ChatGPTでブログ分析を半自動化する方法｜GSC・Bing・Google Driveを使った実例

GSC・Bingの検索データをGoogle Driveに集約し、ChatGPTで整理して人間が判断するブログ分析の半自動化フローを表したアイキャッチ画像 AI・仕事術
GSC・BingのデータをGoogle Driveに集約し、ChatGPTで整理して人間が判断するブログ分析の半自動化を表したアイキャッチ画像
記事内に広告が含まれています。
スポンサーリンク

ブログを運営していると、Google Search Console（GSC）やBing Webmaster Toolsの数字を確認するだけで、意外と時間がかかります。

クリック数、表示回数、CTR、平均掲載順位、Bingの検索クエリ、さらにBing AI Performanceの引用状況。データを見る場所が増えるほど、「数字を集める作業」に時間を取られ、肝心の「どの記事をどう改善するか」を考える時間が減っていきます。

そこで筆者は、GSC・Bing・Bing AI Performanceのデータを一定の形式で保存し、Google Driveに集約して、ChatGPTに整理・比較を任せる運用を試しています。

結論から言うと、ブログ分析は全部をAIに任せるより、「データ取得」「保管」「AIによる整理」「人間の判断」に分けると安全に半自動化できます。

この記事では、実際に運用している仕組みをベースに、初心者でも再現しやすい形へ分解して紹介します。

ラボ先生
ラボ先生
一緒にやってみましょう。最初から完全自動化を目指さなくても、CSVを決まった場所に保存するだけで分析はかなり整理しやすくなります。
  1. 結論：ブログ分析は4つの工程に分けると半自動化しやすい
  2. 筆者の「AI会社」で実際に使っている分析の流れ
    1. 1. GSCの検索クエリを取得する
    2. 2. Bingの検索クエリも別ファイルで取得する
    3. 3. Bing AI Performanceは検索実績と分けて扱う
    4. 4. ローカルに履歴を残し、Google Driveには「latest」を同期する
    5. 5. ChatGPTには「判断」より先に「事実整理」を任せる
  3. 初心者なら「CSVを週1回保存」から始めれば十分
    1. 段階1：手動でCSVを取得する
    2. 段階2：保存場所とファイル名を固定する
    3. 段階3：繰り返し作業だけAPIやスクリプトへ移す
  4. Google Search Console APIで自動化できること
  5. Bingは「検索」と「AI引用」を別レイヤーで見る
  6. Google Driveを中継地点にする理由
  7. ChatGPTへ渡す分析指示の例
  8. ブログ分析をAI化するときの5つの注意点
    1. 1. 比較期間を揃える
    2. 2. AI引用をクリックや収益と同一視しない
    3. 3. latestだけでなく履歴を残す
    4. 4. 欠測をAIに埋めさせない
    5. 5. 分析結果から自動で記事を書き換えない
  9. 完全自動化より「人間承認つき」の方が実務では使いやすい
  10. よくある質問
    1. ChatGPTだけでGSCのデータを自動取得できますか？
    2. プログラミングができなくても使えますか？
    3. Bing AI PerformanceのCitationsが増えればSEOも成功ですか？
    4. ChatGPTにリライト記事まで自動で作らせてもよいですか？
  11. まとめ：まずは「集める・保存する・整理する」をAI化する
  12. 参考にした一次情報

結論：ブログ分析は4つの工程に分けると半自動化しやすい

筆者が最も重要だと感じたのは、AIに「全部やって」と頼むのではなく、作業を4つに分けることでした。

  • 1. データ取得：GSCやBingから検索実績を取得する
  • 2. 保管：同じファイル名・同じ保存場所でGoogle Driveなどに集約する
  • 3. AI整理：ChatGPTに集計、前回比較、異常値確認、論点整理を任せる
  • 4. 人間判断：リライトするか、観察するか、記事を追加するかを決める

この分け方なら、AIが不得意な「最終判断」と、機械が得意な「反復作業」を切り分けられます。

なお、ChatGPTがGSCやBingの管理画面へ自動的にログインして、すべての数値を勝手に取得するという意味ではありません。この記事でいう半自動化は、検索データをAPIやCSVで取得し、一定の場所へ保存したうえで、AIに読む・比べる・整理する作業を任せる設計です。

