「AIに聞いてから買う」という行動が、単品通販の購買導線に割り込み始めています。

ギャプライズが2025年に実施した調査では、直近1年に商品・サービスを購入した800名のうち44.0%が購買前に生成AIを利用し、そのAI利用者の74.0%が「購買に影響した」と回答しました。

広告からLPへ流し、LPで完結させる——という前提が、静かに崩れ始めています。

ところが単品通販のLPは、AIから最も読み取りにくいページでもあります。訴求の大半が画像に焼き込まれ、LPは単独ドメインで孤立し、薬機法対応の結果として引用できる事実が乏しい…など、いずれもCVRを追い込んだ結果として生まれた形であり、手抜きの産物ではありません。

この記事では、LPを「AIに引用されるページ」へ組み替える方法を、構造・表現・計測の3つの層に分けて解説します。

AIO（AI最適化）とは何か？SEOとの違いは？

AIO（AI最適化：Artificial Intelligence Optimization）とは、生成AIが回答を作るときに自社の情報を参照・引用させるための最適化手法です。

SEOが「検索結果で上位に表示され、クリックされること」を目的とするのに対し、AIOは「AIの回答の中に、情報源として名前とURLが載ること」を目的とします。順位ではなく引用が成果指標になる点が、最大の違いです。

この領域には呼び方が複数あります。AEO（Answer Engine Optimization：回答エンジン最適化）、GEO（Generative Engine Optimization：生成エンジン最適化）、LLMO（Large Language Model Optimization：大規模言語モデル最適化）などです。指し示す範囲は微妙に異なりますが、実務でやることはほぼ重なります。本記事では以降「AIO」に統一します。

 最後の行が、AIOを理解するうえで重要です。AIの回答内で言及されても、ユーザーがリンクをクリックしなければセッションは発生しません。従来の指標では成果が見えないまま、ブランドへの接触だけが起きている状態がありえます。

ただしAIOはSEOの代替ではありません。ページが読みやすく、速く、構造が整っていることは両者に共通の土台です。AIOはSEOの上に重ねる層と捉えるのが実務的です。

Q：日本の消費者はどこまでAIで商品を選んでいるのか？

購買前に生成AIを使う人は44.0%、AI利用者のうち74.0%が購買判断に影響を受けたと回答しています。さらに83.2%が「意思決定が早くなった」と実感しており、AIは検討そのものを短縮させています。

特に注目したいのは、AIの回答を見た後の行動です。

• • AI回答後に検索エンジンで調べ直した：51.6%
  • AIが挙げた公式サイトなどのURLを確認した：51.4%
  • 特に何もせず情報収集を終えた：4.4%

 「何もせず終えた」がわずか4.4%という点が示しているのは、AIの回答は終点ではなく起点だということです。消費者はAIの答えを仮説として受け取り、一次情報で裏を取ります。実際、再検索の理由として最も多かったのは「情報の真偽を確認するため」67.1%でした。

つまり導線は2段構えになっています。まずAIの回答に名前が出る。次に指名で検索され、自社サイトで検証される。前段で名前が出なければ後段は始まりませんし、後段で受け止められなければ前段の露出は無駄になります。

なぜ単品通販のLPはAIに引用されないのか？

単品通販のLPがAIに引用されにくい理由は、主に4つの構造的な要因に整理できます。

①訴求の大半が画像に焼き込まれている、②LPが単独ドメインで孤立している、③薬機法対応の過程で引用可能な事実が削られている、④ページが重くクローラーに読み切られない。いずれもCVR最適化の副作用であり、順に解消できます。

①訴求の大半が画像に焼き込まれている

縦長LPは、フォント・字間・改行位置・装飾を自由に扱うため、テキストを画像として書き出すのが一般的です。デザインの再現性という点では合理的な判断です。

しかしAIクローラーが読み取るのはHTML上のテキストが中心で、画像内の文字は基本的に取得できません。時間をかけて磨いたキャッチコピー、成分の説明、お客様の声など、LPの訴求の中核が、AIからは空白に見えている可能性があります。

確認方法は簡単です。ブラウザでLPを開き、Ctrl+F（MacはCommand+F）で商品名や主要キャッチコピーを検索してみてください。ヒットしなければ、その文字は画像です。テキストを範囲選択できるかを試しても判別できます。

対策として、すべてをHTMLテキストに置き換える必要はありません。デザインの要になるファーストビューは画像のままでも構いません。切り分けの基準は「AIに引用されたい情報かどうか」です。

