メインコンテンツへスキップ
見出し画像

noteの評価基準が変わった|61万記事を数えて分かった、いま読まれる記事の条件


    2026年2月、noteがおすすめの仕組みを全面的に作り直しました。AIが記事の中身を読んで、「誰の、どんな悩みに応える記事か」を理解したうえで分類する方式です。

    公式が「こう変えた」と説明するのと、実際に何が読まれているかは別の話です。後者は、数えれば分かります。

    手元に、noteの公開記事を61万本ぶん集めたデータがあります。タイトルの型ごとにスキの中央値を出したら、いちばん弱いのは時事でした。ここでは、その中身を全部お見せします。

    まず5行でまとめると

    • 何が変わったか: 2026年2月12日、noteがおすすめの仕組みを刷新し、AIが記事の中身を読んで分類する方式に変わった。

    • 効果: カテゴリページ経由のインプレッションは4.5倍、PVは2.6倍に伸びている(note社の公表値)。

    • では何が読まれるか: 公開記事61万2,286本を集計したところ、タイトルの型でスキの中央値が最大2倍近く違った。

    • いちばん弱いのは時事: 14種類の型のうち最下位。1位のほぼ半分しかスキがついていない。

    • タグはまだ効く: AIが中身を読むようになっても、ハッシュタグの本数とスキはきれいに比例している。

    noteの評価基準が、2026年2月に変わった

    まず、何が起きたのかを整理します。

    2026年2月12日、noteはおすすめの仕組みを全面的に刷新しました。読者ごとに記事をすすめる部分を作り直し、より精度高く記事の内容を理解して分類する仕組みを導入しています。

    画像

    数字も公表されています。試作版の実装が2025年9月。そこから約3か月で、テーマ別に記事を探せるカテゴリページ経由のインプレッションが4倍、PVが2倍。さらに2026年2月末時点では、インプレッション4.5倍、PV2.6倍に達しています。

    推薦の仕組みが変わってPVが2.6倍になったということは、同じ記事でも届き方が変わったということです。 書き手にとっては、評価される基準が入れ替わったのと同じ意味を持ちます。

    「中身を読む」とは、どういうことか

    技術の話を、できるだけ短くします。

    中核にあるのは、文章を読んで意味を理解するタイプのAIです。ChatGPTと同じ種類のものだと思ってください。記事を丸ごと読んで、文脈まで把握します。

    従来の分類は、タグとキーワードが中心でした。「#副業」が付いているから副業の記事、タイトルに「転職」とあるから転職の記事、という具合です。表面に出ている文字を見ていたわけです。

    新しい仕組みは、そこから一段深く入ります。note社は公式に、「誰の、どんな悩みを解決する記事か」を理解する、という表現を使っています。読者の属性と、記事が応えている悩みを、本文から読み取って結び付けるということです。

    ここが実務的にいちばん大事なところなので、先に言っておきます。タイトルにキーワードを詰める、タグを狙って盛る。そういう小手先は効きにくくなりました。 代わりに、本文に「誰に向けて、何に応えているか」が書いてあるかどうかが効きます。

    公式の発表と、実際に読まれているものは別

    ここからが本題です。

    仕組みが変わったことと、その結果いま何が読まれているかは、別の話です。後者は公式からは出てきません。 ただ、数えれば分かります。

    noteの公開記事を、こちらで継続的に集めています。集計に使っているのは、クリエイター15万3,419人、記事61万2,286本、ハッシュタグ47万1,886種。 記事とタグの組み合わせは477万件を超えます。

    集めている理由は単純です。書く前に確かめたいから。 どんなタグが伸びているのか、どんなタイトルが読まれているのか。感覚で決めるより、数えたほうが早い。

    このデータで、タイトルの型ごとにスキの中央値を出しました。14種類の型に分けて、それぞれ数千から数万本を集計しています。

    いちばん弱いのは、時事だった

    結果のうち、いちばん意外だったものから出します。

    時事型が、14種類のうち最下位でした。 スキの中央値は17。1位のほぼ半分です。

    しかも、書いている人は7,671人、記事は1万9,491本あります。それなりの人数が書いていて、それなりに読まれていない。 これがデータの言っていることです。

    理由は想像がつきます。時事は、書ける人が多すぎます。同じニュースについて同じ日に何百本も出るので、埋もれる。しかも賞味期限が短い。3日で読まれなくなる記事は、積み上がりません。