筆者の「AI会社」で実際に使っている分析の流れ

筆者のブログ運営では、検索パフォーマンスを次のような流れで扱っています。

1. GSCの検索クエリを取得する

Google Search Consoleでは、検索クエリごとのクリック数、表示回数、CTR、平均掲載順位などを確認できます。

GoogleはSearch Console APIを公開しており、Search Analyticsのqueryメソッドを使うと、期間やディメンションを指定して検索トラフィックデータを取得できます。

筆者の運用では、直近7日分を同じ形式のCSVにして、後工程で比較しやすくしています。

2. Bingの検索クエリも別ファイルで取得する

Bing Webmaster APIには、登録サイトのRank & Traffic Stats、Keyword Details、Crawl Statsなどをプログラムから取得する仕組みがあります。

GoogleとBingでは流入傾向が同じとは限りません。そのため、GSCだけを見るのではなく、Bing側の検索実績も別データとして持っておくと、「Googleでは弱いがBingでは読まれている」といった差を確認できます。

3. Bing AI Performanceは検索実績と分けて扱う

Bing Webmaster Toolsでは、2026年2月からAI PerformanceがPublic Previewとして提供されています。Microsoftの公式説明では、Microsoft Copilot、BingのAI生成要約、一部のパートナー統合などで、自サイトのコンテンツがどのように引用されたかを確認できます。

ここで重要なのは、AIの引用数と、検索クリック数を同じ意味で扱わないことです。

AI PerformanceではTotal Citations、Average Cited Pages、Grounding queries、ページ別の引用状況などを確認できますが、Microsoft自身も、これらの数値はページの順位、権威性、回答内での重要度を示すものではないと説明しています。

筆者の運用でも、Bing検索パフォーマンスとBing AI Performanceは別ファイルとして保存し、後から照合しています。

データ兄さん
データ兄さん
結論から言うと、Citationsが増えたことと、クリックや収益が増えたことは別です。数字の意味を分けてから比較するのが基本です。

4. ローカルに履歴を残し、Google Driveには「latest」を同期する

分析を継続するなら、毎回違う場所へCSVを保存するより、ファイル名と保存場所を固定した方が扱いやすくなります。

筆者の実運用では、まずローカルの検索パフォーマンス出力を「最新」と「日付別」に分けています。現在のローカル出力構成は次の通りです。

search_performance/
├─ latest/
│  ├─ gsc_queries_7d.csv
│  ├─ bing_queries_7d.csv
│  └─ bing_ai_performance_7d.csv
└─ YYYY-MM-DD/
   ├─ gsc_queries_7d.csv
   ├─ bing_queries_7d.csv
   └─ bing_ai_performance_7d.csv

latestには現在分析するファイルを置き、YYYY-MM-DDのフォルダには過去比較用のCSVをローカルで残します。

一方、現在Google Driveへ同期しているのは、ローカルのlatest内のファイルです。Drive側では「検索実績／latest」に最新データを置き、別途「週次レポート」に日付付きの分析レポートを保存しています。日付別CSVフォルダそのものをGoogle Driveへ同期しているわけではありません。

このように、ローカルでは再集計できる履歴を持ち、Google Driveでは最新データと週次レポートを共有・参照する役割に分けています。

5. ChatGPTには「判断」より先に「事実整理」を任せる

データが揃ったら、ChatGPTには最初から「どの記事をリライトすべき？」と聞くより、まず事実整理をさせる方が安全です。

たとえば、次の順番で依頼します。

  1. ファイルごとの期間と件数を確認する
  2. クリック、表示回数、CTR、順位などを集計する
  3. 前回データがあれば差分を出す
  4. 欠測や異常値がないか確認する
  5. Google、Bing、AI引用で傾向が一致しているか分けて整理する
  6. 最後に改善候補と、その根拠を提示する