成分と含有量、使用方法、定期購入の条件、Q&A、これらはHTMLテキストで持ちます。

なお、alt属性は画像の代替テキストとしての役割は果たしますが、本文の代わりにはなりません。数十文字の説明に本文の情報量を収めることはできないためです。

②LPが単独ドメインで孤立している

単品通販のLPは、商品ごと・広告アカウントごとに別ドメインやサブドメインで立てられることが少なくありません。計測の分離やABテストの都合としては理にかなっていますが、AIに対しては不利に働きます。

AIが「このブランドは信頼できるか」を判断するとき、参照するのは1ページの中身だけではありません。運営会社は何者か、他にどんな情報を出しているか、外部からどう言及されているかといった、エンティティ（実体）としてのまとまりを見ます。ドメインが分断され、コーポレートサイトからのリンクもない孤立したLPでは、このまとまりを形成できません。

さらに、広告用LPがnoindex設定になっているケースもあります。noindexは検索インデックスからの除外指定ですが、結果としてAI検索の参照対象からも実質的に外れる可能性が高くなります。

打ち手は次の4点です。

• • コーポレートサイト／ブランドサイトとLPを相互リンクで接続する
  • 運営会社名・所在地・連絡先をLP内にテキストで明記する（特定商取引法の表示義務とも重なる）
  • Organization schemaで発信主体を定義する
  • 恒常商品のLPについてはnoindexを外すことを検討する（広告用のテストLPは対象外でよい）

③薬機法対応の過程で「引用できる事実」が削られている

これは日本の単品通販に固有の、最も厄介な論点です。

AIが引用しやすいのは、断定された検証可能な事実です。しかし健康食品や化粧品のLPは、医薬品医療機器等法（薬機法）や景品表示法の制約を受け、承認されていない効能効果を断定できません。

結果として「実感」「ハリ感」「すっきり」といった、法的には安全だが情報としては曖昧な表現に寄っていきます。

AIから見ると、このLPには引用に足る事実がほとんど書かれていないことになります。コンプライアンスを守った結果としてAIから見えなくなる。これが構造的なジレンマです。

ただし、このジレンマは解消可能です。詳しくは後段の「薬機法を守りながらAIに引用される書き方はあるか？」で扱います。

④ページが重く、クローラーに読み切られない

高画質の画像を数十枚積んだ縦長LPは、総容量が数MBに達することも珍しくありません。表示速度がCVRに影響することは以前から知られていますが、AIOでも同じ問題が起きます。

加えて厄介なのが、JavaScriptで本文を後から描画する構成です。クローラーがJSの実行を待たずにHTMLだけを取得した場合、本文が空のページとして扱われる可能性があります。

SPA（シングルページアプリケーション）や一部のLPビルダーで起こりやすい問題です。

対策の方向性は3点です。

• • 引用されたい本文は、サーバーサイドレンダリング（SSR）または静的HTMLで初期HTMLに含める
  • 画像はWebP／AVIFへの変換と遅延読み込みで軽量化する
  • LCP（Largest Contentful Paint：最大コンテンツの描画時間）などCore Web Vitalsを実測し、改善の優先順位を決める

「本文が初期HTMLに含まれているか」は、ブラウザのページソース表示（Ctrl+U）で本文の一文を検索すれば確認できます。ソースに存在せず画面には表示されている場合、JS描画になっています。

化粧品・スキンケアは本当にAI検索の影響が小さいのか？

本調査では、化粧品・スキンケアの生成AI利用率は29.90%で、5業種中最下位でした。

ただしこれは「AIO対応は不要」という意味ではありません。同じ調査で、化粧品はAI経由で知ったブランドを覚えていないと答えた層が36.67%と他業種より高く、AIから最も認知を取りにくい業種でもあることが示されています。低い利用率と高い認知ハードルが同時に存在している、というのが実態です。

利用率は最下位、しかし認知獲得は最も難しい

化粧品・スキンケアの29.90%は、AI利用者に換算すると約90名です。この規模の数値なので参考値として扱う必要がありますが、業種間の差はそれでも明瞭です。

注目すべきは、利用率と認知定着が連動していないことです。化粧品では、AIの回答で初めて知ったブランドについて「まったく覚えていない」「あまり覚えていない」の合計が36.67%と、他業種よりやや高い水準にありました。AIに言及されても、記憶に残りにくい。

