ハッチング・グロース #8： YouTube SummaryをプログラマティックSEOで倍増させた方法
* この記事は、「Hatching Growth #8: How We Doubled Down on YouTube Summary with Programmatic SEO」を翻訳し、公開するものです。
オーガニックトラフィックの拡大、ドメインオーソリティの強化、そしてトレンドになる前にLLM SEOを形づくった話
本シリーズ「Hatching Growth」は、Glaspがいかにオーガニックに数百万人のユーザーを獲得したかを紐解く記事群です。本シリーズでは、成功した施策も失敗した施策も取り上げ、その過程で得た教訓をご紹介します。「ユーザー」という言葉はあまり使いたくないのですが、便宜上ここでは使用しますのでご承知おきください🙇♂️
振り返り：#1〜#7を一目で
CloudflareのAI Crawl Controlデータは、プログラマティックSEOによって生み出されるリクエストの規模を示しています。
はじめに
前回と前々回では、YouTube Summaryをローンチした後に取り組んだ「Next 1 Million Project」を2つ紹介しました。今回は、YouTube Summaryをどのようにしてダブルダウンしていったかについてお話しします。
2022年末に最初のYouTube Summaryをリリースしたとき、私たちは意図せず新しいカテゴリを生み出しました。しかし、新鮮味が薄れ、模倣が現れ始めると、私たちは「築いたものを守る」と同時に「市場を拡大する」必要が出てきました——しかもほぼゼロ予算、かつマネタイズなしという制約付きで。この制約が、私たちを二段階のプレイブックに導いたのです。すなわち、①メディア露出による認知拡大とドメインオーソリティ（DA）の強化、②プログラマティックSEOによる常緑的で学習に関連するテーマでの可視性の積み上げ、です。
今回この話を共有するのは、多くの創業者から「どうやってオーガニックに数百万人規模にリーチできたのか」「LLM SEOと人間向けSEOをどう考えるべきか」と聞かれるからです。本記事では、私たちのパイプライン、制約、成果を解説します——なぜSearch Consoleでは短期的な効果が限定的に見える一方、CloudflareのデータではAIクローラーの膨大な活動（LLM SEOの先行指標）が見えたのかも含めて。
最後には、自分で試せるように「YouTube動画をYouTube Summaryを使ってQ&A形式のコンテンツに変換するチュートリアル」も用意しています。
文脈：私たちが生み出した市場を拡大する
2022年末、私たちは世界初のYouTube Summaryを作りました。それは単なる機能ではなく、新しいカテゴリそのものを生み出したのです。
2023年初頭には、模倣が出てくることを予想していました。しかし、ただ防御するのではなく、私たちはさらに攻めることを選びました：
YouTube SummaryのTAM（獲得可能市場規模）を拡大する
自分たちが生み出したカテゴリでのリーダーシップを強化する
当初の戦略はシンプルでした。それは「メディアリーチ」です。
プロダクトがニュース性を持ち、メディアにとって魅力的であれば、こちらから連絡するだけで取り上げてもらえることが多いのです。私たちはこれを徹底的に活用し、認知を広げるために継続的に露出を獲得しました。
この選択は戦略的でもあり、状況的でもありました。当時の私たちはランウェイ（資金余力）が短く、マーケティング予算はほぼゼロ。Hatching Growth #4でも共有したように、まだマネタイズしていなかったため、アフィリエイトやインフルエンサーとのコラボも現実的ではありませんでした。メディアリーチは数少ない打てる手の一つで、実際に機能しました。中でも大きな成果は、Forbesの単独インタビューで、Glaspに大きな信頼性を与えてくれました。
実際、Glaspはしばらくの間マネタイズしないことを選び、広告や有料マーケティングにも一切予算をかけませんでした。その代わりに、プロダクトの価値、口コミ、戦略的なメディア露出だけでオーガニックに成長し、数百万人規模のユーザーにリーチしました。
しかし、YouTube Summaryの「新規性効果」が薄れてくると、私たちは持続的に可視性を積み上げるスケーラブルな方法を必要としました。そこで移行したのがプログラマティックSEOです。YouTubeの文字起こしをシステマチックに記事へと変換し、Googleにインデックス・ランキングさせる。このシフトによって、ロングテール検索需要を取り込み、オーガニックリーチを拡大し、YouTube Summaryを世界中の何百万人もの学習者にとっての主要な入り口として確立することができました。
