curl -sL https://example.com/product/ai-builder | grep -Eo '[^|- ]>|]>'
curl -sL https://example.com/product/ai-builder | grep -c '`、、などのセマンティックタグを残す。``に置き換えても見た目は同じだが、機械が読むときの情報はすべて失われる。
改修後に何を検証するか:受け入れチェックリスト
| チェック項目 | 判定基準 | 不合格の典型原因 |
|---|---|---|
| URL階層 | 主要ページはトップから3クリック以内、パス階層は2層以内に抑える | カテゴリと日付をパスに詰め込む |
| タイトル一意性 | 各ページにH1が1つだけ、かつtitleの主題と一致 | カードコンポーネントでH1を再利用 |
| クロール権限 | robots.txtが主要ディレクトリを誤ってブロックしていない。管理画面と検索結果ページはブロック済み | テスト環境のルールが本番に持ち込まれる |
| ページ安定性 | LCP、CLSが改修によって後退していない | 画像にwidth/height属性がなくレイアウトシフトが起きる |
| 構造化データ | ページ種別ごとに対応するSchemaがあり、検証エラーがない | テンプレートをコピーした際にフィールド名を置換していない |
Tencent Cloud開発者コミュニティの実践ドキュメントも近い基準を示している。主要ページは3クリック以内、URL階層は2層以内、記事・Q&A・製品・企業の4種類のページにそれぞれSchemaを配置し、ルートディレクトリにllms.txtを置いてモデルがサイト構造を理解しやすくする(Tencent Cloud開発者コミュニティ)。同記事は経験的な観察期間も示している。アーキテクチャとクロール権限の変更は約3〜7日、構造化データとllms.txtは約7〜15日で認識され、コンテンツと内部リンククラスターの最適化は約15〜30日で安定する傾向がある。これらの数字は実践のまとめであり約束ではない。スケジュール管理に使うのが適している。
Metadata、内部リンク、構造化データの検証方法
Metadataは「一意かつ対応」を見る。 ページごとにtitleにプレースホルダーが含まれていないか、descriptionが本文冒頭160文字の機械的な切り詰めになっていないか、canonicalが本番ドメインを指しているかを確認する。一括改修後に最もよく残るのは、一部ページが依然としてフォールバック文言を使っているケースだ。サイト全体のtitle一覧をエクスポートし、重複度で並べれば発見できる。
内部リンクは「到達可能かつ意味的に関連」を見る。 サイトクローラーで全内部リンクのターゲットをエクスポートし、404と異常な301を除外する。次にアンカーテキストがリンク先ページの主題を説明しているかを見る。「ここをクリック」の羅列になっていないか確認する。目標はトピッククラスターを可視化することだ。1つのコアページが十数本のロングテールコンテンツから指されている状態は、サイト全体の相互リンクよりも価値がある。
構造化データは「可視コンテンツと一致」を見る。 次のスクリプトはJSON-LDが解析できるかを一括確認できる。
// node check-ld.mjs https://example.com/page
const html = await (await fetch(process.argv[2])).text();
const blocks = [...html.matchAll(/]+application\/ld\+json[^>]*>([\s\S]*?)/g)];
console.log('JSON-LD ブロック数:', blocks.length);
for (const [i, b] of blocks.entries()) {
try { const d = JSON.parse(b[1].trim()); console.log(i, '解析成功', d['@type'] ?? '( @type がありません )'); }
catch (e) { console.log(i, '解析失敗:', e.message); }
}
解析成功は最初の一歩にすぎない。さらに人手で照合する。FAQPage内の質問が本当にページ上に表示されているか、Productの価格と在庫がページと一致しているか、Organizationの名称とロゴがブランドと一致しているか。ページにない内容をマークアップするほうが、マークアップしないより問題になりやすい。
コスト:単一サイトの改修を明確に計算する

コストは単価だけで見てはいけない。マイクロソフトが公開したデータでは、MAI Code 2は4つのコーディングベンチマークの平均でGPT-6.1 Solの約98%の性能に達し、価格は約40%だ。平均タスク単価は0.309ドルで、GPT-6.1 Solは0.761ドル、Claude Opus 5.5は6.306ドルだった(IT Home)。軽量版のMAI Code 2 Flashはプロモーション価格で1タスクあたり最低0.052ドル、DeepSWE 1.1、Terminal-Bench 2.1、SWE Atlasの3テストの平均通過率は61.0%で、GPT-6 Lunaの55.1%、Claude Haiku 5.5の53.9%を上回った(IT Home)。利用条件では、Code 2はCopilot Pro、Business、Enterpriseなどのサブスクリプション向けで、Flashの対象にはFreeとStudentユーザーも含まれる(DoNews)。