美容医療との22ポイント差は何を意味するのか

同じ美容領域でも、美容医療は51.89%と化粧品の約1.7倍です。この差は、商材特性の違いとして解釈できます。

美容医療は、施術内容・料金・ダウンタイム・クリニック選びといった「調べれば正解に近づける」論点が多く、AIに整理を頼む価値が高い領域です。実際、美容医療では意思決定が短縮したと答えた割合が84.85%に達し、AI回答後に「公式サイトなどのURLを確認した」が47.27%と、検索エンジンでの再検索を上回っていました。

一方、化粧品・スキンケアは肌質・好み・香りの相性といった個人差の大きい要素が購買判断を左右します。「自分に合うか」はAIには答えられない。だからAIに聞かれにくい。という説明が成り立ちます。

口コミが集まりやすい業界だったからこそ、AIを必要としなかった

もう一つの解釈があります。化粧品・スキンケアは、日本において口コミプラットフォームが早くから発達し、レビューが大量に蓄積され、しかもUI上で見つけやすい業界でした。生活者はAIに要約を頼まなくても、必要なレビューに自力で到達できていた。だからAIを介する必要が薄かったという見方です。

だとすると、この構図は前提が変わった時点で崩れます。

本調査は2025年の実施です。Google検索のAIモードが日本語に対応したのは2025年9月9日で、調査はその数か月後にあたります。当時のAIモードは段階的な展開の途上にあり、多くの生活者にとって日常の検索体験に組み込まれる前の段階でした。

その後に変わったのは、生成AIを使う人の数だけではありません。むしろ重要なのは、AIの要約が表示される場面が広がったことです。

日本リサーチセンターの調査では、生成AIの利用経験率は2026年3月時点で48.5%に達しましたが、直近3か月の伸びは3.1ポイントと落ち着いています。一方で博報堂DY ONEの調査（2026年2月時点データ）では、コスメ業種のAI Overviews表示率が保険・賃貸と並んで増加傾向にあると報告されています。

この2つの数字の差が示すことは明確です。AI Overviewsは、ユーザーが「AIを使おう」と意識しなくても検索結果の上部に表示されます。つまり生成AIの利用者が増えなくても、AIが要約した情報に触れる機会は増えていきます。

レビューを探しに行くより前に、AIが要約したレビューが目に入る。この変化がもっとも効くのは、レビュー依存度が高かった業種、すなわち化粧品・スキンケアです。

利用率が最下位だった業種は、変化の余地が最も大きい業種でもある、という読み方が成り立ちます。

ただし、日本の生活者がAIの要約を必ず読むわけではありません。アウンコンサルティングが2026年6〜7月に実施した5カ国調査では、日本は「AIによる概要は読まずに、下部の自然検索結果からウェブサイトにアクセスする」と答えた割合が36.7%で、5カ国中最も高い水準でした。

AIの要約に載ることは接触機会の確保ではありますが、それだけで指名検索や購買が自動的に増えるわけではありません。前段で述べた「AIで名前が出る→指名で検証される」という2段構えの導線は、日本ではとくに後段の設計が効いてくると考えられます。

 さらに構造的なリスクがあります。化粧品では「口コミ・評判の提示」をAIに求める層が40.00%と、全業種の中でも高い水準にありました。AIがレビューを要約して提示するとき、参照されるのは自社LPではなく第三者のレビューサイトやまとめ記事です。

整理すると、こうなります。AIに聞かれにくく、聞かれたときは自社の言葉が使われない。だからこそ、自社LPを「AIが引用できる一次情報」に組み替える意味があります。

AI検索に引用されるLPの構造とは？

AIに引用されるLPは、①ファーストビューで問いに直接答え、②疑問形の見出しの直下に短い回答を置き、③その回答を裏づける検証可能な事実を並べ、④誰が発信しているかを明示し、⑤構造化データで意味をコードに書く。という5つの層で構成されます。順序が重要で、結論を先に置くことがAIに抜き出される前提条件になります。

ファーストビューで問いに答える

従来の単品通販LPのファーストビューは、情緒的なキャッチと商品写真、そしてオファーで構成されるのが定石です。これはCVRのために磨かれた形なので、壊す必要はありません。

加えるのは、「この商品は何で、誰のための、どういうものか」を1〜2文のテキストで書いた要約です。AIが最初に拾うのは冒頭付近のテキストです。ここに商品カテゴリ・主要成分・対象・特徴が入っているかどうかで、引用可能性が大きく変わります。