（YouTube Summary以降のメディアリーチ戦略については、今後のHatching Growthで詳しく紹介します。また、このシリーズではまだ資金調達について触れていませんが、グローバルなコンシューマープロダクトを作る初期創業者向けという観点からも、今後取り上げる価値はあるかもしれません。）
タイミングが重要だった理由
私たちは、AIブームが典型的な「キャズム」採用曲線（Crossing the Chasm）に沿って進むと考えていました。つまり、まずイノベーターから始まり、アーリーマジョリティに届くのは2〜3年後になる、という流れです。これは直感だけでなく、過去に読んできたパターンからも分かっていました。たとえばApp Store時代には、独立系の開発者が先陣を切り、大手企業が参入したのは数年後だったのです。
SEOの観点から見た戦略
私たちは、たとえAIがコンテンツを即座に生成できたとしても、検索結果に反映されるのは数か月後だと理解していました。だからこそ、他の人が「収穫期」に気づく前に種をまくように、早期に投資する必要があったのです。
同時に、当時の私たちのドメインオーソリティ（DA）は今ほど強くありませんでした。大量にコンテンツを生産しても、すぐにはインデックスされないだろうと予想していました。だからこそ、最初のメディアリーチ戦略が重要だったのです。露出が積み重なり、DAが改善することで、最終的にYouTubeベースの記事がインデックスされやすくなり、検索結果の上位に表示されるだろうと信じていました。
仕組み
常緑的で学習に特化したコンテンツを発信するチャンネルを特定（YouTube Summaryを通じて消費されやすい分野）。
それらのチャンネルからすべての動画IDを取得。
動画の情報（再生回数、概要、公開日など）を収集。
条件に合う動画だけをフィルタリング。
その動画をGPT-3.5に渡し、記事を生成。
さらに、Q&A形式のコンテンツも実験的に取り入れました。
当時、私たちはQuoraの動きを注視していました。特に2022年12月21日にQuoraが「Poe（Platform for Open Exploration）」を発表したときです。Poeは当初、招待制かつiOS限定でしたが、その初期段階からQuoraが最も強力な資産であるQ&Aに注力していることが見て取れました（TechCrunch）。2023年2月4日に一般公開され、3月4日にブラウザ版がリリースされた頃には、市場が会話型で質問主導のフォーマットへとシフトしているのは明らかでした（NeoReach）。
同時に、私たち自身のChatGPT利用経験からも別の洞察を得ていました。ユーザーのプロンプトの多くは、質問か命令のどちらかに自然と分類される、ということです。もしそうなら、LLMがコンテンツを生成・検索するとき、Q&A構造の素材は本質的に有利であるはずです。
この外部シグナル（Quora／Poe）と内部観察（ChatGPT利用パターン）の組み合わせから、Q&A形式のコンテンツは人間とLLMの両方に拾われやすいという仮説に至りました。
そのため、YouTubeのトランスクリプトから生成するときには、意図的にQ&A形式を埋め込みました。後にQ&Aスキーマや構造化データがLLM SEOにとって不可欠になったとき、この直感は正しかったことが証明され、私たちの初期分析が間違っていなかったことに安心できました。
（ちなみに、私たちはGlasp TalkでAEOやLLM SEOの専門家であるMetehanにもインタビューしています。もしこのテーマをさらに深掘りしたい方は、その対談もぜひご覧ください。）
当時の考慮点
Googleの不確実性：AI生成コンテンツがインデックスされるのか、あるいはペナルティを受けるのか分かりませんでした。最悪の場合、ドメイン全体が打撃を受ける可能性もありました。
クォータ管理：GPT APIのアクセスはまだ制限されており、CloudRun Jobsを調整して出力を制御し、制限に引っかからないようにする必要がありました。
戦略的ヘッジ：もしGoogleが方針を変えた場合には、プロジェクトを完全に停止する準備もしていました。
著作権の懸念：常にセンシティブな問題でした。そのためリスクを最小化するために以下を徹底しました：
トランスクリプト全文をそのまま使用・転載しない
常にオリジナルのYouTubeソースを明示する
トランスクリプトを要約やQ&A形式に変換し、変容的利用であることを明確にする