    速報を読みに来る場所ではない、ということだと思います。同じニュースを扱っても、その人がそれをどう受け取ったかまで書いてあるかどうかで結果が変わる。 出来事は誰でも書けますが、受け取り方は書いた人にしか書けないからです。

    ここから先で、14種類の全順位と、カテゴリ別の数字、そしてハッシュタグの最適な本数を出します。どれも公表されていない数字なので、他では読めません。

    14種類の型を、全部並べる

    集計した全順位です。数字はスキの中央値。

    画像
    • 共感告白 33 / エッセイ 28 / 観想記 28 / ターゲット 27

    • 独自 26 / 質問 26 / 評論 24 / 逆説 24 / 実績 24 / 募集 24

    • ノウハウ 22 / 数字提示 22 / 告知 21 / 時事 17

    1位と最下位で、ほぼ2倍の開きがあります。 同じ内容を書いても、どの型で出すかで届く量が変わるということです。

    上位に来たのは、内側の話

    上位を見ると、性格が揃っています。

    1位の共感告白(33) は、自分の弱さや失敗、迷いを開示する型です。1万8,354本を1万230人が書いています。母数が十分にあって、そのうえで中央値が最も高い。

    2位のエッセイ(28)と観想記(28) は、どちらも出来事より「それをどう受け取ったか」を書く型です。4位のターゲット(27) は、「〇〇な人へ」と読者を名指しする型になります。

    共通しているのは、外にある情報を運ぶのではなく、内側から出てくるものを書いていること。 そして、noteのAIが「誰の、どんな悩みを解決する記事か」を読むようになったこととは、きれいに噛み合います。

    誰に向けたか、何に応えるかが本文に書かれていれば、機械のほうが拾ってくれます。逆に、キーワードだけ並べて中身が空なら、その空きも読まれてしまう。 中身を読む機械とは、そういうものです。

    逆に、意外と弱いもの

    低いほうにも発見があります。

    ノウハウ22、数字提示22。 どちらも「役に立つ記事を書こう」と考えたとき、まっさきに選ばれる型です。それが下から数えて3番目と4番目にいます。

    実績24、告知21も低い。 「〇〇を達成しました」「〇〇を始めました」は、書き手にとって重要でも、読み手にとってはそうではない。数字がそう言っています。

    カテゴリ別に見ても、同じ傾向が出ます。集計できている範囲では、小説37、コラム・エッセイ27、音楽24、マンガ21。 対して、テクノロジーは16、ラジオは10です。

    役に立つ情報より、心が動くもののほうが読まれている。 noteという場所の性格が、はっきり出ています。ノウハウを書くなとは言いません。ただ、同じ労力なら、自分の中にあるものを書いたほうが返りは大きくなります。

    タグは、いま何個が最適か

    ここは意外だったので、しっかり書きます。

    AIが中身を読むようになったなら、タグは要らなくなるはずです。ところが、数えるとそうなっていません。

    画像

    ハッシュタグの本数ごとにスキの中央値を出すと、こうなります。

    1個で20、3個で22、5個で24、7個で28、9個で30。 きれいに右肩上がりです。記事数で正規化した値でも、17.7から37.8まで伸びます。

    11個以上のグループは34。 本数を増やして損をしている形跡は、いまのところ見当たりません。noteの上限は10個なので、実務的には「9〜10個まで付ける」が答えになります。

    理由は2つ考えられます。ひとつは、タグが依然として流入経路として生きていること。 もうひとつは、タグを丁寧に付ける人は記事も丁寧に書いている、という相関です。 どちらなのかは、この集計だけでは切り分けられません。

