
AIでSEO分析を自動化する方法(Claude × MCP)
最近、Claude CodeやMCPサーバーの話題を本当によく耳にするようになりました。

SEOの実務に携わっている方なら、「これ、自分の業務にも使えるのでは」と気になっている方も多いのではないでしょうか。
今回、実際にClaudeとSEOツールをMCPで連携させ、いくつかのSEO分析を試してみました。
その結果と、私が感じた「使いどころ」と「まだ任せられないところ」を率直にお伝えしたいと思います。
ClaudeからSEOツールに接続
今やClaudeは、Ahrefs、SEMrush、Firecrawl、Zutrixといった主要なSEOツールに、MCPサーバーを通じて直接アクセスできるようになっています。

接続方法はとてもシンプルです。
Claudeの画面左下にある「設定」から「コネクター」をクリックすると、各ツールとの接続画面が表示されます。あとは、ここからワンクリックでつなぐだけです。

あとはClaudeに自然な言葉で依頼すれば、データの取得から分析、レポート生成まで自動で行ってくれます。
これまでは、たとえばAhrefsで分析しようとすると、データをダウンロードし、Excelで開き、自分の経験と知識をもとに解釈したうえで、優先順位を付ける必要がありました。かなりの時間と労力に加え、一定の知識も求められる作業です。
専門的な分析知識がなければ、有益なマーケティングデータがあっても、どう解析すればよいのか判断できず、なかなか使いこなせていないケースも多いと思います。

ですから、Ahrefsを導入していても、トップページの流入推移と獲得キーワードくらいしか見ていない方も多いのではないでしょうか。
ツールが持つ膨大なデータを使いこなすために、間にClaude(AI)が入ってくれる。これが今回の大きなポイントです。

キーワード分析とトピッククラスターの作成
では、Ahrefs MCPを使ったキーワード分析をしてみましょう。
ステップ1:プロンプトを入力
Claudeに対して、以下のような依頼を投げます。
「AhrefsのMCPを使ってクレジットカード関連のキーワードを抽出してください。コンバージョンが期待できるコマーシャルクエリに絞り、類似キーワードをグルーピングしてトピッククラスターの一覧を作成してください」

ステップ2:Ahrefsからデータ取得
プロンプトを送ると、ClaudeがAhrefsのMCPサーバーに接続し、キーワードデータを自動で読み込んでくれます。

ステップ3:分析結果のExcelレポートを生成
Claudeがデータを分析し、Excelレポートとして出力してくれました。

中身を見てみると、たとえば「クレジットカード総合おすすめランキング」というクラスターにはこのキーワード群が、「ゴールドカード比較選択」にはこのピラーキーワード、といった形で、各クラスターとキーワードがわかりやすく整理されています。

さらに、各クラスターの優先順位付けや期待効果、想定トラフィックの試算までまとめてくれていました。

従来であれば、データのダウンロードから精査、優先順位の計算、レポート作成まで相当な時間がかかる作業です。
それが自然言語のプロンプトひとつで完了してしまう。率直に驚きました。
もちろん、この結果をそのまま採用はできません。
キーワードの妥当性やグルーピングの精度は人の目で確認する必要があります。
ただ、編集会議やSEO施策会議の叩き台としては十分使えるレベルだと思います。
競合サイトの被リンク戦略分析
次に試したのが、被リンクの戦略立案です。
最近、「クレジットカード ランキング」というキーワードで、とある比較サイトが上位に上がってきていたので、その被リンク獲得の傾向が気になっていました。以下の手順で分析を進めました。

ステップ1:プロンプトで分析対象と目的を指定する
Claudeに対して以下のプロンプトを送ってみました。
「AhrefsもしくはSEMRushのMCPを使って、$URL$配下の被リンク分析をしてください。分析結果をもとに、自社サイト:$Domain$の被リンク戦略の参考になる施策も立案してください」

ステップ2:Claudeが被リンクデータを分析
Claudeがツールに接続してデータを取得し、テキストベースの分析レポートを生成してくれます。

ステップ3:分析結果を確認する
出てきた結果は、かなり具体的でした。
たとえば、GensparkなどのAI検索エンジンが対象サイトの記事をソースとして引用している事実や、引用元ページと被リンク先URLの対応関係が整理されていました。

