Claude Codeで過去記事をSEOリライト：対話しながら最適化

過去に書いた記事が増えてきたのに、リライトまで手が回らない。順位もアクセスも伸び悩んでいるけど、どこから直せばいいか分からない。そんなお悩みはありませんか。

この記事では、Claude Codeを使って過去記事を一気に書き直すのではなく、対話しながら少しずつ最適化していく具体的な手順を解説します。何をAIに渡せばいいか、出てきた原稿のどこを人が確認・修正すべきか、そして順位を落とさないための注意点まで、現場で実際にやっている流れに沿ってお伝えします。

Contents / 目次

1. 結論。リライトは「AIに丸投げ」ではなく「対話で詰める」が正解
2. Claude Codeで過去記事をリライトする具体的な手順
3. リライトに取り組むと、何がどう変わるのか
4. よくある失敗と、その防ぎ方
5. 使う前に知っておきたい、現場の落とし穴と妥協点
6. よくある質問

結論。リライトは「AIに丸投げ」ではなく「対話で詰める」が正解

過去記事のSEOリライトでClaude Codeを使うなら、押さえるべきことは3つです。①リライトの目的と判断材料をAIに渡す、②見出し単位で対話しながら直す、③最終チェックと一次情報の追加は必ず人がやる。この3つを守れば、品質を保ったまま作業時間を大きく減らせます。

まず前提を整理します。Claude Codeとは、AI安全性の研究企業であるAnthropic（アンソロピック）が提供する、パソコン上のファイルを直接読み書きできるAIコーディングアシスタントです。 かんたんに言うと、記事の原稿ファイルをそのまま渡して「ここをこう直して」と会話しながら作業を進められる、という点が普通のチャット型AIと違うところです。コピペを何度も往復しなくていいので、記事をまとめて扱うリライト作業と相性がいいわけです。

ここで一番大事な考え方をお伝えします。AIに「いい感じにリライトして」と頼んで一発で完成させようとすると、まず失敗します。中身が浅くなったり、事実と違う情報（ハルシネーション）が混ざったり、どこかで見たような文章になったりするからです。そうではなく、AIには「たたき台」と「気づきの量産」を任せ、最終的な良し悪しの判断は人がやる。この役割分担が、2026年時点でのリライトの現実解です。

誰が何をやるのか、最初に線引きしておきましょう。ここを曖昧にしたまま進めると、AIの出力を鵜呑みにして痛い目を見ます。

工程	AIに任せていい範囲	人がやるべき範囲
現状分析	記事の構成や論点の整理、検索意図とのズレの指摘	どの記事を直すかの優先順位づけ
改善案出し	見出し案、不足トピックの洗い出し、文章のリライト案	その案を採用するかの最終判断
本文作成	読みやすい文章への書き直し、冗長な箇所の圧縮	一次情報・実体験・自社の数字の追加
事実確認	怪しい箇所の指摘、出典の有無のチェック補助	数字・固有名詞・日付の最終裏取り
公開前確認	誤字脱字や表記ゆれの検出	順位への影響判断、URL・内部リンクの確認

ポイント。AIは「生成」は得意でも「良し悪しの最終判断」はできません。だからこそ、人が判断する工程を最初から手順に組み込んでおくことが、品質を守る一番の近道です。

記事ファイルをまとめて扱う本格的なリライトには、パソコン上のファイルを直接読み書きできるClaude Codeが向いています。

Claude Codeで過去記事をリライトする具体的な手順

実際の進め方を順番に解説します。ここで紹介するのは「どの画面のどのボタンを押すか」ではなく、「何を準備し、何を渡し、出力のどこを確認するか」という、ツールの細かな仕様が変わっても通用する道筋です。

ステップ1。リライトする記事を1つに絞り、材料を集める

最初にやるのは、対象記事を1本に絞ることです。いきなり全記事を直そうとせず、まず1本で流れを掴むのが失敗しないコツです。優先順位は、Google Search Console（サーチコンソール）で「表示回数は多いのにクリック率が低い記事」や「掲載順位が11〜20位あたりで、あと一押しで1ページ目に入りそうな記事」を選ぶのが定石です。すでに上位で安定している記事は、いじって順位を落とすリスクの方が大きいので、今回の対象からは外します。

記事を決めたら、Claude Codeに渡す材料を手元にそろえます。集めるのは次のものです。

• 記事本文：WordPressの本文をコピーしたテキスト、またはHTMLファイル
• 狙うキーワード：その記事で1位を取りたい検索語（例「経理 ペーパーレス 進め方」）
• 検索意図のメモ：そのキーワードで検索する人が「本当は何を知りたいか」を一言で
• 実データ：サーチコンソールでその記事がどんな検索語で表示されているかの一覧
• 自社の強み：競合が書けない一次情報（自社事例、実際の数字、現場の声）

