Tokyo AI(TAI)登壇の感想。SEO&GEOリサーチを発表。
公開日: by heysho

先日、Tokyo AI(TAI)のイベントにて、個人で取り組んでいるGEO・AI検索の研究について発表しました。今回はその振り返りと感想をまとめます。
発表したことは、Google検索やAmazon、YouTubeなどで上位表示されることと、AIの回答でブランドが言及されることの間にはどんな関係があるのかを調べた研究についてです。
終わってみてまず思うのは、登壇してすごく良い経験が得られました。
純粋に楽しかったですし、リサーチから発表までを一通り経験できたことは自分にとって大きな収穫でした。
一方で、うまく伝えきれなかったことや質問に十分答えられなかった場面もありました。
特に「プレゼンをどこまでシンプルにするか」と「わかりやすさと正確さをどう両立するか」という2点については深く考えさせられました。
忘れないうちに、準備や当日のやりとりを通じて感じたことを書き残しておこうと思います。
Tokyo AI(TAI)の印象
Tokyo AI(TAI)は、エンジニアや研究者、起業家など7,000人以上が参加する、日本最大級の国際的なAIコミュニティです。
当日は40〜50人ほどが集まり、ユニークな経歴を持つ参加者が多く見られました。
登壇後には、東大卒業後にAIプロダクトで起業してグロースに挑戦されている方や、有名テック企業を経てGEO関連の会社を経営されている方ともお話しできました。
GEO、グロースマーケティングの話題で盛り上がってすごく楽しかったです。
また、一緒に登壇した二人とも交流できました。
一人は「AIを活用したパーソナライズド・コールドメールの自動化」、もう一人は「GEOの基礎から実践方法」について、それぞれ興味深いプレゼンをされていました。
二人とも自分の会社を経営しながら独自の取り組みや知見を積極的に発信されていて、刺激をもらいました。
以下が、今回登壇された方の会社とプロダクトです。
主催者のIlyaさんはすごくフレンドリーで、各プレゼン前後でユーモアを交えて場を和ませてくれるなど、親しみやすい方でした。
起業家としての経験が豊富な方で、これほど大きなコミュニティを築き上げていること自体がすごいことだと思います。
今回の登壇を通じて、「東京にこんな面白いコミュニティがあったんだ」と知れたことが大きな収穫でした。
コミュニティの活動や最新のイベント情報は、Tokyo AI公式サイトやLumaのコミュニティページから確認できます。
登壇のきっかけ:GEOやAI検索の日本語データを発表したかった
僕はこれまで、こうした大きなイベントに登壇した経験がありませんでした。
だからこそお話をいただいたときは、「すごくいい機会だ」と思って引き受けました。
最近GEOやAI検索について自分でデータを集めて分析する中で、日本語のデータを使った調査事例はまだ少ないと感じていました。
世の中にはさまざまなベストプラクティスが紹介されていますが、それが実際の検索環境でどこまで当てはまるのかをデータで検証した事例はもっとあっても良いのかなと。
今後もこの領域の研究を続けていくうえで、まずは自分が調べたことを発表して人に伝えてみたい。そう思ったのが今回登壇を決めた理由になります。
発表の準備で直面した課題:たくさん調べたから、たくさん見せたくなっていた
準備で一番悩んだのは、「何をどこまで説明するか」でした。
最初に作ったスライドは、調べたことを詰め込みすぎてかなり複雑になっていました。
妻ともう一人の方にレビューしてもらったのですが、反応はいまひとつで結局何を伝えたいのかがうまく届いていませんでした。
振り返ると、「これだけ大量のデータを調べたのだから、いろいろ見せたい」「複雑な分析をした過程もわかってほしい」という気持ちが前に出ていたのだと思います。
実際、手元には50個ほどのチャートがあり、特に2つ目の研究では多くのデータをさまざまな切り口で分析していました。
それでもレビューでのフィードバックを参考に思い切って削り、最終的にはその研究を「1つのチャートと1つのキーポイント」だけで伝える構成に絞りました。
いかに一番伝えたい内容に絞り込むか、の大切さを実感しました。
ただ、シンプルにすればそれで十分かというとまだ考えるところがあります。
本番の質疑応答で、スライドから省いた部分について質問された際にうまく答えられなかったところがありました。
こちらは大きな反省点でした。
スライドの情報を絞ることと、省いた背景や詳細を質問されたときにきちんと言葉にできること。
その両方を準備しておく必要があったと感じています。
プレゼン練習の工夫:英語の原稿を曲にして、散歩しながら覚えた
英語で研究を説明することも、正直かなりハードルが高かったです。
特に難しかったのが、リサーチのプロセスを説明するパートです。
分析の内容が複雑になるほど、短くわかりやすく伝えるのが難しくなります。
僕の場合、英語でその場で組み立てて話そうとするとどうしても説明が長くなってしまいます。
そこで今回は、あらかじめ原稿を用意してできるだけ短く簡潔に話せるよう準備しました。
その原稿を覚えるために試したのが、「原稿を音楽で聴く」という方法です。
