海外向けサイトや多言語サイトを運営している場合、「同じ内容を翻訳して各国に出す」運用は効率的な方法でした。しかしSearch Engine Journalに掲載された国際検索マーケティングの専門家、Motoko Hunt氏の記事は、AI検索の時代にはこのやり方が逆効果になりうると指摘しています。この記事をもとに、考え方と実務のポイントを整理します。
Table of Contents
従来のグローバル運用は「効率」を軸に作られていた
多くの企業が、翻訳メモリ（承認済みの文を再翻訳しないよう保存する仕組み）、機械翻訳、翻訳管理システム、共通テンプレートといった道具で、同じメッセージを低コストで多言語展開してきました。評価指標も「単語あたりのコスト」や「翻訳メモリの再利用率」が中心でした。
従来の検索では、hreflang（言語・国ごとのページを出し分ける指定）のおかげで、翻訳しただけのページでも自国市場で順位を維持できました。内容が薄ければ順位が下がるだけで、検索結果から消えることはなかった、と記事は述べています。
AI検索で何が変わるのか
AI検索は、ページを一つ選ぶ方式から、複数の情報源から事実や段落を集めて回答を組み立てる方式に近づいています。記事は、そこで次の3つの問題が表面化すると説明します。
- ほぼ同一のページは統合される：内容がよく似たページ群は、一つが代表として処理され、他は別名のように扱われがちです。段落単位で情報を取り出すと、「どの市場のURLか」という情報が失われます。
- 最も強いページが全市場を代表する：多くの企業では、それが米国や英語のメインサイトです。記事は、ドイツの買い手に米国の在庫状況が示される、日本の利用者に自国で未承認の製品情報が示される、スペインからの検索にメキシコ向けの内容で答えられる、といった例を挙げています。
- 翻訳メモリが重複を量産する：再利用を最大化する仕組みは、AIから見ると「同じ原本の別版」を増やすことになります。
現地チームが長年言ってきた「この市場には合わない」という指摘は、AIが下す判断とほぼ同じことを指していた、というのが記事の見方です。
解決の方向性：事実を市場別に管理する
記事が提案する「コンテンツファクトリー」は、ページではなく「統制された市場別の知識」を製品と考える発想です。
1. 事実レジストリ（Fact Registry）を作る
文章や翻訳の前に、重要な主張を一元管理する台帳を用意します。各事実について、次の項目を記録します。
- 誰が所有し、誰が更新するか
- どの市場・言語に適用されるか
- 根拠となる証拠はどこにあるか
- 法務・規制・医療などの審査を通ったか
- いつ再審査するか
2. 「全市場共通」と「市場ごとに変わるもの」を分ける
製品名、ブランド名、技術仕様、会社情報などは全市場で同一にして構いません。製品名を言語ごとに変えないことは、AIが同じ実体として認識するうえでも重要です。一方、提供状況、規制上の位置づけ、現地の実績、価格の前提、顧客事例、現地の買い手が抱く疑問などは、市場から調達する項目です。
ここで翻訳メモリの再利用で空欄を埋めてはいけません。現地の情報が無い場合は、米国版をコピーせず、空欄として明示的に印を付けます。
3. AIは「速くコピーする」ためでなく「現地の知識を安く作る」ために使う
記事は、AIで翻訳を速めるだけの使い方を「より速いコピー機」と呼んでいます。本来の使いどころは、起草、翻訳、構造化、整形といった作業をAIに任せ、現地の担当者が現地の証拠・疑問・判断に時間を使えるようにすることです。
人の役割は「翻訳の後処理」から「上流」へ
記事は、市場側の担当者が担うべき役割として次の4つを挙げています。
- 現地の証拠の提供（顧客、認証、専門家、提携、メディア掲載など。AIは整形できても、証拠を作り出せません）
- 現地の疑問の提供（日本、ドイツ、ブラジルの買い手は同じ質問を言語違いで聞くわけではない）
- 主張の承認（規制・法務・医療の審査）
- 市場への適合性の判断（トーンや文化的な言及）
AIに「抜き出されても意味が通る」書き方にする
AIはURLの文脈を持たずに段落だけを取り出します。記事は、次のようなパッセージ単位の書き方を勧めています。
- 文の中に市場を入れる（「ドイツでは、このシステムは〜で利用できます」のように）
- 数値には日付を付ける（「2026年9月時点」など）
- 主張と但し書きを同じ段落に置く
- 現地の買い手が実際に聞く質問を見出しにし、冒頭1〜2文で答える
- エンティティ名（製品名・組織名）を統一し、構造化データで全ドメインの同じ組織に紐づける
測るべきは「各市場でAIが何を言っているか」
公開ページ数は答えられても、AIアシスタントが各市場で自社をどう説明しているかを把握している企業は少ない、と記事は指摘します。市場ごとに現地語の固定プロンプトを用意し、定期的に主要なAIアシスタントで実行して、次の4指標を追う方法が示されています。
- 事実の正確さ：その市場にとって回答が正しいか
- 引用シェア：自社の現地ページが、グローバルサイトや第三者サイトと比べてどれだけ引用されるか
- 市場の漏れ：回答が他市場の事実をどれだけ使っているか
- 第三者ソース：回答を形作る外部ページと、その情報の古さ
著者は特に「市場の漏れ」を重視しています。なお、英語で確認するだけでは、各国の利用者が実際に見ているものは分かりません。
記事が示す複合例：技術設定が正しくても足りない
記事は、12の市場版を持つ医療機器メーカーのサイトを想定した複合例（実在企業の実データではありません）を紹介しています。hreflangなどの技術設定はほぼ正しいのに、フランス語ページには「フランス」の文脈がなく、スペイン語ページは「スペインで」と明記されておらずラテンアメリカ向けの情報に負けやすく、日本語ページは内容が薄くて一部の数値が古い、という状況です。翻訳の質ではなく、現地の知識が欠けていることが問題だという整理です。
実務で何から始めるか
- 主要な市場で、自社について現地語のAIアシスタントがどう答えるかを数十問で試す。
- 主要ページの「市場ごとに変わる情報」を洗い出し、翻訳の使い回しで埋まっていないか確認する。
- 製品名・組織名の表記と構造化データを全市場で揃える。
- 重要な数値に日付を付け、段落内に市場名を入れる。
- 現地チームに、証拠と買い手の疑問を出してもらう仕組みを作る。
まとめ
AI検索では、似たページの集まりは一つにまとめられ、最も強いページが全市場を代表しやすくなります。多言語サイトで評価を得るには、翻訳の効率だけでなく、市場ごとの事実と証拠をどう持つかが問われます。AIは同じものを速く出すためではなく、各市場が本当に必要とする情報を作るために使う、という視点が参考になります。なお、記事の主張の多くは著者の見解であり、一次データが示されているわけではない点には留意してください。
