図書館司書の求人ポータルは、Indeed・求人ボックスといった大型プラットフォームが検索上位を占め、上位5ドメインだけで全体シェアの83.0%を握る、競争が激しいジャンルです。
しかし今回、約1,121キーワードを実データで調査したところ、「職種×市区町村」「資格名」「資格名×都道府県」など、シェアが60〜67%にとどまる軸が複数確認されました。これらは競合が集中しきっていない、まだ攻略余地が残るエリアです。
本記事では、データに基づいてどの検索軸に余地があるかを可視化し、AEO・LLMOを含むSEO戦略の組み立て方と、KWカバレッジを広げるための具体的施策を解説します。
図書館司書採用ポータルでもSEO強化が必要な理由
図書館司書の求人検索は、ユーザーが「職種名＋勤務地」「資格名＋地域」といった複合キーワードで検索するケースが多く、単一のブランドワードだけではカバーしきれないロングテールが大量に存在します。実際に1,121KWを調査した結果、特定の2語・3語の組み合わせではトップ5ドメインのシェアが60〜67%台にとどまり、まだ十分に検索結果が定まっていない軸が複数確認できました。
図書館司書は司書資格を前提とする専門職で、勤務先も公共図書館・大学図書館・専門図書館・国立国会図書館など多岐にわたります。求職者は「司書補」「学芸員」「社会教育主事」といった関連資格や、勤務先の館種を軸に検索する傾向が強く、条件を絞り込んだキーワードでの検索が増加しています。これらに対応するランディングページを持つかどうかが集客の分岐点になっています。
さらに、ChatGPTやPerplexityなどのAIが「図書館司書の求人はどこで探せる？」といった質問に対して特定のサイトを推薦する場面が増えています。SEO上のコンテンツ量と構造化データの充実度が、AIからの言及率に直結するようになっており、従来の検索対策と並行してAEO・LLMO対応が求められています。
図書館司書領域では、資格名や館種を組み合わせた複合KWにおいて競合シェアが低い軸が複数存在する。これらを系統的に洗い出してページ化することが、SEO投資対効果を高める最短ルートです。
主要ドメインが強い領域で見落とされている伸びしろ領域
Indeedや求人ボックスといったプラットフォームはSEO予算・ドメインパワーともに潤沢です。しかし、それらが強いのは主に「職種単独」「職種×都道府県」「職種×勤務条件」といった軸が中心で、資格名や市区町村レベルの組み合わせになるとシェアが下がる傾向があります。
図書館司書は司書資格を持つ専門人材が中心で、公共図書館・大学図書館・専門図書館など館種ごとに採用要件や検索意図が細かく分かれます。今回の調査でも、「職種×市区町村」（シェア60.0%）、「資格名」（62.5%）、「資格名×都道府県」（67.3%）といった軸で、まだ競合が分散している実態が確認できました。これらの軸を優先してページを整備することで、競合の手薄な部分から検索流入を積み上げられます。
伸びしろ領域①：職種×市区町村（シェア60.0%）
「図書館司書 帯広市 募集」「図書館スタッフ 湧水町 募集」など、市区町村を組み合わせた2語KWは、このジャンルで最もシェアが低いグループのひとつです。地方都市や町村単位で司書職を探す検索ニーズが確実に存在するにもかかわらず、専用ページを持つサイトが少ない状態です。市区町村×職種のページを構造化URLで整備するのが有効です。
伸びしろ領域②：資格名（シェア62.5%）
「司書補 採用」「学芸員 採用」「情報検索能力検定 求人」のように、資格名を起点にした検索は、資格保有者や取得予定者から発生します。図書館関連の資格は幅広いにもかかわらず、資格名特化のページを持つドメインは少なく、シェアも62.5%にとどまっています。資格名別のランディングページを展開することで、専門性の高い検索意図に合った流入を狙えます。
伸びしろ領域③：資格名×都道府県（シェア67.3%）
「司書補 福岡県 採用」「情報検索能力検定 東京都 求人」のように、資格名と地域を組み合わせたKWも、シェアが67.3%と低い軸です。資格を活かして地元で働きたい層のニーズが存在するにもかかわらず、資格名×地域の専用ページを持つサイトが限られています。資格名を切り口にした都道府県別の特集ページを整備することで、既存ページとの差別化が図れます。
