「記事の質は上がっている。でも、売上に効いているかわからない。」
コンテンツマーケティングの担当者が、最も頻繁に口にする言葉だ。SEO対策もした。編集品質も高めた。それでも「で、それが事業にどう貢献したの?」と問われると、答えに窮する。
なぜか。理由は単純だ。測定していないから。
マーケターのわずか29%が、自社のコンテンツ戦略が極めて効果的だと回答している一方で、58%が「適度に効果的」と答えている(Content Marketing Institute)。この「適度に」という曖昧さこそが問題の核心だ。測定していなければ、効果的かどうかすら、本当はわからない。
私たちは自社メディア「opus-inc.jp」で、AIによるコンテンツ分析API「analyse」を使った自律改善ループを運用している。毎日3本の記事を自動分析し、スコアの低い記事を改善する。28日間でオーガニック流入を50クリックから92クリックへ、84%増加させた。
その過程で確信したのは、コンテンツマーケティングが機能しない理由は「作り方」ではなく、*「測り方」と「直し方」が存在しないこと* にあるということだ。
問題：コンテンツは「公開して終わり」
多くの企業が、コンテンツを 一方向の制作物 として扱っている。
企画 → 執筆 → 公開 → (終わり)
公開後に何が起きたかは、せいぜいPVを見る程度。どの段落で離脱したのか、どのCTAが機能したのか、読者が次に何をしたのか――これらは測定されない。測定されないものは、改善できない。改善されないコンテンツは、資産ではなく 費用 だ。
業界調査によると、全セクターの平均的なウェブサイト直帰率は約44%(Databox)。訪問者のほぼ半数が、最初に訪れたページで求めているものを見つけられていない。これは「コンテンツが悪い」のではなく、*「悪いコンテンツを特定し、直す仕組みがない」* ことを意味する。
よくある失敗パターン
私たちがコンサルティングで接する企業の多くは、以下のいずれかに該当する。
パターン1: PV至上主義
「月間10万PV達成!」と喜んでいるが、その後のコンバージョン率は0.3%。1万PVの記事より、100PVでもコンバージョン率3%の記事のほうが、事業への貢献は10倍大きい。PVは「入口の広さ」であって、成果ではない。
パターン2: 順位だけを追う
「検索1位を取った」ことがゴールになっているケース。しかし、1位を取ったキーワードが「情報収集段階」のものなら、購買には遠い。検討段階・購入準備段階のキーワードで3位のほうが、ROIは高いことが多い。
パターン3: 「良い記事」の定義が主観的
「読みやすい」「わかりやすい」という評価基準が、担当者の感覚に依存している。チーム内で「この記事は良い」の基準が揃っていないため、品質が安定しない。測定可能な基準がなければ、改善も再現もできない。
パターン4: 公開後の改善プロセスがない
記事は公開したら終わり。半年後に「順位が落ちた」と気づくが、なぜ落ちたのか、どう直せばいいのかがわからない。リライトも担当者の勘に頼る。
これらに共通するのは、測定可能な品質基準と、改善サイクルの欠如だ。
解決：測定 → 改善 → 再生成を循環させる
私たちは、コンテンツを 循環するシステム として扱っている。
公開 → 測定 → 分析 → 改善 → 再公開 → 測定 → …
この循環の中心にあるのが、analyse API だ。記事を7軸で0-100点スコアリングし、何が弱いのかを定量化する。
analyse API の7軸評価
analyse は、記事を以下の7軸で評価する。
1. HUM1 (ストーリーテリング・人間味)
導入部で読者の課題を言語化しているか。具体例・エピソードがあるか。感情に訴える要素があるか。
2. AI2 (一次情報・独自性)
オリジナルの調査・実験・データがあるか。他の記事にない視点・フレームワークを提示しているか。
3. AI3 (ブランドジャーナリズム)
企業の専門性・実践知が反映されているか。自社の立場・思想が明確か。
4. FND1 (構造・論理性)
見出し構成が論理的か。段落間の接続が自然か。読者が迷わず読み進められるか。
5. FND2 (CTA・行動喚起)
読後の次のアクションが明示されているか。CTAが自然な文脈で配置されているか。
6. FND3 (編集責任・信頼性)
著者情報・運営者情報が明記されているか。更新日が適切に管理されているか。引用元が明示されているか。
7. OPT (技術的最適化)
画像のalt属性、見出しタグの階層、メタデータ、Core Web Vitals など、技術的なSEO要件を満たしているか。
各軸は0-100点で評価され、*総合スコア70点以上* が合格ライン。60点未満は改善対象として自動抽出される。
例えば、こんな診断が返ってくる:
– HUM1: 58点 — 導入部が抽象的。読者の具体的な課題を1-2文で言語化すべき
– AI2: 65点 — 既存情報の整理にとどまっている。自社データ・実測値を追加推奨
– AI3: 62点 — opus の立場・思想が不明瞭。「私たちはこう考える」を明示すべき
– FND2: 54点 — CTAがない。記事末尾に「次のステップ」を配置すべき
– FND3: 72点 — 著者情報あり。更新日が6ヶ月前で古い。最新情報を追記推奨
スコアだけでなく、*何をどう直せば改善するか* まで提示される。これを元にリライトし、再度スコアリングする。70点を超えるまで繰り返す。
鍵は「インテント(購買意図)」を測ること
もう一つ、重要な視点がある。何を測るべきかだ。
多くの企業は、検索順位やPVを成果の指標にしている。しかし、これらは 成果の「影」 にすぎない。順位が上がっても、訪れた人が自社に関心を深めたとは限らない。1万PVの記事より、100人しか読まなくても「そのうち30人が料金ページまで進んだ」記事のほうが、事業にとっては価値が高い。
測るべきは インテント(購買意図) だ。
