Googleのきれいごとを暴く！　YMYL（ユアマネーユアライフ）とは何だったのか。Google検索を悪用する業者に騙されるな！【日本財務戦略センター独自調査】

[公式声明]  Google は YMYL を厳格に AI 評価している
                        ↓
[本研究観察]  実際の AI 評価は、検索分野によって 56 点も変動する
              業者が「医療法人っぽい雰囲気」を作るだけで、
              違反検出が大幅に緩む（同じ違反内容でも 37 点差）
                        ↓
[結論]  公式声明と実装実態には、明確な乖離がある

【研究宣言】中立性と法的位置付け

本記事は独自の観察研究であり、特定企業の業務妨害・誹謗中傷を意図したものではありません。

研究目的

Google が公式に発信している「YMYL コンテンツは AI が厳格に評価します」「検索結果は中身を読み込んで判定します」という宣言と、実際の検索アルゴリズム・AI 評価器の挙動の間に、観察可能な乖離があるかどうかを、独自の検証実験で確認することです。

本研究のスタンス

• 中立的観察研究：観察事実と推論を明確に区別し、推論には「仮説」「示唆」「可能性」と明示
• 法令遵守:医療広告ガイドライン（厚労省）、景品表示法、不正競争防止法、業務妨害禁止規定等の法令に沿った範囲で実施
• 反証可能性の明示:科学的研究の作法に従い、本研究の仮説を否定する条件を予め宣言（後述「反証可能性宣言」セクション）
• 個社特定情報の匿名化：業者 A・業者 B 等の匿名表記で参照。公的機関のみ実名で外部リンク
• 利用者保護目的:観察結果を利用者の判断材料として提供し、学術的議論への寄与を目指す

本研究の射程と限界

本記事の結論は Gemini Web 上の観察に基づくもの であり、特定の検索エンジンのランキングロジックを直接検証したものではありません。AI 評価市場全体の構造的限界に関する公正な研究報告として読まれることを意図しています。

📊 本研究データのダウンロード（無料）

個社特定情報を匿名化した集計データセット（Excel・複数シート）を、研究目的・自社改善目的の方に無料で提供しています。

• SERP 観察集計（217 記事 × ジャンル別違反密度）
• LLM 評価マトリクス（339 評価の全数値）
• クエリ全文（医療系 50 ＋ M&A 8）
• 観察記録（Phase 別取得時刻、評価モード別実施日）

※ 米国の第三者サイトにエビデンス保管済（改ざん不能）
※ 公開済データセット一覧、近日 PDF 学術版（DOI 付与予定）

結論の根拠（詳細は後述）

本研究で観察された主要な根拠を、まず箇条書きで提示します。各項目の詳細データと検証方法は、② 中核論証および ③ 詳細実証で展開します。

• YMYL 4 領域で AI 評価感度に最大 56 点の差が観察された

  • 保険診療：がん -68.3 点 / 糖尿病 -65.0 点
  • 自由診療・医療法↗人主体：二重整形 -11.7 点
  • 同じガイドライン違反を埋め込んでも、領域別に検出感度が大きく異なる

• 自由診療領域内で「権威性プロファイル偽装」だけで 37 点差

  • 商業 SEO トーン（医療脱毛）：-48.7 点
  • 医療法人主体のトーン（二重整形）：-11.7 点
  • 「医師監修風」「学会引用風」「公式風レイアウト」を作るだけで、違反検出が大幅に緩む

• Pro モード（Deep Think）でも領域順位は完全一致

  • がん > 糖尿病 > 医療脱毛 > 二重整形 の順序は Flash / Pro 共通
  • LLM の構造的バイアスはモード切替では解消されない可能性

• 糖尿病のみ Pro で逆転（特異点）

  • Flash -72.3 vs Pro -65.0 と、他領域と逆の傾向
  • 仮説 X1：業者の量産記事が AI の学習データを汚染し、商業トーンを「標準」と認識させている可能性

• AI 評価市場全体の構造的限界

  • Google だけではなく、AI を品質評価に使う全プラットフォーム（検索エンジン、SNS、AI 検索、レコメンド）に共通する構造
  • 検索利用者は Google に課金していないため、公式声明と実装実態の乖離が利用者保護の論点となる

M&A 経営者にとっての含意

M&A の現場で会社の価値を算定する際、その会社の Web サイトが「Google 検索で上位にいるから事業価値がある」と評価することは、いかに脆い前提か。 本研究はそこに切り込むものです。

Web 資産バリュエーションを「SEO 順位の安定性 = 事業価値の安定性」と単純に評価していると、アルゴリズム更新一発で評価が崩れる可能性があります。本研究の発見は、M&A 仲介現場で 業者の SEO テクニックが企業価値評価を歪めている実態 を、独自の 339 評価マトリクスで実証検証したものです。

用語解説（本記事で頻出）

具体的には、以下の現象が確認されました。

自由診療（医療脱毛・二重整形）と保険診療（がん・糖尿病）の 4 領域比較で、同じ違反ブロックを末尾に詰めた場合の EEAT 減点幅が以下のように分かれた：

• 保険診療：Pro モードで -65 〜 -68 点減（厳格）
• 自由診療・商業 SEO：Pro モードで -49 点減（中程度）
• 自由診療・医療法人主体：Pro モードで -12 点減（軽い）

同じガイドライン違反ブロックを記事に埋め込んでも、領域判定によって AI の検出感度が 最大 56 点 変動する。これは「Google が領域別に評価コストを最適化している」のみならず、「権威性プロファイル偽装で違反検出を回避できる構造的バイアスが LLM に内在している」ことの強い傍証です。

主要データサマリ

本研究を 4 つの数字でたどると、「観察 → 実証 → 発見 → 含意」のストーリーが見えてきます。

つまり：217 記事を観察し → 339 回の AI 評価を独自実施し → 領域差 56 点を発見し → そのうち 37 点は「医療法人っぽさ」で説明できることが分かった、という流れです。

背景：なぜこの実験をしたのか — 「誘導する仲介」シリーズの一環として

過去の Blog「美容医療業界の SEO 戦場観察 2026」では、業界横断で DR（ドメインレーティング）と検索順位の相関が弱いことが判明しました。

では、Google が「DR や被リンクではなく、何で上位判定を下しているのか？」という問いに対して、業界では「EEAT の充実度」という答えが流布しています。

しかし、EEAT の測定方法や Gemini 等の LLM による自動評価の信頼性を、私たち自身が検証したことはありませんでした。

本実験は「EEAT 評価そのものが信頼できるのか」を問い直すものです。

本研究の最大の動機：「誘導する仲介」の存在可能性検証

ここで重要なのは、医療分野は YMYL（Your Money or Your Life）の中でも 最も規制が厳しい領域 だという事実です。厚労省の医療広告ガイドラインが明確に存在し、医療法人には法的責任が伴い、業界協会も監視機能を持っています。

それでもなお、本研究で観察されたように、医療系記事ですら LLM 評価器を「権威性プロファイル偽装」で欺くことが可能 だとすれば——M&A 仲介業界のように、業界規制が遥かに緩く、利用者リテラシーも分散している領域 では、同様の手法が遥かに大規模に蔓延している蓋然性が高いと推定できます。

日本財務戦略センター では、こうした「中立を装いつつ利益相反のある主体が、検索 SEO を通じて利用者を一方的に自社誘導する構造」を 「誘導する仲介」 と呼び、シリーズ研究として継続的に警鐘を鳴らしています。

本研究の論理連鎖：

つまり、本研究の 「EEAT 評価そのものを問い直す」 という命題は、単なる SEO 業界の話題ではなく、M&A 仲介を含む YMYL 全領域における利用者保護 の問題に直結します。これが「誘導する仲介」シリーズの中核問題意識です。

本研究は、その仮説検証の第一弾として「医療分野でクローラー欺瞞が可能であること」を実証することで、より規制の緩い M&A 仲介領域での「誘導する仲介」の存在可能性を 間接的に示唆する ものです。

