ウェブ検索クエリ（英語: web search query、web query）とは、利用者が検索エンジンを通じてウェブ上の情報や資源を探すために入力する語句や質問などのことである。単に検索クエリとも呼ばれる。検索クエリには、単語、複数の単語を組み合わせた語句、自然言語による質問、検索演算子を含む式などがある。
ウェブ検索クエリは、利用者がどのような情報を得たいか、どのウェブサイトにアクセスしたいか、あるいはウェブ上でどのような行動を実行したいかという「検索意図」（search intent）と関係する。情報検索の研究では、2002年にアンドレイ・ブローダー（Andrei Broder）が提案した情報型、案内型、取引型という3つの分類が広く用いられている。著者による論文の全文：ACM SIGIR Forum掲載PDF。。
ウェブ検索では、利用者は比較的自由な形式でクエリを入力できる。この点で、厳密な構文やパラメータを必要とするデータベースの問い合わせ言語などとは異なる。ただし、検索エンジンによっては、引用符による語句の一致検索、特定の語を除外する演算子、検索対象のウェブサイトを限定する演算子なども利用できる。
検索クエリの研究では、入力される語句の長さや頻度、利用者による検索語の変更、検索意図の推定、検索結果の選択などが分析されてきた。こうした研究は、検索結果の順位付け、検索語の推薦、検索インターフェースの設計などに応用されている。
検索意図による分類 基本的な3分類 2002年、アンドレイ・ブローダーは論文「A taxonomy of web search」において、ウェブ検索を利用者の目的に基づいて情報型、案内型、取引型の3種類に分類した。この分類では、検索クエリに含まれる文字列だけでなく、利用者が検索によって達成しようとしている目的が重視される。
情報型クエリ（informational query） 特定の事柄について知識や情報を得ることを目的とする検索である。例えば「地球温暖化の原因」「沖縄の歴史」「太陽系の惑星」などが該当する。目的の情報が複数のウェブページに分散している場合もあり、利用者が複数の検索結果を参照することがある。 案内型クエリ（navigational query） 特定のウェブサイトやウェブページに到達することを目的とする検索である。例えば「YouTube」「Wikipedia」「航空会社名 公式サイト」などが該当する。利用者が目的のサイトをすでに知っている場合や、特定の組織・サービスの公式サイトを探している場合などが含まれる。 取引型クエリ（transactional query） 商品の購入、ファイルのダウンロード、予約、オンラインサービスの利用など、ウェブを介した何らかの行動を目的とする検索である。例えば「航空券 予約」「画像編集ソフト ダウンロード」などが該当する。ここでいう「取引」は金銭の支払いに限定されず、ウェブ上のサービスの利用やデータの取得なども含む。
これらは検索意図を理解するための分類であり、検索文字列だけから利用者の目的を確実に判定できることを意味しない。ブローダー自身も、同じクエリが異なる目的で使用される可能性を指摘している。
例えば、地名だけを入力する検索は、その地域について調べる情報型の場合も、地域の公式サイトを探す案内型の場合もある。同じ検索文字列であっても、利用者の目的によって分類が異なり得る。
この3分類は、検索エンジン最適化（SEO）の分野などでは、情報型を「Know」、案内型を「Go」、取引型を「Do」と対応させる形でも紹介されている。旧掲載URL：Search Engine Watch。。
検索意図の分類に関する初期研究 ブローダーは、利用者へのアンケートとAltaVistaの検索ログを用いて、各検索意図の割合を調査した。
2001年に実施された利用者アンケートでは、3,190件の有効回答が得られ、特定のウェブサイトへの到達を目的とする検索は回答全体の24.5%であった。また、検索ログから抽出した英語のクエリ400件を分類した分析では、案内型が20%、情報型が48%、取引型が30%とされた。ただし、このログ分析では英語以外のクエリや性的な内容のクエリが除外されており、利用者の意図もクエリから推定されている。
ブローダーは、従来の情報検索が主として情報の取得を想定していたのに対し、ウェブ検索では特定サイトへの移動やウェブ上での行動を目的とする検索も重要であると論じた。
2004年、ダニエル・ローズ（Daniel E. Rose）とダニー・レヴィンソン（Danny Levinson）は、論文「Understanding user goals in web search」で検索意図の分類を再検討した。両者は検索クエリを人手で分析し、特定のウェブ資源を探す「資源探索」（resource-seeking）を含む、より細分化された目的の分類を提案した。また、案内型検索の割合は従来考えられていたほど大きくない可能性を指摘した。