この順序にすると、事実とAIの仮説を分けやすくなります。

初心者なら「CSVを週1回保存」から始めれば十分

ここまで読むと、「APIやPythonが必要なら難しそう」と感じるかもしれません。

しかし、最初から自動取得まで作る必要はありません。

おすすめは、次の3段階です。

段階1：手動でCSVを取得する

最初は週1回、GSCやBingの管理画面から必要なデータをダウンロードし、同じフォルダへ保存します。

この段階でも、ChatGPTへ複数ファイルを渡して比較するだけで、目視作業はかなり整理しやすくなります。

段階2：保存場所とファイル名を固定する

次に、ファイル名を毎回変えず、最新分析用のファイル名を固定します。

過去比較もしたい場合は、ローカル側に日付別フォルダのスナップショットを残します。Google Driveへ同期する対象は、運用目的に応じて必要な範囲へ絞ります。

段階3：繰り返し作業だけAPIやスクリプトへ移す

運用が固まってから、GSC APIやBing Webmaster API、Python、PowerShell、Windowsタスクスケジューラなどを使って取得を自動化します。

この順番なら、「何を自動化したのか分からないまま複雑な仕組みだけ増える」状態を避けやすくなります。

効率屋ヒデ
効率屋ヒデ
要は、最初に自動化するのは「考える部分」じゃなくて「毎週同じことをしている部分」です。そこから始めた方が失敗しにくいです。

Google Search Console APIで自動化できること

GoogleのSearch Console APIでは、検索アナリティクスのデータをプログラムから取得できます。

公式ドキュメントでは、クエリ、ページ、国、デバイス、日付などのディメンションを使ってデータを取得でき、レスポンスにはクリック数、表示回数、CTR、平均掲載順位が含まれます。

一方で、APIには注意点があります。

  • Search Analytics APIは内部的な制限があり、すべてのデータ行が返ることを保証していない
  • 大量取得時はrowLimitやstartRowを使った分割取得が必要になる
  • Googleの公式ガイドでは、検索パフォーマンスデータは通常2〜3日後に利用可能になると案内されている

つまり、今日の数字を今日すぐ確定値として比較するより、少し遅延を見込んで定期取得する方が扱いやすいということです。

Bingは「検索」と「AI引用」を別レイヤーで見る

Bing側は、検索パフォーマンスとAI Performanceを分けて考えると整理しやすくなります。

Bing Webmaster APIは、検索やインデックスに関するデータへプログラムからアクセスするためのAPIです。一方、AI PerformanceはAI生成回答での引用状況を見るための機能です。

この2つは、同じ「Bing Webmaster Tools」の中にあっても意味が違います。

  • 検索パフォーマンス：検索結果での表示やクリックを見る
  • AI Performance：AI生成回答で自サイトが引用された状況を見る

なお、この記事の執筆時点で確認したMicrosoftのAI Performance公式案内はダッシュボード機能の説明が中心です。AI PerformanceをAPIで自動取得できるとは、この記事では断定しません。 筆者の実例でも、AI Performanceは検索APIとは切り離してCSVと後処理で扱っています。

Google Driveを中継地点にする理由

Google Driveを中継地点にすると、データ取得処理とChatGPT側の分析処理を分離できます。

たとえば、取得処理がPythonでもPowerShellでも、最終的に同じCSVを同じ場所へ置けば、分析側は保存方法を意識せずに済みます。

ChatGPTでは、2026年7月9日以降、ワークフロー機能を主にプラグインディレクトリから探す形へ移行しています。プラグインにはAppsなどを含めることができ、AppsはGoogle Driveのような外部データやアクションへ接続する統合機能として引き続き提供されています。利用できるプラグインやAppsの機能は、プラン、ワークスペース設定、地域、利用画面などによって異なるため、現在のChatGPTの設定画面で確認する必要があります。

ここで注意したいのは、OpenAI自身も、同期型のAppsはQ&Aや検索用途を得意とする一方、多数ソースをまたいだ複雑な集計では制約があると案内していることです。

そのため、数値分析では「Driveに大量のファイルがあるから全部いい感じに集計して」ではなく、対象ファイルを絞る、CSVの列を揃える、先に機械的な集計を済ませるといった設計が重要です。

ChatGPTへ渡す分析指示の例

筆者なら、最初の分析指示は次のようにします。

gsc_queries_7d.csv、bing_queries_7d.csv、bing_ai_performance_7d.csvを確認してください。

まず各ファイルの対象期間、行数、主要列、欠測の有無を確認してください。その後、GSC、Bing検索、Bing AI Performanceを混同せずに別々に集計してください。

