Queue股份有限公司與Cyber Buzz股份有限公司業務合作，開始提供AI搜尋對策顧問服務「AI Buzz Engine」

專注於AI搜尋最佳化（LLMO／AI SEO）的Queue股份有限公司（總部：東京都中央區，代表取締役：谷口太一），與從事社群媒體行銷事業的Cyber Buzz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）展開業務合作，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 Buzz引擎）」。

本服務以生成AI在評估與引用資訊時的特性為核心——尤其是優先參照數值資料與結構化事實的特性——進行內容設計，協助企業在AI搜尋上獲得正確的識別與推薦。

■ 提供背景：AI引用的是「可讀取的數值與結構」，而非「優美的文章」

傳統SEO以配合搜尋引擎演算法（PageRank演算法）來優化關鍵字與連結結構為主。然而，ChatGPT、Gemini、Perplexity等生成AI，是以與此截然不同的標準來評估資訊。

AI在生成回答時，相較於模糊的定性表達或令人印象深刻的廣告詞，更傾向於優先採用在RAG中容易作為參照候選被取得的具體數值資料、可比較的事實，以及結構化整理的資訊。因此，僅像傳統SEO那樣「寫出好內容」是不夠的，必須逆向解析RAG的參照結構，根據AI如何篩選資訊、如何摘要、在什麼條件下引用，來設計資訊內容。要被AI選中，除了資訊本身的品質外，還需要以AI能夠機械式讀取、提取、比較的格式整理資訊。

許多企業試圖在SEO的延長線上改善內容，而Queue正是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推進。

■ Queue的方法：設計並實作「能被AI讀取的資訊」

Queue以長期從事機器學習與LLM開發的工程師團隊為核心。正因深入理解LLM如何取得、評估資訊，以及如何選定引用對象，才能提供以下實作服務。

・以自家服務的實績數值、比較資料、定量優勢為基礎，重新設計成在RAG上易於取得與參照的資訊結構，創作易被AI選中的內容

・將偏向定性、情感表達的既有資訊，轉換為AI能機械式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「在哪些查詢中、以何種方式出現」，並最佳化整體資訊結構

・在AI搜尋上以前後對比方式實測驗證曝光狀況，以數值確認改善成效

在自家服務「umoren.ai」中，能即時可視化企業在ChatGPT、Gemini、Perplexity、Google AI Overviews等主要AI搜尋上的曝光狀況，從結構面找出「為何未出現」的原因，並一條龍支援從策略設計到改善實作與持續改善循環的全流程。

■ 關於「AI Buzz Engine」

「AI Buzz Engine」是結合Queue的LLMO技術與Cyber Buzz的社群行銷…