検索アルゴリズムとは？Google公式の17システムとPageRank・BM25の仕組み【2026年】

検索アルゴリズムは、検索エンジンが入力された語句に合うページを探し出し、表示する順番を決めるための計算手順の総称です。Googleはこの計算を1本の式ではなく複数の「ランキングシステム」の組み合わせで行っており、そのうち名前と役割を公式に説明しているものが17件あります。この記事では、Google検索セントラルの公式文書を出典にその17件と廃止された4件を整理し、検索エンジンの内部で使われる転置インデックス・BM25・PageRank・ベクトル検索の仕組み、検索結果の良し悪しを測る評価の方法と指標、2026年のアップデート履歴までを順に確認します。

まとめ：検索アルゴリズムの要点

• Googleが名前と役割を公式に説明しているランキングシステムは17件です（ランキング システム ガイド、英語版の最終更新は2025年12月10日）。Panda・Penguin・Hummingbird・ヘルプフルコンテンツの4件は「廃止されたシステム」で、後継システムやコアランキングシステムに組み込まれています。
• 17件の役割は、言葉と意図の理解、リンク分析、品質と信頼性、スパム検出、鮮度・重複・多様性の調整に分かれます。
• 語句に基づく検索の代表的な構成は、転置インデックスで候補の文書を集め、BM25などで語句との関連度を計算し、PageRankのようなリンク評価や機械学習で並べ替える流れです。意味の近さで探すベクトル検索を組み合わせたハイブリッド検索も広がっています。
• Googleは2023年に4,781件の変更を検索へ反映し、その判断に71万9,326件の検索品質テストなどを使いました。
• 2026年はコアアップデートが3月と5月、スパムアップデートが3月・6月・8月・9月に実施されました（10月27日時点）。順位が動いたときは、更新の完了から1週間以上たってから前後を比べるのがGoogleの推奨です。

「検索アルゴリズム」の2つの意味：検索エンジンの順位付けと探索アルゴリズム

「検索アルゴリズム」で調べるとSEOの記事とプログラミングの記事が混ざって表示されるのは、同じ言葉が2つの意味で使われているためです。1つは、Googleなどの検索エンジンがウェブページを並べる順番を決める仕組みで、この記事が扱う意味です。もう1つは、配列やグラフの中から目的の値を見つける探索アルゴリズムで、情報処理の教科書では線形探索や二分探索として出てきます。線形探索は先頭から順に調べるので最悪n回の比較が必要で、二分探索は並べ替え済みのデータを半分ずつ絞り込むため、100万件でも最大20回の比較で済みます。探索アルゴリズムの実装と計算量はJavaScriptの探索アルゴリズム｜二分探索・線形探索の実装と計算量で選ぶ基準で解説しているので、プログラミングの意味で調べている場合はそちらが目的に合います。

Google検索が結果を返すまでの3段階：クロール・インデックス登録・検索結果の表示

Googleの公式解説「Google 検索の仕組み」は、検索の処理を3段階に分け、すべてのページが各段階を通過できるわけではないと書いています。

1. クロール：クローラー（Googlebot）がリンクやサイトマップをたどってページを見つけ、テキスト・画像・動画を取得する。
2. インデックス登録：取得した内容を解析し、Googleのデータベースであるインデックスに保存する。クロールされたページが必ず登録されるわけではない。
3. 検索結果の表示：検索された瞬間に、インデックスの中から関連するページを選んで順位を付けて返す。

ランキングシステムが働くのは3段階目で、1段階目と2段階目で落ちたページは評価を受ける前に候補から外れます。順位が付かないページは、先にSearch Consoleのページのインデックス登録レポートで登録状況を確かめます。

Googleのランキングシステム一覧：公式ガイドの稼働中17件と廃止4件

ランキング システム ガイドに載っているシステムを、担う役割ごとに並べると次のとおりです。名称はガイド日本語版の表記に合わせています。

このガイドは「主要なシステムの一部」を紹介するもので、Googleが使う仕組みのすべてではありません。順位に効くとされる要因をシステムごとの確度で整理した一覧はランキングファクターとは？Google公式が認める要因と否定する要因の一覧【2026年10月時点】にまとめています。