これらの数字が測っているのは汎用コーディングタスクであり、「企業サイトに全サイトcanonicalを補う」ことではない。直接換算する意味は限定的だ。より実用的なのはバッチ単位で見積もる方法だ。1サイトあたりのタスク数 ≈ ページ種別数 × 変更カテゴリ数(metadata、構造化データ、内部リンク、テンプレートリファクタリングを各1カテゴリと数える)。1タスクあたりのコストは公開されている桁感を取り、そこに2〜3倍の手戻り係数を掛ける。隠れたコストは人手の受け入れ時間で、通常は呼び出し費用より高い。したがって、単価を下げるよりも手戻りを1回減らすほうが費用を抑えられる。軽量モデルは高頻度の小さな変更に、フラッグシップモデルはクロスファイルのリファクタリングと難解なデバッグに残す。
企業が今すべきこと:4ステップの実行
- まず資産を棚卸しし、それからモデルを選ぶ。 ページ種別、テンプレート数、CMSで支えられているか、多言語版があるかを数える。テンプレートが集中しているほど、クロスファイル変更は安全になる。
- 受け入れ基準をチェックリストにする。 改修前に一度実行してベースラインを取り、改修後にもう一度実行し、差分で結果を説明する。「良くなった気がする」で報告しない。
- バッチで進め、ロールバックポイントを残す。 テンプレート層、構造化データ、コンテンツ構造を3ラウンドに分け、各ラウンドで再クロールして検証する。
- 改修能力を日常ツールに定着させる。 一度きりの手作業改修は時間とともに機能しなくなる。新しいページにはまたタグが足りなくなる。We0のようなAIサイト構築プラットフォームでは、SEOとGEOの最適化、CMS管理画面、ドメイン展開がサイト構築チェーンの一部になっている(we0.ai)。metadataとSchemaの生成をページ生成段階に置くほうが、公開後に補うより手間が少ない。
数分で紹介サイトを作り、リード獲得を伸ばす
アイデアを一文で入力するだけで、We0 AI が紹介サイト、ページ、CMS を生成し、公開後の顧客獲得と流入拡大を支援します。
無料登録で完全なプロジェクトを 1 つ生成
1 つの完全な生成フローを試し、最初のプロジェクトのドラフトをすぐに確認するのに最適です。
よくある質問
SEO技術改修は1つのモデルだけを使うべきですか?
いいえ。より一般的なのは分業だ。クロスファイルのリファクタリングと難解なデバッグはリポジトリレベル理解がより強いモデルに、バッチの小さな変更はコストの低い軽量モデルに任せる。前提として、2種類の変更の間に明確な受け入れ境界が必要だ。混在させると調査難易度が増す。
コードベンチマークのスコアはSEO改修の効果を直接予測できますか?
いいえ。ベンチマークは汎用コーディングタスクを測るもので、SEO改修の失敗パターンは意味の不整合や構造の後退が多く、クロール比較と検証ツールで発見する必要がある。スコアは能力のおおよその範囲を示すことはできるが、サイトレベルの検証を代替できない。
AIに本番環境のコードを直接変更させるのは安全ですか?
合理的ではない。実行可能な方法は、ブランチ上で変更し、レビュー後にマージし、毎回1種類の問題だけを扱うことだ。本番を直接変更する最大のリスクは変更を間違えることではなく、間違えたときに比較できるベースラインがないことだ。
関連ツール
- curl / grep:レンダリング前のHTMLを取得し、主要タグが存在するか、一意かを確認する。
- サイトクローラー:サイト全体の内部リンクとステータスコードをエクスポートし、404と異常な301を特定する。
- 構造化データ検証ツール:JSON-LDが解析できるか、フィールドが型要件を満たすかを確認する。
- ページパフォーマンス検査:改修によってLCP、CLSが後退していないか確認する。
関連リンク
- IT Home:マイクロソフトで最もコスト効率の高いコーディングAIモデル、MAI Code 2は5%のコストでClaude Opus 5.5の約96%の性能を実現
- DoNews:マイクロソフトがMAI Code 2およびCode 2 Flashコーディングモデルを発表
- AWS Machine Learning Blog:AWSでClaude Fable 5.2を発表
- Tencent Cloud開発者コミュニティ:2026年AIサイト最適化の実践技術ドキュメント
- we0.ai 公式サイト
まとめ
GPT-6.2 Astra、Claude Fable 5.2、MAI Code 2はいずれもWebサイトのSEO技術改修を担える。違いはクロスファイル変更の完全性、リファクタリング時の構造抑制、1回あたりのコストにある。MAI Code 2の公開上の位置づけはクロスファイル変更とリポジトリレベルの理解を明確に指し、比較可能なコストデータもある。Claude Fable 5.2はAWS経由で提供され、長文ドキュメントとコードが混在する改修設計に適する。GPT-6.2 Astraの属するファミリーの前世代は業界のコーディングベースラインとして登場しており、新バージョンの境界は公式説明で確認する必要がある。分水嶺はモデル選定ではなくプロセスにある。資産を棚卸しし、チェックリストを書き、バッチ単位で変更し、毎回クロール結果を比較する。metadataと構造化データのチェックをサイト構築段階へ前倒しすることだ。