実験の設計思想

1. 医療広告ガイドライン違反ブロックを意図的に本文に埋め込む
2. 違反を「配置」「タイトル表現」で変動させ、LLM（Gemini Pro）の評価がどう変わるかを観察
3. 同じ違反条件でも「領域別（自由診療 vs 保険診療）」「言語モデルモード（Flash vs Pro）」で判定が変わるかを検証
4. もし評価が条件で大きく揺らぐなら、「EEAT 評価自体がロバストでない」という結論が導かれる

5 つの実験段階

本記事の証拠は、以下 5 段階で取得しました。

中立スタンス宣言

本記事は「Google 批判」ではなく、「仕組みの限界を観察する報告」です。

AI クローラーがコストの制約で、YMYL 領域ごとに評価精度を変えることは、技術的には合理的な判断です。無限リソースで全ページ完全評価することは不可能ですから。

ただし、検索利用者にとって本質的な論点は別にあります。Google は公式に、以下のように発信しています：

• 「YMYL（命と金に関わる）コンテンツは、AI が厳格に評価する」（Google Search Quality Rater Guidelines, September 2025 改訂版）
• 「検索結果は AI が中身を読み込んで判定している」（Google I/O 2026: AI Mode を Gemini 3.5 Flash で全世界展開）

これに対して、本研究で観察したのは、実際の AI 評価が領域別に大きく変動し、業者の権威性プロファイル偽装で違反検出が緩むという実態でした。

公式声明と本研究の観察結果の間に乖離があるとすれば、この乖離は無料利用者にとって看過できない問題です。命と金に関わる情報（YMYL）を検索した利用者が、AI 評価をくぐり抜けた業者の偽装記事を信じて、医療判断・投資判断・M&A 判断で損害を被る可能性があるからです。

本記事で分かること

• 医療系違反の SERP 上位における自然発生的なパターン（商業誘導系 vs 情報照会系、ジャンル別）
• LLM による EEAT 評価が「配置」「タイトル」「領域」で揺らぐ度合い
• 業者の EEAT 装備がなぜ M&A 仲介等の YMYL 弱領域で機能するのか
• Google の二重構造（公表基準 vs 実装差別化）の可視化

本研究の位置付け（重要な注記）

本研究は 観察研究 であり、統計的厳密検証ではありません。

• SERP 観察 n=217 / LLM 評価マトリクス n=240（4 領域×反復 3 回×2 モード）/ M&A 補強観察 n=40
• これらは「探索的観察〜予備的実証」に分類される規模であり、決定的な証明ではなく 構造的パターンの強い示唆として読まれるべきものです
• ただし、観察された数値の差分は十分大きく（医療美容 vs がんで EEAT 24 点差、Flash vs Pro で 32 点差）、偶然では説明困難な構造的パターンを示唆しています
• 本格的な統計検証には n=300+ が必要であり、これは今後の研究課題として残ります
• 本記事の主張は「Google アルゴリズムの公式声明と実装実態の乖離を観察した」ものであり、Google 批判を意図したものではなく、利用者が判断材料を持つための公正な観察報告です

② 中核論証

仮説 v3：Google の領域別コスト最適化

前回の Blog 検証から、私たちは以下の仮説を立てました。

Google は YMYL レベルに応じて、AI クローラーのコスト配分を変えている。保険診療（緊急性・公的規制強度が高い）= Pro 級厳格処理。自由診療（市場規模小・規制は緩い）= Flash 級手抜き処理。M&A 仲介・SEO 業者の言説領域（YMYL 最弱）= 最低限処理。

この仮説の背景には、Google が公に発表した「EEAT 基準」と、実際の検索結果の乖離があります。

Google は 2023 年に「E-E-A-T（Experience, Expertise, Authoritativeness, Trustworthiness）」を YMYL 評価の中核に据えると宣言しました。しかし現実の SERP には、EEAT が不十分なページが堂々と上位に残っています。

特に医療分野では、「治る」「永久脱毛」「100% 確実」といった医療広告ガイドライン明確違反が、検索上位で野放しになっています。

なぜこのようなことが起こるのか。考えられる説明は 2 つです：

1. Google が本当に EEAT を評価していない（公表と実装の乖離）
2. Google が YMYL を段階的に評価し、領域別にコストを配分している（本仮説）

本実験では、仮説 2 を検証します。

仮説 v3：Google の領域別コスト最適化の詳細

AI クローラーは無限リソースを持ちません。数十億ページをクロール・分析する際、「どのページに何時間かけるか」という最適化問題が発生します。

Google が取りうる戦略は以下の通りです：

戦略 A：全ページ均等評価
– 最も公平だが、計算コストが莫大
– 現実的ではない（推定コスト年 1000 億ドル超）

戦略 B：YMYL レベル別コスト配分
– 保険診療（公的規制強い）：Pro 級評価（Deep Think 的、時間かけて精密評価）
– 自由診療（規制中程度）：Flash 級評価（高速だが粗い）
– M&A 仲介（規制最弱）：最低限評価（実質スキップ）

Google が採用している可能性が高いのは戦略 B です。なぜなら：

• 市場影響の大きさで評価リソースを配分するという判断は経営的に合理的
• 緊急性・規制強度で優先度をつけることは社会的責任とも一致
• 実装複雑度と効果のバランスから見て、3 段階分類（Pro / Flash / 最小）は現実的

この仮説は、以下 3 つの観察から支持されます。

観察 1：業界横断 DR の中央値が驚くほど低い — Google の信号選別

Layer 1：観察事実

要点： 医療法人クリニックの DR 中央値は 34–35、医療系協会 ASSOCIATION は DR 78。同じ業界内で個別法人と公的団体に 40 点以上の差。

前回セッションで取得した業界別データです。

重要な観察：

医療法人クリニックの自社ドメイン（BRAND）は DR 34～35 という驚くほど低い値です。これは「Google が医療クリニックに対して被リンク価値を低く見ている」か、あるいは「医療クリニックは被リンク獲得戦略を軽視している」ことを示唆します。

一方、クリニック協会（ASSOCIATION）は DR 78 と跳ね上がります。公的性・集約性が評価される。

この観察から、Google は医療領域で「個別ドメイン < 公的協会」という明らかな順序付けをしている可能性が高いと推定できます。

この順序付けが意味するもの：

• 医療領域は「個別の営利法人の情報より、公的機関・集約情報を優先する」という Google の意思が明白
• 同時に、個別クリニックが被リンク獲得に乏しい原因は、医療業界のコンプライアンス↗厳格化（不適切な LINK 交換禁止等）にあると考えられる
• つまり、Google は「医療領域では被リンク信号そのものが信頼できない」と判定している可能性がある

このロジックを拡張すると、Google が医療領域に対して「Pro 級評価を配分する」理由が見えてきます。被リンクが信頼できないなら、コンテンツ本文の質（EEAT）を直接評価する必要があり、その評価には計算コストが嵩むのです。

これが領域別コスト最適化の最初の傍証です。

業界横断の DR と検索順位の関係性については、「Google 上位＝信頼できる会社なのか？　宅建 3,509 社・M&A 仲介 20 社の SEO/DR/アルゴリズム実証調査」で 3,500 社規模のデータと共に検証しています。

観察 2：SERP 観察での「長文違反希釈」パターン

Layer 1：観察事実

要点： 商業誘導系（おすすめ・ランキング）の上位記事は 14,927 字、違反 4.71 個／記事。情報照会系の倍以上の文字数で違反密度を下げている。

50 クエリの SERP 観察（n=217 記事）で、以下の逆転現象が見られました。

パラドックス：絶対数では「商業誘導系の違反が多い」ですが、文字数当たりの密度では「情報照会系の方が違反濃度が高い」です。

これは何を意味するか。商業誘導系の上位記事は意図的に「長文化することで違反を希釈している」可能性があります。

違反を長文で埋もれさせれば、LLM の read-through 率が低下すれば、評価で検出されない——この戦略が SERP 上位記事に蔓延しているのです。

観察 3：ジャンル別の違反パターンの階層化 — YMYL 最厳格領域での野放し

Layer 1：観察事実

要点： 脂肪吸引 7.36 / 医療脱毛 6.58 vs 二重整形 0.57 / 胃がん 1.10。10 倍以上の違反数差を観察。

10 ジャンルの違反統計です。重要なのは、この階層化が「Google の評価資源配分」を逆算させることです。

重要パターン：

• 保険診療（がん・糖尿病・腰痛）： 短文なのに違反密度が高い（0.6～0.7）→ 商業医療法人の利益優先
• 自由診療（脂肪吸引・医療脱毛）： 長文化で希釈傾向（0.3～0.4）→ SEO テク意識が高い
• 公式医療法人（二重整形）： 違反ほぼゼロ（0.04） → ガイドライン遵守徹底