この「実データ」と「自社の強み」が、リライトの質を決める一番の燃料になります。ここをサボると、AIは一般論しか書けません。

ステップ2。AIに「目的」を伝える（プロンプトはたたき台でOK）

材料がそろったら、Claude Codeに記事ファイルを読ませて、リライトの目的を伝えます。ここで完璧な指示文を作り込む必要はありません。今のAIは、ざっくり頼めば自分で意図を汲んで動いてくれるので、まずは短いたたき台を投げて、あとは対話で詰めていくのが効率的です。

出発点として、こんな短い指示で十分です。

あなたはBtoBに強いSEO編集者です。
添付した記事を、検索意図に合うようにリライトする前提で分析してください。

・狙うキーワード：［キーワードを入力］
・読者：［想定読者を入力。例 経理担当者］
・読者が本当に知りたいこと：［検索意図を入力］

まずはリライトせず、次の3点だけ先に教えてください。
1. 今の記事と検索意図のズレ
2. 不足している見出し・トピック
3. 逆に削っていい冗長な部分

ポイントは、いきなり書き直させないことです。先に「分析」だけさせて、改善の方向性をAIと合意してから本文に手を入れます。こうすると、見当違いの方向にまるごと書き換えられて手戻りする、という事故を防げます。

ステップ3。見出し単位で対話しながら直す

方向性が固まったら、いよいよ書き直しです。ここで絶対に守ってほしいのが、記事全体を一気に書き直させず、見出し（H2・H3）ごとに分けて指示を出すことです。AIは長い文章になるほど全体の文脈を取りこぼしやすく、一気に直すと前半と後半で言っていることがズレたり、せっかくの自社情報が消えたりします。

「この章だけ、検索意図に合わせて結論から書き直して」「ここに自社の事例を1つ入れたいので、聞き取りに来て」のように、一区切りずつ会話を往復させます。AIが書いた章を読み、違和感があればその場で「もっと具体例を」「専門用語をかみ砕いて」と注文を重ねる。この往復が、AIっぽさを消して自社らしい記事に仕上げる工程そのものです。

ステップ4。公開前チェックリストで仕上げる

文章ができても、そのまま公開してはいけません。リライトは「直すこと」より「直したせいで順位を落とさないこと」の方が重要です。公開前に次の項目を必ず確認してください。

• URLは変えていないか：URLは原則変えない。どうしても変える場合は、旧URLから新URLへ301リダイレクトを設定し、過去の評価を引き継げるようにする
• 数字・固有名詞・日付の裏取り：AIが書いた数値や社名は、人が一次情報で確認。出典を示せないものは消す
• 一次情報は入っているか：競合のコピーでない、自社にしか書けない情報があるか
• 内部リンクの追加：関連する自社記事へのリンクを自然な文脈で足す
• スマホ表示の確認：段落が長すぎないか、表が崩れていないかをスマホで実際に見る
• タイトルとメタdescription：狙うキーワードを前半に入れ、クリックしたくなる文言にする

メタタグやディスクリプションの直し方そのものに不安がある方は、Claude CodeでSEO診断｜AIと対話してメタタグを直す入門でも基本を解説しているので、あわせて読んでみてください。

リライトに取り組むと、何がどう変わるのか

正しい手順でリライトを回すと、変わるのは「順位」だけではありません。一番大きいのは、作業時間と継続のしやすさです。

たとえば、1本のリライトを人手だけでやると、構成の見直しから書き直し、事実確認まで含めて時間がかかります。これをClaude Codeとの対話に切り替えると、分析と改善案出し、たたき台の作成までをAIが受け持つぶん、人は「判断」と「一次情報の追加」に集中できます。どのくらい短縮できるかは記事の種類や担当者の習熟度で大きく異なりますが、人手だけのときより1本あたりの作業時間を抑えやすくなる、というのが現場の体感です。時間が読めるようになると、「月に何本直す」という計画が立てられるのが大きいんですよね。

コレットラボでも、自社サイトの過去記事を継続的にリライトする仕組みを社内で運用しています。そこで実感しているのは、AIに任せていいのは「下書きと気づきの量産」までで、最後の質を決めるのは結局人の手だ、ということです。AIが出してくる改善案のうち、自社の読者に本当に効くのはごく一部です。その取捨選択ができるかどうかで、同じツールを使っても成果がまるで変わります。

成果が出ている取り組みに共通するのは、次の3点です。

• 一気にやらず仕組みにしている：「毎週2本」のように小さく回し続けている
• 効果を測ってから次を決める：直したら数値の変化を見て、次のリライトに活かす
• AIに任せる範囲を決めている：人が判断する工程をルール化している

逆に言うと、ツールを入れただけ・1回やっただけでは成果は出ません。これはAI導入全般に言えることで、定着の考え方はAIシステム化の成功ロードマップ｜ツール導入で終わらせず社内に定着させるでも詳しく触れています。