インテントデータの3つのレイヤー
私たちは、インテントを3つのレイヤーで捉えている。
レイヤー1: 行動のシグナル
– どの記事を読んだか
– 滞在時間はどれくらいか
– どの段落まで読み進めたか
– 離脱地点はどこか
レイヤー2: 遷移のシグナル
– 記事を読んだ後、どこへ移動したか
– 料金ページ・事例ページ・問い合わせフォームへ到達したか
– 再訪したか(何回目の訪問か)
レイヤー3: 識別のシグナル
– 匿名の訪問者が、いつ実名化(フォーム送信・イベント申込)したか
– その後、商談・購入に至ったか
– CRM/MA にリードとして記録されたか
これらは 1stパーティ・インテントデータ と呼ばれ、自社のオウンドメディアを運用していれば、自然に貯まっていく資産だ。外部から買うデータ(3rdパーティ)ではなく、自社で捕捉・蓄積するデータだからこそ、プライバシーに配慮しつつ、詳細な分析が可能になる。
このデータを軸にすると、コンテンツの評価が「順位が何位か」から「*この記事が、見込み客の購買意図をどれだけ前に進めたか*」へと変わる。
インテントスコアの実例
私たちのメディアでは、記事ごとに「インテントスコア」を算出している。
– 記事A: PV 5,000、料金ページ到達率 2%、フォーム送信率 0.5% → インテントスコア 65点
– 記事B: PV 500、料金ページ到達率 8%、フォーム送信率 2% → インテントスコア 82点
記事Bのほうが、事業への貢献度は高い。PVが1/10でも、購買意図を進めた人数は記事Aの4倍だからだ。
この視点を持つと、「バズる記事」より「売れる記事」に注力すべきだとわかる。
実装：自律改善ループの設計
私たちの「opus-inc.jp」では、以下のループが毎日自動実行されている。
ステップ1: データ収集(朝7:00)
– WordPress API で全記事一覧を取得
– Google Search Console API でオーガニック流入・クリック数を取得
– Google Analytics 4 で滞在時間・離脱率・コンバージョンを取得
ステップ2: スコアリング(朝8:00)
– analyse API で全記事を7軸評価
– 前回スコアとの差分を計算
– 60点未満の記事を「改善対象」として抽出
– インテントスコアの低い記事も抽出
ステップ3: 改善案生成(朝9:00)
– analyse のサジェストを元に、リライト案を生成
– 「導入部を書き直す」「CTA を追加する」「画像を差し替える」など、具体的なアクションに落とし込む
– 優先順位をつける(影響度 × 改善容易性)
ステップ4: 改善実行(手動 or 自動)
– 軽微な改善(メタデータ修正、画像alt追加)は自動実行
– 本文リライトは人間がレビュー後に実行
– 改善後、再度 analyse でスコアリング
ステップ5: レポート配信(夕方18:00)
– Slack に「今日改善した3本」「スコアの変化」「流入の変化」を通知
– 週次で「改善効果の累積」をダッシュボード化
ステップ6: 理論へのフィードバック
– 「何をしたら何が起きたか」を記録
– 改善パターンをナレッジ化
– 次回の改善精度を上げる
このループを28日間回した結果、オーガニック流入が50クリックから92クリックへ、84%増加した。重要なのは、人間が毎回判断する必要がないことだ。測定と改善が自動化されているため、コンテンツは勝手に進化する。
なぜ今「測定→改善」が必須なのか
2026年現在、コンテンツマーケティングを取り巻く環境は大きく変わった。
変化1: AI検索の台頭
ChatGPT、Perplexity、Google AI Overviews など、AI検索エンジンが普及した。これらは「検索結果の1位」ではなく、*複数のソースを統合した回答* を返す。つまり、従来の「1位を取れば勝ち」という前提が崩れた。
今後は、AI検索に引用される「信頼性の高いソース」になることが重要だ。そのためには、一次情報・独自性・編集責任(analyse の AI2/AI3/FND3)が不可欠。
変化2: コンテンツの量産競争
生成AIの普及で、コンテンツの量産コストが劇的に下がった。その結果、「数で勝負」する低品質コンテンツが大量に生まれている。この中で差別化するには、*測定可能な品質基準* と 公開後の改善サイクル が必須だ。
一度作って終わりのコンテンツは、すぐに埋もれる。学習し続けるコンテンツだけが、長期的な資産になる。
変化3: プライバシー規制の強化
サードパーティCookieの廃止により、外部データに依存したターゲティングが困難になった。代わりに注目されているのが、*1stパーティデータ* だ。自社のオウンドメディアで捕捉したインテントデータは、プライバシー規制に準拠しつつ、最も精度の高いターゲティングを可能にする。
コンテンツマーケティングは、もはや「記事を作る」だけでなく、*「データを貯める」インフラ* として機能する必要がある。
結論：コンテンツは「学習する資産」になる
コンテンツマーケティングは、もはや「良い記事を作る」だけでは機能しない。
必要なのは:
1. 測定可能な品質基準 — 何が「良い」のかを定量化する(analyse の7軸スコア)
2. 公開後の測定設計 — 読者の行動・インテントを捕捉する(1stパーティデータ)
3. 自律改善の仕組み — 測定結果を元に、コンテンツを進化させる(自律ループ)
この3つが揃ったとき、コンテンツは 一度作って終わりの制作物 から、学習し続ける資産に変わる。
私たちはこれを「コンテンツマーケティング3.0」と呼んでいる。もし、あなたの企業が「良い記事は作れているのに、成果が見えない」と感じているなら、作り方ではなく、*測り方と直し方* を見直すことをお勧めする。
測定なきコンテンツマーケティングは、もはや終わった。測定し、改善し、学習するコンテンツだけが、次の時代を生き残る。
