Prompt Discovery

キーワードリサーチが人々が入力する検索語をマッピングするのに対し、prompt discovery は人々がアシスタントに投げかける、完全で会話的な質問をマッピングします。たとえば「Y に最適な X は何か」「ブランド Z は買う価値があるか」「これらのうちどれを … のために買うべきか」といった質問です。こうしたプロンプトはより長く、意図が濃く、複数の条件をまとめて含むことが多いため、discovery のプロセスは単一のキーワードではなく、質問と購入シナリオで考える必要があります。

優れた prompt discovery は、購買ジャーニー全体と競合状況をカバーします。カテゴリーや比較の質問、製品の適合性や反論に関する質問、ユースケースやギフトに関する質問、そしてあなたと競合他社に関するブランドの質問などです。その成果物は構造化されたプロンプトの集合、つまり勝ち取れば売上を動かす質問群であり、それが prompt tracking への入力になります。

discovery は一度きりではなく、継続的なものです。新製品、シーズン、競合の動きが新たなプロンプトを生み出し、人々が AI に質問を投げかける言い回しも変わり続けます。プロンプトの集合を、時間とともに整理し拡張していく生きたリストとして扱うことこそが、GEO プログラムを今なお重要な質問に向け続ける鍵になります。

ショップにとって prompt discovery は、GEO が当て推量に陥るのを防ぐものです。想像上の質問に合わせて手当たり次第にページを最適化しても労力の無駄ですが、購入者が実際に使う具体的なプロンプトを突き止めれば、どのページを直し、どの回答を勝ち取るべきかが、優先順位付きで分かります。

さらに、機会の大きさを正直に見積もれます。実際の質問セットと、すでに勝っている、負けている、あるいは競合と分け合っているプロンプトを把握することで、「AI について何かすべきだ」という漠然とした思いが、購入意図に結びついた具体的で優先順位付けされたバックログに変わります。

具体例：あるスキンケアショップが prompt discovery を実施したところ、購入者が「敏感肌に良くて、しかも無香料のものは何か」「ミネラル日焼け止めとケミカル日焼け止めではどちらが良いか」と尋ねていることが分かりました。これらは追跡対象のプロンプトになり、それらに答えるべきページが最初の最適化ターゲットになります。