TL;DR
- AI検索（特に Perplexity・Google AI Overviews）は 最新コンテンツを強く優先する
- 鮮度シグナル：公開日・更新日・統計の年度・参照先の新しさ
- 「書いて終わり」でなく、主要記事は四半期ごとにリライトする運用サイクルが要る
- 更新は「日付だけ変える」では効果なし、実質的な内容更新が必要
- 鮮度維持を仕組み化（更新カレンダー・古い統計の自動検出）して属人化を防ぐ
この記事の目的と成功基準
- 目的: AI検索に引用され続けるための鮮度維持を、運用サイクルとして実装可能にする
- 想定読者: コンテンツ運営者・テックブログ運営チーム
- 成功基準: 「コンテンツ 鮮度 AI検索」「リライト GEO」関連クエリでの流入、Perplexity citation 戦略 への回遊
なぜ鮮度が引用を左右するか
AI Magicx の GEO 解説 によれば、Perplexity はリアルタイム web 検索で「最新・更新日の新しいコンテンツ」を優先する。
理由：
- AI 検索ユーザーは「今の情報」を求める
- 古い記事は事実が陳腐化しているリスク
- 更新日が新しい = メンテされている = 信頼できる
→ 同じ品質なら、新しい記事が引用される。
鮮度シグナルの4要素
1. 公開日・更新日
- frontmatter に
dateを明示 - リライト時に更新日を反映
- ページ上に「最終更新: 2026-05-29」を表示
2. 統計・データの年度
- 「2026年時点」と時制を明示
- 古い統計（2023年データ等）は最新に差し替え
- 「最新の調査によれば」は具体年度を併記
3. 参照先の新しさ
- 一次ソースを最新版に更新
- リンク切れの修正（内部リンク管理 と同様）
- 古い記事への参照を新しい記事に張り替え
4. トレンドへの追従
- 新しいツール・手法の追記
- 廃れた情報の削除・注記
リライトサイクル
「書いて終わり」では鮮度が落ちる。運用サイクル：
| 頻度 | 対象 | 内容 |
|---|---|---|
| 四半期 | 主要記事（流入上位20%） | 統計更新・事例追加・updated 反映 |
| 半年 | 中位記事 | リンク確認・部分更新 |
| 年次 | 全記事 | 棚卸し・廃止判断 |
主要記事を四半期で回すのが鮮度維持の肝。全記事を頻繁にやる必要はない（リソース配分）。
「日付だけ更新」は逆効果
更新日だけ変えて中身が同じだと：
- AI が「実質更新なし」を見抜く（内容のハッシュ比較）
- ユーザーが「古い情報なのに新しい日付」と不信
- Google のスパムガイドライン抵触リスク
→ 必ず 実質的な内容更新 とセットで日付を更新する。
古い統計の自動検出
属人化を避け仕組み化：
bash
# 本文中の「20XX年」が2年以上前なら警告（疑似コード）
grep -rE "202[0-3]年" content/posts/ \
| report_stale_stats
古い年度の記述を検出 → リライト候補としてリストアップ → 四半期更新で対応。
SEO/GEO 弱点スキャン の延長で、鮮度監視も自動化できる。
更新カレンダーの運用
- 主要記事に「次回更新予定日」を設定
- 四半期初めにリライト対象を抽出
- 統計・事例・ツール情報を最新化
- 更新後に AI 検索で引用確認
リライトの優先順位
すべてを更新できないので優先付け：
- 流入上位 + 鮮度低: 最優先（影響大 × 改善余地大）
- AI 引用されていた記事: 引用維持のため更新
- 競合が新記事を出した領域: 追従
- 統計が古い記事: 信頼性維持
アンチパターン
- 書いて放置: 鮮度が落ち AI 引用から外れる
- 日付だけ更新: スパム判定・不信・効果なし
- 全記事を毎月更新: リソース破綻、主要記事に集中
- 古い統計を放置: 信頼性低下
- 更新を属人化: 担当者依存、仕組み化する
Growth Lab の鮮度運用
本サイトの実践：
- frontmatter
dateをリライト時に更新 - 「2026年時点」の時制明示を標準化
- 四半期で流入上位記事をリライト（統計・事例更新）
- リンク切れ検知を CI（links:check）で自動化
- 古い年度記述の検出をスキャンで補助
これらは GEO と SEO の違い の鮮度要件を運用に落としたもの。
FAQ
Q. 全記事を四半期更新するのは無理です A. 流入上位20%に集中してください。残りは半年〜年次で十分。リソースは効果の大きい記事に配分します。
Q. 更新日を変えると SEO 評価がリセットされませんか？ A. 実質的な内容更新を伴えばむしろプラス。Google は「新鮮で有用」を評価します。日付だけの操作は逆効果です。
Q. AI 引用されているか分からないまま更新すべき？ A. まず LLM 引用の観測 で引用状況を把握し、引用されている記事を優先更新するのが効率的です。
まとめ
AI検索は最新コンテンツを優先するため、鮮度維持が引用継続の鍵。公開日・更新日・統計年度・参照先の4シグナルを管理し、主要記事を四半期でリライトする。「日付だけ更新」は逆効果、実質的な内容更新を伴う。古い統計の自動検出と更新カレンダーで属人化を防ぎ、仕組みとして鮮度を維持する。