この階層は、Google の「評価厳格度の領域別配分」を逆算させます。

二重整形（違反最少）が最も Google に守られ、うつ病・糖尿病（違反密度最高）が野放し状態。 つまり、「緊急度・公的規制が低い領域ほど、Google のクローラーコストが低い」という仮説の傍証です。

観察 4：4 領域マトリクスで判明した 2 軸構造（メイン論証）

Layer 1：観察事実

要点： 4 領域 × 配置 × タイトル × モード = 192 評価。Pro モードで保険診療 -65〜-68 点、自由診療・医療法人主体は -12 点。最大 56 点差。

本実験のメイン論証は、YMYL 医療領域内の 4 領域対比で構成しました。自由診療 2 領域（医療脱毛・二重整形）と保険診療 2 領域（がん・糖尿病）。

各領域にベース記事を用意し、同じ 5 種違反ブロックを末尾に詰めて Gemini Web で評価（Flash モード + Pro モード両方、各条件 3 反復）。Pro 評価は 5/21 02:00-02:22 JST に実施。

結果を視覚化すると — AI（Gemini Pro）の違反検出感度マップ

読み方：

• 右に行くほど「AI が違反を見逃しやすい」領域
• 保険診療（がん・糖尿病）は AI が厳しく判定
• 自由診療（医療脱毛・二重整形）は AI が緩く判定
• かつ自由診療内では、医療法人っぽい記事ほど検出が緩い（37 点差）

メイン 4 領域：T1 baseline vs B-下 (末尾配置) の EEAT 差

結論：2 軸構造が明確に観察された

軸 1：YMYL レベル（Google の領域別コスト最適化）
– 保険診療：Pro -65.0 〜 -68.3 点差（厳格判定）
– 自由診療：Pro -11.7 〜 -48.7 点差（緩い判定）

軸 2：権威性プロファイル（同 YMYL 内の対比）
– 自由診療内：商業 SEO（-48.7）vs 医療法人主体（-11.7）→ 37 点差
– 保険診療内：公的優位（-68.3）vs 商業侵食（-65.0）→ ほぼ同等（3 点差）

つまり、自由診療領域では「医療法人っぽい記事構造」を作れば違反検出が大幅に緩む（37 点も）。一方、保険診療領域では権威性偽装の効果はほぼ消える（3 点）。

【特異点の発見】糖尿病だけが Pro モードで「言い訳」が通じた

メイン 4 領域の Flash vs Pro 比較を「差分（Pro – Flash）」で見ると、極めて興味深い特異点が観察されます。

糖尿病だけが、Pro モードに切り替えた方が減点幅が縮小する——他 3 領域すべてが「Pro の方が厳格化」する中で、糖尿病だけ逆転する現象。これは本研究で最も知的にスリリングな特異点です。

帰納的推論：なぜ糖尿病だけが Pro で「通った」のか

Layer 4：データ汚染・ロバストネス仮説

考えられる仮説は 3 つあります。

仮説 X1：商業侵食による LLM 学習データの汚染

糖尿病領域は、サプリ・民間療法・ステマ記事・「血糖値が下がる○○」式の商業誘導記事が SERP に大量に流入している領域です。これらが Pro モード（Deep Think）の学習データに大量に含まれていると、Pro は「商業トーンの糖尿病コンテンツ」を 「標準の医療コンテキスト」と認識してしまう可能性があります。

つまり、Pro が糖尿病領域で「これは普通の糖尿病記事だ」と誤認し、ベース記事の「公的トーン × 違反詰め」のミスマッチを Flash ほど鋭く検出できなかった——という解釈です。

仮説 X2：Pro の文脈統合過剰

Pro = Deep Think は文脈を深く読みすぎるため、「糖尿病という疾患の重大さ」と「違反表現の軽さ」を統合解釈し、「商業誘導意図はあるが、患者を実害から守る情報も含む」と Flash より複雑で穏当な総合評価を出してしまう可能性。

仮説 X3：評価器ノイズによる偶然

各セル n=3 反復、評価器ノイズは ±5–10 点と本研究で観測されています。+7.3 の逆転はノイズ範囲内の偶然である可能性を完全には排除できません。

この特異点が示唆する深層 — 一言で言えば

読み込んで中身を判定するという Google の AI 判断ですら、業者の量産記事に騙されて、かいくぐられてしまっている。

これが仮説 X1 が示唆する深層です。もう少し噛み砕いて説明します。

噛み砕いて言うと

AI（Gemini）は、世界中のウェブ記事を読み込んで学習し、「これが標準的な糖尿病記事だ」というイメージを作っています。ところが糖尿病の検索結果には、サプリ業者・民間療法業者・健康食品業者の記事が大量に紛れ込んでいます。

すると AI は、「業者の宣伝記事が混ざった、商業的なトーン」を「糖尿病記事の標準」だと勘違いして覚えてしまいます。

その結果——本研究で実験的に「公的な厳格トーンの糖尿病記事」を作って違反を埋め込んだところ、Pro モードの AI は「あれ？このトーン、業者の宣伝記事よりちゃんとしてるな……問題ない記事に見える」と判定してしまったのです。

つまり：

業者の量産記事 → AI の学習データに大量流入
            ↓
AI が「業者トーン」を標準として覚える
            ↓
本物の医療記事に違反を埋め込んでも検出できない
            ↓
業者の宣伝記事の方が、AI 評価で「自然」になる

これは個別記事の評価バイアスを超えて、AI 評価市場全体の構造的危機を示唆します。業者の量産記事が SEO 上位を取るだけでなく、AI の判断基準そのものを内側から歪めている——という、もう一段深い問題です。

ハック戦略の進化（推定）

[第 1 世代] LLM の評価を「回避する」
  違反を希釈する、配置を工夫する、長文化する
  → AI が読みにくくする戦略

[第 2 世代（推定）] LLM の評価基準「そのものを汚染する」
  業者記事を大量に量産して SERP を埋め尽くす
  → AI の学習データに混入させる
  → AI が「これが普通」と覚える
  → 本物の評価基準が業者寄りに歪む

第 1 世代は「AI を騙す」戦略でした。第 2 世代は「AI に何が普通かを刷り込む」戦略です。後者の方が本質的に危険で、対策が困難です。

ただし、これは観察事実から導かれた 帰納的仮説 であり、Google や Gemini の学習データそのものを直接検証したわけではありません。今後、複数の AI（GPT、Claude 等）での交差検証や、時系列追跡（3 ヶ月後・6 ヶ月後の再実験）で、仮説 X1 の妥当性を更に検証していく予定です（詳細は「次の実験計画」セクション参照）。

補足図解：従来 SEO と LLM 時代の評価構造

従来は「順位 → 流入」の単線でしたが、LLM 時代は 「retrieval 可能性」と「citation 抽出されやすさ」 が評価軸の中心に。本研究の Layer 1（観察事実）の分離は、後者の引用耐性に直結します。

仮説 v3.2：権威性プロファイルとのミスマッチ度

Layer 3：LLM 評価レベルの解釈仮説

ここから導かれる新仮説：

Gemini は記事構造（H2/H3、引用、監修者、トーン）から「権威性プロファイル」を推定し、違反表現とのミスマッチ度で評価感度を変えている。ただしこの効果は YMYL レベルが弱い領域（自由診療）でのみ顕著で、保険診療領域では権威性偽装は通用しない。

