動画に字幕さえあれば、GEOの準備は終わったと言えるでしょうか？

字幕は出発点としては良いものです

まず、字幕にどんな意味があるのかから見ていきます。Google は AI による概要と AI モードについての案内で、表示されるための特別な要件や特別な最適化は必要ないと述べています。そのかわりに基本として押さえることをいくつか挙げていて、そのひとつが重要な内容をテキストの形で見られるようにすることです。画像や動画は、そのテキストを補うものとして説明されています。

動画はもともと音と映像でできています。字幕はその音を文字に変えてくれるので、最初の一歩であることは確かです。問題は、多くの方がそこで止まってしまうことです。字幕は「話したこと」を写すだけで、それが正しく写されたか、話さなかったことはどこに残るのかは、別に確かめる必要があります。

自動字幕は商品名を書き間違えることがあります

YouTube ヘルプの自動字幕の案内には、こう書かれています。自動字幕は発音、アクセント、方言、背景のノイズによって話した内容を正しく表せないことがあるため、常に確認し、正しく文字起こしされていない部分は編集してください、と。

商品動画でいちばんよく間違えられるのは、よりによっていちばん大切な言葉です。ブランド名、型番、数字の単位のように、日常会話にはあまり出てこない言葉です。視聴者は画面を見ながら自然に補正しますが、文字だけを読む側は、間違った文字をそのまま受け取ります。

同じひと言、話した言葉と自動字幕例

実際に話したこと視聴者にはこう聞こえます「ルミミニのエアフライヤー、容量は5.5リットルで、バスケットは食洗機で洗えます」映像と音ですぐに伝わります。

自動字幕文字ではこう残ることがあります「留美にのエアフライヤー容量は5天5リットルでバスケットは食洗機で洗えます」名前と数字から先に崩れます。

間違えやすいのは固有名詞と数字です。例は架空の商品です。自分の動画では、商品名が出てくる区間をひとつ確かめるだけでも感覚がつかめます。

話さなかったことは字幕にも残りません

2つ目の空白は、さらに目につきにくいものです。商品動画を撮っていると、「これを見ていただくと」「ここをこうすると」といった言い方をよくします。画面を見ている人には十分な説明です。指がさしている場所が見えるからです。

ところが字幕だけを読むと、「これ」が何なのか、「こう」がどうなのかはわかりません。防水テストを画面だけで見せて、言葉では「ほら、大丈夫でしょう？」と言ったなら、文字の側には防水という言葉が一度も残りません。

画面にしかない情報を、言葉で一度伝える例

画面だけ「これ、見ればわかりますよね？」水を注ぐ場面は見えても、字幕には何を見せたのかが残りません。

言葉で一度「コップ1杯の水を注いでも、中は乾いたままです」同じ場面にひと言足すだけで、聞く人にも読む側にも残ります。

画面だけ「ここをこう折ればいいんです」折る手元は見えても、折ったあとの大きさは文字に残りません。

言葉で一度「半分に折るとA4用紙くらいになります」視聴者が自分のバッグを思い浮かべられる目安も一緒に残ります。

台本を書き直す必要はありません。大事な場面で「何を、どれくらい」をひと言、声に出して言うだけで十分です。

今、タブをひとつ開いて3分だけ試してみてください。自分の動画を再生して字幕をオンにし、画面は見ずに字幕だけを30秒読んでみます。どの商品をどう見せているのか、文字だけで思い描けるでしょうか。思い描けない区間こそ、手を入れる場所です。

字幕の外で動画を説明する文字

3つ目の空白は動画の外にあります。Google の動画 SEO のベストプラクティスでは、動画ごとにその動画だけに合ったタイトルと説明をつけるよう求めています。動画が何なのかを最初に伝える文字は、字幕ではなくタイトルと説明だということです。

同じページでは、動画内の重要なシーンも扱っています。YouTube にアップロードした動画なら、説明欄にタイムスタンプとラベルを書いてシーンを自分で指定でき、Google はこうして直接指定したシーンを優先するとしています。YouTube ヘルプのチャプターの案内によると、最初のタイムスタンプは 00:00 から始め、タイムスタンプは3つ以上、各チャプターは10秒以上である必要があります。

ひとつの動画を囲む文字の層

01字幕動画の中で話した内容確認商品名と数字が正しく書かれているか
02言葉で伝えた場面画面にしかなかった情報確認「これ、ここ」だけの区間がないか
03タイトルと説明この動画が何なのか確認ほかの動画と重ならない説明か
04チャプターどこに何があるのか確認00:00から、3つ以上、10秒以上

字幕は01の層ひとつだけです。Google と YouTube の公開されている案内をもとにまとめました。下の層に進むほど、動画を見ていない側が動画を理解する助けになります。

もうひとつ。字幕や説明欄に検索キーワードを繰り返し入れたくなるかもしれません。生成AI検索エンジンで実験し KDD 2024 で発表された研究では、キーワードを詰め込む方法は回答での露出をほとんど高めず、Perplexity ではむしろ基準より10%低くなりました。同じ研究で効果が大きかったのは、出典、引用、数値を加える方法でした。繰り返すより、正確なひと言のほうが役に立ちます。

今日できる3分チェック

最近アップロードした商品動画をひとつ開いてください。

1分 · 聞く商品名が出る区間の字幕字幕をオンにして、商品名や数字が最初に出てくるところへ移動します。文字が正しく書かれているかを見ます。間違っていたら、YouTube Studio でその行だけ直せば大丈夫です。
1分 · 読む「これ、ここ」を探すいちばん大事な場面の30秒を、画面なしで字幕だけ読みます。何を見せているのかわからない文をひとつメモします。次の動画で言葉にして伝える場所です。
1分 · 見る説明欄の最初の2行とチャプター説明欄の最初の2行だけを読んで、この動画が何なのかがわかるか、チャプターが 00:00 から始まっているかを確認します。

手作業だと、どこで行き詰まるのでしょうか

動画ひとつなら3分で済みます。けれど商品動画が何十本もあり、動画ごとに字幕を聞いて照らし合わせ、文字だけで内容が伝わるかを読み直していると、1日はすぐに終わってしまいます。しかも次の動画を公開した瞬間、同じ作業がまた始まります。

その繰り返しを VIDEOudit が引き受けます。動画の URL を入れるだけで、その動画がどう読まれているかを一度に見て、何から直すとよいかを順番に示します。

ただし VIDEOudit は、商品の品質、価格、在庫、広告、季節要因、チャンネルの評判は見ることができません。そして、どの動画に言及するかは、最終的にそれぞれの AI が決めます。

自社の動画のどこでつまずいているか、VIDEOudit で診断してみてください。