さらに、アンケート調査データを記事にしたコンテンツが、関西テレビやITmediaなどのメディアから多く被リンクを獲得していることも示されています。

こうした分析結果から、どのようなページや記事が被リンクを集めやすいのか、傾向を掴むことができるかと思います。
これまでもAhrefsで被リンクデータ自体は見られました。
ただ、「このデータから何が言えるのか」「どういったコンテンツがリンクを集めやすいのか」という解釈は、使い手の力量に委ねられていたわけです。
間にLLMが入ることで、解釈の叩き台が出てくる。ここが大きな変化だと感じています。

ただし、LLMが出す解釈はあくまで仮説です。
「この傾向がある」と断定しているように見えても、実際にはデータの一部しか見切れていない可能性があります。
被リンク戦略のような重要な意思決定では、必ず元データに立ち返って確認することをおすすめします。
ステップ4:Word形式に変換して共有用資料にする
テキストのままでは上司やクライアントに渡しにくいので、「このレポートをWord形式にして」と追加で依頼します。
すると、Microsoft Wordのフォーマットで出力してくれました。

被リンクのプロファイル分析から具体的な施策提案まで入っているので、社内の被リンク施策の議論資料として活用できます。
順位レポートの自動生成
レポート作成に使えるツールとして、Zutrixも紹介します。
Zutrixは、指定したキーワードとドメインの順位を毎日計測するツールです。特徴的なのは、この順位計測データをMCPサーバー経由でClaudeから直接取得できる点です。

たとえば、上司から急に「SEOの進捗を確認したいからレポートを作って」と言われたとします。以下の手順で対応できます。

ステップ1:レポート作成を依頼
「ZutrixのMCPを使って、この対象ドメインの順位レポートを作ってください」とClaudeに投げます。

ステップ2:Zutrix MCPから順位データを取得
Claudeが自動的にZutrixに接続し、最新の順位データを引っ張ってきます。
そしてレポートという形式でExcelにまとめてくれました。

ステップ3:Excelレポートが生成される
出力されたレポートには、キーワード、検索ボリューム、1週間前の順位と今日の順位、順位の変動方向、ヒットLPが整理されています。

さらに、順位が下がったキーワードについては、Claudeが想定要因の仮説も添えてくれます。
ここで注意したいのは、LLMが出す「下落要因」はあくまで仮説だという点です。順位変動にはアルゴリズム更新、SERP構成の変化、競合の動き、クロールやインデックスの問題など、複数の要因が絡みます。
「原因がわかった」ではなく「仮説の候補を並べてくれた」という認識で使うのが適切です。
因果の判断は、やはり知識のある担当者が行うべきでしょう。
ZutrixはMCP経由で順位データだけでなく、被リンクのモニタリング結果や、AIビジビリティのデータも取得できます。

AIビジビリティとは、特定の検索プロンプトでAI検索した際に自社ブランドが表示されているかどうかを示すデータです。
データをためておいて、必要なタイミングでレポートを生成するという使い方ができるサービスです。
AI検索時代のブランド言及調査
AI検索対策という観点では、自社ブランドがどこでどのように言及されているかを調査することも重要になってきています。
ただ、大量のページを手作業で確認するのは現実的ではありません。

かといって、Claudeに直接ウェブページをクローリングさせると、レンダリングやトークン消費の問題が出てきます。
そこで活用するのがFirecrawlです。以下の手順で調査を行いました。
ステップ1:Firecrawlの役割
Firecrawlは、ページへのアクセス、JavaScriptレンダリング、コンテンツの構造化抽出を比較的安定して行えるスクレイピング基盤です。
Claudeに直接ページを読ませるのではなく、Firecrawlが取得・整形した結果だけをClaudeに渡すことで、トークン消費を抑えつつ精度を上げられます。
なお、「ブランド名の正規化」や最終的な解釈を行うのはFirecrawlではなく、その上位にいるLLM(Claude)側です。