[ベース記事の権威性プロファイル × 違反詰め × YMYL レベル]

がんベース記事：公的トーン × 違反詰め × 保険診療
  → YMYL 強 + ミスマッチ → 厳格判定（Pro -68 点）

糖尿病ベース記事：商業侵食トーン × 違反詰め × 保険診療
  → YMYL 強 + 一定の文脈整合 → 厳格判定（Pro -65 点）
  ※保険診療では権威性偽装の効果が薄い

医療脱毛ベース記事：商業 SEO トーン × 違反詰め × 自由診療
  → YMYL 中 + ミスマッチ少 → 中程度判定（Pro -49 点）

二重整形ベース記事：医療法人公式トーン × 違反詰め × 自由診療
  → YMYL 中 + 文脈整合誤判断 → 違反スルー（Pro -12 点）

Pro モードでも同パターン再現 = LLM の構造的バイアス

Flash と Pro を対比すると、Pro の方が一般的に検出感度が高い（差分が大きい）が、4 領域の相対順位は完全に一致：

がん > 糖尿病 > 医療脱毛 > 二重整形（Pro / Flash どちらでも同順）

つまり、Pro = Deep Think に切り替えても、自由診療領域の権威性偽装は通用してしまう。これは 「Pro モードへの統一が進めば領域別差別が是正される」という素朴な期待への反証である。

LLM 自体の構造的バイアスは、モード切替では解消されない。 Google が将来 Pro 級評価への統一を進めても、権威性偽装による違反スルー現象は残る可能性が高い。

この仮説の含意

業者は「医療法人風の権威性プロファイル」を巧妙に真似た記事構造を作れば、自由診療領域では違反表現を埋め込んでも Gemini（および Google AI クローラー）に検出されにくい。

つまり、悪徳業者の戦略は 「プロファイル偽装 × 違反希釈 × 領域選択」 の三段構えです。

逆に、保険診療領域では権威性偽装が効かないため、業者の侵食は SEO ハックではなく別の手段（広告・テレビ・口コミ等）に頼らざるを得ない。

本研究の倫理的スタンス：これらのハック手法を JFSC は推奨しません

本研究は業者の「プロファイル偽装 × 違反希釈 × 領域選択」の三段構えを観察・分析しましたが、日本財務戦略センター（JFSC）はこれらのハック手法を一切推奨しません。理由は次の 3 つです。

1. 短期的成功・長期的失敗：Google のコアアップデート（SpamBrain 強化等）で順次無効化される。業者 B のライフサイクル（第 3 期：経営選択肢の限定）が示す通り、ハック戦略の賞味期限は確実に終わる。
2. 利用者保護への加害：YMYL 領域でのハックは、命と金に関わる情報で利用者を実害に晒す。これは倫理的に許容されない。
3. JFSC のブランド軸との不整合：JFSC は「業者警戒の同伴者」であり、「業者と同じ土俵で SEO ハック競争する側」ではない。

本研究の目的はあくまで 「Google アルゴリズムの構造的欠点を観察・公開し、利用者の判断材料を提供する」 ことに限定されます。ハック手法の言語化は、業界実態の暴露と利用者自衛のためであり、悪用を意図したものではありません。本質的なホワイトハット運営（誠実な情報提供）こそが、長期的に勝つ唯一の戦略と考えています。

これが、保険診療領域では公的サイト（厚労省、がん情報サービス、学会等）が SERP 上位を独占している実態の説明にもなります。

M&A 仲介業界における「誘い込む仲介」と「公開する仲介」の対比については、「業界 20 社 SEO 戦略 ── M&A 仲介の『誘い込む仲介』と『公開する仲介』を読み解く JFSC 業界研究 2026」で 20 社の戦略マッピングを公開しています。

参考：非 YMYL 領域での補強観察

同じ実験設計で非 YMYL 領域（ガーデニング）も観察しました。結果は Pro -11.0 点 / Flash -24.7 点で、自由診療（二重整形）と近い水準でした。ただしガーデニングは種苗法・農薬取締法・肥料取締法・景表法等の規制があり「完全な非 YMYL」とは言い切れないため、本観察は参考データとして APPENDIX に格納します。完全非 YMYL 領域（趣味・文芸等）での追加検証は今後の研究課題です。

思想的コア：EEAT の「正」と「負」

ここまでの観察から、日本財務戦略センター が採用している思想的コアを先に明示します。これが本記事全体を貫く軸です。

通常の EEAT 構築は「いかに自社の専門性を高く見せるか」という加点競争です。これを 「EEAT の正」 と呼びます。

日本財務戦略センター が取るのは、これとは異なる戦略です。「いかに業界の嘘を暴くか」 という減点戦略——これを 「EEAT の負」 と呼びます。

「EEAT の負」戦略は、短期的には「不安を与える」ように見えます。しかし、読者（経営者）にとっては、「このアドバイザーは本当のことを言ってくれる」という信頼が最強です。

仲介の一方的セールストークではなく「自分で考える環境」を提供する立場の詳細は、「M&A メリット デメリット — 仲介の一方的セールストークで判断するな」で展開しています。

なぜなら、業者は「不都合な真実」を語れない構造的制約があるからです。利益相反開示、案件失敗の公開、相場の不確実性——これらを率直に語ることは、業者の営業活動を直接損ねます。だから、業者には到底できない。

日本財務戦略センター は M&A 仲介を本業としていますが、本記事の主要論点は「業界全体の構造的問題の解明」であり、特定業者の競争優位削減を目的としていません。利用者（M&A 経営者）が業者選定で適切な判断材料を持てるよう、観察事実を公開することが本記事の目的です。

日本財務戦略センター の戦略的差別化（核心論）

ここからは論点を M&A 仲介領域に移します。

なぜ仲介業者の EEAT 装備が機能するのか

世間の SEO 業者は「EEAT を充実させれば Google が評価する」と説きます。確かに医療領域では一定の効果があります。

しかし M&A 仲介領域はどうか。同じ YMYL でも、以下の点で医療よりも Google の評価コストは明らかに低い：

1. 緊急度が低い：「今週中にがん治療を決めよう」と違い、M&A は「1 年単位の慎重判断」
2. 公的規制が弱い：医療は厚労省ガイドライン＝強制力がある。M&A は金融庁・M&A 支援機関登録制度だが運用緩い
3. 取引額が大きい：個人の医療費（最大数百万）と違い、M&A は数千万～億単位。逆説的に「ハイリスク = Google の責任回避志向が高まる」と考えられるが、実データでは逆

結果として、M&A 仲介領域では「EEAT の充実 = 上位化」という単純な関係が成立します。

仲介業者の「悪徳ムーブ」構造

業界で観察される典型的な戦略：

① 前半でクリーン EEAT を稼ぐ
– 「M&A のプロセス解説」「業界知識」など、違反なし・参考価値あり
– 読者の信頼を獲得

② 中盤で読者教育
– 「適切な仲介会社選びが大事」「複数社比較が必須」
– 相場観・専門性の演出（実際は架空データも混在）

③ 末尾で誘導はめ込み
– 「わが社がこれらの条件を全て満たします」
– リード獲得フォーム

問題は、長文化した中盤の「教育パート」が、実は誇大広告や利益相反開示不十分であっても、クローラーの注意配分が薄くなる傾向にあるということです。

SERP 上位の M&A メディア（仲介業者運営）の現状分析では、次のパターンが確認されました：

「業者 A は、自社ビジネス（案件紹介）と並行して『中立的な M&A 情報メディア』を複数のドメインで運営し、検索結果上位を多重占拠している。読者は『第三者による客観的比較情報』と認識しているが、実態は仲介業者の自社誘導である。」

（注：以降の本文では、本実験で観察された個別事例を「業者 A」「業者 B」等の匿名表記で参照します。固有名詞は公的機関・公式情報源のみ、本文中の外部リンクで案内します。）

