AI 可視性の二階層構造

2026 年 2 月から 10 月にかけて発表された 6 つの独立した研究が、AI 引用が実際どの程度安定しているかを測定しました。主要な数値は一見、互いに相容れないものです。引用ドメインの 96.8% は週単位でまったく変化しません（BrightEdge、2026 年 2 月 1 日の週）[3]。ところが引用ドメインの 69% は日単位で変化しており、これは 530,875 件の引用に基づく測定です（GetMentions AI、2026 年 6 月）[6]。さらに、個々の被引用 URL の 73.5% はちょうど 1 回だけ現れて二度と戻らず、寿命の中央値はゼロ日です（Trakkr、177 日間で 108,650 URL）[4]。

3 つの数値はいずれも正しいものです。同じシステムの異なる階層を、異なる単位で記述しています。そして [3] と [6] の場合は、同じ階層を異なる窓で読んだものです。これを理解すれば、業界の中心的な問題はデータ不足ではなく、もともとそうであった問題に戻ります。すなわち 測定単位の問題 です。ドメインは引用集合の中で位置を保ったまま、それを支えるページが入れ替わりうる。週平均は平坦に見える一方で、その内部の日ごとの読み取りはすべて異なりうる。1 回の実行が、どの統計検定も支持しない差を生みうるのです。

最も決定的な発見は、特定のエンジンについてのものではありません。業界が宣言する精度は、業界が使っているサンプリング率では達成できない、という点です。信頼区間 95% の幅が 5 ポイントの引用シェアを報告するには、つまり ±2.5 ポイントという、チームが「上がった」と言うときの分解能を得るには、ある研究の推計では Gemini で 40〜50 回、Perplexity で約 100 回、検索GPT で 150 回以上 の反復が必要です [1]。ほとんどのダッシュボードは 1 回だけ実行しています。報告されているものと測定可能なものの間の隔たりが、この文書の主題です。

市場にある AI 可視性プロダクトはすべて、ランキング追跡から引き継いだ前提に立っています。今日生成された数値は昨日の数値と比較でき、その差は自社の順位の変化である、という前提です。ランキング追跡はこの前提を努力で勝ち取ってきました。検索結果は十分に決定的で、8 位から 5 位への移動には意味があり、それを報告するツールはクエリを打ち込む人間が検証できました。

回答エンジンはその連鎖の最後の環を断ちます。同じ質問を 2 回投げれば、エンジンは別の回答を返し、別の情報源の集合を引用することがあり、しかもあなたのページには何も変わっていません。これは直すべき欠陥ではなく、温度がゼロより高く、継続的に更新されるインデックス上で検索を行う生成システムの振る舞いです。測定の文献は 2026 年以前、ほとんどこの問いに取り組んでいませんでした。

最初の厳密な扱いは 2026 年 3 月に現れました。Sielinski の Quantifying Uncertainty in AI Visibility は、この営み全体を組み直します。引用シェアはブランドの性質ではなく、基礎にある回答分布の標本推定量 です。その分布を 1 回サンプリングすれば、誰も印刷しなかった誤差幅を持つ点推定が得られます。論文は中心的な実証的主張を明快に述べています。ドメイン間の見かけ上の差の多く、そしてサンプル間の見かけ上の変化の多くは、「ノイズと統計的に区別できない」[1]。

“Single-run visibility metrics provide a misleadingly precise picture of domain performance in generative search.” — Sielinski, arXiv:2603.08924, 39 pages, 13 figures, August 2026 revision [1]

この主張を真剣に受け取れば、業界が報告しているものの多くは無効になります。業界の目的まで無効になるわけではありません。ブランドは依然として、回答に出るかどうかを知る必要があります。変わるのは回答の形です。「今日は 12.4% で、15.1% を下回っています」ではなく、「このサンプルサイズでは引用シェアは 12〜16% の間にあり、あなたが見た動きはその範囲内に収まっています」です。

賭け金は非対称です。ノイズに過剰反応するブランドは、もともと問題ではなかったページを書き直すことで予算を焼きます。サンプリングが少ないブランドは、本当の構造変化を取り逃します。そして第 3 節の研究は、そうした変化が起きていること、ただし日次追跡が示すよりも遅く、別の階層で起きていることを示しています。

これは二次調査であり、本文書はそれを率直に述べます。 Novaxilabs は独自のモニタリング標本を一切運用していません。以下の各数値は、特定された研究の公表された知見であり、そのサンプルサイズ、測定期間、エビデンス区分とともに報告されます。本文書が提供するのは新しいデータではなく、矛盾して見える研究群の構造的な読み方と、その読み方を報告基準に翻訳したものです。

エビデンス区分

主張はこのシリーズ全体で使う 5 段階の尺度で分類されます。公式（ベンダーの文書）、学術プレプリント（方法とデータを明示した arXiv 掲載論文で、正式な査読前）、独立測定（サイズと期間を明示した第三者標本。本版では該当なし）、ベンダー報告（追跡企業が自社プラットフォームのデータを公表）、分析（根拠ある推論であり、エンジン内部へのアクセスを主張するものではない）。

