AIライティングプロンプト4選｜SEO記事の構成・本文・リライトで使える書き方

01.SEO記事をAIで書く流れ — 3工程の全体像

AI ライティングは、プロンプト単体ではなく(1) プロンプト → (2) 編集 → (3) 検証の 3 工程の組み合わせとして設計します。次の表が全体像です。

02.用途別プロンプト集（コピペOK）

SEO 記事を想定したプロンプト例を 4 つ並べます。 変数（{...}）部分を自社の文脈で置き換えて使ってください。{想定読者}は粒度を粗く埋めると、AI 出力の粒度も粗くなります。たとえば「BtoB マーケ責任者」のような大括りではなく、「年商 10 億円以下のスタートアップで、SEO 経験 1 年未満のマーケ責任者」まで絞ると出力が具体的になります（詳しくは 検索意図を解像度高く指定する）。

記事構成プロンプト

H2/H3 の構造を出力させるための骨格プロンプトです。検索意図の 3 段階分類、「理解 → 納得 → 行動」のフロー、AI Overview 引用最適化（H2 直下に 40〜80 字の答え）まで指定します。

あなたは SEO 記事の編集者です。以下の条件で記事構成（H2/H3）を出力してください。

主タイトル KW: {主タイトルKW}
想定読者: {読者像 — 役職・事業フェーズ・年商規模・経験年数・抱えている課題まで具体的に}
読者の意思決定段階: {認知 / 検討 / 決定 のいずれか}
記事の目的: {検索意図への回答 / 比較 / 用語解説 のいずれか}
参照すべき一次情報: {社内データ / 公式ガイドライン / 一次研究}
CTA: {資料請求 / 商談予約 / メルマガ登録 など}

出力手順:
1. 主 KW の検索意図を 3 段階（情報収集 / 比較検討 / 意思決定）で分類し、本記事が狙う段階を明示
2. 「理解 → 納得 → 行動」のフローで H2 を設計
3. 各 H2 直下に 40〜80 字の答え（AI Overview 引用最適化）を併記
4. 各 H2 の根拠となる一次情報の出典 URL を併記
5. 競合上位記事には無い独自視点を 1 つ以上含める

本文生成プロンプト

H2 セクションごとに本文を生成させるプロンプト。AI 特有の文体（「鍵は〜」「〜という事実」など）を最初から禁止項目に入れ、「含めるべき独自データ」の枠を必ず埋めてから渡します（独自データを組み込む意義は 次章のコツ で詳述）。

あなたは {分野} の専門家です。以下の H2 セクションの本文を {想定読者} に向けて書いてください。

H2: {見出し}
セクションの主張: {1 文}
想定読者: {読者像 — 役職だけでなく事業フェーズ・年商規模・経験年数・抱えている課題まで}
含めるべき独自データ: {自社で取得した数値・取材結果・第一人称体験}
含めるべき一次データ: {外部の公式発表・査読研究・調査レポートと出典 URL}

E-E-A-T 4 要素を文章に分散して埋め込む:
- Experience（経験）: 想定する書き手の実務経験を 1 文で示す
- Expertise（専門性）: 用語の正確な使い分けと根拠を示す
- Authoritativeness（権威性）: 公式資料・一次研究へのリンクで補強する
- Trustworthiness（信頼性）: リスク・注意点・否定的側面も併記する

文体ルール:
- です・ます調
- 1 段落あたり 1 つの主張に絞り、短く区切る
- AI Overview 引用想定の短文と通常文を組み合わせる

避けたいもの:
- AI 特有の常套句・対比型 framing
- 煽り表現
- 既存上位記事の言い換えだけで終わる構成
- 出典の無い数値・固有名詞・引用

リライトプロンプト

既存記事の更新と AI 検索（AI Overview）引用最適化の両方を兼ねたプロンプトです。Search Console の数値（順位・CTR）に紐づく改善観点も含めます。

以下の既存セクションを、次の方針でリライトしてください。

リライト対象:
{既存テキスト}

Search Console の現状（任意）:
- 主 KW: {KW} / 平均掲載順位 {n} 位 / CTR {x}%
- リライト目的: {上位化 / CTR 改善 / AI Overview 引用獲得 のいずれか}

リライト方針:
1. 単なる言い換えではなく、追加情報・具体例を 1 つ以上加える
2. 一次出典の URL・年・サンプルサイズを補足する
3. 同じ主張を複数段落で繰り返さない
4. 文体は元のトーンを維持
5. 主張が変わらない加飾語・冗長表現は削る

