記事が増えても倉庫になるだけ? 読者が見つけやすい「棚替えする店」を作る

読書機能の使い方

聴く:本文を読み上げます。速読:語句を順に表示し、速さを調整できます。語学練習:別の言語版と対訳を読み比べます。保存:このブラウザーにブックマークし、プレイヤーの保存済み一覧から開けます。ブロック崩しで読む:記事の文字そのものを的にして、ブロック崩しで遊べます。

この記事をシェア
記事が増えても倉庫になるだけ? 読者が見つけやすい「棚替えする店」を作る
AI生成イメージ

記事が100本、300本、1000本と増えても、それだけでは「メディアが育った」とは限らない。

最悪の場合、育ったのは倉庫だけである。

良い記事が奥の段ボールに埋まり、入口にはいつも同じ人気商品だけが積まれ、検索しない限り誰にも見つからない。記事数は増えているのに、読者から見ると「何があるのか分からない巨大倉庫」になる。

だからサイト全体を考えるとき、発想を変えた方がいい。

サイトは記事置き場ではなく、店である。

トップページは店頭、テーマは売り場、検索は店員、記事カードは棚札、関連記事は次の棚への案内だ。客がどこへ行ったかを見て、見つからない商品があれば並べ方を変える。

そして理想形は、店員が客を出口から遠ざけ続ける店ではない。

必要なものをすぐ買える。暇なら奥まで見て回れる。帰った後にまた来たくなる。そして、どの商品が見つからなかったかまで学習して棚が少しずつ良くなる。

これが「見つける → 読む → 次の関心が生まれる → また来る → その結果から自動で改善する」という循環の正体である。

1. 滞在が長いかより、欲しいものを見つけたか

まず危ないのは、PVや滞在時間をそのまま目的にすることだ。

答えが一文で済む記事を30秒で読んで帰った人は、サイト運営の数字だけを見ると弱い訪問に見える。しかし、その人が「知りたいことが一発で分かった」と感じていれば、使う人にとっては大成功である。

逆に、欲しい答えが見つからず5ページをさまよった人はPVを5増やしてくれるが、店としては迷子を5回カウントしただけかもしれない。

元稿が参照したGoogleのHEARTという測り方でも、満足したか、よく使われているか、新しく使う人がいるか、また使われるか、目的を達成できたかを分けている。まず製品で何を実現したいか決め、それが分かる反応や数字を選ぶ考え方だ。

つまり「いっぱい見た」を成功と決める前に、

  • 目的を達成できたか
  • 面白い発見があったか
  • 次に読みたいものが見つかったか
  • また使いたいと思ったか

を分ける。

このサイトで増やしたいのは、役立つ発見の回数である。

PVはその結果として増えれば強い。PVそのものを麻薬にすると、出口のないショッピングモールを建て始める。

2. 「見つける」――人はリンクの数ではなく、次に何があるかの匂いを追う

元稿が参照した情報探索の研究では、人は周りの手がかりを見て「この先に欲しい情報がありそうか」と考えながら探すと説明されている。

Webでは、この手がかりが情報の匂いになる。

たとえば記事カードに、

「仕事」 「AI」 「暮らし」

とだけ書かれていても、分類は分かるが、自分に何が起きるかは分からない。

一方、

「断れない依頼を、関係を壊さず整理する」 「AIに任せる前に、人間が決めるべき3つ」 「引っ越し手続きで詰まりやすい順番」

なら、リンク先の価値を予測できる。

だから「見つける」の品質は、リンクの本数ではなく、

タイトル、説明、テーマ、現在の状況、次に得られるものが一貫しているか

で決まる。

元稿が参照したGoogleの案内も、内部リンクについて、重要なページにはサイト内の別ページからリンクし、アンカーテキストは具体的で関連性のあるものにするよう案内している。同時に「1ページに理想的なリンク数」という魔法の数字はないとしている。

全記事へリンクしたいからといって、全棚の商品をレジ前に積む必要はない。

3. 「読む」――早く答える記事と、最後まで読ませる記事を同じ型にしない

「5秒で結論を出せ」は便利な原則だが、全記事へ適用すると読み物が死ぬ。

手続き、価格比較、設定方法、トラブル解決なら、結論を先に出す方が親切なことが多い。

しかし、体験談、観察、文化、心理、旅行、物語的な考察では、「何が起きたのか」をたどること自体が価値になる。

だから記事タイプごとに、読者が達成したいことを定義する。

  • 答えを探す記事:答えと条件、やり方を早く示す。
  • 選ぶための記事:違いと、それぞれの良い点・困る点を示す。
  • 理由を知る記事:なぜそうなるのかを順に説明する。
  • 読み物:出来事と、途中の違和感や発見を残す。
  • 間違うと困る記事:根拠、どんな場合に使える話か、分からない点を示す。

