新たな概念を思いついた
LLMOだ、AIOだと騒いでいるうちに、少し別のことが見えてきました。
AIに「見つけてもらう」だけでは、まだ半分です。
本当に面白いのは、その先。AIが自社のことを理解し、必要な人に、必要な文脈で説明してくれる状態です。
つまり、AIを「検索対策の対象」ではなく、自社の営業人材として育てる。
勝手に名前をつけます。MSBKO。”Maesabaki Optimization”＝”最適化への前捌き”です。
これまでのLLMOは「見つけてもらう」までだった
以前は、「AIに正しく理解してもらう」、「自社の専門性を拾ってもらう」、「検索・生成AI上で説明してもらう」という発想。
でも最近の実体験で、「AIに見つけてもらう」だけじゃなく、相手が調べる前提まで整えておくことの価値が見えた。
あえてURLを貼らなかった理由
ある企業に問い合わせを送る際、あえて自社サイトのURLを貼らず、屋号と名前だけを記載しました。
なぜか。相手が興味を持てば、検索するからです。
そして検索すると、GoogleのAI概要が、こちらの仕事や思想をある程度説明してくれる。こちらが長々と自己紹介しなくても、相手が自分で調べる過程で理解が進む。
これも、ある種の前捌きだと思うのです。
MSBKOとLLMOの対比
LLMOは、「AIに理解される状態をつくる」。
MSBKOは、「相手が理解・判断しやすい状態を、接触前からつくる」。
そのうえで、MSBKOには何が必要か。
- 自社の仕事を、自分の言葉で説明している
- サイトと実際の仕事が一致している
- AIが拾える形で情報が置かれている
- 記事・実績・思想が分散せず、文脈としてつながっている
- 名前や屋号で検索したとき、何者か分かる
- 問い合わせ後、相手が「次に何を見ればいいか」まで自然につながる
そうです。対象はAIではなく、あくまでその先にいる人間です。
人材育成ならぬ、AI材育成
AIは、勝手に優秀な営業マンにはなりません。
何を説明してほしいか。どんな価値観を持っているか。何を得意とし、何をやらないか。どんな実績があるか。
それを、AIが拾える場所に、継続して置く。これは、AIを育てる作業です。
人材育成ならぬ、AI材育成です。
構造化データも大事だが
H1も、canonicalも、JSON-LDも、必要なら整えればいい。
でも、その前に必要なのは、自分の仕事を、自分の言葉で話せること。AIに営業させる前に、AIが説明できるだけの仕事と文脈を置いておく。
LLMOの次に必要なのは、AIを賢くすることではなく、AIが賢く振る舞える前提を整えること。
それが、MSBKOです。
まとめ
- LLMOは「AIに見つけてもらう」ところまでが目的だった
- MSBKOは、接触前から相手が理解・判断しやすい状態をつくること
- あえてURLを貼らず、相手に検索させることで、AIが自然に説明してくれる場をつくれる
- AIは自然に営業してくれるわけではなく、拾える情報を継続的に置く「育成」が必要
- 構造化データより先に、自分の仕事を自分の言葉で語れることが前提になる
編集後記
なお、MSBKOという言葉は、今朝、歯磨きしながら思いつきました。
普及するかどうかは知りません。いや、おそらく「普及しない」（笑）。
でも、やっていることはたぶん間違っていません。
関連するNDL語彙：[前捌きとは] [LLMOとは] [リバースプロンプトとは] [ニューロデザインとは]
コメント