    ただ、実務としての結論は変わりません。タグは削らない。 5個で止めているなら、9個まで足す。それだけで効く可能性があります。

    明日から変えること

    数字を並べただけでは動けないので、実際に何を変えるかまで書きます。

    ① タイトルの型を、上位のものに寄せる。 同じ題材でも、出来事の紹介で終わらせず、自分がそれをどう受け取ったかを入り口にする。共感告白・エッセイ・観想記・ターゲットの4つが上位です。

    ② 本文の最初のほうに、読者の場面を書く。 中身を読む機械が「誰の、どんな悩みに応える記事か」を探しているので、そこに答えを置いておく。「〇〇で困っている人向け」と一行あるだけで違います。

    ③ タグを9〜10個まで足す。 5個で止めているなら、いちばん安く効く改善です。

    ④ 時事を書くなら、受け取り方まで書く。 ニュースの要約だけでは、同じ日に出る何百本と区別がつきません。区別がつかないものは、機械にも人にも選ばれません。

    この4つはどれも、書く量を増やす話ではありません。 同じ労力の置き場所を変えるだけです。伸びない理由を「量が足りない」に求めているうちは、たいてい置き場所のほうが間違っています。

    AIが読むようになっても、変わらなかったこと

    まとめます。

    noteは2026年2月に、AIが記事を読む仕組みへ切り替えました。カテゴリページ経由のPVは2.6倍。中身そのものが分類の対象になりました。 その点で、これは書き手に有利な変化です。

    そのうえで、61万記事の実測はこう言っています。時事はいちばん弱い(17)。 強いのは内側から出てくる型で、共感告白33、エッセイ28、観想記28。ノウハウと数字提示は、思ったより弱い(22)。 そしてタグはまだ効く。

    並べてみると、ひとつのことを指しています。キーワードを詰める技術の価値が下がって、何を書いたかの価値が上がった。 それだけです。

    機械が中身を読むようになったから中身が要る。考えてみれば当たり前の話です。

    それでも、この変化は歓迎していいと思っています。キーワードの詰め方がうまい人ではなく、書いていることがある人が有利になった。 技術で押していた側には不利で、中身で勝負していた側には追い風です。

    いま自分の記事が読まれていないなら、タイトルの型と、タグの本数から見直してください。そこは今日から変えられます。

    AIが文章をどう扱っているかについては、以前こちらでも書きました。

    出典・参考

    • note株式会社「書けば、届くべきひとに届く。noteがLLMでレコメンドをつくり直した舞台裏」— 2026年2月12日のレコメンドエンジン刷新、記事内容の理解と分類。note.jp

    • note株式会社「noteのレコメンド刷新ーー PV2倍を支えた組織とシステムの境界設計」— 試作版実装からの推移。note.jp

    • Media Innovation「noteが目指す『AI時代のコンテンツ流通ハブ』、LLMでレコメンド刷新しPV2.6倍に」— 2026年2月末時点のインプレッション4.5倍・PV2.6倍。media-innovation.jp

    • ProductZine「LLMで『精緻なマッチング』をどう実現したか、noteのPM・エンジニアが語るレコメンド刷新」— 技術面の解説。productzine.jp

    • タイトル型別・タグ本数別・カテゴリ別のスキ中央値は、筆者が収集したnoteの公開記事データ(クリエイター153,419人/記事612,286本/2026年8月26日時点)を集計したものです。noteが公表している数値ではありません。

    暮らしや社会の仕組みを、数字と一次資料から解きほぐす記事を書いています。

    ポケミミ:pokemimi.com
    ポケミミTools:pokemimi.com/tools/
    ポケミミDesign:pokemimi.com/design/
    シティリーグキャンセル待ち:discord.gg/GzZTXRkjAg

    スキ ♡ とフォローは、次の記事を作る時の励みになります。

     
     
    社会は人間攻略できれば最強かもしれない。時代に逆行する濃厚分析。 出版社・メーカーなどと自分の人生の学びから、 仕事・恋愛・結婚・家族のすべての人間関係を、科学と心理学と社会学で解剖する。 色んなシステム・ツールも作ります。基本は脳内アウトプットの場。

    あなたへのおすすめ