Firecrawlはあくまで抽出基盤であり、判断はClaudeが担うという役割分担を意識しておくとよいでしょう。
ステップ2:プロンプトを設計
今回は、指定したキーワードからquery fan-outによって拡張されるサブクエリを事前にリストアップするよう指示しました。
加えて、それらのキーワードでGoogle検索1ページ目に表示されるページをFirecrawl経由でクロールし、各ページの本文に出現するブランドを集計するようプロンプトで指示しました。

かなり長いプロンプトになりましたが、こうした調査は手順を厳密に指定した方が精度が出やすいと考えています。
ステップ3:Firecrawlでページ取得
Claudeがプロンプトの指示に従い、Firecrawl経由で各ページにアクセスし、ブランドの出現回数を集計してくれます。

ステップ4:集計結果を確認する
今回はクレジットカード関連のキーワードを数個だけ指定して試しました。
結果として、三井住友カードや楽天カードが最も多く出現していることがわかりました。

さらに、どのサイトで出現していたか、どのサイトでは出現していなかったかというクロス集計も出してくれました。

調査するキーワードの数を増やしていけば、どの領域で競合が強く、どの領域で自社が弱いのかを、ブランド言及の観点から把握できるようになるわけです。
SKILL.mdで定型業務を「関数化」する
ここまでいくつかのSEO分析を紹介してきましたが、SEO業務には定型化できるものも多くあります。
レポート作成、コンテンツの企画、競合分析など、毎回似たようなプロンプトを書いている方も多いのではないでしょうか。
ただ、こうしたプロンプトは1語2語で済むものではありません。精度を上げようとすると、分析手順や比較観点、出力フォーマットまで厳密に指定した長い指示書になります。
それを毎回メモ帳からコピーして貼り付けるのは、正直かなり面倒です。
そこで活用したいのが、Claude Codeのskillsという機能です。
これはClaude Code固有の仕組みで、SKILL.mdというMarkdownファイルに定型の指示書をまとめて書いておくと、名前を付けて登録し、コマンドひとつで呼び出せるようになります。
ステップ1:SKILL.mdに登録する
たとえば、私が作った「seo-gap」というskillはこういう内容です。

対策キーワードと自社ページのURLを指定すると、そのキーワードで上位にいる競合ページをクローリングし、自社ページと比較分析してくれます。
具体的には、自社ページがそのキーワードで1位を取れていない要因はどこにあるのか、上位ページとの差分は何か、そして改善策は何か。
そういった一連の分析手順を、プロンプトとして細かく書いてあります。
この長い指示書をSKILL.mdファイルに書いて、「seo-gap」という名前で保存しました。
ちなみに私は、複数のSEO関連のskillを登録していて、用途ごとに指示書を分けて管理しています。
ステップ2:スラッシュで呼び出す
登録しておけば、次回からはClaude Codeで /seo- と入力するだけで、登録済みのskill一覧が表示されます。
あとは、使いたいものを選ぶだけ。毎回メモ帳を開いてコピペする手間がなくなります。

ステップ3:SEO分析を実行する
今回は「転職サイト おすすめ」というキーワードで実際に試してみました。
対策キーワードである「転職サイト おすすめ」と自社サイトとしてとあるページのURLを指定させていただきました。

/seo-gapを呼び出し、キーワードとURLを渡すと、Claudeがそのキーワードで上位表示されているページを自動でクローリングします。
そして、上位ページと指定したページの間にどんな差があるのか、指定ページが1位を取れていない要因は何か、その差分を分析してくれます。
ステップ4:Word形式で分析結果を受け取る
分析が完了すると、結果をWordファイルとして出力してくれました。

中身には、上位ページとのコンテンツの差分、自社ページに不足している要素、そして具体的な改善施策のアイデアが含まれています。
このWordをそのまま開いて、施策検討の材料にすることができます。

ステップ5:誰でも同じ分析を再現
SKILL.mdはMarkdownファイルなので、SlackやChatworkで他のメンバーに簡単に共有できます。
たとえば、今日入社した新人にSKILL.mdを渡して、「ここから分析してみて」と依頼する。すると、上級者や中堅メンバーがやっていたのと同じ分析フローを、その人もすぐに実行できるようになります。