元稿で参照したGoogleの読者に役立つ内容の案内も、検索順位操作ではなく、既存または想定読者にとって役立ち、読後に目的達成へ近づき、満足できる内容を重視している。

検索順位のために読者を記事の型へ押し込むより、何を読みたいかに合わせて型を選ぶ。

4. 「次の関心」――答えた後に、まだ知らなかった問いを1個だけ見せる

関連記事の最高の仕事は、「もう1PVください」と頼むことではない。

今の疑問を解決したあとに、読者がまだ言語化していなかった次の疑問を見えるようにすることである。

Loewensteinの情報ギャップ理論では、人は「自分が何を知らないか」に気づいたとき、知識の穴が好奇心を生み得る。

ここからサイト設計へ持ち込める仮説は、結論を隠すことではない。

まず現在の問いにはちゃんと答える。 その後で、

  • もっと深掘る
  • 次に困りそうなことを見る
  • 少し違う角度へ寄り道する

という3方向を見せる。

これならクリックベイトとは逆である。

「答えは次のページ!」ではなく、 「答えはここ。ところで、この答えを使うと次にこの問題が出る」である。

推薦研究では、人気記事ばかりを出し、その反応を次の学習データへ戻すと、人気偏重が自己増幅し、多様性が落ちる可能性が示されている。

だから推薦には、関連性だけでなく、

  • 新着
  • まだ見せられていない良い記事
  • 隣接テーマ
  • 同じ記事ばかり出さない工夫

を少量混ぜる。

店頭の一等地を永久に同じ商品が占領すると、奥の商品は「売れない」のではなく「一度も見られていない」だけかもしれない。

5. 「また来る」――再訪は通知で引き戻すより、続きが残っている状態を作る

再訪を増やしたいからといって、いきなり通知や登録ポップアップを出す必要はない。

元稿が参照した自己決定理論では、自分で選べること、できると感じること、人とのつながりが、内側から湧くやる気に大切だとされる。 これだけでサイトの再訪が増えると証明されたわけではないが、作り方を考えるヒントにはなる。

  • 興味のあるテーマを自分で選び、変えたり消したりできる。登録を強制しない。
  • 読んだ後に「分かった」「選べる」「できる」が増える。
  • 誰が何のために書いているのかが分かり、記事ごとの姿勢がぶれない。

戻ってきた人には、保存した記事、最近読んだ記事、読みかけの続き、選んだテーマの新着、以前の記事の次に気になりそうな記事を見せられる。

理想は「戻らないと損」ではなく、戻ると前回より少し先へ進めることだ。

6. 選択肢は少なければ少ないほど良い、ではない

サイトの使いやすさを語る場では「選択肢を増やすと人は選べない」と断言されがちだが、研究はそんなに単純ではない。

Scheibehenneらは50研究の63条件、合計5036人の結果をまとめた。選択肢が多いほど選びにくくなる影響は、平均ではほぼゼロで、研究ごとの差が大きかった。

つまり、

「関連記事は絶対3本」 「テーマは7個まで」 「8個以上は脳が爆発する」

のような万能数字は研究からは出ない。

問題は数そのものより、

  • 違いが分かるか
  • グループ化されているか
  • 目的に合う入口があるか
  • 比較軸があるか
  • 今選ばなくても困らないか

である。

100記事を一列に置けば地獄だが、「仕事で困った」「何か面白いものを読みたい」「AIを使いたい」「生活を楽にしたい」と入口が分かれていれば、100記事が資産になる。

7. 「自動改善」――クリック率だけ学習させると、店はだんだん単調になる

自動で良くしていくなら、まず「何を数えたのか」を揃える。AIを入れるのはその後だ。

記事ごとに、何をどの位置に見せたか、クリックされたか、読後に次へ進んだか、保存や「役立った」の反応があったか、また来たかを分けて記録する。一度も見せられていない記事も忘れない。

