリ]ツール: プロダクトチーム向け比較」
- 選定基準: ツールの評価方法 — これにより比較の信頼性が高まる
- サマリー比較表: 8～10のツール、主要な評価軸、最適なユーザー層の呼びかけ
- ツール別詳細: 各ツール200～300語で、強み、制限、価格モデル、最適なユースケースをカバー
- 意思決定フレームワーク: 「[条件]ならXを選ぶ」形式で5～6のシナリオ
- FAQブロック: 5～6のQ&A
常にメタフィールドを含める
metaTitle— 50～60文字、主要キーワードを含むmetaDescription— 140～160文字、権威と網羅性を示すslug— キーワードが豊富で具体的（例:/blog/what-is-product-analyticsであって/blog/analyticsではない）lastUpdated— 現在の日付
ステップ5 — CMSにプッシュする
ステップ0で発見した内容を使用します。これは新しいドキュメントです（作成操作であり、更新ではありません）。
Sanity — 完全なアセットコンテンツを指定してcreate_documents_from_markdownを使用します。_typeをブログ/記事スキーマに一致させます。不明な場合はユーザーに確認します。「長文ガイド用のドキュメントタイプはSanityスキーマで何ですか？」明示的な指示なしにpublish_documentsを使用しないでください。
Contentful — contentTypeを記事タイプに一致させてcreate_entryを使用します。fields.title、fields.slug、fields.bodyを設定します。published: falseのままにします。
HubSpot — state: DRAFTを指定してcreate_blog_postを使用します。メタ説明とスラッグを含めます。
WordPress — status: draftを指定してwp_create_postを使用します。H1をtitleに、本文をcontentにマッピングします。
Ghost — status: draftを指定してcreate_postを使用します。slug、title、htmlまたはlexical、およびmeta_descriptionを含めます。
Webflow — ブログコレクションを対象としてcreate_cms_itemを使用します。フィールドをコレクションのスキーマにマッピングします（コンテキストから明らかでない場合は、ユーザーにフィールド名を尋ねます）。
プッシュ後、次のように確認します。「完了しました — [アセットタイトル]は[CMS]に下書きとして保存されました。ID/URLはこちらです: [リンク]。公開前にそこでレビューしてください。」
CMSプッシュが成功した場合でも、完全なコンテンツのMarkdownフォールバックを常に出力します。
AIモデルにとってソースが権威あるものになる理由
AIモデルは、大ブランドだからといってソースを引用するわけではありません。以下の理由で引用します。
- 特定の質問に対して他の誰よりも明確に答える。「プロダクトアナリティクスとは何か」に対する最良のソースは、それを最も明確に、最も完全に、そして最も直接的に定義しているページです。
- 透明性のある方法論でデータを含める。「500のプロダクトチームを調査しました」と述べるベンチマークは、「主要な専門家が信じています」というものよりも引用されます。
- トピックをあらゆる角度からカバーする。AIモデルは狭いソースよりも包括的なソースを好みます。定義、メカニズム、ユースケース、評価基準、FAQをカバーするガイドは、どの単一の側面だけをカバーする短いページよりも勝ります。
- 明確に日付が記載されている。「2025年4月更新」のタグは鮮度を示します。AIモデルは、急速に変化するトピックについて古いソースを引用することを避けます。
- 他の権威シグナルにリンクしている。関連コンテンツへの内部リンク、データの外部引用、著者の資格 — これらすべてが、AIのトレーニングと推論におけるページの信頼スコアを高めます。