H2モジュール仮説とは、AIが記事全体ではなくH2タグ単位で情報を読み取り、回答を生成しているという観察に基づく仮説です。
この仮説に従えば、これからのSEO記事は「検索キーワードに対してトップダウンで全体を設計する」のではなく、「H2タグ単位のモジュールをボトムアップで組み立てる」という発想の転換が必要になります。
なぜなら、AIはユーザーのプロンプトに回答するにあたり、内部的にサブクエリ（ファンアウトクエリ）で検索を行っており、そのAIの振る舞いに最適化した記事設計が必要になるからです。
なぜこの仮説が重要なのか
アンサーエンジン(AEO)の時代において、AIがどのように記事を読み取るかを理解することは、SEO戦略の根幹に関わります。もしAIがH2タグ単位で情報を取捨選択しているのであれば、私たちは以下の点を明確に意識して記事を設計する必要があります。
- H2タグのコピー(見出し文)を磨き上げること
- 各H2タグの内容を、AIが重要性を判断できる形で記述すること
- H2タグの集合体として、AIにも人間にも分かりやすい記事を構成すること
AIの振る舞いから見えてきたこと
2026年1月、私は入院中に有り余る時間を使ってAIの振る舞いを詳しく観察しました。そこで2つの重要なポイントに気づきました。
ポイント1:AIは人間とは異なる検索キーワードを使う
AIが内部的に行うサブクエリ検索では、人間が使う「◯◯ おすすめ」のような検索キーワードはほとんど使われません。AIはより事実ベースに即した、4〜5語程度の複合的な検索キーワードを使って情報を探しています。
この点については、別記事で考察してみましょう。それよりも、問題は次の気づきでした。
ポイント2:AIはH2タグ単位で記事を読んでいる
AIは記事全体を最初から最後まで読むのではなく、おそらく次のような手順で情報を取得していると考えられます。
- 全ての記事の冒頭やHタグを斜め読みする
- 記事の重要性や検索への適合性を判断する
- H2タグ単位で必要な情報が書かれているかを推測する
- 必要だと判断したH2セクションのみを読み込む
特に重要なのは、AIはHタグを拾うように読んでいくという点です。これは、構造化データよりもHタグそのものの記述が重要であることを示唆しています。
一方で、現在のAIはあまり構造化データを読んでいません。
構造化データは万能ではない（むしろ利用されていない）
2026年2月現在のAIは、構造化データをそれほど重視していないように見えます。構造化マークアップをすれば必ずAIに引用されやすくなる、という単純な話ではありません。
むしろ構造化データはあまり利用されて折らず、H2タグ単位でAIが求める形式で適切な回答を返すことのほうが重要です。
実際の記事作成への応用
H2モジュール仮説に基づいて記事を作成する場合、以下のような手順が考えられます。
ステップ1:対策キーワードを決める
従来のSEOと同様に、まず記事全体で対策する検索キーワードを決めます。この段階では「◯◯ おすすめ」のような一般的なキーワードでも構いません。
ステップ2:AIのサブクエリを推測する
AIがどのようなサブクエリで検索してくるのか、そのときにどのような情報を求めているのかを推測します。
ステップ3:H2タグを設計する
推測したサブクエリに対応するH2タグを1つ1つ設計していきます。このとき、各H2タグは単独でAIの検索に答えられるように設計します。その際、後ほど解説するH2タグの論理タイプおよび実装型を参考にしてください。
ステップ4:H2タグの集合体として記事を構成する
設計したH2タグを組み合わせて、記事全体を構成します。記事全体を構成する際、H2タグモジュールをどう並べて構成するかと、導入文の構成が重要となります。
なぜなら、導入文は、AIがその記事を読み込むかどうかを決定する判断軸となる可能性があるからです。導入文にも、H2タグモジュールの論理タイプおよび型の考え方を援用するといいでしょう。
H2モジュールの設計:3つの読者層
全てのH2タグをAI向けに設計すると、人間にとって読みにくい記事になってしまいます。そこで、H2タグモジュールを以下の3つのタイプに分類します。
- AI向け:AIのサブクエリに直接答えることを目的としたH2タグモジュール
- 人間向け:記事全体の読みやすさや納得感を高めるためのH2タグモジュール
- ハイブリッド:AIと人間の両方に配慮したH2タグモジュール
