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「これを見た人は次にこっちも面白いかも」の案内。 アクセス解析はPOS。 記事制作の自動化はバックヤード。 品質確認は検品。 推薦更新は棚替えである。
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. 北極星を「滞在時間」ではなく「役立つ発見」にする
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、UXとしては大成功である。
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。
GoogleのHEARTフレームワークは、UXをHappiness、Engagement、Adoption、Retention、Task Successのような複数の観点で測り、製品の目標からシグナルと指標へ落とす考え方を示している。
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
Information Foraging Theoryは、人が情報を探す行動を、価値のある餌を探す行動になぞらえて説明する。人は手がかりから「この先に欲しい情報がありそうか」を推定しながら移動する。
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。
Google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。
- 解決型：答え、条件、手順を早く
- 判断型：選択肢、違い、トレードオフを早く
- 理解型：問いから構造へ
- 読み物型：出来事、違和感、発見を壊さない
- 高リスク型：根拠、適用範囲、不確実性を明示
Googleのpeople-first content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。
SEOのために人間を記事の型へ押し込むのではなく、人間の目的から型を選ぶ。
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
- 未露出だが品質の高い記事
- 隣接テーマ
- 同じ記事ばかり出さない制御
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
再訪を作るとき、すぐにプッシュ通知や登録ポップアップを考える必要はない。
自己決定理論では、自律性、有能感、関係性が人の内発的動機づけに重要な心理的欲求として扱われる。
Webサイトへそのまま数式のように移植できるわけではないが、設計原理としては使える。
- 自律性：興味を自分で選べる。消せる。強制登録しなくても使える
- 有能感：読んだ後に「分かった」「選べる」「できる」が増える
- 関係性：サイトの視点や編集姿勢に一貫性があり、誰が何のために書いているか分かる
再訪の入口としては、
- 保存した記事
- 最近読んだ記事
- 前回の続き
- 選んだテーマの新着
- 「前に読んだ内容の次」にあたる記事
が考えられる。
理想は「戻ってこないと損しますよ」ではなく、戻ると前回より少し先へ進めるである。
6. 選択肢は少なければ少ないほど良い、ではない
UX界隈では「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らが50研究63条件、合計5036人をまとめたメタ分析では、選択肢過多の平均効果はほぼゼロで、研究間のばらつきが大きかった。
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
自動改善で最初に必要なのは、AIではなく計測の意味を揃えることである。
最低限、記事ごとに、
- 何が表示されたか
- どの位置に表示されたか
- クリックされたか
- 読後に次へ進んだか
- 保存や役立った反応があったか
- また来たか
- どの記事が一度も露出していないか
を区別する。
そして記事ID、言語、本文の版、推薦アルゴリズムの版を一緒に持つ。
本文を直した翌日に数字が変わっても、古い本文のデータと新しい本文のデータを混ぜたら原因が分からない。
自動改善の循環は、
公開 → 表示 → 行動 → 集計 → 仮説 → 小さな変更 → 再検証
である。
ここで重要なのは、クリック率最大化を唯一の報酬にしないことだ。
刺激的なタイトル、極端な話題、すでに人気の記事はクリックを取りやすい。
だから、
- 目的達成
- 推薦後の満足
- 再訪
- 全記事の露出カバレッジ
- テーマの多様性
- 速度と可読性
をガードレールとして一緒に見る。
自動化は「数字が上がったから勝ち」ではなく、サイトが偏らずに学習するための制御系である。
8. Google対策とUXは、敵ではない。ただしGoogleだけを客にすると店が壊れる
GoogleのSearch Essentialsとpeople-firstの方針は、役立つ独自コンテンツ、ユーザーが使う言葉、クロール可能なリンクなどを基本としている。
ページ体験についても、Core Web Vitalsだけで順位が決まるわけではないが、Googleは全体として良いページ体験を提供することを勧めている。
web.devが示す現行の目安は、75パーセンタイルで、
- LCP 2.5秒以下
- INP 200ミリ秒以下
- CLS 0.1以下
である。
多言語サイトでは、言語や地域ごとのページを明示し、各言語版を相互に示すhreflangなどの仕組みが推奨される。
さらにGoogleの生成AI検索向けガイドでも、長期的には「独自で、魅力があり、役立つ非コモディティな内容」が重要だとしている。
つまりSEOを別部署にしない。
良いタイトル。 意味のある内部リンク。 速い表示。 出典。 明確な更新。 言語別の正しいURL。 独自の体験と分析。
これらは検索エンジンのためだけではなく、普通に客にも親切である。
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
サイトを店として見ると、部品の役割が整理できる。
- トップページ：店頭。「今ここで何が面白いか」を伝える
- テーマ：売り場。似た目的の商品をまとめる
- 検索：店員。読者の言葉から目的地を探す
- 記事：商品。一本だけでも価値を成立させる
- 関連記事：次の棚。深掘り、次の問題、寄り道を出す
- 保存・履歴：取り置きと買い物メモ
- 人気ランキング：POS。ただし「売れた」と「見せた」は分ける
- 分析：店舗データ
- 記事工場：バックヤード
- QA：検品
- 公開システム：品出し
- 推薦エンジン：棚替え担当
- SEO：看板と地図
- 多言語化：海外支店ではなく、同じ店を各言語で歩ける状態
ここまでつながると、サイト運営者の仕事は「毎日全部の記事を手で並べ替える」ではなくなる。
どんな店にするかを決め、仕組みが変な棚替えをしていないか監査する仕事へ変わる。
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。
- 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。
- 一本の記事だけでも疑問が解決する。
- 解決した後に、自然な次の問いが見える。
- もっと読みたい人だけが先へ進める。
- 戻った人は前回の続きへすぐ行ける。
- 表示、クリック、読後行動、再訪、未露出を計測する。
- 人気偏重を防ぎながら、推薦と棚を少しずつ更新する。
- 変更後に品質、速度、検索、言語、公開状態を再確認する。
- 良くならなければ戻す。
- 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。