このように、高度な分析の「やり方」をファイルひとつで標準化できるわけです。
ただし、登録前に品質確認は必須
ひとつ大事なポイントがあります。何でもSKILL.mdに登録すればいいわけではありません。
まずは、LLMとMCPの連携でその作業を実行できるか試し、出力結果の品質に問題がないかを確認する。そこで「これなら大丈夫だ」と判断できたものだけをSKILL.mdに登録する。この順番が大切です。
また、「同じ作業ができる」ことと、「同じ品質が保証される」ことは別です。
LLMの出力は毎回揺れますし、結果の妥当性を判断するにはSEOの知識も必要です。
SKILL.mdは、あくまで作業の入り口をそろえるための仕組みです。最終チェックは、経験のあるメンバーが行う体制にしておくのが安全でしょう。
MCPを使う上でのセキュリティの注意点
ここでひとつ、MCP連携全般について補足しておきたいことがあります。
Anthropicの公式ドキュメントでも触れられていますが、サードパーティ製のMCPサーバーについては、正確性や安全性がAnthropicによって検証されていない場合があります。
特にWeb取得系のMCPでは、取得したコンテンツにプロンプトインジェクションが含まれているリスクもゼロではありません。
MCPはとても便利ですが、権限管理や信頼境界の設計は自己責任で行う必要があります。業務で使う場合は、この点も意識しておいてください。
それでもLLMにすべてを任せない理由
ここまで、ClaudeとMCPの連携でできることをお伝えしてきましたが、最後に率直な話をしたいと思います。
結論から言うと、私はこれをすべての業務に使っているわけではありません。
使うのは、精度をそれほど求めないアドホックな簡易調査や、明らかに定型化された工程だけです。本格的なSEO分析、たとえば予算策定の根拠になるデータ分析は、まだLLMに任せていません。
理由はいくつかあります。
まず、大量データの読み込み精度に課題があることです。
コンテキストウィンドウが広がったとはいえ、LLMがデータを十分に読み切ったうえで、正しく解析できていないケースは少なくありません。
私が自分で分析する場合は、ローデータを集めてランダムサンプリングで検証し、Excelなどで集計したうえで、レポートの合算値とローデータの合算値を毎回突き合わせます。現時点では、LLMにそこまでの精度は期待しにくいと感じています。
もうひとつは、拡大解釈の問題です。
LLMは設計上、「何らかの答えを返す」方向に寄りやすく、「そうとは言い切れない」段階でも言い切ってしまう傾向があります。

データをざっと読んだだけで、それが正しいかのように結論を出してしまうケースも少なくありません。
プロンプトで「わからないなら、わからないと言ってください」と指示しても、時よりあいまいな回答が返ってくることが多いのが実情です。
Excelできれいなレポートが出てくると、つい「これでいける」と思ってしまうものです。私もそうでした。
ただ、中身をよく見ると、「本当か?」「違うのでは?」と思うデータや、SEOのプロとしてはまずしない提案が含まれていることがあります。見た目の完成度と中身の正確性は、まったく別の話です。
現時点で私がLLMに任せているのは、「半正規化された単一作業」です。

たとえば、「ブランド名だけを抽出し、そのブランド名が良く出現するメディア種別や属性を解析」といった作業です。
用途を絞ったAIエージェント、というよりバッチ処理に近いものを自前で構築し、データの抽出、正規化、集計に活用しています。

大事なのは、どこをLLMに任せて、どこを責任を持つ人間がチェックするのかを見極めることだと思います。
ただし、これはあくまで現時点での話です。半年後には、まったく違うことを言っているかもしれません。
今の弱点が弱点ではなくなっている可能性は、十分にあります。AIの進化スピードは、本当に速いからです。
「責任は絶対に人間が取るべきだ」「データ分析は人間がやらないといけない」という考え方は、もしかすると時代に逆行しているのかもしれません。
技術の発展に合わせて、自分の業務や働き方をどう変えていけるか。その柔軟さこそが、これからのSEO担当者に求められる姿勢ではないかと思います。
今回ご紹介したのは、ほんの一部です。SEOやGEO関連のMCPサーバーはほかにもありますし、自前でMCPサーバーを構築することもできます。ぜひ皆さんも試してみて、業務の高度化や定型化、簡略化に役立てていただければと思います。