AI Overview / 生成 AI 検索引用の最適化:
- 見出しを疑問形に揃え、直下に 40〜80 字の答えを置く
- リスト・FAQ・How-to 形式を活用する
- 要点に短文を混ぜる

メタ情報プロンプト

title / description / OG 情報を一括生成するプロンプトです。CTR を意識した文字数制限、ベネフィット挿入、課題＋解決の二項構造を出力に組み込みます。

以下の記事に対する title / meta description / OG 情報を出力してください。

本文要約:
{1〜2 段落}

主タイトル KW: {KW}

要件 / title（5 案、CTR 重視）:
- 32〜40 字、主タイトル KW を前半に配置
- ベネフィット（数字・成果・期間）を 1 つ以上含む
- 数字・カッコ・差別化語（「比較」「徹底」など）を活用

要件 / meta description（5 案）:
- 120〜160 字
- 冒頭で課題（読者が困っていること）を提示
- 後半で解決（記事を読むと何がわかる/できるか）を提示
- 主タイトル KW + 共起語 2〜3 を自然に含む

要件 / OG:
- og:title は title と同等以下に短縮（28〜32 字）
- og:description は meta description と同義の短縮版（80〜100 字）

03.プロンプト精度を上げる5つのコツ

プロンプトテンプレートをそのまま貼り付けただけでは、想定どおりの記事にならないことがあります。同じプロンプトでも、指示の解像度によって出力品質に差が出ます。実務で意識したい 5 つのコツを整理します。

3-1. 独自データを必ず組み込む

AI（ChatGPT、Claude、Geminiなど）は既存の知識を整理する力に優れる一方、自社固有の数値・取材結果・第一人称体験を ゼロから作ることはできません。Google 公式ガイドラインも自己評価質問で「独自の情報、レポート、研究または分析の結果を提示しているか」を挙げています。プロンプトの段階で「含めるべき独自データ」の枠を設け、自社が持つ素材を渡しておくと、出力の精度が安定します。

3-2. 検索意図を解像度高く指定する

「BtoB マーケ責任者向け」だけでは粒度が粗くなりがちです。同じ KW でも、「年商 10 億円以下のスタートアップで、SEO 経験 1 年未満のマーケ責任者」のように対象を狭めると、AI の出力も具体的になります。検索意図は informational / navigational / commercial / transactional のラベルだけでなく、 読者の意思決定段階（認知 / 検討 / 決定）まで指定すると、出力がさらに揃います。

3-3. 文体ルールを明示する

AI 出力には特有の癖があります。「鍵は〜」「〜という事実」「A ではなく B」といった framing、過剰な 3 点構造、冗長な加飾語などです。プロンプトの「禁止事項」セクションであらかじめ除外しておくと、編集工程の負担が大きく下がります。本記事のプロンプト例にも、文体ルールを最初から組み込んでいます。

3-4. 出力形式を構造化する

「いい感じに書いて」と指示するだけでは、AI 出力の構造が安定しません。 見出しの数・各見出しの文字数・必須要素・出典の併記方法を出力形式として明示すると、出力のばらつきが減ります。本記事の 記事構成プロンプト で「H2 直下に 40〜80 字の答え」を要求しているのは、AI Overview 引用最適化のための構造化指定の一例です。

3-5. few-shot 例を 1〜2 件添える

指示文だけでは伝わりにくい文体・粒度・構造のニュアンスは、望ましい入出力ペアの例（few-shot 例）をプロンプトに 1〜2 件含めると揃いやすくなります。たとえば「H2 直下の 40〜80 字の答え」を求めるときに、実際の H2 と理想の答え文を 1〜2 ペア添えるだけで、AI 出力の散らばりが減ります。

あなたは SEO 記事の編集者です。各 H2 の直下に置く「40〜80 字の答え」を出力してください。

# 見本（few-shot 例）

入力 H2: ChatGPTでAI記事量産は本当にSEOに有効か？
出力答え: AI で書いたかどうかではなく、独自データの組み込みと編集・検証の運用が揃っているかで決まります。Rankability 60 万ページ調査では AI 利用率と検索順位の相関は 0.011 と無相関でした。

入力 H2: E-E-A-T とは？
出力答え: Google 検索品質評価ガイドラインで定義された 4 軸（経験・専門性・権威性・信頼性）です。AI で書いたかどうかではなく、誰が書いたか・経験に基づくかが評価されます。