M&A 仲介業界の「悪徳ムーブ」具体例については、「M&A 仲介の闇！事業・引継ぎ支援センターに忍ぶ悪徳仲介」で詳細を展開しています。また、業者の高額手数料・利益相反構造については「M&A 仲介コンサルタントの『年収 2,000 万超』と『高い手数料』」で有報・IR データに基づく検証を公開しています。

この戦略が成功する理由は、短期間の上場まで到達したケースも存在することから、「Google の検出感度が YMYL 弱領域で著しく低い」ことを示唆しています。

日本財務戦略センター はこの状況でどう戦うか：質への賭けの根拠

日本財務戦略センター が取り組むべき差別化軸は、「EEAT ハックへの対抗」ではなく、「真の質」です。

「日本財務戦略センター は質で勝負している。」

具体的な取り組みの例：

1. クライアント実績の透明開示
2. 「成功事例」だけでなく「失敗事例」も同じプロミネンスで公開
3. 各案件の詳細なプロセス（交渉期間・複数回の揺り戻し等）を記録

4. 相場との乖離を分析し「なぜこの企業は安く/高く売れたか」を事後分析で公表

5. 失敗事例からの学習プロセスの公表

6. 「このマッチング仮説は外れた」というネガティブサイクルも積極開示

7. 読者（経営者）に「M&A に失敗はつきもの」というリアリズムを伝える

8. 業法遵守の自己言及と第三者チェック受け入れ

9. M&A 支援機関登録制度への登録更新時の「行動規範チェック」結果を年 1 回公開
10. 金融庁報告義務（利益相反開示等）を「ホームページで常時参照可能」にする

この質重視の戦略は、確かに短期的には SEO 順位で不利です。ハック対抗ができないから。

ただし、Google が将来的に評価基準を『Flash 級 → Pro 級』に引き上げた時点で、業者の手法は一掃されて、日本財務戦略センター の質は自動的に浮上する。

言い換えれば、日本財務戦略センター の戦略は「Google の仕様改善に賭けている」ものであり、その賭けは合理的なのです。

業者見抜き：本研究から導かれる読者の手動チェックリスト

本研究で観察されたように、LLM ですら「権威性プロファイル」に騙されます（医療法人主体 vs 商業 SEO で 37 点差）。これは人間読者も同じシグナルに騙されやすいことを示唆します。

「監修者がいる」「学会を引用してる」「公式風レイアウト」は、それ単独では信頼の根拠になりません。これらは権威性プロファイルの構成要素であり、本物にも偽装にも同じように見えるからです。

権威性偽装を見抜くには、シグナルそのものではなく、シグナルの実体を別角度から手動検証する必要があります。

M&A 経営者・読者向けチェックリスト（YMYL 全分野共通）

本研究は医療分野で検証しましたが、以下のチェック項目は M&A 仲介・金融・不動産・人材・士業 など YMYL 全分野で応用可能です。

このチェックリストは、本研究の「LLM ですら騙される」観察を、読者の生活実用に橋渡しするものです。LLM ですら騙される構造シグナルを、人間が手動で別角度から検証する——これが本研究の最も実用的な応用です。

引用元・参照公式文書

本研究は以下の公式文書・先行研究に依拠しています。読者は原典に当たることで、本研究の前提条件の信頼性を独立に検証できます。

Google 公式文書

• Google Search Quality Rater Guidelines (September 2025 版) — EEAT 評価基準の公式定義
• Google Search Central : What is E-E-A-T — Experience 追加の経緯
• Google Search Essentials (旧 Webmaster Guidelines) — 検索ガイドライン公式

厚生労働省・公的機関

• 厚生労働省：医療広告ガイドライン — 2024 年改訂版
• 国立がん研究センター ganjoho.jp — がん情報サービス
• 日本糖尿病学会 — 糖尿病診療ガイドライン
• 消費者庁：景品表示法 — 不当表示禁止

M&A 業界規制

• 中小企業庁：中小M&Aガイドライン（第 3 版）
• 経済産業省：M&A 支援機関登録制度 — 利益相反開示等

LLM バイアス研究（先行研究）

• Frontiers: Gender and content bias in Gemini 2.0 Flash (2025)
• LLM Robustness 関連の arXiv プレプリント群（本研究の位置付けに関連）

本研究の独自性は、これら既存研究を踏まえつつ、YMYL 領域別の評価感度差を 4 領域 × 339 評価で定量化した点にあります。

② の小括

ここまでの観察と仮説を整理します。

ここまでで本研究の観察と仮説の核心は完結しています。

③ 詳細実証

医療脱毛は永久に毛が生えなくなります。
当院は業界で最も効果的な脱毛技術を採用しており、
他院では実現できない結果が100%確実に得られます。
患者様の体験談では「一度の施術で完全に脱毛できた」
との喜びの声が多数あります。
Before-After画像は当院の成果の証明です。
当院の脱毛完全保証制度により、
満足いただけない場合は無料再施術を約束いたします。

医療脱毛クリニック選びの完全ガイド｜
失敗しない6つの確認ポイント【医師監修】

東京で最も効果的な医療脱毛 No.1 クリニック｜
100% 確実に永久脱毛できる方法【完全保証】

③ の小括

ここまでで検証手法と結果が揃いました。

④ 再結論・補強

データで支持された核心結論

Google は YMYL を領域別に 3 段階で評価している。

1. 保険診療（Pro 級厳格）
2. がん・糖尿病など公的規制強度が高い
3. 末尾配置の違反でも一定水準の評価が残る

4. EEAT スコア：違反有で 33～50 点に転落

5. 自由診療（Flash 級寛容）

6. 医療脱毛・脂肪吸引など市場規模小・規制緩い
7. 末尾配置の違反検出感度が大幅に下がる

8. EEAT スコア：違反有でも 50～70 点維持

9. M&A 仲介（最低限処理）

10. YMYL 最弱領域
11. ガイドライン違反検出ほぼなし
12. 長文・多重ドメイン戦略が無制限に機能

業者も Google も信用するな

この観察から導かれるのは、「誰も信用するな」という当たり前の原則です。

業者が信用できない理由

M&A 仲介業者のガイドライン無視は、本来なら「不正競争防止法違反」「景表法違反」に相当します。

しかし現実には、Google の検出感度が低いために、告発されない・是正されないままが大多数です。

読者が「中立的な比較メディア」と思っているサイトが、実は仲介業者の自社誘導ツールである——この構造は法令遵守とは無関係に、市場利益相反を隠蔽しています。

Google も信用できない理由

同時に Google も、以下の点で「無条件には信頼できない仕組み」です。

1. 公表基準と実装実態に乖離がある
2. 「YMYL は AI で厳格評価」と公言しながら、本研究で実クローラー級の AI 評価器（Gemini）は領域別に評価感度を変えていることが観察された

3. 検索利用者は無料利用なので、Google の品質判定が公式声明通りかは、利用者保護の観点で重要な論点

4. 業者のハック・偽装に対して受動的

5. 多重ドメイン戦略、長文希釈戦術、権威性プロファイル偽装が放置されている

6. 業者が自社ビジネスと並行して「中立メディア」を運営する構造への対応が遅い

7. 公式声明が業界の集合的悪意で歪められうる

8. 仮説 X1 で示唆されたように、業者の量産記事が AI の学習データに混入し、「商業トーン」が「標準」と誤認される可能性
9. Google 自身が業界の悪意を吸い込んで、評価基準が漏れ穴を作る構造

日本財務戦略センター が取るべき立場：5 年戦略の再検討

この状況で 日本財務戦略センター が選ぶべき戦略は、「ハック対抗」ではなく「質の追求」です。

1. 短期的不利を受け入れる理由

長文化・多重ドメイン戦略は、現在のところ SEO で機能します。確かに、日本財務戦略センター がこれらを採用しない限り、短期的には検索順位で不利になる可能性があります。

