複数の旧記事の処理方法：3つの判断基準

複数の旧記事の処理方法：3つの判断基準 TrueLinkの実務において、古いコンテンツを処理する際によく見られる誤解は、

# 複数の旧記事の処理方法：3つの判断基準

TrueLinkの実務において、古いコンテンツを処理する際によく見られる誤解は、「削除すべきか否か」ではなく、「技術的インデックス層」と「AIの信頼実体層」の区別が曖昧である点にあります。多くの人が古い記事は単なるトラフィックの入口であると考えていますが、AIエンジンにとっては、残存しているすべての記事がブランド実体（Entity）の一部の記憶であると見なされます。

誤ったクリーンアップ方法は、E-E-A-T（Experience, Expertise, Authoritativeness, Trustworthiness）におけるTrustの次元を直接破壊します。Googleは明確に、Experience、Expertise、Authoritativeness、Trustworthinessを、コンテンツが役立つかどうかを評価するための核心的な要素として列挙しています（Google Search Central）。もし無差別に削除または非表示にすると、AIエンジンはブランド情報の照合時に「実体断経」または「情報の矛盾」を検出し、そのブランド全体のコンテンツの信頼性スコアを低下させます。

本記事では、「旧文三態処置法（Legacy Content Tri-State Protocol）」を提唱します。これはAIの引用論理に基づいた意思決定フレームワークであり、各旧記事が「再構成（Refactor）」、「封存（Archive）」、「削除（Purge）」のいずれかに該当するかを判断するための指針です。基本的なロジックは単純です：まず、「ブランド名を抜き取ったとしても、この内容が競合ブランドに掲載可能か？」という質問をしてみましょう。答えが「否」であり、かつ情報が古くなった場合は再構成が必要です。情報が正確であるがブランドの方向性を代表していない場合は封存、内容が虚偽または現在の実体と矛盾している場合は削除です。

判断基準一：情報の矛盾と実体断経

旧記事がもたらす最大のリスクは、ランクの低下ではなく、AIエンジンが「専門的でない」または「不誠実である」と判断する証拠となることです。

生成型エンジンの動作メカニズムにおいて、AIはブランドの全域コンテンツをクロスチェックします。もしホームページで「我々はAIの信頼基盤構築に特化している」と主張しているにもかかわらず、2年前の旧記事が伝統的なSEOブラックハット手法を推奨している場合、「同一ブランド、異なるページでの主張の矛盾」はAIの信頼を直ちに崩します。AIはあなたが「かつてやったこと」を考慮しません。AIはそのブランド実体を「不一致な情報源」としてマークし、関連する質問に回答する際、あなたのブランドをスキップし、情報がより一貫している競合ブランドを引用します。

これが「信頼の一貫性」がいかに重要であるかを示しています。同一ブランドが異なるページで矛盾した情報を含む場合、AIは「よりクリーンに見える」バージョンを回答に使用します。場合によっては、ブランド実体そのものを無視することもあります。

実体断経の検出方法

実体断経（Entity Discontinuity）は一般的に以下の3つの状況で発生します：

1. サービス範囲の縮小が同期されていない：提供していないサービスを旧記事で推奨しているため、AIは業務記述が「キーワードの堆積」であると誤認します。 2. 技術基準が古くなった：旧記事で推奨された構造化データのマークアップが廃止または置き換えられているにもかかわらず、新記事では「置き換え関係」が明確に述べられていない。 3. 著者の実体が断絶している：旧記事に退職した人物の署名が残っているが、「[現任責任者]によって確認済み」と更新されていないため、AIは内容の権威を現任実体に結びつけられません。

TrueLinkの実務では、AIエンジンが「検証可能な出典チェーン」に非常に敏感であることを確認しています。C2PA標準は、このような出典の真実性問題を解決するために設けられたものであり、デジタルコンテンツに検証可能な出典チェーンを提供し、AI生成コンテンツが氾濫する中で出典を証明するための仕組みです（C2PA連盟）。C2PAは主にメディアファイルを対象としていますが、その背後にあるロジック——「内容は検証可能な真実の身分を持つ必要がある」——はテキストコンテンツにも同様に適用可能です。

もし旧記事の著者実体が断絶しており、かつその内容が現在のブランド実体によって「継承」または「確認」できない場合、その記事はAIの視点では「孤児コンテンツ」となります。孤児コンテンツは引用されませんが、ブランド全体の権威のシグナルを希薄にします。