# 本番

入力 H2: {本番の H2}
出力答え:

例の数は 1〜2 件で十分です。多すぎると例に引きずられて出力が単調になり、入力 token も膨らみます。例は記事の主題に近すぎず、構造の手本になる粒度のものを選びます。

04.ファクトチェックの実装 — モデルは進化しても検証は欠かせない

AI 出力にはハルシネーションが構造的に発生します。ただしモデルの世代交代で発生率は大幅に下がっており、「AI は半分間違える」という認識は現状と合わなくなっています。

Vectara が継続的に公開しているHHEM ハルシネーション・リーダーボードの短文要約タスク（〜1,000 文書）でのモデル世代別の推移を、横棒グラフで見ていきます。

2021 年の 約 21.8% から 2025 年の 約 0.7% まで、4 年間で 1 桁台どころか 1% 未満まで下がっています。短文要約タスクに限れば、AI のハルシネーションは実用域に入ったと言える水準です。

ただし、これはあくまで短文要約タスクに限った話です。同じ 2025 年でも、扱うタスクによって発生率は大きく異なります。

ところが、より多様な記事長・分野を含む現行の HHEM-2.3 データセット（50 〜 24,000 語規模、ニュース / テクノロジー / 科学 / 医療 / 法律など 7,700 件超）でベンチマークを取り直すと、同じモデルでもまったく違う結果が出ます。Vectaraが 2026 年 4 月 28 日に公表したリーダーボードでの主要フロンティアモデルの率は次のとおりです。

さらに、人物・固有名詞の事実問答に切り替えると率はもう一段上がります。

重要な点は、2026 年のフロンティアモデルでも、現行の HHEM-2.3 データセットでは Grok-4 で 20%、Claude / Gemini 系で 12〜14% のハルシネーション率がまだ残っているということです。GPT-5.4-nano など軽量・高速モデルが 3.1% と良好ですが、これも特定のベンチマークでの数値で、扱うコンテンツによっては大きく上下します。

「ベンチマーク 1 つの数値で安全性は判定できない」というのが 2026 年時点の到達点です。SEO 記事が扱う「数値・固有名詞・引用・統計の分母」は要約タスクではなく事実問答に近い性質を持つため、モデルが進化しても個人作業の検証では構造的に見落としが発生します。業界共通の最低 5 項目（数値の出典 URL・固有名詞の公式表記・引用の原文確認・統計の分母確認・URL の 404 確認）を編集工程に組み込むのが最低ラインです。

ファクトチェックは、AI 出力の品質を担保する最終工程です。プロンプトと編集の精度を上げても、ここを通さずに公開するとブランド毀損につながりやすくなります。

05.運用に乗せ続けるときの選択肢 — 内製と外部委託

ここまで紹介したプロンプト 4 種・5 つのコツ・ファクトチェックの実装は、少数記事のスポット検証なら個人スキルでも十分に回せます。一方で、月 5〜20 本規模の記事を継続的に積み上げようとすると、書き手の個人差や標準化の難しさが顕在化してきます。

このときの選択肢は、内製で体制を作るか、外部委託で運用を任せるかの 2 つに分かれます。外部委託にはフリーランスへの単発発注、編集プロダクション、SEO・AI 検索（LLMO・GEO・AIO）専業のコンテンツ作成代行などの選び方があり、課題の規模感や社内の編集リソースに応じて選択することになります。

弊社が提供しているTANTOU for コンテンツマーケティングは、SEO・AI 検索（LLMO・GEO・AIO）専業のコンテンツ作成代行サービスです。プロンプト・編集・検証の 5 工程に改善ループを組み込んだ、改善し続ける独自のパイプラインを構築済みで、外部委託の選択肢のひとつとしてご検討いただけます。

TANTOUではプロンプトや検証チェックリストは運用ノウハウとして日々アップデートしています。コンテンツマーケティングやオウンドメディア運用の外注をご検討の際は、下記の資料に詳細と料金をまとめていますのでご覧ください。

06.よくある質問（FAQ）

07.まとめ

まずは記事構成プロンプトに自社の独自データを埋め込むところから試して、編集・検証を運用に乗せていく流れがおすすめです。月 5〜20 本ペースで継続するときは、内製体制を作るのもよいですが、外部委託もおすすめです。弊社でも承っておりますので、お気軽にお問い合わせください。