言葉と意図を理解するシステム：BERT・ニューラルマッチング・RankBrain・パッセージランキング

4つとも、検索語とページの文字が一致しなくても内容の合うページを見つけるAIシステムです。BERTは単語の組み合わせで意味や意図がどう変わるかを、ニューラルマッチングは検索とページに表れる概念どうしの関係を、RankBrainは単語と概念の関係を理解します。パッセージランキングはページ内の個々のセクションを理解し、ページが検索にどれだけ関連するかを判断するAIシステムです。RankBrainが実際にどの段階で働いているかは、米司法省の訴訟記録をもとにRankBrainとは？Googleの公式説明と裁判証言でわかる仕組み・SEOへの影響で解説しています。

リンク分析とPageRank：創業時から続くコアランキングシステム

ガイドはPageRankを「Googleがサービスを開始した当初から使用されているコア ランキング システムの一つ」と位置づけ、仕組みは大きく進化したものの今もコアランキングシステムの一部だと明記しています。「PageRankはもう使われていない」という説明は公式の記述と合いません。計算の中身は次の章で確認します。

品質と信頼性を担うシステム：信頼できる情報・オリジナルコンテンツ・レビュー・スパム検出

信頼できる情報システムは権威性の高いページを上に出し、質の低いコンテンツの順位を下げます。レビュー システムは、独自の調査や踏み込んだ分析を含むレビューを評価する仕組みですが、公式の解説が挙げる対象11言語に日本語は含まれていません。オリジナル コンテンツ システムは、独自の調査や報道が、それを引用しただけのページより上に出るようにする仕組みです。スパム検出システムにはSpamBrainが含まれ、スパムに関するポリシーに違反するページを処理します。スパム対策の更新履歴はスパムアップデートとは？Google公式の定義と実施履歴・リンクスパム分の評価が戻らない理由で扱っています。削除ベースの降格システムは、著作権侵害などの有効な削除通知が大量に届いたサイトの残りのページの順位も下げます。

鮮度・重複・多様性を調整するシステム

フレッシュネス システムは、新しい情報が期待される検索で新しいページを上に出します。ガイドの例では、「地震」の検索に平時は備えの情報を返し、地震の直後はニュースを上位にします。新しさが効くのはこうした検索に限られます。重複除去システムは、ほぼ同じ内容のページが並ぶのを防ぎます。サイト多様性システムは、通常は上位に同じサイトのページを2件までしか並べませんが、特に関連性が高いと判断した場合は2件を超えて表示することもあります。

MUMの位置づけと廃止された4つのシステム

MUMは言語の理解と生成ができるAIシステムとして一覧に載っていますが、ガイドは「今は検索のランキング全般には使用されていません」と書き、具体的な用途としてCOVID-19ワクチン情報の検索と強調スニペットのコールアウト表示の改善を挙げています。詳しい経緯はMUMとは？Googleがランキング全般に使っていないAIモデルの用途と現在地にあります。

廃止された4件は、なくなったのではなく後継のシステムかコアランキングシステムに組み込まれたものです。ガイドの記載による組み込みの時期は、Pandaが2015年、Penguinが2016年、ヘルプフルコンテンツが2024年3月です。Googleはこの2024年3月の更新とそれまでの取り組みを合わせて、検索結果の低品質で独自性のないコンテンツを40%減らす見込みとし、展開完了後の追記で45%減ったと報告しています。Hummingbirdは「2013年8月にランキングシステム全体に加えられた大幅な改善」と説明されています。ヘルプフルコンテンツの3回の実施と統合後の扱いはヘルプフルコンテンツアップデートとは？3回の実施履歴と2024年3月のコア統合後の扱いで整理しています。

検索エンジン内部の基本アルゴリズム：転置インデックス・BM25・PageRank・ベクトル検索

Googleは内部の計算式を公開していませんが、検索エンジンの基本になる手法は論文やオープンソースの実装で確かめられます。サイト内検索や社内文書検索でも同じ部品が使われています。

転置インデックスとBM25：候補文書の抽出と関連度の計算

検索のたびに全文書を読むのは遅すぎるので、検索エンジンはあらかじめ「語句→その語句を含む文書の一覧」という索引を作っておきます。これが転置インデックスで、本の巻末索引と同じ発想です。この索引を使って検索語を含む文書を特定し、関連度を計算して並べます。