検索意図の自動分類 検索クエリの大量分析では、すべてのクエリについて利用者本人に目的を尋ねることが難しいため、検索語の特徴や検索行動から意図を自動的に分類する方法が研究されている。
2008年、バーナード・J・ヤンセン（Bernard J. Jansen）、ダニエル・L・ブース（Danielle L. Booth）、アマンダ・スピンク（Amanda Spink）は、150万件以上のウェブ検索クエリを対象とする研究を発表した。
この研究で開発された自動分類手法では、情報型が80%以上、案内型と取引型がそれぞれ約10%と分類された。また、400件のクエリを人手で分類した結果と自動分類の結果を比較したところ、正確度は74%であった。著者らは、検索意図が曖昧な場合や複数の目的を併せ持つ場合があることから、確率的な分類の必要性を論じている。
ブローダーによる2002年の研究とヤンセンらの2008年の研究では、情報型クエリの推定割合が大きく異なる。両研究は調査対象や分類方法が同一ではなく、それぞれの割合をウェブ検索全体に共通する固定的な比率として解釈することはできない。
Bingの公式ブログも2011年、同サービスにおける検索クエリの約30%が案内型であると説明した。旧掲載先：Bing Community（2011年3月14日時点のアーカイブ）。。
2015年には、アレハンドロ・フィゲロア（Alejandro Figueroa）が、検索クエリの語彙的特徴に加えて言語的特徴を用いる自動分類手法を研究した。この研究では、自然言語処理に基づく特徴を加えることで、単語のみを特徴量とする分類器の性能を改善できることが報告された。
中国では2018年、賀国秀（贺国秀）と張暁娟（张晓娟）が、検索ログの統計的特徴、利用者の行動、自然言語処理による特徴などを用いた検索意図の自動分類を研究した。両者は、構文上の依存関係を特徴量として追加し、勾配ブースティング決定木（GBDT）を用いる分類方法を検討した。
専門分野における検索意図 検索意図は、一般的なウェブ検索だけでなく、学術文献や専門情報を対象とする検索においても研究されている。
2021年、中国の王瑞雪（Wang Ruixue）らは、百度学術検索のクエリログを用いて学術検索における検索意図を分析した。研究では、従来の3分類を参考にしながら、学術文献、学術的実体、学術的探索、知識に関する質問、非学術文献という5つの分類を提示した。これは学術検索に特化した分類であり、一般的なウェブ検索の3分類をそのまま置き換えるものではない。論文全文：PDF。。
ウェブ検索クエリの特徴 サムネイル|検索語の入力に応じて候補が表示される例。2007年のFirefoxでドイツ語版Wikipediaを検索した画面。
検索ログによる研究 ウェブ検索クエリの特徴を調べる方法の一つに、検索エンジンの利用記録である検索ログの分析がある。検索ログからは、入力された語句、クエリの使用頻度、検索の繰り返し、検索語の変更、検索結果の閲覧などを調べることができる。
1998年、ヤンセン、スピンク、ジュディ・ベイトマン（Judy Bateman）、テフコ・サラチェヴィッチ（Tefko Saracevic）は、Exciteの利用者18,113人による51,473件のクエリを分析した。この研究では、検索語の数、論理演算子や検索修飾子の利用、検索セッション中のクエリ変更、検索結果の閲覧などが調査された。
1999年には、クレイグ・シルバースタイン（Craig Silverstein）らが大規模なウェブ検索エンジンのクエリログを分析した研究を発表した。分析対象には、1998年にAltaVistaで記録された1億5,000万件以上のクエリが含まれていた。
これらの研究は、実際の利用者が検索エンジンをどのように使用しているかを大規模なデータから分析した初期の研究に位置付けられる。
検索語の数と長さ 2001年、アマンダ・スピンクらは、Exciteの利用者211,063人による1,025,910件のクエリを分析した。
この研究では、繰り返し送信されたクエリを含む全クエリの検索語数は平均2.16語、重複を除いたクエリでは平均2.4語であった。また、重複を除いたクエリの約26.6%は1語、約31.5%は2語、約18.2%は3語から構成されており、比較的短い検索クエリが多く用いられていた。
利用者ごとの検索行動にも偏りが見られた。同研究では、48.4%の利用者が異なるクエリを1件だけ入力し、約31%の利用者が3件以上の異なるクエリを入力していた。また、ブール演算子を使用したクエリは全体の5%未満であった。
