AEO Content Scorecard

AEO Content Scorecard ノードは、特定の記事がアンサーエンジン最適化(AEO)においてどの程度のパフォーマンスを発揮するかを評価します。指定した URL を分析し、コンテンツを取得・検査して、カテゴリ単位のスコア、重み付けされた要素、具体的で実践的な推奨事項を含む構造化されたスコアカードを作成します。 このノードは、Profound の Content Optimization 機能を支えているのと同じスコアリングロジックを使用するため、Agent の出力と Profound プラットフォームでの最適化エクスペリエンスとの一貫性が確保されます。 AI システムが関連性、明確さ、構成、回答可能性を評価する方法に記事がどの程度合致しているかを診断したい場合や、その結果に基づいてプログラムで最適化ワークフローをトリガーしたい場合に、このノードを使用します。

​

このノードを使用する場面

AEO Content Scorecard は、次の目的で使用します。

• 既存のコンテンツが AEO に対応しているかを監査する
• コンテンツ更新の機会に優先順位を付ける
• 自動化された改善ワークフローをトリガーする
• 上位にランクインしている競合他社と自社のコンテンツをベンチマークする
• ライターや LLM に構造化された最適化の推奨事項を提供する
• 組織全体でコンテンツのスコアリングを標準化する

このノードは、人が主導する編集プロセスと、完全に自動化されたコンテンツ最適化パイプラインの両方で非常に効果的です。

​

ノードの設定

AEO Content Scorecard ノードを選択すると、Agent ビルダーの右側に設定パネルが開きます。

​

URL(必須)

評価したい記事の URL を入力します。 次のようなものを指定できます。

• 公開済みのコンテンツページ
• ステージング環境の URL
• 一時的なホスティング URL
• 記事のテキストを含む、アクセス可能な任意の Web ページ

ノードはコンテンツを取得し、読みやすさ、構成、回答可能性、機械可読性などにわたる包括的な分析を適用します。

​

Target Prompt(必須)

コンテンツの最適化の対象とするユーザープロンプトまたは質問を入力します。 例:

• 「AI 検索においてキーワード階層はどのように機能するのか?」
• 「製造業における予知保全とは?」

これにより、AI が生成する回答に見られるユーザーの意図に記事が直接合致しているかどうかを評価できます。

​

Output Label

後続のステップでスコアカードの出力にアクセスするための、わかりやすいラベルを割り当てます。 例:

• aeo_scorecard
• content_score
• scorecard_output

​

ノードの内部の仕組み

AEO Content Scorecard は、複数ステップの評価パイプラインを実行します。

​

1. コンテンツの取得

ノードは指定された URL から Web ページのコンテンツを取得し、分析の準備を行います。

​

2. AEO に重点を置いたコンテンツの解析

基盤となるモデルが次のものを特定します。

• テキストの構造
• 見出しの階層
• 回答可能性のシグナル
• エンティティのカバレッジ
• URL パターン
• スキーマの有無
• 内部リンク
• 機械可読性の手がかり

​

3. AEO カテゴリ全体でのスコアリング

ノードは、カテゴリ全体で重み付けされたスコアを算出します。一般的に次のカテゴリが含まれます。

• Readability(読みやすさ)
• Content Freshness(コンテンツの鮮度)
• Content Structure(コンテンツの構成)
• Answerability Signals(回答可能性のシグナル)
• Machine Readability(機械可読性)
• Information Density(情報密度)

各カテゴリはスコアリングされ、フラグ(緑、黄、赤など)が付けられます。

​

4. 主な推奨事項

ノードは、次の点に基づいて最も効果の高い改善点を特定します。

• AEO の原則
• 競合他社のベンチマーク
• 構造上の不整合
• コンテンツを簡潔化、明確化、強化する機会

推奨事項には次のものが含まれます。

• 変更前と変更後の例
• URL の改善
• スキーマの提案
• タイトルの改善
• 小見出しの更新
• トピックとの関連性を高める機会

​

5. 最終スコアの作成

ノードは、次の内容を含む構造化されたスコアカードを作成します。

• 最終スコア
• 目標スコア範囲(上位の競合他社のパフォーマンスに基づく)
• カテゴリ別の詳細な内訳
• 実践的な推奨事項

​

出力

出力は、次の例のような構造化されたレポートになります。

​

Agent の例: AEO Content Refresh

既存の記事を自動的に改善して再公開することを目的とした、実際の最適化 Agent でこのノードを使用する方法の例を次に示します。 ステップ:

1. AEO Content Scorecard
   • 記事の URL を入力します
   • 完全な AEO スコアカードと改善の推奨事項を取得します
2. Prompt LLM: 改善された記事を生成する
   • スコアカードを渡し、推奨された改善を適用するようモデルに指示します
   • 構成、見出し、明確さ、回答可能性を更新して記事を書き直します
   • 元のブランドボイスを維持します
   • プロンプトの例:
     Here is the AEO Content Scorecard for this article.
     Apply all recommendations, rewriting the content where necessary.
     Produce an improved article that would score at least 10 points higher
     while maintaining factual accuracy and brand voice.
     
     {{aeo_scorecard}}
     
3. Prompt LLM: スコアカードの基準に照らして検証する
   • 更新された記事が推奨されるカテゴリスコアを満たすか上回ることを確認します
4. 公開または更新のステップ
   • Call API または CMS の公開ロジックを使用して、サイト上の記事を更新します

このワークフローにより、チームは Profound を活用した、スケーラブルで再現性のあるコンテンツ最適化の仕組みを構築できます。

​

ベストプラクティス

• 記事が特定の質問に回答するために存在する場合は、必ず Target Prompt フィールドを使用してください。
• 反復的な最適化ループを実現するには、このエージェントを Generate Article と組み合わせてください。
• スコアカードを書き直しのステップに連結する場合は、明確な出力ラベルを使用してください。
• コンテンツの劣化を検出するために、定期的な Agent の実行でこのノードを定期的に実行してください。