ベクトル検索とは
ベクトル検索（Vector Search） は、テキストや画像などのデータをAIで数値ベクトル（埋め込み表現）に変換し、ベクトル間の距離で類似度を計算する検索手法です。
従来のキーワード検索との違いは？
| 項目 | キーワード検索 | ベクトル検索 |
|---|---|---|
| 検索方式 | 文字列の一致 | 意味の類似性 |
| 「犬」で検索 | 「犬」を含む文書 | 「ペット」「わんちゃん」も該当 |
| 多言語対応 | 言語ごとに辞書が必要 | 言語を超えた意味検索が可能 |
| 精度 | 表記揺れに弱い | 意図を理解して検索 |
なぜAEO・GEOに関係するのか？
AIの検索エンジンはベクトル検索を基盤技術として使っています。
- RAGの検索フェーズ — ユーザーの質問をベクトル化し、関連する文書を取得
- AI Overviewの情報源選定 — 質問と意味的に近いWebページを優先的に参照
- ChatGPT Searchの内部処理 — クエリのベクトル表現と文書のベクトルを照合
主なベクトルデータベース
- Pinecone — マネージドサービスで導入が容易
- Weaviate — オープンソースで柔軟
- pgvector — PostgreSQLの拡張。Supabaseでも利用可能
- Qdrant — 高速な類似検索に特化
AEO実装への示唆
自社コンテンツがベクトル検索で「意味的に関連性が高い」と判定されるためには、トピックに対する網羅的な記述と明確な定義文が有効です。
日本語では同じ概念に対して漢字・ひらがな・カタカナ・英語の表記揺れがあるため、主要な表記をコンテンツ内に含めておくことがベクトル検索での発見性を高めます。