ただし、これらの結果は1997年9月16日のExciteの検索ログに基づいており、当時の検索インターフェースや利用環境を反映している。現代の検索サービスにおける検索語数や検索行動の割合を直接示すものではない。
2012年には、モナ・タガヴィ（Mona Taghavi）らがウェブプロキシのログを用いて、複数の検索エンジンに送信されたクエリの分布、検索語数、検索文字列の長さなどを調査した。研究では、検索エンジンごとに利用されるクエリの特徴が異なる可能性や、クエリの長さの変化などが検討された。
検索語の頻度分布 検索ログの分析では、一部の検索語が高い頻度で使用される一方、使用頻度の低い検索語が多数存在することが報告されている。
スピンクらの2001年の研究では、異なる検索語140,279語のうち、57.1%が1回だけ使用され、78.3%が3回以下しか使用されていなかった。
こうした使用頻度の偏りは、冪乗則やロングテール、ジップの法則などの観点からも研究されている。
2005年、リカルド・バエサ＝イェーツ（Ricardo Baeza-Yates）は、検索エンジンのクエリログに記録された検索語や選択されたウェブページを分析し、クエリの集約・分類をウェブサイトの構造改善、検索結果の順位付け、関連クエリの推薦などに応用する方法を論じた。
頻繁に使用されるクエリと使用頻度の低いクエリの分布を把握することは、検索システムの効率化や利用者の検索行動の理解に役立つ。
地理的な検索クエリ ウェブ検索クエリには、地名、住所、郵便番号、地域名、地理的特徴など、場所に関係する情報が含まれることがある。
2004年、マーク・サンダーソン（Mark Sanderson）とジャネット・コーラー（Janet Kohler）は、2001年のExciteの検索ログから抽出した2,500件の異なるクエリを分析した。その結果、18.6%に何らかの地理的な語が含まれ、14.8%には地名が含まれていた。原文で参照されていた旧URL：Analyzing geographic queries。。
また、地理的な語を含むクエリの平均検索語数は3.3語であり、調査対象となった異なるクエリ全体の平均2.6語よりも長かった。著者らは、地名と検索対象を組み合わせることや、複数の語からなる地名の存在などを要因として挙げている。
地理的な検索意図は、検索クエリに地名が明示されていない場合にも生じる。
Googleの説明によれば、同社の検索システムは検索語の内容や利用者の所在地などを考慮し、地域性のある検索クエリに対して、付近の店舗などに関連する結果を表示する場合がある。
クエリの変更と再検索 利用者は、最初の検索結果で必要な情報を得られなかった場合や、検索対象を絞り込みたい場合、検索語を追加、削除、置換することがある。
このような行動は「クエリ再構成」（query reformulation）と呼ばれ、ウェブ検索の利用行動研究における重要な対象の一つである。
2009年、ヤンセン、ブース、スピンクは、964,780件の検索セッションに含まれる1,523,072件のクエリを分析した。この研究では、検索語の変更パターンを分類し、利用者が次にどのような検索語の変更を行うかを予測するモデルが検討された。
研究では、クエリ再構成の状態間の遷移をn-gramモデルで表現し、次の変更パターンの予測精度やモデルの複雑さなどが評価された。
一方、検索クエリの変更は、常に新しい情報を探すために行われるとは限らない。以前に閲覧したウェブページを再び見つけるため、同一または類似の検索クエリが繰り返されることもある。
2006年、ジェイミー・ティーヴァン（Jaime Teevan）らは、114人の利用者について365日間のYahoo!検索ログを分析した。この研究では、同じ検索文字列が繰り返された4,256件のうち、3,692件（約87%）で以前にクリックされた結果への再クリックが確認された。また、検索結果の表示順位が変化することにより、以前閲覧した情報を再発見するまでの時間が長くなる傾向も報告された。旧掲載先：MIT CSAIL。。
このような再検索行動は、利用者が新しい情報を探す場合と、すでに知っている情報に再びアクセスする場合とでは、検索エンジンに求める機能が異なることを示している。
検索クエリの構造 論理演算子と検索演算子 ウェブ検索エンジンの一部は、ブール代数に基づく論理演算や独自の検索演算子を利用した検索を提供している。
代表的な論理演算には、AND（論理積）、OR（論理和）、NOT（否定）がある。
例えば、これらの論理演算をサポートする検索システムでは、次のような検索条件を指定できる。