用意した原稿を音楽生成サービス「Suno」に読み込ませて5曲ほど作り、それを聴きながら外を散歩して、曲に合わせてシャドーイングしました。
繰り返すうちに、内容が自然と頭に入ってきました。
机に向かって必死に暗記するのではなく普段の生活の中に練習を取り入れる感覚で覚えられたので、この方法は自分に合っていたと思います。
質疑応答で苦戦:「それは相関であって、因果ではない」という質問
当日の質疑応答で特に印象に残っているのが、「今回示しているのは相関関係であって、因果関係を証明したわけではないですよね」という趣旨の質問です。
まさにその通りです。
その場でも「今回の研究は相関関係を見たものです」とお答えしたのですが、データの前提や、なぜプレゼンでそのような誤解を招く表現を使ったのかという背景までは十分に伝えきれませんでした。
実は、自分のブログ記事ではこの点をかなり慎重に扱っていて、タイトルも各検索プラットフォームでの露出とAI言及率の「相関」を示す表現にしていました。
一方で今回のプレゼンでは、上位に表示されることがAI言及率に「影響するのか」という、より踏み込んだ表現を使っていました。
こう変えた背景には、普段の仕事での経験があります。
実務では「説明が複雑で回りくどい」「もっとシンプルに結論を教えてほしい」と言われることが少なくありません。
そのため、普段から聞き手が知りたいことをできるだけ直接的な言葉で伝えるよう心がけてきました。
今回もその感覚でわかりやすさや関心の引きやすさを優先したのですが、結果として「因果関係までわかった」と受け取られかねない表現になっていたと思います。
聞き手の関心に応える言葉を選びつつ、「今回のデータからどこまで言えるのか」も正確に伝える。そのバランスの難しさを痛感しました。
スライドの中でも相関と因果の違いをもっと明確に示すべきでしたし、自分の伝え方を振り返るうえで、とても参考になる質問でした。
感じたこと:自分と聞き手が、同じところに価値を感じるとは限らない
登壇後、ある方から「エンジニアの視点で見ると、内容が簡単すぎる」という趣旨の感想をいただきました。
準備段階では「複雑すぎる」と感じられたので内容を絞ったのですが、当日は「簡単すぎる」という声もあった。
このギャップにはかなり考えさせられました。
内容を簡単にしすぎたのか、それとも「なぜその内容に絞ったのか」という背景の説明が足りなかったのか。
その会話からは、研究のどこに価値を感じるかにも違いがあるのかもしれないと思いました。
今回のTokyoAIはエンジニアやデータサイエンティストが多かったので、分析手法の複雑さやまだ誰も見つけていない発見に関心を持つ方もいたのかと思います。
一方で、僕が普段の仕事で強く意識しているのは、「現場の判断や行動につなげられるか」という点です。
僕はこれまでビジネスサイドで、売上を伸ばすことややチームをどう動かすか、と向き合ってきました。
だからこそ、日本語のデータを使って実際の検索環境でどんな傾向が見られるのかを数字で把握し、それを施策の優先順位やビジネスケースを考え、ステークホルダーと話すための材料にすることに価値を感じています。
もちろん、観測した相関をそのまま施策を実行したときの効果や成功確率として使えるわけではありません。
その区別も含めて、実務では「いかに簡単にシンプルに伝えられるのか」「アクションに落としこむためにはどのデータを見せればいいか」を重要視しています。
今回の感想は一人の方からいただいたものですが、自分が伝えたいことと聞き手が知りたいことが必ずしも同じではないと気づくきっかけになりました。
次回への教訓:次は、聞き手が知りたいことから研究を設計したい
僕は普段、仕事の関係者にSEOの考え方や分析結果を説明することはよくあります。
ただ、今回のようにさまざまな背景を持つ人たちに向けて自分の研究を話すことにはまだ慣れていませんでした。
今回は、「自分がどんなデータを取れるか」「自分の業務で何を知りたいか」という出発点から研究を始め、それを発表する形でした。
次に機会があれば、「聞き手が何を知りたいのか」「どんなデータがあれば役に立つのか」をもっと早い段階から逆算して考えられると思います。
どんな問いを立て、どんなデータを集め、どう説明すれば伝わるか。
今回、リサーチから発表までの一連の流れを経験できたことで、次は最初からそこまで含めて設計したいと思うようになりました。
研究そのものも、引き続き進めていきたいです。
AI検索でのブランドの見え方にどんな要素が関係しているのか、自分でデータを持って実際の現場で判断に使えるようにすることが目標です。
業界や地域が変われば、結果も変わるはずです。
だからこそ、世の中で紹介されているベストプラクティスを参考にしつつも自分で問いを立て、データを集めて検証するためのフレームワークを持っておきたいと思っています。
今回の登壇には反省点もありますが、実際に人前で話して質問を受け、感想をもらったからこそ考えられたことがたくさんありました。
登壇に招待してくれた方、発表内容をレビューしてくれた方、当日聞いてくださった方にはすごく感謝しています。
この経験を、次の研究と発表につなげていきたいです。