4つの指標
記事ごと、監査ごとに—個別ではなく総合的に判断する
検索
GSCパフォーマンス履歴
市場
リアルタイムキーワード情報
You
あなたのライブラリ＋あなたのICP
単一指標のツールはトラフィックしか見えない。それは全体の4分の1に過ぎない。
どのシグナルも単独で読むと欠陥がある。
トラフィックだけでは見落としがある。4位のページは健全に見えるけど、クエリの検索数が倍増し、競合が追い抜いたと知れば話は別。記事が今の顧客に合った主張を続けているかは分からない。
キーワードデータだけでは抽象的すぎる。検索数や難易度は市場を示すもので、あなたのページの実態ではない。自分の実績を無視してキーワードだけ最適化すると、静かに勝っていたページを台無しにする。
コンテンツ分析だけでは空洞的だ。記事は美しく構成され、技術的にも完璧でブランドに合っていても、全くランクしなかったり、間違った顧客を呼ぶこともある。パフォーマンスの文脈なしの質は飾りに過ぎない。
これらの欠陥はシグナルを一緒に読むことで相殺される。これがすべての設計の出発点だ。
シグナル1＆2 - 市場側の視点
検索が実際にしたことと
市場が本当に求めていること。
パフォーマンスの半分：Google上のあなたのページの実際の履歴を、リアルタイムの市場データで文脈化。
シグナル1 - 検索パフォーマンス（GSC）
ページごと、クエリごと、日ごとに：クリック数、表示数、CTR、順位。連続同期し履歴として保存。監査はスナップショットではなく推移や変化を把握。特に重要な1ページ目からの脱落も含む。
シグナル2 - キーワードインテリジェンス
リアルタイムの検索数、関連語やロングテール、意図分類、さらにAI回答エンジンが示す質問も。監査やブリーフごとに新鮮に取得し、前四半期のキャッシュは使わない。
なぜ一緒に読むのか
GSCはあなたの立ち位置を示し、キーワードデータはその価値と未開拓の近隣領域を示す。衰退中のクエリで8位と成長中のクエリで8位は全く異なる優先順位だ。
シグナル3＆4 - あなた側の視点
あなたのライブラリが実際に語ることと
あなたのビジネスが本当に必要としていること。
整合性の半分：現在のコンテンツを、現在の会社と比較して評価します。
シグナル3 - あなたのライブラリ、クロール＆バージョン管理
すべての記事を取得・解析・プロファイル化：全文、タイトル、メタ情報、見出し構造、リンク、画像、スキーマ。バージョン管理し、監査がいつ何が変わったか把握できる。
シグナル4 - あなたのICPとブランド定義
どのベンダーも売れない唯一のシグナル：誰に売り、どう話すか。あなたの記事とスタイルガイドから作成し、あなたが確認・修正。明確な基準のズレを測定。
なぜ一緒に読むのか
シグナル3だけではテキストの羅列。シグナル4だけでは戦略文書。両者で初めてダッシュボードが答えられない問いに答える：このページはまだ私たちの主張をしているか？
新しさは単一のデータセットではなく、4つが一緒に語る内容だ。
各シグナルは別々に存在するが、それらを横断する判断は存在しない。
GSCはエクスポートできる。キーワードデータは購読できる。自サイトはクロールできる。ICPは壁に書ける。チームは4つすべてを持っているが、4つのタブで4人が4つのスケジュールで見る。洞察は交差点にあり、タブ切り替えではそこを見失う。
交差ロジックの具体例：記事が3位を維持しているためトラフィックツールは静観。キーワード信号は検索意図が商用に変わったことを示し、ライブラリ信号は19ヶ月間ページが変わっていないことを示す。ICP信号は昨年離れたセグメントをターゲットにしている。これらを総合すると、最も順位の高いページが最大のリスクだという結論に至るが、どの信号単独でも支持されない。この監査はすべての記事で自動的にこの結論に達する。
だから出力はダッシュボードではありません。複数信号の結論には理由が添えられ、修正・書き直し・廃止のフラグが付く。検証できない判断は信頼できないからです。システムは根拠を示し、判断はあなたのチームに委ねられます。
まず自社ライブラリで試した結果
DraftcampはSocialinsider内で開発。最初のデータセットは自社ブログだった。
製品化前は自社ブログで使っていたシステムで、長年かけて築いたライブラリが静かにランキングを失い始めていた。最初の完全監査が製品化の根拠となった。
⚠ [プレースホルダー - Socialinsider監査結果から実数値を取得：分析記事数、分類別フラグ率（修正・書き換え・廃止）、順位維持だがズレたページ数、1ページ目脱落数、最も多い技術的指摘。3～4の具体的数字が10の曖昧な数字より有効。]
⚠ [プレースホルダー - 匿名化した具体例：監査が検出した「順位は良いがICPに完全に合わない」記事とその理由。これはキャンバスの理想的な引用で、自社データから。]
データ層に関するQ&A
率直な答え。