apple AND orange：appleとorangeの両方を条件に含める。 apple OR orange：appleまたはorangeのいずれかを条件に含める。 apple AND NOT orange：appleを条件とし、orangeを含むものを除外する。
複数の論理演算を組み合わせる場合には、括弧を用いて演算の順序やまとまりを指定できるシステムもある。
ただし、一般的なウェブ検索エンジンがすべての論理演算子を同じ構文・意味でサポートしているわけではない。
例えば、Google 検索では、次のような検索演算子を提供している。
記法 機能 入力例 "..." 引用符で囲んだ語句に一致する結果を探す "information retrieval" - 指定した語を検索対象から除外する jaguar -car site: 特定のウェブサイトまたはドメイン内を検索する site:example.com before: 指定した日付より前に更新された文書を検索する astronomy before:2025/01/01 after: 指定した日付より後に更新された文書を検索する astronomy after:2025/01/01
検索演算子の仕様は検索エンジンや時期によって異なるため、使用可能な記法は各サービスの仕様に依存する。
構造化されたクエリ 検索対象の複数の特徴や観点を組み合わせる検索では、それぞれの観点に関連する検索語の集合を指定する方法がある。
例えば、論理演算子と括弧をサポートする検索システムで電子投票に関する情報を探す場合、次のように指定できる。
(electronic OR computerized OR DRE) AND (voting OR elections OR election OR balloting OR electoral)
この式では、電子化を表す語群と投票を表す語群を組み合わせて検索条件を構成している。
こうした複数の観点を用いる検索は、検索語の意味的な関係や文書の構造を利用する情報検索の研究とも関連する。
2006年、ヴォイカン・ミハイロヴィッチ（Vojkan Mihajlović）らは、構造化クエリと非構造化クエリを比較し、文書構造や意味的な情報を利用することによって検索精度を改善する方法を研究した。トゥウェンテ大学の書誌情報。。
接続性クエリ ウェブ検索に関連する技術的な問い合わせとして、接続性クエリ（connectivity query）がある。
これは、あるURLに対してどのウェブページからリンクが張られているか、あるいはそのページがどのURLにリンクしているかといった、ウェブ上のリンク構造を調べる問い合わせである。
接続性クエリは、ウェブページ間の接続関係を分析するシステムにおいて、クローリングの制御、ウェブグラフの分析、リンク解析などに利用される。
これは利用者の目的を情報型・案内型・取引型に分類するものとは異なり、ウェブのリンク構造に関する技術的な問い合わせとして位置付けられる。
検索クエリの処理と検索結果 クエリの解釈 検索エンジンは、入力されたクエリに含まれる語句だけでなく、その意味、検索意図、利用者の状況などを考慮して検索結果を生成する場合がある。
Googleの公式説明によれば、同社の検索システムでは、検索クエリとの関連性、情報源の有用性、利用者の所在地や設定などが考慮される。また、検索クエリの性質に応じて、検索結果の表示に影響する要因の重要度も異なる。
例えば、最新のニュースに関する検索と、一般的な用語の定義を調べる検索では、情報の新しさの重要性が異なる。また、地域に関する検索では所在地が考慮されることがある。
Googleは、検索システムの処理をクローリング、インデックス登録、検索結果の提供という段階に分けて説明している。利用者がクエリを入力すると、検索システムはインデックスから関連する情報を検索し、結果を返す。
自然言語による検索 2013年、Googleは検索アルゴリズム「Hummingbird」を導入した。
この更新は、個々の検索語の一致だけでなく、検索表現全体の意味や、自然言語による長い質問を解釈する取り組みと関連付けて報じられた。
検索クエリには短いキーワードの組み合わせだけでなく、質問文や話し言葉に近い表現も使用される。検索システムでは、入力された語句の一致に加えて、語の意味的な関係や利用者の検索意図を考慮する方法が利用されている。
検索候補とクエリ推薦 多くの検索エンジンでは、利用者が検索文字列を入力している途中で、候補となる検索語や検索クエリを表示する機能が提供されている。
このような機能は、クエリの入力補助、綴り間違いの回避、検索語の変更などに利用される。