判断基準二：引用可能性と第一手の視点

すべての旧記事が新記事で置き換えられる必要があるわけではありません。一部の旧記事は、「ブランド名を除去しても競合ブランドに掲載できない」ような第一手の視点を含んでいるため、むしろ引用価値が高い場合があります。

AIエンジンが引用する記事の鍵はキーワード密度ではなく、このような「独自の第一手の視点」を持っているかどうかです。これは、大量のAI草稿が却下された後の要約として得られた判断基準です。もし旧記事が公開情報の繰り返し（例：「Schema.orgとは何か」）である場合、AIにとっては「置き換え可能な汎用コンテンツ」と見なされ、引用価値が極めて低くなります。また、古くなった情報により負の資産となる可能性もあります。しかし、旧記事が特定の技術制限に対する実際の経験や、業界の痛点に対する具体的な解釈を含んでいる場合、これらの「検索では得られない」情報は、AIが知識を構築する際に引用したい「高エントロピー情報」となります。

旧記事が「引用可能」であるかを判断するには、以下の3つの質問に答えましょう：

1. この内容には具体的な操作手順やデータが含まれているか？ 一般的な定義であれば、AIは他のソースからいつでも取得できるため、あなたの引用の必要性は低い。 2. この内容はあなたの独自の視点を反映しているか？ たとえば、あるAPIの制限に対する解釈、ある業界の垂直的な信頼通貨の分析など。 3. この内容は構造化されているか？ AIエンジンは、直接切り取って引用できる自立的なセクションを好む。旧記事が長文の記述でH2/H3構造が欠如している場合、AIは重要な情報を抽出するのが難しくなり、引用の可能性は大幅に低下します。

旧記事が高引用性を有しているが、レイアウトが乱れたり構造が悪かったりする場合は、削除するのではなく「構造化再構成」を行う必要があります。これは、長文を自立的なセクションに分割し、FAQPage構造化データを補完し、Schema.orgマークアップを更新することを含みます。これにより、内容の権威性が保持され、機械可読性が向上します。

構造化再構成の具体的な方法

構造化再構成は単なる見出しの変更ではなく、「機械可読」の基準に合致させる作業です。schema.org構造化データは、検索エンジンとAIシステムがページの実体、著者、記事の種類を機械可読で理解できるようにするための基盤であり、GEOの可視性の基礎となるものです（schema.org）。

具体的な手順は以下の通りです：

1. 記事の種類をマークする：ArticleまたはBlogPostingのマークを使用し、authorとpublisherを正しく設定する。 2. 実体のリンクを確立する：sameAsを使用して、著者または発行者が検証可能な実体（例：LinkedIn、会社公式サイト）にリンクする。これは、コンテンツの信頼性を構造的に確立する方法です（schema.org Article）。 3. FAQページの構造化データを補完する：記事にFAQが含まれている場合は、FAQPage構造化データを使用する。これにより、検索エンジンが富み結果としてFAQを表示し、AIエンジンが問答ペアを切り取って引用しやすくなります（Google Search Central）。

構造化再構成により、旧記事は「静的なテキスト」から「動的な知識ノード」へと変貌します。AIエンジンが収集する際に、その意味と権威性をより正確に理解できるようになり、引用される確率が高まります。

判断基準三：封存と削除の境界

封存（Archive）と削除（Purge）は、異なる信頼戦略に対応する2つの異なる操作です。

封存は、「情報が正確だが、もうブランドの方向性を代表していない」内容に適用されます。例えば、以前に「WordPress最適化」に関する記事を書いたが、現在の製品ラインはAI信頼基盤構築に移行している場合、そのWordPress記事は誤りがないにもかかわらず、もう推奨の重点ではないかもしれません。封存のロジックは、コンテンツのアクセス性を維持する（301リダイレクトまたは明確に「歴史的内容」としてマークする）ことで、AIに「これはかつてブランドの一部であったが、現在は進化した」と理解させることです。この方法により、ブランドの「時間的な連続性」が保たれ、AIはブランドが長期にわたって専門性を積み重ねていると解釈します。