関連度の計算で広く使われているのがBM25です。文書に検索語が多く出るほど点が上がりますが、同じ語が何十回も出ても点は頭打ちになり（パラメータk1で調整）、長い文書ほど語が出やすいぶんを割り引きます（パラメータbで調整）。多くの文書に出るありふれた語の点は低く抑えられます。Elasticsearchは既定の類似度にBM25を使い、公式ドキュメントでは既定値をk1=1.2、b=0.75としています。計算式とPythonでの実装上の注意はBM25とは？読み方・計算式とk1・bの意味、Python実装（rank_bm25・bm25s）の落とし穴、BM25の前身にあたる重み付けはTF-IDFとは？単語の重み付けの仕組みとコサイン類似度・ベクトル検索での使い方を実装目線で解説、製品の比較は全文検索エンジンとは？仕組みと主要OSS比較、DB内蔵検索との使い分け【2026年10月】で扱っています。

PageRankの式と反復計算の例

PageRankは、他のページから張られたリンクを推薦とみなし、推薦してくれたページ自体の重要度も加味して点数を決める方式です。Googleの創業者2人が1998年に発表した論文「The Anatomy of a Large-Scale Hypertextual Web Search Engine」は、ページAの点数を次の式で定義しています。

PR(A) = (1-d) + d (PR(T1)/C(T1) + ... + PR(Tn)/C(Tn))

T1〜TnはAにリンクしているページ、C(T)はページTから出ているリンクの数です。dは減衰係数で、論文は「通常0.85に設定する」と書いています。リンク元の点数はリンク先の数で割って配られるため、リンクを大量に張っているページからの1本は軽くなります。

4ページの小さなリンク構造で、点数が落ち着くまで計算を繰り返すと次のようになります。点数の合計が1になるよう、(1-d)をページ数nで割った形で計算しています。この例は全ページにリンク先がある場合を扱い、リンク先のないページがある場合に必要な点数の再配分は省略しています。

# 4ページの小さなリンク構造で PageRank を反復計算する
links = {
    "A": ["B", "C"],
    "B": ["C"],
    "C": ["A"],
    "D": ["C"],
}
d = 0.85                      # 論文で「通常 0.85」とされる減衰係数
pages = list(links)
n = len(pages)
pr = {p: 1 / n for p in pages}  # 初期値は全ページ等しく 1/n

for i in range(100):
    new = {}
    for p in pages:
        inbound = sum(pr[q] / len(links[q]) for q in pages if p in links[q])
        new[p] = (1 - d) / n + d * inbound
    diff = sum(abs(new[p] - pr[p]) for p in pages)
    pr = new
    if diff < 1e-10:          # 変化がほぼ無くなったら収束
        break

print(f"反復回数: {i + 1}")
for p, v in sorted(pr.items(), key=lambda x: -x[1]):
    print(p, round(v, 4))
print("合計:", round(sum(pr.values()), 4))

Python 3で実行した結果です。

反復回数: 47
C 0.3941
A 0.3725
B 0.1958
D 0.0375
合計: 1.0

3本のリンクを集めたCが最上位です。Aへのリンクは1本だけですが、最上位のCが唯一のリンク先としてAを指しているため、Cの点数の大部分を受け取って2位になります。どこからもリンクされていないDは、全ページに等しく配られる基礎点0.0375（0.15÷4）しか持ちません。リンクは本数ではなく、どのページから来るかで重みが変わるという点が、この小さな例でも確認できます。

ベクトル検索とハイブリッド検索：AI検索で使われる意味の近さの計算

BM25は、解析・同義語展開などの処理後の語句が一致するかを基に得点を計算するため、辞書に登録していない言い換えには点が付きません。「車 修理」で「自動車の整備」を見つけるには、文章を数百〜数千次元の数値の並び（ベクトル）に変換し、ベクトルどうしの近さで似た文書を探すベクトル検索を使います。文書が数百万件を超えると全件と比べるのは重いので、HNSWなどの近似最近傍探索で候補を絞ります。

ベクトル検索は型番や固有名詞の完全一致に弱く、BM25は言い換えに弱いので、実務では両方の結果を順位で統合するハイブリッド検索がよく使われます。RAG（検索拡張生成）で生成AIに資料を渡すときの検索もこの構成が一般的です。ベクトル検索の位置づけはベクトル検索とセマンティック検索の違い：目的と手段の関係・仕組みと日本語での実測、統合の方法（RRF）と実装はハイブリッド検索とは？RAGでBM25とベクトル検索を統合する仕組み・RRF・実装コードで解説しています。