この分類に従って、それぞれのH2タグモジュールを最適化していくことが、これからのSEO記事には求められます。
H2モジュールの7つの型(論理タイプ)
各H2見出しが「どのような問い」に答えるものかを判定することで、適切な内容設計ができます。
型1:結論先出し型
対応する問い:Yes/Noの問い。「〜は大丈夫か?」「〜は本当か?」など。
この型は、読者やAIが最も求める明確な答えを冒頭で示すものです。曖昧さを排除し、端的に結論を述べることが求められます。
型2:判断基準分解型
対応する問い:要素分解。「選ぶポイントは?」「構成要素は?」など。
複雑な判断を、いくつかの明確な基準に分解して示すものです。読者が自分で判断できるように、要素を整理して提示します。
型3:条件分岐型
対応する問い:状況による違い。「Aの場合とBの場合」「短期と長期」など。
同じテーマでも、条件によって答えが変わる場合に使います。読者の状況に応じた情報を提供できます。
型4:比較整理型
対応する問い:対比。「AとBの違いは?」「メリット・デメリット」など。
複数の選択肢を並べて、それぞれの特徴を対比させるものです。読者が比較検討しやすい形で情報を整理します。
型5:失敗回避型
対応する問い:リスク管理。「気をつけることは?」「よくある失敗は?」など。
読者が陥りやすい失敗や注意点を先回りして示すものです。不安を解消し、安心感を与えることができます。
型6:定義・誤解修正型
対応する問い:知識の補正。「〜とは?」「〜という誤解」など。
基本的な用語の定義や、よくある誤解を正すものです。正しい知識の土台を作ります。
型7:チェックリスト型
対応する問い:行動確認。「内見時の確認点は?」「手順は?」など。
具体的な行動を順序立てて示すものです。読者が実際に行動する際の指針となります。
H2モジュールの3つの構造パターン(実装レイアウト)
内容を視覚的にどう構成するか、最適なパターンを選択します。
α(スタンダード型):文章中心
構成:リード(結論)＋本文(理由・エピソード)の基本形
推奨される型:型1(結論先出し型)、型5(失敗回避型)、型6(定義・誤解修正型)
文章で丁寧に説明することで、読者の理解を深めたり、納得感を高めたりする場合に適しています。AIも文脈を読み取りやすい構造です。
β(リスト・テーブル型):視覚情報中心
構成:短いリード＋図表・箇条書きで構造化する形
推奨される型:型2(判断基準分解型)、型4(比較整理型)、型7(チェックリスト型)
情報を一覧性高く示すことで、読者が素早く情報を把握できます。AIも構造化された情報を読み取りやすくなります。
γ(シナリオ分岐型):ケーススタディ中心
構成:条件Aのブロック＋条件Bのブロックを並列させる形
推奨される型:型3(条件分岐型)
読者の状況に応じて、該当するブロックだけを読めるようにします。AIも特定の条件に合致した情報を抽出しやすくなります。
型と構造パターンの組み合わせ例
実際の記事では、各H2モジュールに対して「論理タイプ」と「構造パターン」を掛け合わせて設計します。
例1:「マンション売却で失敗しないための注意点」というH2の場合
- 論理タイプ:型5(失敗回避型)
- 構造パターン:α(スタンダード型)
- 実装:冒頭で「最も多い失敗は◯◯です」と結論を述べ、その理由とエピソードを文章で展開する
例2:「良い不動産会社を選ぶ5つのポイント」というH2の場合
- 論理タイプ:型2(判断基準分解型)
- 構造パターン:β(リスト・テーブル型)
- 実装:短いリードの後、5つのポイントを箇条書きで明確に示す
例3:「住宅ローンの選び方:変動金利と固定金利」というH2の場合
- 論理タイプ:型3(条件分岐型)
- 構造パターン:γ(シナリオ分岐型)
- 実装:「短期で売却予定の場合」「長期保有の場合」というブロックを分けて記述する
まとめ
H2モジュール仮説は、AIが記事をどのように読み取るかという観察から生まれた考え方です。この仮説に基づけば、SEO記事の設計思想は大きく変わります。
従来のトップダウン型の記事設計から、H2タグ単位で最適化するボトムアップ型の設計へ。各H2モジュールを「7つの型」で論理的に分類し、「3つの構造パターン」で視覚的に最適化する。そして「AI向け・人間向け・ハイブリッド」という読者層を意識して設計する。
この三層の設計思想は、次世代のアンサーエンジン対策として有効ではないか。それがH2モジュール仮説です。