不快な事実を発見の前に述べるべきです。それが読み方を決めるからです。ここで引用する 6 研究のうち 5 つはベンダー自身による報告です。 BrightEdge、Trakkr、Ahrefs、GetMentions AI、SISTRIX はいずれも自社の追跡データを測定し結果を公表しました。回答について商業的な利害のない学術ソースは Sielinski の論文だけです。文献 [7] と [8] は [4] と同じ Trakkr データセットの補足ページであり、特定の数値のために引用していますが、独立した研究としては数えていません。AI 引用データの独立監査機関は存在しません。これは分野の現状であり、本文書の限界ではありません。そして、この領域のあらゆる数値（本稿を含む）を誠実に読む方法は、まずサンプルと期間の明示を確認し、そのあとに見出しを読むことだという意味でもあります。

研究間で絶対値を比較しない理由

研究は方法を共有しておらず、本文書は共有しているふりもしません。SISTRIX は 6 か国で 17 週間にわたり 82,619 クエリを毎週追跡しました [2]。BrightEdge は自社プラットフォーム AI Catalyst で連続する週次スナップショットを比較しました [3]。Trakkr は 8 モデルで 177 日間にわたり 108,650 URL を追跡しました [4]。Ahrefs は 5 ツールで 20 日間にわたり 37,500 引用を毎日追跡しました [5]。GetMentions は 4 エンジンで 7 日間にわたり 2,398 クエリを 1 日 1 回実行しました [6]。一方の研究の百分率を他方の百分率から引くことはできません。本文書がそれらを並べるとき比較するのは 方向と構造 であり、大きさではありません。

本文書が主張しないこと

エンジンが内部的にどう情報源を選ぶかを知っているとは主張しません。これらの発見がすべての市場に当てはまるとは主張しません。ここで唯一の多国データは 6 つの西欧市場を対象とし、他の地域についての証拠ではありません。構造が恒久的だとも主張しません。各研究は日付を持ち、本文書自身のエビデンスが、エンジンの挙動はどの研究も再現するより速く動くと示しています。

以下の各発見は主張を述べ、それを支える研究を名指しし、根拠となる標本を報告します。2 つの研究が食い違うときは両方の数値を示します。この領域では食い違いが多くの場合、解くべき誤りではなく発見そのものだからです。

2 階層で読むと、この分野で最も丁寧な研究同士の矛盾に見えたものが解けます。「AI での可視性が下がった」が何を意味しうるかも変わります。ドメインが引用集合に残ったままページが回答から外れたなら、ドメイン階層は変化なしと報告し、ページ階層は喪失と報告し、両方が同じ出来事を正確に記述しています。2 つを混ぜた報告は、誰も行動できない数値を生みます。

SISTRIX の定式化は現在公表されている中で運用上もっとも有用です。すべての回答には 固定コアとカルーセル があります。86.5% のクエリには数週間から数か月持続する小さな安定ドメイン集合があり、それ以外はすべて毎週再配分されます。ブランドが問うべきは「回答の中にいるか」ではなく「コアにいるか、カルーセルにいるか」です [2] 分析

この区別には日次ダッシュボードが見落とす時間軸があります。Trakkr のブランド水準の系列は、10 か月間にわたり 10,991 ブランドをカバーする 857,138 件の日次レポートであり、ピークから半減までの中央値 を 31 日とし、90 日以上追跡した 1,314 ブランドのうち 173 のみ が安定した引用プレゼンスを保っています [4]。コアを失うのは遅い出来事で、週単位で測られます。ページを失うのは速い出来事で、日単位で測られます。両方を同じ頻度で報告すれば、速い出来事が遅い出来事を必ず飲みます。

これが、生の引用件数をエンジン間で比較できない機械的な理由であり、「引用シェア」がプラットフォーム間で防御可能な唯一の指標である理由です [1]。6 リンクの 検索GPT 回答の中で 2 回引用されたブランドは、その回答の約 3 分の 1 を持ちます。同じ 2 回の言及が 40 リンクの Gemini 回答の中にあれば、丸め誤差です。どちらも顧客には「2 件の引用」と表示できます。

SISTRIX は、普遍的なコンテンツ戦略という前提を崩す結果も加えています。Google AI Mode ではドイツ語クエリに対し コアドメインの 80% がドイツ語 で、コア URL の 85% がエバーグリーンであり、ガイドやニュースが入れ替わる一方で製品ページとストアページがコアを占めます。ChatGPT 検索 では構図が反転します。コアドメインは E-E-A-T で 16/20 に対し周辺は 14/20 で、機関・文書系の情報源がコアを形成し、ドイツ語クエリであってもコア内容の 68% が英語 です [2]。2 つのプラットフォームはほぼ正反対のコンテンツ像を報いるので、単一のページが両方のコアを快適に占めることはできません。

同じ研究の別の数値にも注意が必要です。プレス露出を軸に引用戦略を立てることへの最も強い反論だからです。情報源として引用された ニュース記事のうち、引用集合に恒久的に残ったのは 1.4% のみ でした [2]。編集記事は片道切符です。生き残るのは、構造上エバーグリーンなものです。

