AI 會原封不動引用 FAQ 嗎——150 次實測
針對「只要撰寫 FAQ，AI 就會原封不動引用」這一通說，以 30 題 × 5 個 AI 搜尋環境、150 則回應進行實測。逐字一致為零。而更重要的事實是：搜尋本身往往不會發生。
文章列表
供醫療機構在 AI 搜尋中被正確理解、被參照的實務知識。我們以 LLMO、GEO、SEO、MEO、醫療廣告指南的觀點結構化地發布。
擴大到全國 7,643 家機構加以查證——美容相關診所的網站，是否處於 AI 可讀的狀態
我們將大阪 400 家機構的機器可讀性調查擴大到全國，對 7,643 家美容相關診所的機器可讀性進行了全數調查。AI 爬蟲全部允許 88.7%、llms.txt 9.1%、結構化資料 40.0%。而且登記 URL 中約有一成無法連通。
大阪的美容相關診所 400 家，是否處於 AI 可讀狀態？——機器可讀性調查
針對大阪府標榜美容外科、美容皮膚科、整形外科、皮膚科的 400 家機構進行機器可讀性調查。AI 爬蟲全部允許 89%、llms.txt 設置 10%、結構化資料 52%。醫療機構端「準備」的現況位置。
如何自行確認貴診所在 AI 眼中呈現的樣貌
不需特別工具，即可觀察貴診所在 AI 搜尋上如何被對待的步驟。如何設計問題、應嘗試哪些環境、如何做記錄，以及為何不該僅憑一次結果就下判斷。
為了被 AI 引用的施策，是否有學術上的佐證？——在醫療脈絡下解讀 GEO 研究
生成式引擎最佳化（GEO）存在著以實測為基礎的研究。本文整理兩項代表性研究的見解，並探討如何將其轉譯至醫療機構的資訊發布。
解說 LLMO 的網站本身，是否處於 AI 可讀的狀態？——67 個網站的機器可讀性調查
我們對解說 AI 搜尋最佳化的 67 個國內網站進行了機器可讀性調查。全面允許 AI 爬蟲者佔 93%、設置 llms.txt 者佔 27%。解說一方「準備狀況」的實態，以及與醫療機構一方的比較。
AI 的推薦裡，不會出現新網站——從公開第 2 天開始的定點觀測
剛公開的網站不會出現在 AI 的推薦清單中。這是以本網站自身作為受測對象、對可讀性與推薦之間距離進行定點觀測的紀錄第 1 回。
反映到 AI 搜尋為止，應該等待多久
反映到 AI 搜尋不一定在公開後立即穩定。與其在公開後立即判斷，不如整理何時該觀測、何時該懷疑技術性問題。
AI 是如何介紹你的診所的
當患者向 AI 諮詢醫療機構時，診所與醫師是如何被比較的。為了讓 AI 正確傳達貴診所的資訊，本文整理了應在網站、醫師資訊、評論、案例與常見問題中備妥的資訊。
只靠內容品質就能被 AI 介紹嗎
以「寫出好文章就會被 AI 介紹嗎」這個問題為起點，整理除了內容品質之外，外部參照資訊、SEO 資產、評論、反向連結、指名搜尋、品牌認知等信任線索，可能如何影響醫療機構在 AI 搜尋中被對待的方式。
為什麼不該只問 AI 一次，就決定貴診所的 AI 搜尋對策
只要向 AI 提問一次，就能大致了解貴診所被呈現的樣貌與可改善之處。然而 AI 的回答會依提問文字、模型、對話流程與時期而改變。僅憑一次回答就判斷對策是危險的。本文整理持續觀察醫療機構在 AI 搜尋中如何被處理的前提。
醫療廣告指南的要點
整理厚生勞動省「醫療廣告指南」的宗旨，以及在自費診療診所的網頁表現中特別容易成為爭點的項目（限定解除、體驗談、術前後照片、評論）。
醫療機構的 E-E-A-T 實作基礎
將 Google 的 E-E-A-T 評估框架套用於醫療領域時的具體推進方式。解說在診所網站上呈現經驗／專業性／權威性／可信度的步驟。
出現在 AI 回答中的條件
整理 GEO 的基礎，以及它與 LLMO、SEO 的關係。說明醫療機構為了出現在生成式 AI 的回答中所需的文件製作方式。
醫療機構應關注的 AI 搜尋差異
在 Google AI Overview、AI Mode、ChatGPT、Claude、Perplexity 中，醫療機構的資訊如何被處理。我們在經營判斷所需的範圍內，整理各種觀察角度的差異。
LLMO 入門：被 AI 引用的條件
整理美容（自費診療）診所的資訊在 ChatGPT Search / Perplexity / Google AI Overviews 中如何被處理，並說明為了被引用該如何撰寫文件與統一表記。
AI 搜尋時代的 MEO 與 Google 評論經營
在 AI 搜尋擴散的當下，從實務觀點整理 Google Business Profile 與評論如何被參照，以及醫療機構應如何準備。