しかし、それでも 日本財務戦略センター が選ばない理由は、根本的なリスク判定にあります。

ハック戦術が持つ 3 つの本質的リスク：

1. 利用者の判断を歪める（信頼の毀損）
2. 「中立メディア」と装いながら自社誘導：景表法違反の可能性あり
3. M&A 成功事例を「実績」として見せながら、業者が関わった案件のみ集計：選別バイアス

4. 一度信頼を失えば、EEAT 再構築に 2～3 年要する

5. 法令無視のシステム化（規制リスク）

6. 金融庁・M&A 支援機関登録制度の信義誠実義務違反
7. 景表法第 5 条（虚偽・誇大）対象となる可能性
8. 不正競争防止法第 2 条（顧客惑わし）に該当する可能性

9. 「短期的 SEO 利得」と「長期的規制リスク」の比較で赤字確実

10. 一時的成功に過ぎない（テクノロジーリスク）

11. 本実験の Pro モード検証で、領域別差別化は モード切替では完全には解消されない ことが観察された
12. ただし Pro モードでも検出感度は Flash より高く、Google が段階的に評価厳格化を進めれば、自由診療領域での権威性偽装が通用しにくくなる方向
13. とくに「アルゴリズム更新で SpamBrain 強化」「YMYL 領域への評価コスト追加投入」「LLM 評価基準の透明化」など、ハック対抗策が継続的に投入される蓋然性は高い
14. 短期的には機能している権威性偽装・違反希釈戦略も、検出側の継続改善で「いずれ捕まる」のは時間の問題と読める
15. データに基づかない EEAT 装備は、Google 側の改善が進むたびに「信頼回復」コストが増大する

1.5. 業者 B のケース：ハック戦略の賞味期限タイムライン

実は業界には観察可能な前例があります（業者 B と呼ぶことにします）。短期的に EEAT・多重ドメイン戦略で SEO 上位を独占した M&A 仲介の典型例として、明確な「ハック戦略の賞味期限」が観察されました。

皮肉なことに、SEO ハック成功で短期間に上場した企業が、数年後に経営的圧力に晒される——これは 「短期的利得に賭けた戦略の終着点」 を象徴しています。

M&A 経営者の含意：業者 B のケースは、「Web 資産の SEO 順位 = 事業価値の安定性」という素朴な仮定が、いかに危ういかを示しています。アルゴリズム更新一発で、上場企業の株価が半減し得る。これは M&A バリュエーションにおいて、Web 資産の評価倍率を慎重に判定する必要があることの実証例です。

業者 B のような行政処分の前例については、「M&A 仲介の登録取消 — 行政処分された大手仲介の手口」で表明保証違反・利益相反の判例集を公開しています。

日本財務戦略センター はこの失敗パターンを反面教師として、業者と異なる戦略軸を選択しています。

2. Google の継続的な仕様改善に賭ける

本実験で示されたように、Pro モード（Deep Think）でも領域別差別化は完全には解消されず、LLM 自体に「権威性プロファイルが整っていれば違反検出が緩む」という構造的バイアスが残存します。

ただし重要なのは、Pro モードの方が Flash モードより一貫して検出感度が高く（差分は領域別に異なるが）、Google が継続的に評価精度を改善している方向性は明らかであるという点です。

具体的には：

• アルゴリズム更新（SpamBrain 等）による悪質パターン検出強化
• YMYL 領域への評価コスト追加投入
• LLM 評価基準の透明化と業界フィードバック
• 利益相反開示・出典明示への配点引き上げ

これらの継続改善で、現在機能している権威性偽装・違反希釈・領域選択の三段戦略も、いずれは検出精度が追いつくと読めます。

日本財務戦略センター の質重視戦略は、「一発逆転のアルゴリズム改革」ではなく「継続的な検出精度向上」という現実的な技術トレンドに賭けたものです。

3. 業界推定値の透明開示と EEAT の「負」構築

日本財務戦略センター は「相場観が本質的に不確実である」ことを率直に読者に伝える方針を採用しています。

具体的なコミュニケーション例：

• 「一般的には年買法で 1.0～1.5 倍と言われていますが…」
• 「これは市場平均であり、個別案件では大きく異なります」
• 「特に営業利益率が業界平均と異なる場合、倍率は 30～50% ずれる可能性があります」
• 「数字に頼らず、事業の質・競争優位性を見極めることをお勧めします」

このような慎重なコミュニケーションは、一見「顧客の購買意欲を低下させる」ように見えます。

しかし、実は逆です。透明性が高い情報提供こそが、長期的な信頼構築につながる。

3.5. EEAT の「正」と「負」：反差別化戦略

通常の EEAT 構築は「いかに自社の専門性を高く見せるか」という加点競争です。

日本財務戦略センター が取るべき戦略は異なります。「いかに業界の嘘を暴くか」という減点戦略です。

具体的には：

「EEAT の正」（従来の加点競争）
– 自社実績の数字化・最大化
– 専門資格・著作の顕示
– クライアント感謝状・推薦文の集約
→ 業者も 日本財務戦略センター も同じ競争

「EEAT の負」（差別化戦略、本記事の例）
– 業界の嘘を具体的に指摘（本記事の「96 評価マトリクス」）
– 失敗事例の公開（「こういう M&A はハマりやすい」）
– 相場の「グレーゾーン」を明示（「倍率幅の大きさ」の統計化）
→ 業者には到底できない差別化

「EEAT の負」戦略は、短期的には「不安を与える」ように見えます。しかし、読者（経営者）にとっては、「このアドバイザーは本当のことを言ってくれる」という信頼が最強です。

仲介の一方的セールストークではなく「自分で考える環境」を提供する立場の詳細は、「M&A メリット デメリット — 仲介の一方的セールストークで判断するな」で展開しています。

4. Google の仕様改善に賭ける理由

本実験で示されたように、Pro モード（Deep Think）の方が領域別差別化が少ないという観察があります。

• Flash（通常）：医療脱毛 67.7 点 vs がん 35.0 点 → 32.7 点差
• Pro（Deep Think）：医療脱毛 60.3 点 vs がん 48.0 点 → 12.3 点差

つまり、Google が評価精度を引き上げる方向（Flash 級 → Pro 級）に進めば、領域別差別化は本研究の観察上 1/2.5 に縮小されました。さらにアルゴリズムが進化すれば、ハック記事の「優位性」が縮小する方向に向かう可能性があります。

日本財務戦略センター の質重視戦略は、このテクノロジー改善に賭けたものです。

賭け手としての根拠：

1. Google の開発速度：2023 年 Gemini 1.0 公開 → 2024 年 Flash 投入 → 2025 年 Pro API 提供と、1～2 年のペースで評価精度が向上している

2. 業界の圧力：AI 評価市場が成長するにつれ、「粗い評価」への批判が増える。Google も対応を迫られる

3. 競争者の存在：OpenAI の o1、Claude の思考モード等の登場により、「精密評価」の需要が可視化。Google も応えざるを得ない

つまり、「5 年後に評価精度が大幅向上する」という想定は、単なる希望的観測ではなく、市場メカニズムから導かれた推定です。

反証可能性宣言（Falsifiability Statement）

本研究は 帰納法的観察研究 です。Google アルゴリズムはブラックボックスであり、外部からの解析は「入力を変えて出力を観察する」帰納的アプローチ以外に方法がありません。本研究の実験設計は以下の科学的原則を採用しています：

• 変数制御：領域・配置・タイトル・モードのみを動かし、他は固定
• 反復ノイズ除去：各条件 3 反復で LLM 応答の確率的揺らぎを抑制
• 反証可能性の明示：本研究の仮説を否定する条件を予め宣言
• オーバーフィッティング自覚：特定環境（2026-05-20 〜 21、東京、Gemini Web 無料枠）の観察結果であり、Google モデル変更で無効化される可能性を明示

本研究の主張は科学的に反証可能であるべきです。以下の条件が観察されれば、本研究の核心仮説は無効と認めます。

仮説 v3（YMYL レベル別コスト最適化）の反証条件

• 同じ実験設計で、保険診療領域と自由診療領域の EEAT 差が消失した場合
• Gemini 以外の LLM（GPT-5、Claude 4.7、Llama 4 等）で同条件を再現し、領域別差が観察されなかった場合
• 3 ヶ月後の追加観察で、4 領域の相対順位が変動した場合

