既存記事を何本読み返しても、そこに書かれていないテーマには気づきにくいものです。想定読者が知りたいことと、実際に公開済みの記事を並べて初めて、抜け落ちているテーマが見えてきます。未カバーのテーマは、既存記事の一覧と読者の質問リストの突き合わせから浮かび上がります。
01この記事でわかること
- 既存記事一覧と想定読者の質問リストをAIに渡し、未カバーのテーマを洗い出すプロンプト
- 入力する情報(既存記事一覧・想定読者の質問リスト)と、得られる出力(未カバーテーマの一覧と優先度)
- 記事同士の重複を探す作業と、この「無いもの探し」がどう役割分担されるか
02結論サマリー
想定読者の質問リストと既存記事の一覧を並べると、書かれていないテーマだけが浮かび上がります。既存記事一覧と想定読者の質問リストをAIに渡せば、質問と記事の照合による未カバーテーマの抽出に加え、Web検索で新たなテーマ候補まで調査させられます。
自社サイトの内容重複を洗い出す別記事もあります(『自社サイトの内容重複ページをAIに洗い出させる実践プロンプト』)。記事間のテーマ重複を洗い出す別記事もあります(『複数記事の重複テーマをAIに洗い出させる実践プロンプト設計』)。競合の記事一覧と突き合わせて「競合にあって自社に無い」テーマを探す方法は、別記事『競合コンテンツをAIに読み込ませギャップ分析する実践手順』で扱っています。これらとは反対に、この記事が扱うのは「まだ存在しない記事」を見つけ出す作業です。
使用AIツール: ChatGPT（Deep Research機能を使います。通常のチャットと異なり、複数の情報源を計画的に調査し、出典つきのレポートとしてまとめる機能です(出典: OpenAI公式ヘルプ、2026年7月時点)。標準のチャット機能を超える機能のため、利用できるプランや回数の制限を事前にご確認ください）
引用されやすい定義文存在しない記事は、既存記事をどれだけ丹念に読み比べても、一覧の中からは決して見つかりません。
03課題の整理（なぜ難しいか）
想定読者が知りたいことのすべてに、自社サイトが答えられているとは限りません。
- 既存記事を1本ずつ読み返すだけでは、そこに「書かれていないこと」には注意が向きにくい
- 想定読者からよく受ける質問をリスト化していても、記事化されているかどうかの照合を毎回手作業でやると時間がかかる
- 記事タイトルやtarget_kwが似ていても、実際には読者の疑問に答えきれていない場合がある
- 自社の記事一覧の中だけを見ていると、業界の動向をふまえた新しいテーマ候補には気づけない
想定読者の質問リストと既存記事一覧の照合は、このプロンプト1本にそのままお任せください。
04プロンプト本体
四半期ごとのコンテンツ企画会議や、新しい記事のテーマを探すタイミングで使います。
あなたはコンテンツ企画を担当するアナリストです。Web検索(Deep Research)を使い、
以下の入力データをもとに、自社サイトで未カバーのテーマを洗い出してください。
■入力データ
既存記事一覧(タイトル・target_kwを含む): 【既存記事一覧】
想定読者の質問リスト: 【想定読者の質問リスト】
自社が扱う事業領域・専門分野: 【事業領域・専門分野】
■調査手順
1. 【想定読者の質問リスト】の質問ごとに、【既存記事一覧】の中にその質問へ
直接答えている記事があるかを照合する。
2. 直接答えている記事が見当たらない質問を「未カバー」として抽出する。
3. Web検索を使い、【事業領域・専門分野】において読者が実際に検索・質問して
いそうな追加のテーマ候補を調査する。
4. 未カバーのテーマごとに、想定される読者の広さ(多くの読者が疑問に持ちそうか、
ニッチな疑問か)を評価し、着手優先度を「高」「中」「低」で付ける。
■出力形式
以下の列を持つ表で出力してください。
| 未カバーテーマ | 想定される質問 | 優先度(高/中/低) | 判定理由 |
表の後に、Web検索で新たに見つかったテーマ候補があれば、【想定読者の質問リスト】
にない項目として区別して1行でまとめること。
■制約
- 【既存記事一覧】にない記事タイトルを、存在するものとして扱わないこと。
- 質問リストにない読者の疑問を追加する場合、Web検索で実際に関連する話題である
ことを確認したうえで提示すること。
- Web検索で確認できなかった項目については、未カバーと断定せず「要確認」と
明記すること。使う変数