疑問形の見出し＋100〜150文字の回答パラグラフ

見出しは、顧客が実際にAIへ打ち込む言葉に寄せます。

• • 改善前：「こだわりの製法」
  • 改善後：「原料はどこで、どのように作られているのか？」

そして見出しの直下に、その問いへの答えを短くまとめた段落を置きます。英語圏のAIO実務では40〜60wordsが目安とされますが、日本語に換算すると100〜150文字程度が扱いやすい分量です（本記事による換算値）。

この長さは、AIがそのまま抜き出しても文意が完結する単位でもあります。

書き方のポイントは4点です。

• • 結論を第1文に置く
  • 数値・固有名詞を含める
  • 「〜と言われています」「〜かもしれません」といった曖昧な結び方を避ける
  • 前の段落を読んでいなくても意味が通るようにする（自己完結性）

証拠レイヤー：何を根拠として並べるか

回答を裏づける事実を、回答の直後に置きます。ここが単品通販のLPで最も伸びしろがある部分です。

調査データがこの重要性を裏づけています。AI利用者の86.8%が「参照元URLの提示」を信頼性判断で重要だと回答し、AI回答後に再検索する理由の第1位は「情報の真偽を確認するため」67.1%でした。消費者はAIの回答を仮説として受け取り、一次情報で検証しています。その検証先になるのが自社LPです。

置くべき証拠は次のようなものです。

• • 配合成分名と含有量（数値で）
  • 原料の産地・品種・製法・規格
  • 第三者機関の試験結果・調査結果（実施主体と時期を明記）
  • 受賞歴・認証（機関名と年）
  • 販売実績（累計出荷数、定期継続率など。集計期間を添える）
  • 引用した外部データの出典

出典の明記は、単に誠実であるためだけではありません。AIは情報の来歴を評価します。

「調査によると」ではなく「◯◯調査（2026年、n=800）によると」と書くことが、そのまま引用されやすさにつながります。

誰が発信しているかを明示する

AIは情報の出どころを重視します。運営会社、所在地、連絡先、そして商品開発や監修に関わった人物の情報をテキストで記載します。

監修者を置く場合は、氏名・肩書・所属・専門領域まで書きます。「専門家監修」という表記だけでは、AIから見て検証できる情報になりません。誰が、どういう立場で監修したのかが特定できることが条件です。

これは同時に、特定商取引法上の事業者表示義務とも重なります。コンプライアンス対応がそのままAIOの資産になる領域です。

構造化データで意味をコードに書く

構造化データ（schema.org）は、ページの内容が何であるかをコードで明示する仕組みです。人間が見れば「これはQ&Aだ」と分かる部分を、機械にも同じように伝えます。LPで優先度が高いのは次の4つで、いずれもJSON-LD形式で実装します。

 実装時の注意点があります。構造化データの記述内容と、ページ上に表示されている内容は一致させる必要があります。表示していない内容をschemaにだけ書くことは、Googleのガイドライン違反にあたります。

薬機法を守りながらAIに引用される書き方はあるか？

あります。方針は「効能効果を語る」から「検証可能な事実を語る」への、引用ポイントの移動です。薬機法が制限しているのは、承認を受けていない効能効果の表現です。成分の含有量、原料の産地、試験の実施事実、販売実績、契約条件といった客観的事実は、その制限の対象ではありません。そしてAIが引用したいのは、むしろ後者です。

「書ける事実」を棚卸しする

まず、自社LPで書ける事実を洗い出します。

• • 成分：名称、含有量（mg・%）、配合の根拠となる公開文献
  • 原料：産地、品種、製法、規格
  • 製造：製造所の所在国、取得している認証（GMPなど）
  • 検査：実施した試験の種類、実施機関、実施時期
  • 機能性表示食品の場合：消費者庁に届け出た届出表示、届出番号
  • 実績：発売年、累計出荷数、定期継続率（いずれも集計期間を明記）
  • 評価：受賞歴、掲載メディア、モニター調査の結果（n数と実施時期を明記）
  • 取引条件：価格、定期購入の回数条件、解約方法、返金保証の条件

これらはいずれも数値や固有名詞を伴う、AIが引用しやすい形式の情報です。そして効能効果の表現を一切増やさずに、ページの情報量を増やせます。

曖昧な形容詞を、数値と固有名詞に置き換える

 考え方は単純です。形容詞を、数値と固有名詞に置き換える。これは薬機法上のリスクを増やす方向ではなく、むしろ効能効果への言及を減らしながら情報量を増やす方向の変更です。