2014年、バスカー・ミトラ（Bhaskar Mitra）らは、Bingの検索ログを用いて検索クエリの自動補完機能に対する利用者の行動を分析した。この研究では、候補一覧の順位によって利用状況が異なることや、利用者がクエリの途中、特に単語の境界付近で自動補完を利用する傾向などが報告された。
また、検索ログに記録されたクエリの連続的な変化や、過去に使用された検索語の関係を分析し、関連するクエリを推薦する方法も研究されている。
検索ログとプライバシー 検索ログには、利用者が入力した検索クエリ、検索日時、検索結果のクリック履歴などが記録される場合がある。
こうしたデータは検索システムの改善や利用行動の研究に利用できる一方、検索内容から利用者の関心、行動、個人に関する情報が推測される可能性がある。
2006年には、AOLが検索データを公開したことにより、プライバシー上の問題が注目された。
同社は、約65万8,000人の利用者による約2,000万件の検索データを公開したことについて謝罪した。公開されたデータは、約3か月間にわたる検索の記録であった。原文で参照されていた旧報道URL：Dawn Kawamoto and Elinor Mills, "AOL apologizes for release of user search data", CNET。。
検索ログを研究に利用する際には、個人の特定につながる情報や検索内容の機密性を考慮する必要がある。
近年の研究動向 検索行動の多様化 ウェブ検索の研究では、特定の情報を探して検索を終了する行動だけでなく、日常的に情報を探索し続ける行動にも関心が向けられている。
2022年、山本晶と柿原正郎は、論文「デジタル環境下の情報探索行動の類型化」で、デジタル環境における消費者の情報探索行動を研究した。
両者は、特定の購買目的を達成するための情報探索だけでなく、継続的な情報探索行動や、情報を探索すること自体に価値を見いだす「コンサマトリ」な探索意図の重要性を指摘した。
この研究はウェブ検索クエリの3分類そのものを直接置き換えるものではないが、現代の情報探索行動を理解するうえで、目的の達成だけでは捉えられない検索行動が存在することを論じている。
生成AI時代の検索意図 検索エンジンがウェブページへのリンクだけでなく、質問への回答や情報の要約を直接提示するようになったことや、生成AIを用いた対話型システムが普及したことに伴い、従来の検索意図分類を見直す研究も行われている。
2026年、エルザ・リヒテネッガー（Elsa Lichtenegger）、アレクサンドラ・ウルマン（Aleksandra Urman）、アニコ・ハンナク（Aniko Hannak）は、論文「A New Taxonomy of Web Search: A User-Centered Framework for Search Intent in the AI Era」を発表した。
この研究では、従来のウェブ検索エンジンと生成AIチャットボットにおける利用目的を比較するため、利用者の経験と実際の利用履歴を組み合わせた調査に基づく新しい検索意図分類が提案された。
提案された分類は、次の3種類からなる。
知識探索（knowledge-seeking） 情報や知識を獲得し、ある事柄について理解を深めることを目的とする。 指針探索（guidance-seeking） 判断や意思決定、問題の解決などに役立つ助言や指針を得ることを目的とする。 成果物探索（output-seeking） 文章やその他の具体的な成果物を得ることを目的とする。
著者らは、従来の情報型・案内型・取引型という分類が、ウェブページへのアクセスやウェブ上での行動を重視しているのに対し、対話型AIの利用では、外部のウェブサイトへ移動することなく回答や成果物を得る場合があると指摘した。そのため、利用者が最終的に何を達成しようとしているかを中心に検索意図を捉え直す必要があると論じている。
また、同じ研究者らは2026年、検索エンジンと生成AIチャットボットの利用方法を比較する研究を発表した。
84人の参加者を対象とする調査では、検索エンジンについては情報源を参照・検証することが、生成AIチャットボットについては要約や個別化された内容を直接得ることが、それぞれ重視される傾向が報告された。ただし、この結果は対象となった参加者の調査に基づくものであり、すべての利用者に共通する行動を示すものではない。
こうした研究は、検索クエリをウェブページへのアクセスを指示する入力としてのみ捉えるのではなく、利用者が情報検索システムとの対話を通じて実現しようとする目的との関係から分析する方向性を示している。
関連項目 情報検索 検索エンジン 検索エンジン最適化 ウェブサイト 論理演算 冪乗則 ロングテール Google 検索 Microsoft Bing
脚注