削除は、「情報が虚偽である、現在の実体と矛盾している、または法的リスクを生じる」内容に適用されます。例えば、旧記事が実現されていない機能を宣伝していた、誤った研究データを引用していた、または失効した技術のアドバイスを含んでいた場合です。削除のロジックは、誤った情報をブランド実体と切り離し、AIが引用する際にその誤りをブランドに帰属させないことです。削除後は、すべての内部リンクが更新され、404エラーが発生しないようにする必要があります。なぜなら、404リンクはウェブサイトの技術的な健康度と信頼のシグナルをさらに損なうからです。

封存の技術的実装

封存は単に記事を下線するのではなく、明確な「状態マーク」が必要です。TrueLinkの実装では、封存された記事に明確に以下のマークを記載することを推奨します：

• 状態マーク：記事の冒頭または末尾に「本文は歴史的内容であり、[年]年に公開された。一部の情報はすでに古くなっている可能性があります」と明記する。
• 審査マーク：dateModifiedを封存日時に更新し、必要に応じてreviewedByマークを追加し、どの人がいつこの歴史的内容をレビューしたかを明記する。
• リダイレクト戦略：旧記事が外部からのトラフィックを獲得している場合、最も関連性が高い新記事に301リダイレクトを設定し、リダイレクト先のページで「本ページは[旧記事タイトル]を置き換えています」と明記する。

このような実装により、AIエンジンは内容の「時間的な脈絡」を理解し、過時情報を現在のブランドの立場と誤認しないようにします。同時に、内容の「権威の遺産」を保持し、AIが歴史的な質問に答えながら、正しくマークされたこの内容を引用できるようにします。

旧文三態処置法の実行フロー

上記の3つの基準を統合し、我々が提案する「旧文三態処置法」の実行フローを以下に示します。これは、繰り返し利用可能な意思決定フレームワークであり、蓄積された旧コンテンツを体系的に処理するためのものです。

ステップ一：整理と分類

まず、すべての旧記事を整理し、以下の次元に沿って分類します：

1. 情報の一貫性：現在のブランド実体と矛盾しているか？ 2. 引用可能性：第一手の視点や独自の詳細を含んでいるか？ 3. 技術的な健康度：断経、404、構造化データの欠如があるか？

ステップ二：意思決定マトリクス

分類結果に基づき、以下の意思決定マトリクスを適用します：

ステップ三：実行と検証

処理アクションを実行した後、以下の検証を実施します：

1. 技術的検証：301リダイレクト、404の処理、Schema.orgマークアップが正しいかを確認する。 2. AI引用検証：ChatGPT、Perplexityなどのエンジンで関連する質問をテストし、あなたのブランドが引用されているか、引用された内容が予期されたバージョンであるかを確認する。 3. 信頼のシグナル検証：AIの視点においてブランド実体の記述が一貫しており、矛盾がないかを確認する。

この3ステップにより、旧コンテンツを「負債」から「資産」へと変換し、AIエンジンが引用する際に、権威と信頼をあなたのブランドに正確に帰属させることができます。

常見の誤りと避難ガイド

GEOと合わせる実務において、我々は企業が繰り返し犯す以下の3つの誤りを確認しています。これらの誤りは、ブランドのAI信頼資産を直接破壊します。

誤り一：無差別な大量削除

多くの企業がサイトのリニューアル時に旧記事を無差別に削除する傾向があります。これは「新で旧を置き換える」のが最良の方法だと考えているためです。しかし、このようなアプローチは、旧記事が持つ「権威の遺産」の価値を無視しています。もし旧記事が高引用性を有する第一手の視点を含んでいる場合、削除後はAIエンジンが引用する際にあなたのブランドを参照できず、競合ブランドを引用することになります。正しい対応は、まず引用可能性を評価し、その後封存または再構成を決定することです。

誤り二：著者の実体断絶の無視

旧記事の著者が退職した人物であるが、更新されていない「[現任責任者]によって確認済み」という記載がされていない場合、AIは内容の権威を現任実体と結びつけることができません。この「著者の断絶」は、AIが内容の出典を信頼できないと判断し、引用の可能性を低下させます。正しい対応は、署名を更新するか、明確に「本文は[退職者]によって執筆され、[現任責任者]によって確認済み」と記載することです。

誤り三：構造化データの欠如

旧記事にSchema.orgマークアップが欠如している場合、AIエンジンはコンテンツの種類、著者、発行者を機械可読で理解できません。これにより、AIはブランド実体と照合する際に、そのコンテンツを「低信頼性の情報源」と見なします。正しい対応は、Article、Person、Organizationなどのマークアップを補完し、sameAsを使用して検証可能な実体にリンクすることです。