顧客がAIに投げる質問をどう洗い出すか？

AIへの質問は、大きく4つの型に分けて洗い出すと網羅できます。効果を疑う質問、他社と比較する質問、不安やリスクを確認する質問、条件や価格を確認する質問です。この4象限それぞれに回答ブロックを用意すると、AIが引用できる自己完結した文章がLP内に揃います。

質問の4象限

英語圏のAIO実務では、複数のペルソナ（技術評価者、予算責任者など）と購買ステージを掛け合わせたマトリクスで洗い出すのが定番です。ただしこれはB2Bを前提とした設計です。単品通販は購買関与者が本人1名であることが多いため、軸を「ペルソナ」から「質問の型」に置き換えたほうが実務的です。

 調査データは、この4象限のうち「比較」と「不安」の比重の大きさを裏づけています。AIに求める情報として「メリット・デメリットの整理」が55.59%で1位、「他社・他商品との比較」が41.86%で2位でした。

ここで重要なのは、デメリットの整理が1位であるという点です。消費者はAIに、良い面だけでなく悪い面も含めた整理を求めています。LPにデメリットや「向かない人の条件」が書かれていなければ、その情報は第三者のサイトから拾われます。

「解約」「返金」を書くほうが引用される

単品通販のLPでは、定期購入の条件や解約方法を目立たない位置に置く設計が長く一般的でした。目先のCVRという観点からは合理的に見えます。しかしAIOの観点では、この判断は不利に働きます。

理由は2つあります。

第一に、顧客がAIに投げる質問の中で「解約できるのか」「回数の縛りがあるのか」は上位に来る問いです。LPにテキストで書かれていなければ、AIは口コミサイトや掲示板から情報を拾います。そこにある情報が正確とは限りません。

第二に、この情報の明示は法令上の要請でもあります。2022年6月に施行された改正特定商取引法により、定期購入契約の申込最終確認画面では、契約期間・回数・支払総額・解約方法などを明示することが義務づけられました。

つまり、法令に沿って条件を明示することは、そのままAIが引用できる事実の整備になります。コンプライアンス対応とAIOが同じ方向を向いている、数少ない領域です。

なお調査では、AIが誤った情報を回答した場合に「その企業・商品への信頼が下がる」と答えた人が約7割に達しました。解約条件を自社が書かないことは、誤情報のリスクを他者に委ねることでもあります。

LPのAIO効果はどう測るのか？

AIOの成果は、従来のSEO指標では捉えられません。見るべきは「AIの回答に自社が言及・引用されているか」「AI経由でどれだけ流入しているか」「競合と比べた露出シェア（SOV）」「どう語られているか（センチメント）」の4点です。GA4とSearch Consoleで部分的に把握でき、残りは専用ツールや手動での定点観測で補います。

見るべき4つの指標

1. 言及・引用の有無：主要な質問をChatGPT、Gemini、Perplexity、Google AIモードに投げ、自社が登場するか、出典URLに自社LPが載るかを確認する
2. AI経由の参照トラフィック：AIサービスからの流入セッションと、その後のサイト内行動
3. SOV（Share of Voice：露出シェア）：同じ質問に対して競合が何回登場し、自社が何回登場するか
4. センチメント：言及されるとき、どう説明されているか。事実誤認が含まれていないか

GA4とSearch Consoleでできること・できないこと

まず、既存ツールでできることです。

• • GA4の参照元レポートで、AIサービスのドメインからの流入を確認する（chatgpt.com、perplexity.ai、gemini.google.com など）。参照元をカスタムチャネルグループにまとめると、継続的に追いやすくなります
  • Search Consoleで指名検索クエリの推移を見る。AIで名前を知った層は指名検索に回る傾向があるため、間接的な指標として機能します

一方、できないことがあります。

• • AIの回答内で言及されたが、クリックされなかった露出は計測できません。AIOでは「引用されたが流入していない」状態が普通に起こります
  • 競合との相対比較（SOV）は取得できません
  • どう語られているか（センチメント）は分かりません

このギャップが、AIOに専用の計測手段が求められる理由です。手動での定点観測でも始められますが、質問数×AIサービス数×更新頻度で工数が膨らむため、継続を前提とするなら計測ツールの導入検討が現実的になります。