ローンチ後
品質：GPT-3.5ではクオリティは完璧ではありませんでしたが、インデックスされるには十分なレベルでした。
学び：業界でLLM SEOが話題になり始めたとき、すでに私たちはQ&Aデータを整えていました。そのためパイプラインを更新し、Q&A構造化データ（JSON-LD）をスクリプトに直接組み込みました。実際には、最初の生成からJSON-LD実装までにタイムラグがありましたが、初期にQ&Aを埋め込んでいた判断は結果的に功を奏しました。
競合：YouTube Summaryと同様に、すぐに模倣サービスが現れました。
サイトマップ統合：最終的には自動生成記事をサイトマップに組み込み、インデックス効率を高めました。
多言語対応：英語以外の言語にも拡張しました。
成果
トラフィック：Cloudflareのログでは、AIボットからの膨大なトラフィックが確認できました。ある時点では、1週間で200万件以上のリクエストがAIクローラーだけから発生していました。このトラフィックはGlasp全体にわたるものでしたが、AIクローラーが取得していた対象を詳しく見ると、その多くがYouTube生成記事に集中していました。
Search Console
YouTube：14.7Kクリック／2.22Mインプレッション（直近28日間）
メディア掲載：プロモーションを一切行わなくても、記事はWikipediaやBig Thinkなどに引用されました。
学び
プログラマティックSEOは効率的：少ない手作業で大きなレバレッジを生む。
品質 vs. スピードのトレードオフ：GPT-3.5で生成された当時のコンテンツは品質が高くありませんでした。それでもSEOは時間とともに複利的に効くため、スピードとスケールを優先しました。今日では、より高度なモデルを使えば、少ない労力で遥かに良いコンテンツを生成できます。私たちはその進化に合わせてアプローチを調整しています。
CTRはコンテンツの限界を反映：Search Consoleのスクリーンショットが示すように、インプレッションは高かったものの、クリックは比較的低かった。これはGPT-3.5時代のコンテンツ品質の限界を示す証拠であり、スケールと深さのバランスの必要性を再確認しました。
人間向けSEO vs. LLM SEO：Search Consoleは人間向けSEOの改善点を示しましたが、CloudflareのログではAIクローラーの膨大な活動が見られ、私たちのコンテンツがすでにLLMエコシステム内で活用されている証拠となりました。
Q&Aフォーマットの強み：人間にとってはエンゲージメントを高め、LLMにとっては検索・再利用性を高める。
フォーマット変換（テキスト ↔︎ 音声 ↔︎ 動画）：依然として新たな発見の余地がある豊かな領域。
技術スタック
言語：Python
インフラ：CloudRun Jobs、Firestore
LLM：GPT-3.5（API経由）
まとめ
新しい市場を作るとき、単にポジションを守るだけでは不十分で、市場を拡大することも必要です。予算が限られていた時期にはメディアリーチが初期の追い風となり、その後、話題性が薄れてからはプログラマティックSEOが成長を持続させてくれました。
振り返ると、最も大きな違いを生んだのは次の3点でした：
早期に賭けること（成果が出るのは数か月後だと分かっていた）。
Q&Aフォーマットの持続的な力を見抜いたこと（後にLLM SEOの中心となった）。
GPT-3.5の品質的な限界を受け入れ、スピードを優先したこと（そしてモデルの進化に応じて適応していった）。
これらが合わさり、YouTube Summaryを拡大市場への入り口として強固に位置づけることができました。
次回予告
次回は、これらの実験が私たちの中核戦略をどのように形づけたのかを紹介します——何にダブルダウンしたのか、何をサンセットしたのか、そして長期的成長のためにどのように強固な基盤を築いたのか。
チュートリアル：自分でQ&Aコンテンツを作る方法
もしQ&A形式のコンテンツを自分で作ってみたい方のために、GlaspのYouTube Summaryを使ってYouTube動画を簡単にQ&A形式の記事へと変換するステップバイステップのチュートリアルを用意しました。
👉 YouTube SummaryからQ&A形式の記事を作成する方法
Glaspとのパートナーシップ
現在、ニュースレターのスポンサーシップを提供しています。学びを愛するコミュニティに向けて、プロダクトやイベント、サービスを紹介したい方は、ぜひニュースレターのスポンサーとしてご参加ください。熱心な読者にリーチできます。