よくある失敗と、その防ぎ方

リライトでつまずくパターンは、だいたい決まっています。現場でよく見かける失敗を、起きる状況・どうなるか・防ぎ方のセットで紹介します。

失敗1。順位が安定している記事まで触ってしまう

「もっと良くできるはず」と、すでに上位表示されている記事に手を入れてしまうケースです。これをやると、せっかく安定していた順位が下がり、元に戻らないことがあります。防ぎ方はシンプルで、上位で安定している記事は情報の更新や誤字修正など最小限にとどめ、リライトの主戦場は「11〜20位の伸びしろ記事」に絞ることです。

失敗2。AIの出力をそのまま公開してしまう

納期に追われて、AIが書いた文章を読まずに公開してしまうケースです。こうなると、存在しないデータや誤った引用が混ざったまま世に出て、読者の信頼を失います。特に料金・制度・統計のような変わりやすい情報は危険です。防ぎ方は、公開前チェックを工程として固定すること。数字・固有名詞・日付は人が一次情報で必ず裏取りし、出典を示せないものは思い切って削る。「迷ったら載せない」を徹底するだけで、事故の大半は防げます。

失敗3。キーワードを詰め込みすぎる

「このキーワードを15回入れて」のように、出現回数をAIに指示してしまうケースです。結果として不自然な文章になり、読みにくいうえに検索エンジンからの評価も下がりかねません。2026年の今、キーワードの詰め込みは効果がないどころか逆効果です。防ぎ方は、回数ではなく「読者が本当に知りたいことに答える」を指示の軸にすること。キーワードは自然に入る範囲で十分で、それより検索意図に正面から答える方がずっと効きます。

失敗4。内部リンクとモバイル表示を忘れる

本文を直すことに集中するあまり、関連記事への内部リンクを入れ忘れたり、PC画面だけで確認して公開してしまうケースです。関連記事へのリンクがないと読者が次に読むものを見つけにくく、スマホで見たら段落が長すぎて読みにくい、ということがよくあります。防ぎ方は、チェックリストに「内部リンクを1〜2本足す」「スマホで実機確認する」を必ず入れること。いまは多くの読者がスマホで記事を読むので、ここは外せません。

使う前に知っておきたい、現場の落とし穴と妥協点

ここまで手順を紹介してきましたが、正直にお伝えしておきたい「現場の本音」もあります。教科書的な記事には書かれない、使ってみて初めて見える限界の話です。

まず、Claude Codeはターミナルで動かすツールなので、コマンド操作に一度も触れたことがない人にとっては、最初のハードルがゼロではありません。「AIが全部やってくれるから誰でもラクラク」とは言いません。とはいえ、覚えるのは記事ファイルを置く・読ませる・会話する、という最小限の流れだけです。プログラミングの知識は要りませんし、分からないところはClaude Code自身に「これどうやるの」と聞けば教えてくれます。最初の1本さえ越えれば、2本目からは驚くほどスムーズになります。

注意したいのは、AIに任せる範囲を広げすぎると、かえって品質が落ちることです。「分析」「下書き」「気づき出し」まではAIが得意ですが、「自社の読者に何が刺さるか」の判断や、一次情報の取材は人にしかできません。ここを丸投げすると、見栄えはいいのに中身のない「コンテンツ負債」が量産されます。

もう一つの妥協点は、リライトは「やれば必ず上がる」ものではない、ということです。検索順位は競合の動きやGoogleのアルゴリズム変更にも左右されるので、1本直して順位が動かないことも普通にあります。だからこそ、1回で結果を求めず、効果を測りながら回し続ける仕組みにすることが大事です。「今月直した5本のうち、3本は手応えあり」くらいの打率で十分、と考えると気が楽になります。

内製と外注の切り分けで言えば、おすすめは「最初の仕組みづくりだけ伴走してもらい、運用は社内で回す」形です。AIツールの導入は、最初に判断軸とルールを固めるところが一番難しく、ここを独力でやると遠回りになりがちです。逆に、いったん流れができてしまえば、日々のリライトは社内の担当者で十分回せます。「全部外注」でも「全部自前」でもない、この中間が一番コストに見合う、というのが現場で見えてきた答えです。AIエージェントに記事作業そのものを任せる発展形に興味があれば、AIエージェントに「記事執筆」を自走させる育て方も参考になります。

よくある質問

ここまで読んで、やり方は分かったけれど自社だけで仕組みづくりまで回し切るのは大変そう、と感じた方もいるかもしれません。コレットラボのAI業務システム化支援では、リライトの判断軸づくりから運用の定着まで、社内で回せるようになるところまで伴走します。まずは現状を整理するだけでも構いません。AI業務システム化の詳細はこちらから、お気軽にご相談ください。