検索結果の良し悪しを測る評価の仕組みと指標

アルゴリズムを変えたとき、結果が良くなったかをどう判断するかは、Googleの評価プロセスと情報検索の評価指標に分けると整理できます。

Googleの評価プロセス：2023年の実験数と検索品質評価者

Googleの「How Search Works」によると、2023年の評価の内訳は次のとおりです。

評価者は「検索品質評価ガイドライン」に沿って、ページが検索の目的をどれだけ満たすか（Needs Met）と、ページ自体の品質を採点します。Googleの評価者ガイドラインの概要資料は、1件の採点や1人の評価者が特定のページやサイトの順位を直接動かすことはなく、採点は集計して改善案の評価に使うと説明しています。評価者が使う5段階の基準はNeeds Met（ニーズメット）とは？5段階の評価基準と検索順位との関係で解説しています。

情報検索の評価指標：適合率・再現率・nDCG

研究や社内検索の開発では、正解データを用意して次の指標で結果を測ります。

• 適合率（Precision）：返した結果のうち正解だった割合。上位10件中6件が正解なら0.6。
• 再現率（Recall）：正解の文書全体のうち、結果に含められた割合。正解が全部で20件あり6件を返せたなら0.3。
• nDCG：正解を上位に置けたかを測る指標。下の順位ほど得点を対数で割り引き、理想の並びで得られる点数で割って0〜1にそろえる。元になる割引累積利得（DCG）はJärvelinとKekäläinenの2002年の論文で詳述された。

ウェブ検索の利用者はほとんど上位しか見ないので、並び順を測るnDCGが重視され、ベクトル検索の結果を並べ直すリランクモデルの評価にも使われます。リランクの仕組みはリランクモデルとは？ベクトル検索と組み合わせる種類・仕組み・選び方【2026年版】を参照してください。

順位を左右する要因の読み方：関連性・品質・ページ体験

ここまでのシステムが見ているものを、サイト運営者の作業に置き換えると3つに分かれます。

検索意図との関連性：求められる回答の確認

「検索アルゴリズム」の例のように、同じ語句でも求める答えが違うことがあります。狙う語句の検索結果に実際に並んでいるページを見て、読者が何を知りたいのかを確かめてから書くのが出発点です。

品質：E-E-A-Tと独自の情報

Googleは品質を見る考え方としてE-E-A-T（経験・専門性・権威性・信頼性）を挙げており、Experience（経験）は2022年12月に加わりました。ただし有用なコンテンツの作成に関する公式文書は、E-E-A-Tそのものは特定のランキング要因ではないとし、健康・金融・安全など生活に大きく関わる話題では、E-E-A-Tの高い内容をより重く扱うと説明しています。評価者ガイドラインでの読み方はE-E-A-Tとは？Googleの評価4要素と品質評価ガイドライン現行版の読み方で解説しています。

ページ体験：Core Web Vitalsの3指標

表示の体験を数値で測るのがCore Web Vitalsです。良好とされる基準は、表示速度のLCPが2.5秒以内、操作への反応のINPが200ミリ秒以内、レイアウトのずれのCLSが0.1以下です（いずれも75パーセンタイルで判定）。INPは2024年3月12日に、それまでのFIDに代わって指標になりました。FIDの基準を載せた古い資料は今は使えません。

AI OverviewsとAIモードで変わった検索の仕組み

Googleの検索には、AIが回答をまとめる「AI による概要（AI Overviews）」と、対話形式で調べる「AI モード」が加わりました。Googleの2026年6月3日の公式ブログによると、月間ユーザーはAI Overviewsが25億人超、AIモードが10億人超です。AI機能に関する公式文書によると、どちらも関連する複数の検索をサブトピックごとに同時に発行する「query fan-out」という手法で回答を組み立てることがあります。1つの質問の裏で複数の検索が走るので、元の検索語では上位にいないページが根拠として表示されることもあります。