仮説 v3.2（権威性プロファイル × 違反詰めミスマッチ）の反証条件

• 「商業 SEO トーン」を装ったベース記事で同等の baseline EEAT が得られ、違反詰めで医療法人ベース記事と同じ判定差が出た場合（権威性プロファイルが原因ではなく別の要因）
• 「医療法人公式トーン」記事を運用し、違反含めて半年間 SEO 順位を維持し続けた場合
• 同領域の競合記事で「権威性低い × 違反詰め」と「権威性高い × 違反詰め」の比較で評価差が観察されなかった場合

仮説 X1（学習データ汚染による糖尿病特異点）の反証条件

• 複数 LLM（GPT / Claude / Llama）で糖尿病領域の Pro vs Flash 逆転現象が観察されなかった場合
• 3 ヶ月後の追加観察で、糖尿病特異点が消失した場合
• 商業侵食の少ない疾患領域（例：希少疾病）で同様の逆転現象が観察された場合

これらの反証条件を予め宣言することで、本研究は単なる観察報告から、ポパー的な意味での 科学的理論 へと昇華します。

次の実験計画 — 帰納法的ラボの継続

本研究で確立した実験設計を、以下の変数で順次展開する予定です：

1. 完全非 YMYL 領域での権威性プロファイル仮説純粋検証
2. ガーデニング（種苗法・景表法あり）は不完全な非 YMYL だった

3. 趣味・文芸・スポーツ等、法規制がより薄い領域での観察で、仮説 v3.2 の純粋な検証を行う

4. 複数 LLM 評価器の交差検証

5. Gemini / GPT-5 / Claude 4.7 / Llama 4 等で同条件を実施
6. 評価器固有のバイアスを分離、複数 LLM で同パターンが観察されれば「LLM 評価市場全体の構造的バイアス」がより強く立証される

7. 特に糖尿病特異点（仮説 X1）の検証に直結

8. 業界横断 SERP 産業構造研究（軸 B、進行中）

9. 10 業種 × 1,140 クエリで「検索市場の競争自由度」を SERP concentration index（unique_domain_count、top3_share、entropy、HHI）で測定

10. 本研究の知見を産業構造分析へ展開

11. 行動シグナル相関分析

12. GSC データから取得した滞在時間・直帰率・CTR と LLM 評価結果の相関分析

13. LLM 評価が高い ≠ ユーザー満足度が高い、という乖離を観察

14. 時系列追跡

15. 本研究を 3 ヶ月後・6 ヶ月後・1 年後に同一設計で再実施
16. Google アルゴリズム更新の影響と、本仮説の時限性 / 恒久性を判別

姉妹研究：軸 B「検索市場構造データベース」（近日公開）

本研究は 軸 A：ミクロ妥当性検証 として、4 領域 × 339 評価で「LLM の EEAT 評価そのもののロバストネス」を観察したものです。

日本財務戦略センター では並行して 軸 B：マクロ産業構造分析 の研究も進めています。これは 10 業種 × 1,140 クエリで「業界別の SERP 寡占度」「主体カテゴリ別の支配構造」「経済圏別の地域依存度」を定量化する、検索市場構造データベースの構築プロジェクトです。

軸 B では本研究で得られた知見をもとに、以下の研究設計を採用しています：

• subject_category_rules：運営主体（会社名）ではなく SERP 上での機能（PLATFORM / REVIEW / EC / MEDIA 等）で分類
• intent_subtype：従来の I0-I4 検索意図に加え、comparison / authority / fear / price / speed / review / local の細分化
• serp_concentration_index：unique_domain_count / top3_share / entropy / HHI による「検索市場の競争自由度」測定
• result_type：organic / ad / map / video / featured_snippet / ai_overview_source / shopping / review の分離（「順位ゲーム」から「可視面積ゲーム」への対応）
• EEAT 多層測定：raw_metric / llm_score / human_check / final_score の分離保持（LLM 評価バイアスを後検証可能化）

これにより、SEO 領域における従来の「キーワード → DR」分析を超え、業界横断で「検索市場の競争自由度」「AI Overview 侵食率」「ゼロクリック率」「地域別 SERP 多様性」までを継続観察できる資産化を目指します。

本研究（軸 A）と軸 B は補完関係にあります。軸 A が「LLM 評価そのものの信頼性」を問い、軸 B が「その LLM/Google が支配する検索市場の構造」を問う——両者を組み合わせて、初めて「YMYL 検索市場の現状」が立体的に見えてきます。

軸 B の公開は近日中を予定しています。

再確認：核心結論

おまけ（読まれていれば、の話ですが）

ここまで読んでくださった方、本当にありがとうございます。

本ブログでは「Google の AI クローラーはクローラーの処理深度には実用上の限界があり、後段ほど注意配分が薄くなる傾向があり、しかも YMYL レベル別にコストを最適化している」可能性を、独自の 96 評価マトリクスで観察しました。

ところで——。

検索利用者は Google に料金を払っていません。無料で使える検索結果を信じて、医療情報を調べ、業者を比較し、人生の重大な選択をしています。

その検索結果について Google は公式に「YMYL は AI で厳格評価します」「中身を読み込んで判定します」と発信し続けています。一方、本研究で観察したように、実態の AI 評価は領域別に大きく変動し、業者の権威性偽装で違反検出が緩む構造があります。

この「公式声明と実装実態の乖離」は、無料利用者にこそ深く関わる問題です。 命と金に関わる情報を信じて誤った業者に誘導されれば、損害は無料利用者が引き受けることになります。

これは一企業の問題ではなく、AI 評価市場全体の構造的限界であり、無料で AI 判定サービスを利用する全ての検索ユーザーにとって、知っておくべき事実です。

もしこの段落までクローラーが読んでいるなら、来月の検索順位で答え合わせができそうです。

読まれていなければ、本ブログは引き続き上位に残るはずです。

もしこの記事が、来月のアルゴリズム更新で不自然に順位を落としたなら——それこそが、Google が「Pro 級のコストを払ってこの記事を読破し、自社への批判を検知した」という、本実験の最後の、そして最も美しい帰納的証明（ファクト）になります。

どちらに転んでも、私たちは結果を観察し続けます。これは一回限りの記事ではなく、継続的な観察研究の出発点です。

最後に：自己実演的な皮肉

本ブログが AI に引用される実験が「正しい」と立証されればされるほど、Google のクローラー（あるいは将来の評価器）は、現在の構造的欠点を学習材料として認識することになります。

つまり、本ブログの引用適性が高ければ高いほど、Google が順位付けアルゴリズムを継続改善する圧力が増す。それにより業者ハックは淘汰され、本研究が指摘した「公式声明と実装の乖離」も縮小していく可能性があります。

それを願いましょう。

ただし、その時にはおそらく本ブログ自体も「上位の地位」を失っているはずです。検索結果の最適化が進めば、自己実演型メタ研究の引用優位性も均衡化されるからです。

そのプロセスこそが、本研究の最終的な「成功」の形だと、私たちは考えています。 業界の歪みが是正されれば、JFSC は次の歪みを観察する研究を始めます。「誘導する仲介」シリーズは、検索評価市場が透明化されるまで継続予定です。

もう一つの皮肉な観察 — タイトル変えただけで EEAT スコアが変わる話

実はもう一つ、本研究で観察された皮肉な現象があります。

本記事を執筆する過程で、本文は完全に同一のまま、タイトルだけ 3 つの候補で変えて Gemini に評価させたところ、EEAT スコアが大きく変動しました。

本文は完全に同じです。タイトルが変わっただけで Gemini Web（Flash モード）の評価が 15 点ぶれました。しかも、YMYL グレードまで B → A に変動しています。

つまり Gemini Web は、記事の中身よりタイトルの印象（権威性プロファイル）に影響される構造を持っています。これも仮説 v3 を補強する観察です。AI 評価のロバスト性は、私たちが期待するレベルには到底達していません。