なお、AIO計測ツールは可視化できる範囲や得意な領域が製品ごとに異なります。ギャプライズでは、可視化したい指標と実行したい施策に応じて複数のツールから選定する形で支援しています。

誤情報の放置がブランドを削る

計測の目的は、露出を増やすことだけではありません。調査では、AIが誤った情報を回答した場合に「その企業・商品への信頼が下がる」と回答した人が約7割に達しました。

終売した商品が現行品として案内される、旧価格が提示される、実際とは異なる解約条件が説明される。こうした誤りは、自社が気づかないまま消費者に届きます。LPの情報を最新かつ正確に保つことは、露出を取るのと同じくらい防御的な意味を持ちます。

今日から着手できるAIOチェックリスト（LP編）

着手順に並べています。上から3つは、開発リソースをほとんど使わずに着手できる項目です。

まとめ

• • 購買前に生成AIを使う人は44.0%、そのうち74.0%が購買判断に影響を受けている（2025年、n=800）。AIは購買導線の手前に定着し始めている
  • AIの回答を見た後、「何もせず終えた」人はわずか4.4%。AIは終点ではなく起点であり、AIで名前が出る→指名で検証される、という2段構えの導線になっている
  • 単品通販のLPは、画像内テキスト・ドメインの孤立・曖昧な表現・ページの重さという4点でAIから読み取りにくい。いずれもCVR最適化の副作用である
  • 化粧品・スキンケアのAI利用率は29.90%で最下位だが、AI経由の認知定着も最も難しい。レビュー依存度が高かった業種であるほど、AIがレビューを要約する変化の影響を受けやすい
  • 薬機法対応とAIOは両立する。曖昧な形容詞を数値と固有名詞に置き換えることが、法的リスクを増やさずに引用可能性を上げる方向である
  • 改正特定商取引法に沿った定期条件の明示は、そのままAIが引用できる事実の整備になる

最初の一歩は、開発を待たずに踏み出せます。自社LPをブラウザで開き、Ctrl+Fで主要なキャッチコピーを検索してみてください。ヒットしなければ、そのコピーはAIから見えていません。そこがAIOの出発点です。

AI検索での「自社の見え方」を把握したい方へ

AI検索で自社ブランドがどう言及されているか、競合と比べた露出シェアはどうなっているか。現状の可視化から施策設計まで、ギャプライズがご相談を承ります。可視化したい指標や実行したい施策に応じて、最適なツール・体制をご提案します。

よくある質問

Q：AIO、AEO、GEO、LLMOは何が違うのですか？

指し示す範囲が少しずつ異なります。AEOは「AIの回答内で引用されること」に焦点を置いた呼び方、GEOは生成AI全般での露出を対象とする広めの呼び方、LLMOは大規模言語モデルへの最適化という技術寄りの呼び方です。

AIOはこれらを包含する総称として使われます。実務上やることは大きく重なるため、社内では呼称を1つに統一しておくほうが混乱が少ないでしょう。

Q：広告専用のLPもAIO対応が必要ですか？

テスト用に短期間だけ動かすLPは対象外で構いません。判断基準は「そのURLが恒常的に存在し続けるか」です。半年以上運用する主力LPであれば対応する価値があります。一方、クリエイティブ検証のために数週間で入れ替えるLPに工数をかける必要はありません。

Q：画像内テキストはalt属性を書けば代替できますか？

部分的な補助にはなりますが、本文の代替にはなりません。alt属性は画像の説明を短く記述するための仕組みで、数百文字の訴求内容を収める場所ではないためです。引用されたい情報は、本文のHTMLテキストとして持つ必要があります。

Q：AIOの効果はどのくらいの期間で出ますか？

AIサービスが情報を再取得する頻度と、その領域の競争状況によって変わります。構造化データの実装や回答パラグラフの追加といった構造面の改善は比較的早く反映されやすく、外部からの言及蓄積による権威性の向上は時間がかかります。まずは構造面から着手し、変化を定点観測することをおすすめします。

Q：既存LPを改修するのと、新規で作るのはどちらがよいですか？

多くの場合、既存LPの改修が早い道です。疑問形の見出し、回答パラグラフ、構造化データ、発信主体の明示。本記事で挙げた項目はいずれも既存ページへの追加で対応できます。新規作成が必要になるのは、既存サイトのどこにも収まらない質問群が見つかったときだけです。