シェアが低い＝誰も攻略していない、ではありません。検索ボリュームが極端に小さいKWもあるため、実際のボリュームデータと組み合わせて優先順位を決定してください。シェアの低さとボリュームの確認を必ずセットで行いましょう。
AEO・LLMOとは何か、なぜ今対応が急務なのか
AEO（Answer Engine Optimization）とは、GoogleのAIオーバービューやChatGPT・Perplexityなどの回答型AIが質問に答える際、自サイトの情報を引用・推薦させるための最適化です。LLMOはLarge Language Model Optimizationの略で、大規模言語モデルが情報を学習・参照する際のコンテンツ設計を指します。
図書館司書への転職を検討するユーザーは「図書館司書 求人 どこで探す」「司書補 資格 活かせる 求人 おすすめ」といった質問をAIに投げかけるケースが増えています。こうした質問に対してAIが特定のサービスを推薦する場合、SEO対策と同様にコンテンツの権威性・構造・情報量が参照されます。
| ステップ | ユーザーの行動 | AI/検索の役割 | 必要なコンテンツ |
|---|---|---|---|
| 1 | 「図書館司書 求人 どこがいい」とAIに質問 | 求人サービスを推薦・比較 | サービス特徴・ジャンル特化の説明文 |
| 2 | 「司書補 福岡県 採用」でGoogle検索 | 条件合致ページをリスト化 | 資格名×都道府県の組み合わせページ |
| 3 | 検索結果のAIオーバービューを確認 | 複数サイトの情報を要約して提示 | FAQスキーマ・構造化データ |
| 4 | 気になるサービスの詳細ページへ遷移 | クリックログを評価指標に反映 | 求人数・館種カバレッジ・勤務条件の明示 |
| 5 | 登録・応募を完了 | コンバージョンシグナルを収集 | 離脱率を下げるUX・CTA設計 |
AEO・LLMOへの対応は「コンテンツの充実＋構造化データの実装」が基本です。特に図書館司書特化の専門情報（司書資格の要件・館種ごとの業務内容・平均給与・雇用形態の違い）を網羅的に記載することが、AIからの引用率向上につながります。
技術SEOで次のフェーズに進むための3つの施策
施策①：動的ランディングページの体系的な生成
「職種×市区町村」「資格名×都道府県」の組み合わせでページを動的生成する仕組みを構築します。すべての組み合わせをベタ書きするのではなく、テンプレートURLを設計し、パラメータに応じてタイトル・メタディスクリプション・本文の導入部を自動生成する方式が効率的です。ページ数が増えてもクロール予算を圧迫しないよう、sitemap.xmlの優先度設定とrobots.txtを合わせて管理してください。
施策②：構造化データ（JobPosting・FAQPage）の実装
Googleは求人情報に対してJobPostingスキーマを推奨しており、給与・雇用形態・勤務地を構造化データで明示すると、検索結果にリッチスニペットが表示されやすくなります。また、FAQPageスキーマを求人ページに追加することで、AIオーバービューへの引用率が高まる効果も確認されています。図書館司書に関するよくある質問（「司書資格は必須か」「司書補と司書の違いは」など）をFAQ形式でページに組み込みましょう。
施策③：内部リンク設計の見直しとトピッククラスター化
図書館司書というニッチ内で、「資格・なり方」「館種の違い」「給与・待遇」「非常勤・契約社員」「地域別求人」といったトピックごとにクラスターを設計し、ピラーページから各クラスターへの内部リンクを整備します。関連コンテンツへの回遊を促す内部リンク設計は、検索エンジンのクロール効率を高めるとともに、ユーザーの滞在時間向上にも寄与します。
KPI設定とROI換算の考え方
対象KWのオーガニッククリック数 × CVR（登録率）× 採用単価 ＝ SEO経由の売上貢献額
例）月間クリック3,000件 × CVR 2% × 採用成功報酬5万円 ＝ 月商300万円相当の貢献