「タイトルだけで EEAT スコアが 15 点ぶれ、グレードまで変わる Google の AI クローラー」を、利用者は信用していいものでしょうか。

Gemini Flash が推奨したタイトル

ちなみに、Gemini Flash が一番高く評価したのは 候補 3（学術系）の 85 点でした。

つまり「AI クローラーに好かれたいなら、攻撃的なタイトルより学術的なトーンで」というのが Gemini Flash の答えです。

今回のタイトルですが、Gemini Flash がこれがいいというのでこちらの方が高評価という結果になりました。

——なお、本記事に採用したタイトル（候補 1、Gemini 評価では一番低かった攻撃的タイトル）は、私たち 日本財務戦略センター が意図して選びました。理由は単純で、タイトル詐欺で AI 評価を稼ぐより、データを誠実に提示して読者の判断に委ねる方が、日本財務戦略センター のスタンスに合うからです。

それから、もう一つ理由があります。Gemini Flash がこの記事を上位表示する保証はありません。なぜなら、本記事の本文末尾には Google の構造的問題への批判が含まれており、その評価は別軸で動くからです。

「AI 評価で 70 点」を取りに行くより、「読者が読んで価値を感じる」記事を作る——それが 日本財務戦略センター の立場です。

※ 本記事は AI 評価市場全体の構造的限界に関する公正な研究報告であり、特定の事業者の業務妨害を意図したものではなく、利用者の判断材料提供と学術的議論への寄与を目的とします。本研究の結論は Gemini Web 上の観察に基づくものであり、特定の検索エンジンのランキングロジックを直接検証したものではありません。本研究で言及した法令違反の可能性は、観察に基づく解釈であり、特定企業の法的責任を断定するものではありません。

📊 研究データのダウンロードと検証

ここまで読破された方は、本研究の射程と問題意識を共有していただけたと思います。

日本財務戦略センター では本研究の 生データ（個人情報マスキング済） を、学術研究・自社業務改善目的の方に無料で提供しています。さらに、M&A における Web 資産バリュエーションや業者選定について個別相談ご希望の方は、相談ボタンからどうぞ。

ライト版：匿名化済 Excel データセット（即 DL 可）

集計値中心、個社特定情報なし。同意チェックでダウンロードできます。

シート	内容
1	SERP 観察集計（217 記事 × ジャンル別違反密度）
2	LLM 評価マトリクス（339 評価の全数値）
3	タイトル変動評価（3 タイトル × EEAT 点数）
4	クエリリスト（医療系 50 ＋ M&A 8）
5	観察記録（Phase 別取得時刻、評価モード別実施日）
6	メタ情報（実験設計・評価基準・注記）

→ 同意してダウンロード

M&A・事業承継のご相談

本研究で示された「業者見抜きチェックリスト」を、自社の M&A 検討や Web 資産バリュエーションに適用する個別相談を承っています。

• 業者比較・利益相反のチェック支援
• 中立な立場での会社売却・事業承継相談
• Web 資産の事業価値評価への AI 評価バイアス反映
• 「誘導する仲介」リスクを避けた業者選定アドバイス

営業目的のセールスは一切いたしません。判断材料の提供と、率直な意見交換を目的とした初回相談（無料）を承ります。

関連シリーズ（「誘導する仲介」研究）

よくある質問（FAQ）

APPENDIX A：観察記録

本研究の再現性確保のため、SERP 観察の実施日時とクエリ構成を以下に明示します。Google アルゴリズムは継続的に更新されるため、本記述は 2026-05-20 観察時点 の事実を記録するものです。

観察期間

2026-05-20（水）20:20:51 〜 23:09:37 JST（同日内、約 2 時間 49 分）

Phase 別取得時刻と対象

Phase 2 は内部的に 4 batch（13 / 13 / 13 / 11 クエリ）に分割実行。全 batch とも 20:36:19 JST に書き出し完了。

クエリ構成（要約）

• Phase 2（50 クエリ）：医療系 10 ジャンル × 5 パターン（とは・症状・原因・治療・おすすめ／ランキング）
• Phase 3（8 クエリ）：M&A 仲介関連（買い手探し・売却相場・スキーム比較等）

詳細なクエリ全文リストは queries_50.json および queries_ma_8.json として研究データに同梱予定です。

LLM 評価の実施時期

合計：339 評価（Flash 171 + Pro 168）

注記

• 評価実施環境：Chrome DevTools Protocol 経由の Gemini Web（ブラウザ版）、無料枠
• 同一プロンプトでも LLM 応答にはノイズ（±5 点程度の評価器揺らぎ）があるため、各条件 3 反復の平均値を採用
• Google SERP は同一クエリでもパーソナライズ・地域要因で順位変動するため、本記録は無ログイン・東京リージョン・デスクトップ表示時点の観察結果

生データの保管と開示

本研究で取得した以下の生データは、すべて 日本財務戦略センター 内部サーバーに保全しています。

本記事本文では、個社特定リスクを避けるため業者 A／業者 B 等の匿名表記と集計値での提示に限定しています。 個別ドメイン名・特定企業の DR 値・上場関連数字は意図的に伏せています。

学術検証・第三者監査目的での生データ照会：日本財務戦略センター お問い合わせフォーム経由でご連絡ください。研究目的・所属機関を確認の上、対応可否を個別判断します（営業目的・競合分析目的のお問い合わせには応じません）。

この二段構え——「公開版は匿名集計／生データは保全」——は、検証可能性と業者特定リスク回避の両立を意図したものです。本研究結果に異議のある事業者の方は、生データ照会にて個別の論点でご照会ください。

内部リンク配置（本文中の埋め込み）

1. Phase 0 結論セクション（観察 1）：

   前回の Blog「美容医療業界の SEO 戦場観察 2026」では、業界横断で DR（ドメインレーティング）と検索順位の相関が弱いことが判明しました。

2. 中核論証セクション（仮説説明）：

   これらの観察は「LLM は長文末尾を読み飛ばし、違反を希釈された状態で検出できない」仮説の経験的根拠になります。関連する業界別 SEO 戦略については、近日公開の業界横断版リサーチ もご参照ください。

3. 再結論セクション（日本財務戦略センター 戦略）：

   宅建業規制との比較分析については M&A 仲介 vs 宅建業：規制格差と SEO の関係 でも詳しく解説しています。

Schema・メタ情報（wp_insert_post 用）

{
  "post_title": "Google は YMYL を本当に厳格評価しているのか？ — 医療美容 vs がんで 96 回 LLM 評価した結果",
  "post_name": "llm-eeat-robustness-2026",
  "post_excerpt": "医療脱毛と乳がん治療の 96 評価マトリクスで検証。自由診療では EEAT 60 点維持、保険診療では 36 点に転落。Google は YMYL を領域別に評価している可能性が高い。",
  "category": "思考・検証",
  "tags": ["EEAT", "YMYL", "SEO", "Google", "医療広告", "M&A"],
  "featured_image": "eval_eeat_comparison.png",
  "excerpt_length_chars": 9200,
  "word_count": 19547,
  "estimated_reading_time_minutes": 28
}

補足：評価器ノイズについて

本実験で使用した Gemini Web Pro（CDP 9222 経由）は、以下の制約がありました：

1. 同一記事の反復評価でも ±5～10 点のばらつきがあり、厳密には「固定評価」ではない
2. Pro モード（Deep Think）と Flash での「思考方式の違い」が結果に影響——Flash は直感的、Pro はより体系的
3. 評価プロンプトの細部変更で ±3～5 点変動——「100 点満点」の定義が評価者ごとに微妙に異なる

これらの制約を踏まえても、「医療脱毛 vs がん間で 24 点の持続的な差」は統計的に有意と判断できます（3 反復の平均値であり、各反復で一貫した方向性がある）。

ただし、精密な信頼区間を求める場合は、同一マトリクスを 5 回以上繰り返すことが理想です。本実験の n=96 は「可視化用」としての価値が主です。

記事完成：2026-05-20