記事ID、言語、本文の版、推薦の仕組みの版も一緒に残す。今日直した文章への反応と、昨日までの文章への反応を混ぜたら、何が良くなったのか分からない。

公開 → 見せる → 反応を見る → まとめる → 理由を考える → 少し変える → もう一度確かめる。

ただし、クリック率だけを上げようとすると、刺激的なタイトルや極端な話題、すでに人気の記事が勝ちやすい。

目的を達成できたか、勧めた記事に満足したか、また来たか、埋もれた記事にも出番があるか、話題が偏っていないか、速く読みやすいかも見る。

自動化の仕事は「クリックが増えた、勝ち」で終わることではない。同じ棚ばかり見せる店になっていないか、直しながら確かめることだ。

8. 検索で見つかる工夫も、読者への親切。ただしGoogleだけを客にしない

元稿が参照したGoogleの案内も、役立つ独自の内容、読者が実際に使う言葉、検索エンジンがたどれるリンクを基本としている。

表示の速さや操作のしやすさは大切だが、速いだけで検索順位が決まるわけではない。 元稿が参照したweb.devの良好な目安は、75パーセンタイルで次のとおりだった。速い一部の訪問だけを見るのではなく、少なくとも75%の訪問で目安内に収まるかを見る。

  • LCP:主な内容が見えるまで、2.5秒以下
  • INP:操作に画面が反応するまで、200ミリ秒以下
  • CLS:表示中に画面がずれる大きさを表す値、0.1以下

多言語サイトでは、各言語・地域のページが互いの別言語版だと分かるようにする。元稿の案内には、その指定方法としてhreflangが挙げられている。

元稿が参照したAI検索向けの案内でも、どこでも読める内容の焼き直しより、独自で役立つ内容が重視されていた。

良いタイトル、意味のある記事同士のリンク、速い表示、出典、分かる更新、言語に合ったURL、独自の体験や分析。これらは検索エンジンに見つけてもらうためだけでなく、普通に読者にも親切だ。

9. 店として見ると、サイト全体の役割が急に分かりやすくなる

サイトを店に見立てると、それぞれの仕事が見える。

  • トップページ:店頭。今おもしろいものを知らせる。
  • テーマ:売り場。似た目的の記事をまとめる。
  • 検索:店員。読者の言葉から目的地を探す。
  • 記事:商品。一本だけでも読む価値がある。
  • 関連記事:次の棚。深掘り、次の困りごと、寄り道へ案内する。
  • 保存・履歴:取り置きと買い物メモ。
  • 人気ランキング:売れ行きの記録。ただし見せた数と選ばれた数は別。
  • アクセス解析:店の記録を見て、客がどこを歩いたか知る。
  • 記事を作る仕組み:バックヤード。
  • 記事の間違い確認:検品。
  • 公開:品出し。
  • おすすめの更新:棚替え。
  • 検索から見つけてもらう工夫:看板と地図。
  • 多言語化:別の店を作るのでなく、同じ店を各言語で歩けるようにする。

こうなれば、毎日すべての記事を手で並べ替える必要はない。どんな店にするかを決め、自動の棚替えで変なことが起きていないか確かめるのが運営者の仕事になる。

10. 完成形は「読者を閉じ込めるサイト」ではなく「自分で学ぶサイト」

最終的な理想像はこうなる。

  1. 検索、テーマ、外部リンク、偶然の推薦など、どこから来ても価値が分かる。
  2. 一本の記事だけでも疑問が解決する。
  3. 解決した後に、自然な次の問いが見える。
  4. もっと読みたい人だけが先へ進める。
  5. 戻った人は前回の続きへすぐ行ける。
  6. 何を見せたか、押されたか、読んだ後にどうしたか、また来たか、まだ見せていない記事は何かを記録する。
  7. 人気偏重を防ぎながら、推薦と棚を少しずつ更新する。
  8. 変更後に品質、速度、検索、言語、公開状態を再確認する。
  9. 良くならなければ戻す。
  10. 良い記事を作るだけでなく、良い記事が見つかる確率そのものを上げる。

ここまで行けば、記事数は単なる在庫ではなくなる。

記事が増えるほど、組み合わせられる「次の関心」が増える。 読者が増えるほど、どの導線が役立つか学べる。 データが増えるほど、埋もれた記事を発見できる。 改善するほど、検索流入だけに依存しなくなる。

強いサイトは、読者を長時間拘束するサイトではない。読者が欲しいものへ早く着き、知らなかった面白いものにも出会え、また来たときには店が少し賢くなっているサイトである。

倉庫を増築するだけの時代は終わり。

次は、棚が勝手に賢くなる店を作る。

元記事が参照した資料

PRこのテーマの本を探す

この記事には広告(アフィリエイトリンク)が含まれます。 広告について Amazonのアソシエイトとして、mendoi-appsは適格販売により収入を得ています。

この記事が役に立ったら、応援できます。 応援する

今日これ読んで

この記事を読んだ人の次の疑問に、それぞれ答える記事です。

すべての記事から探す

他の記事を探す

すべての記事

めんどいちゃん

このサイトの運営者

めんどいちゃん

仕事や日常の「めんどい」を構造化して、次に動きやすくする記事を書いています。