サイト運営者にとって重要なのは、同じ文書が「AI機能に表示されるための追加の要件や特別な最適化はない」と明言している点です。根拠のリンクとして表示されるための技術的な要件は、インデックスに登録されていて、通常の検索でスニペット付きで表示できることだけです。ただし要件を満たしても表示が保証されるわけではなく、同じブログが紹介したSearch Consoleの新しい切り替え設定でAI機能への表示を断ったサイトは、AI機能からのトラフィックや表示回数を受けません（2026年8月31日までに全世界のサイトへ提供済み）。逆に、AIの回答を操作しようとする行為は排除の対象です。検索セントラルの更新履歴によると、Googleは2026年5月15日に、スパムに関するポリシーが検索の生成AIの回答にも適用されることを明確にしました。AI向けの特別な書き方を探すより、通常の検索で評価される本文を作ることがそのまま対策になります。表示の仕組みとクリックへの影響はAIによる概要（AI Overview）とは？Google検索の仕組み・SEOへの影響と対策【2026年版】で扱っています。

2026年のアップデート履歴と順位変動への向き合い方

Googleはコアアップデートの公式解説で、年に数回、検索のアルゴリズムとシステムに大きく広い変更を加えると説明しています。Google 検索ステータス ダッシュボードに載る直近の更新は次のとおりです（日付は協定世界時）。

順位が落ちたときに公式文書が勧める手順は、まずダッシュボードで更新が完了したことと開始・完了日を確認し、完了から少なくとも1週間待ってから、Search Consoleで完了後の1週間と、更新が始まる前の1週間を比べることです。改善の効果は数日で出る変更もあれば数か月かかる場合もあり、次のコアアップデートまで変化が見えないこともあると書かれています。更新のたびに書き方を変えるのではなく、検索意図に答えていない箇所や、根拠が不足している箇所を特定して改善します。過去の更新の一覧と下落時の点検手順はGoogleコアアップデートとは？2026年最新の動向・全履歴一覧と順位下落の対策に、2024年に流出した内部文書からわかることとわからないことはGoogle検索アルゴリズムの流出文書で判明したこと・断定できないことにまとめています。検索意図の分析から記事設計・内部施策までを外部に任せたい場合は、SEO内部施策・キーワード設計でご相談を受け付けています。

よくある質問

検索アルゴリズムとは何ですか？

検索エンジンが、入力された語句に合うページを探し出して表示の順番を決める計算手順の総称です。Googleでは単一の式ではなく、複数のランキングシステムの組み合わせで順位が決まります。

Googleの検索アルゴリズムにはどんな種類がありますか？

公式のランキング システム ガイドに載る稼働中のシステムは17件で、言葉と意図の理解（BERT・RankBrainなど）、リンク分析（PageRank）、品質と信頼性、スパム検出、鮮度・重複・多様性の調整に分かれます。Panda・Penguin・Hummingbird・ヘルプフルコンテンツは廃止され、後継システムやコアランキングシステムに組み込まれています。

探索アルゴリズム（線形探索・二分探索）とは違うものですか？

違うものです。探索アルゴリズムは配列やグラフから目的の値を見つける計算手順で、線形探索は最悪n回、二分探索は並べ替え済みのデータなら約log2 n回の比較で済みます。この記事の検索アルゴリズムは、検索エンジンがウェブページの順位を決める仕組みを指します。

検索エンジンの評価指標には何がありますか？

情報検索の分野では、適合率（返した結果のうち正解の割合）、再現率（正解全体のうち結果に含められた割合）、nDCG（正解を上位に置けたか）がよく使われます。Googleは検索品質評価者の採点、サイドバイサイド実験、ライブトラフィック実験を組み合わせて、変更を反映するかを判断しています。

Googleの検索アルゴリズムはどのくらいの頻度で更新されますか？

コアアップデートは年に数回で、2026年は3月と5月に実施されました。スパムアップデートは2026年に3月・6月・8月・9月の4回です。このほかに告知されない小さな更新も続いています。Google 検索ステータス ダッシュボードで確認できるのは、公表された主要な更新の実施状況です。

関連記事

• ランキングファクターとは？Google公式が認める要因と否定する要因の一覧【2026年10月時点】
• Googleコアアップデートとは？2026年最新の動向・全履歴一覧と順位下落の対策
• RankBrainとは？Googleの公式説明と裁判証言でわかる仕組み・SEOへの影響
• BM25とは？読み方・計算式とk1・bの意味、Python実装（rank_bm25・bm25s）の落とし穴
• JavaScriptの探索アルゴリズム｜二分探索・線形探索の実装と計算量で選ぶ基準