【実データ公開】約1,121KW調査で見えた未対策領域
図書館司書領域の1,121KWを対象に、どのドメインがどの検索軸を制しているかをSERP単位で集計しました。以下がドメイン別の件数ランキングです。
| 順位 | ドメイン | 件数 | シェア |
|---|---|---|---|
| 1 | jp.indeed.com（Indeed） | 506件 | 45.1% |
| 2 | 求人ボックス | 300件 | 26.8% |
| 3 | jp.stanby.com（スタンバイ） | 52件 | 4.6% |
| 4 | www.jla.or.jp（日本図書館協会） | 50件 | 4.5% |
| 5 | tenshoku.mynavi.jp（マイナビ転職） | 22件 | 2.0% |
| 6 | doda.jp（doda） | 21件 | 1.9% |
次に、検索軸ごとの競合シェアを可視化します。シェアが高い（赤）軸は競合が固まっており、シェアが低い（緑）軸に余地が残っています。
競合シェアが高い軸（赤タグ）は、既存プレイヤーのページが検索上位を固めているため、新規ページ投資の優先度は低くなります。一方、シェアが60〜67%の軸（緑タグ）は、適切なページを整備することで上位表示の可能性が残っています。
競合シェアが高い軸（赤タグ）
余地が残る軸（緑タグ）
なぜ3〜5語KWは図書館司書採用ポータルにとっても重要なのか
「図書館司書 求人」「司書 転職」といった2語のキーワードは、検索ボリュームは大きいものの、上位には大量の求人データを持つ大型プラットフォームが固まっており、新規ページが割り込む余地は限られています。一方、3〜5語の複合KWは1件あたりのボリュームは小さくても、ページの意図とユーザーの検索意図が完全に一致するため、CVRが高い傾向があります。
資格特化型KWがCVRを高める理由
「司書補 福岡県 採用」「情報検索能力検定 東京都 求人」のように資格と地域が絞られたKWで流入したユーザーは、既に「資格を活かして地元で働きたい」という明確な意図を持っています。汎用KWと比較して登録・応募率が高く、採用コスト換算でのROIが優れているケースが多く確認されています。
地域×職種の組み合わせで競合が分散する
「図書館司書 帯広市 募集」「図書館司書 宇和島市 転職」のように市区町村を組み合わせると、シェアが60.0%まで下がります。特に地方都市での組み合わせは、情報量が少なく専用ページを持つサイトが限られているため、適切なページを作るだけで上位表示の可能性が高まります。市区町村ごとにユニークコンテンツ（地域の図書館の特徴・求人数・平均給与）を付与することが差別化のポイントです。
館種・企業タイプまで細分化したロングテール戦略
「国立国会図書館 採用」「研究機関図書館・資料室 転職」「図書館業務受託会社 転職」といった企業タイプ軸（67.4%）は、シェアが低く専用ページを持つサイトがほとんどありません。館種・運営主体ごとのページを網羅的に生成し、専門情報（館種ごとの業務内容・採用要件・待遇）を付与することで、専門性の高い求職者に対する存在感を高められます。
AIによるKW対策の自動化で何が変わったか
図書館司書領域のKW対策を手作業で進めると、「職種×資格名×市区町村×勤務条件」の組み合わせだけで数千〜数万パターンに達します。これをすべて人手で整備するのはリソース的に現実的ではありません。AI活用による自動化で、このスケールアウトが実現可能になっています。
- KWの組み合わせパターンを自動生成し、優先度スコアリングを行う
- テンプレートとデータを組み合わせて大量ページを自動生成・インデックス管理
- FAQコンテンツをAIで生成し、構造化データとともに実装
- SERPデータを定期取得してシェア変動をモニタリングし、対策軸を動的に更新
- AEO・LLMO向けに、AIが参照しやすい情報構造（箇条書き・表・FAQ）へ自動整形
これにより、KWリサーチから実装・効果測定までを高速に回すサイクルが確立できます。図書館司書に特化した採用ポータルのSEOを効率よく強化するには、こうしたデータドリブンな自動化の仕組みが欠かせません。