事実と推測を分け、欠測値は推測で補完しないでください。前回データがある場合は差分を示し、最後に「改善判断に使える論点」だけを列挙してください。記事のリライトや公開変更はまだ決定しないでください。

ポイントは、「改善案を出して」から始めないことです。

最初にデータの状態を確認し、その後に集計、比較、仮説の順に進めると、AIの推測を事実のように扱うリスクを下げられます。

ブログ分析をAI化するときの5つの注意点

1. 比較期間を揃える

GSCが7日、Bingが30日、AI Performanceが別期間では、そのまま横並びにできません。期間が違う場合は、違うことを明示したうえで比較します。

2. AI引用をクリックや収益と同一視しない

Bing AI PerformanceのCitationsはAI回答での露出を見るための指標です。クリック数、検索順位、記事品質、収益を直接証明する数字ではありません。

3. latestだけでなく履歴を残す

最新ファイルだけを毎回上書きすると、前回との比較ができません。筆者の実運用では、日付別CSVのスナップショットはローカルに残し、Google Driveには最新データと週次レポートを置いています。保存レイヤーごとの役割を決めておくと、変化を追いやすくなります。

4. 欠測をAIに埋めさせない

取得できなかった数値は「0」ではなく「取得できなかった」可能性があります。AIに推測で補完させず、欠測として扱います。

5. 分析結果から自動で記事を書き換えない

「順位が落ちたから全面リライト」のような自動判断は危険です。検索意図の変化、一時的な変動、季節性、既存記事の強みなどを人間が確認してから変更します。

完全自動化より「人間承認つき」の方が実務では使いやすい

筆者が現在採用している考え方は、AIを人間の代わりにするのではなく、人間が判断する前の材料作りをAIに任せることです。

検索データの取得、ファイル整理、定型集計、前回比較は自動化しやすい領域です。一方で、「この記事を残すか」「全面リライトするか」「新記事を作るか」は、サイト全体の役割や収益導線も含めて判断する必要があります。

この考え方は、AIエージェントを使うときにも共通します。AIに任せる範囲と、人間が承認する範囲を先に決めておくと、運用が安定しやすくなります。

関連記事：

よくある質問

ChatGPTだけでGSCのデータを自動取得できますか？

この記事では、そのようには扱っていません。GSCのデータはSearch Console APIやCSV出力などで取得し、その結果をChatGPTに読ませる構成です。利用環境によっては外部アプリ連携が使えますが、利用可否や機能はプラン・設定などで異なります。

プログラミングができなくても使えますか？

はい。最初はGSCやBingからCSVを手動取得し、毎週同じファイル名で保存するだけでも始められます。運用が固まってからAPIやスクリプトへ移す方が分かりやすいです。

Bing AI PerformanceのCitationsが増えればSEOも成功ですか？

そうとは限りません。CitationsはAI生成回答で引用された回数を見る指標で、検索順位、クリック、記事品質、収益を直接示すものではありません。GSCやBing検索実績、GA4など別のデータと組み合わせて判断する必要があります。

ChatGPTにリライト記事まで自動で作らせてもよいですか？

下書き作成には活用できますが、分析結果だけを根拠に自動で公開記事を書き換えるのはおすすめしません。検索意図、既存記事の役割、内部リンク、収益導線などを確認し、人間承認を入れる方が安全です。

まとめ：まずは「集める・保存する・整理する」をAI化する

ブログ分析の半自動化というと、大がかりなAIエージェントを想像するかもしれません。

しかし実際には、次の流れだけでも十分に実用的です。

  1. GSCとBingのデータを取得する
  2. Bing AI Performanceは別の指標として保存する
  3. ローカルに日付別履歴を残し、Google Driveには最新データを同期する
  4. ChatGPTに事実整理、集計、比較を任せる
  5. 最後の改善判断は人間が行う

最初から完全自動化を目指す必要はありません。

毎週繰り返している作業を1つずつ機械に渡し、判断だけは人間に残す。 これが、筆者が実際にブログ運営で試しているAI活用の基本形です。

参考にした一次情報

スポンサーリンク
AI・仕事術
シェアする
かんなをフォローする
スポンサーリンク
かんな
error: Content is protected !!
タイトルとURLをコピーしました