| 変数 | 説明 | 入力例 |
|---|---|---|
| 【既存記事一覧】 | 公開済み記事のタイトル・target_kwの一覧 | 「llms.txtとは/llms.txt 設置方法」等(架空例) |
| 【想定読者の質問リスト】 | 読者からよく受ける質問・検索されそうな疑問の箇条書き | 「AI検索対策はいつから始めるべき?」等(架空例) |
| 【事業領域・専門分野】 | 自社が扱う業界・専門領域 | AIマーケティング支援(架空例) |
※入力例はすべて架空の例です。
05出力の見方と分析の観点
出力された未カバーテーマの一覧は、まず優先度「高」の項目から確認します。
- 優先度「高」: 多くの読者が疑問に持ちそうな、間口の広いテーマです。新規記事の企画候補として優先的に検討します
- 優先度「中」: 一定数の読者には刺さるものの、間口はやや狭いテーマです。優先度「高」に着手した後の候補として扱います
- 優先度「低」: ニッチな疑問で、記事化の効果が限定的と考えられるテーマです。無理に記事化を急ぐ必要はありません
未カバーテーマが見つかったら、既存記事との重複がないかも念のため確認します。似た内容がすでにあるのに見落としているだけの場合もあります。その場合は、新規記事ではなく別記事『自社サイトの内容重複ページをAIに洗い出させる実践プロンプト』で本文を照合したほうが早く解決します。
未カバーテーマを新規記事として追加する際は、単発で公開するだけでなく、既存記事群とどう内部リンクでつなぐかも合わせて設計すると効果が高まります。具体的な手順は、別記事『内部リンク設計でトピッククラスターを作る方法｜実装6ステップ』で解説しています。
06応用パターン
応用1: 競合サイトのテーマ一覧も比較材料に加える
【既存記事一覧】に競合サイトの記事タイトル一覧を追加します。「自社と競合の両方でカバーされていないテーマを別枠で示してください」と指示を加えれば、業界全体で手薄なテーマまで見つけられます。
応用2: 未カバーテーマをそのまま記事企画表に変換する
■出力形式に「テーマごとに想定するtype(A〜G)とtarget_kw案を1つ添える」と指示を加えれば、企画会議にそのまま持ち込める形式で出力させられます。
07注意点
Deep Researchの調査結果は、Web検索で実際にヒットした情報にもとづきますが、検索クエリの立て方によって見つかる話題の範囲が変わります(2026年7月時点)。1回の実行で見つからなかったテーマが、必ずしも存在しないとは限りません。
AIの出力には誤りが含まれる場合があります。特に「未カバー」と判定された項目は、そのまま信じず既存記事一覧を実際に検索して再確認してください。
自社の未公開の企画中テーマや、社外秘の事業戦略を含む入力データを扱う際は、利用中のAIサービスの法人プラン・データ学習利用設定を事前に確認してください。
調査結果を編集フローに組み込む場合や、自動化して大量に実行する場合は、利用しているAIサービスの利用規約の範囲内で行ってください。
AIの回答は実行のたびに揺らぎ、同じ入力データでも見つかるテーマ候補や優先度の判定が変わることがあります。重要な企画判断の前には、複数回実行して共通して挙がるテーマを優先することをおすすめします。
08FAQ
Q. Deep Researchが使えない場合、このプロンプトは実行できませんか?
既存記事一覧と質問リストの照合部分だけであれば、通常のチャット機能でも実行できます。ただし業界動向をふまえた新規テーマ候補の調査は、Web検索機能がないと十分な精度が出ません。
Q. 想定読者の質問リストは、どうやって集めればいいですか?
CS・営業への問い合わせ内容や、セミナーでの質疑応答、SNSでのコメントなどが手がかりになります。ゼロから作る場合は、少数でもまず思いつく範囲で書き出し、実行を重ねながら追加していく進め方をおすすめします。
Q. 未カバーテーマが多すぎて手がつけられない場合はどうすればいいですか?
優先度「高」のテーマだけに絞り込み、着手できる本数の目安を■調査手順に加える形でプロンプトを調整すれば、現実的な件数まで絞り込めます。
09この分野を体系的に学ぶ
この記事は実践プロンプト記事です。サイト構造やトピッククラスター設計の観点を基礎から体系的に学びたい方は、AI検索最適化講座「テクニカル編: サイト構造・レンダリング・速度（III-D）」をご覧ください。
