Queue株式會社與CyberBuzz股份有限公司達成業務合作，開始提供AI搜尋對策顧問服務「AI Buzz Engine」

專注AI搜尋最佳化（LLMO／AI SEO）的Queue株式會社（總部：東京都中央區，代表取締役：谷口 太一），與經營社群媒體行銷事業的CyberBuzz股份有限公司（總部：東京都澀谷區，代表取締役社長：髙村 彰典）達成業務合作，開始提供因應AI搜尋時代的AI搜尋對策顧問服務「AI Buzz Engine（AI 嗡嗡引擎）」。

本服務以生成式AI在評估、引用資訊時的特性——尤其是優先參考數值資料與結構化事實的特性——為基礎進行內容設計，協助企業在AI搜尋上實現被正確認知與推薦的狀態。

■ 提供背景：AI引用的是「可讀取的數值與結構」而非「優質文章」

傳統SEO的核心在於配合搜尋引擎演算法（PageRank演算法）來最佳化關鍵字與連結結構。然而，ChatGPT、Gemini、Perplexity等生成式AI評估資訊的標準與此截然不同。

AI在生成回答時，相較於模糊的定性表達或引人注目的廣告詞，更傾向優先選取在RAG中易於參照的具體數值資料、可比較的事實，以及結構化整理的資訊。因此，僅像傳統SEO一樣「撰寫優質內容」已不足夠，必須對RAG的參照結構進行逆向解析，根據AI選取哪些資訊、如何摘要、在何種條件下引用來設計資訊。要被AI選中，除了資訊本身的品質外，還需以AI能機械性讀取、擷取、比較的格式加以整理。

在眾多企業仍試圖沿著SEO的延伸線上改善內容時，Queue以這個本質差異為出發點，將AI搜尋最佳化定位為獨立的專業領域，並以技術性方法加以應對。

■ Queue的方法：設計並實作「可被AI讀取的資訊」

Queue以長期從事機器學習及LLM開發的工程師團隊為核心。正因深入理解LLM如何獲取、評估資訊，以及選定哪些內容作為引用對象的邏輯，才能提供以下實作服務。

・根據自家公司及服務的實績數值、比較資料、量化優勢，重新設計為易於在RAG上被獲取與參照的資訊結構，打造易被AI選中的內容

・將偏向定性、感性表達的既有資訊，轉換為AI能機械性解讀與引用的事實導向描述，進行有助於消除誤解與負面印象的資訊設計

・以提示詞為起點，設計「應在哪些查詢中、以何種方式出現」，全面最佳化資訊結構

・對AI搜尋上的曝光狀況進行改善前後的實測與驗證，以數值確認改善成效

在自家服務「umoren.ai」中，將ChatGPT、Gemini、Perplexity、Google AI Overviews等主要AI搜尋上企業的曝光狀況即時可視化，在結構性釐清「為何無法出現」後，一條龍支援從策略設計到改善實作及持續改善循環的全流程。

■ 關於「AI Buzz Engine」

「AI Buzz Engine」結合了Queue的LLMO技術與CyberBuzz的社群媒體行銷...