論文の 2 つ目の実務的警告はより繊細で、間違いやすいものです。信頼区間はクエリを増やすと常に滑らかに狭まるわけではありません。検索GPT では狭まったあと再び広がることがあり、基礎の分布がサンプリング中に移動するためです。都合よく狭い点で止めた人は、実際の不確実性を 過小に 報告することになります [1]。安全な規則は、プラットフォームとテーマから導いたサンプルサイズをあらかじめ確定し、数値が許容できるように見えたところで止めないことです。

2 つの発見を合わせると、報告への含意は避けられません。1 回サンプリングして小数 2 桁の百分率を印刷するダッシュボードは、小さな差を測っているのではなく、産物を印刷しています。数値は実データに対する本物の算術であり、それが生まれた単一の標本を超える推論内容を持ちません。顧客が毎月尋ねる数ポイントの差は、このサンプルサイズでは、測定そのものの不確実性が見かけのパフォーマンスとして表現されたものです。

SISTRIX は別の方向から同じ結論に達し、メカニズムを加えます。ブランドクエリの変動は平均より約 20% 小さく（内側への入れ替わり 45% 対 56%）、これは安心して聞こえますが、共引用を見ると変わりません。ブランドと並んで引用される 12〜15 のドメインは 毎週 70% が入れ替わります [2]。ブランド自身のドメインは固定され、その周囲の空間が毎週再配分されます。競争上の相対移動はそこで実際に起きており、ブランドが出たかどうかだけを問う指標には見えません。

計画への帰結は具体的です。自社名だけを追うブランドは安定した線を見て何も動いていないと結論しますが、その隣で引用される情報源の集合は毎週入れ替わっています。カテゴリ語だけを追うブランドは絶え間ない動きを見てカテゴリは測れないと結論します。どちらも構造の半分を見ています。

同じ論文は反対の極端な事例も記録しており、失敗が普遍的でないことを示すので有用です。検索GPT のバードフィーダーでは 5 つの連続ペアが信頼できるほど狭い区間を持ち、いずれも安定性しきい値 0.90 に達しませんでした。区間幅の平均は 0.225 で、比較が情報を持たなくなる境界に近い値です [1]。他の 2 テーマではペアが計算にすら足りませんでした。日次ダッシュボードはその日ごとに数値を報告していたはずです。

ここには明快な運用上の読み方があります。ペア比較は「昨日から変わったか」に答え、これはノイズについての問いです。両端比較は「我々が重視する期間で変わったか」に答え、これは四半期レビューが実際に問うことです。前者だけを行う測定システムは、監視のために雇われた対象が静かに動いている間も、問題なしと確認し続けます。

以上のどれも、AI 可視性の測定をやめるべきだとは主張しません。主張するのは、測定単位が変わる必要があり、現在の実務の 3 つの習慣が積極的に誤りを誘導している、という点です。

Trakkr の公開データページにある 2 つの補足的な数値が、別の標本で同じ点を示します。ライブ引用インデックスは、被引用リンクの 74% が単一の回答に現れて二度と現れないと示します。これは縦断的な 73.5% の背後にある第 2 の標本であり、独立した複製ではありません [7]。同じグループの 130 万引用の分析では、Wikipedia だけで AI 引用全体の約 17% を集中させている と分かります。単一ドメインがそれを占めるときのコア階層の姿です [8]。数千ページのカルーセルが、構造的に不変な少数の情報源の下で回っています。

1. 「引用された」を二値状態として扱うのをやめる

データは、すべての回答にコアとカルーセルがあると述べています [2]。ブランドはコアにいるか、数週間持続し、競合が押しのける必要がある位置にいるか、あるいは入れ替わりの中にいて、今日の存在が来週の存在をほとんど予測しない状態にいます。「回答の 34% に出現」のような単一の数値を報告すると両状態が 1 つの数値に潰れ、その数値は不安定な半分に支配されます。有用な問いは、追跡クエリのうちブランドがコア位置を占める割合と、その割合が月ごとにどう動くかです。

2. 日次の差分をパフォーマンスとして報告するのをやめる

日次の動きは現実で大きく、クエリあたり 1 標本ではほぼ完全に情報を持ちません [1][6]。日次系列は保持する価値があります。急落、モデル更新、突然のインデックス除外はそうやって告知されるからです。しかしそれはパフォーマンス指標ではありません。ステークホルダーが毎週見るべき数値は区間付きのシェアであり、エスカレーションに値するのは系列の断絶であって、2 ポイントの揺れではありません。

3. エンジンを 1 つのスコアに平均するのをやめる

Gemini は回答あたり 36〜43 リンクを引用し、検索GPT は 5〜7 で、両者は異なるコンテンツ像の上で異なる速度で情報源を入れ替えます [1][2]。エンジン間で混ぜた「AI 可視性スコア」は異なる単位の量の平均であり、ブランドが変わるときではなくクエリの混合が変わるときに動きます。エンジン別に分けて報告する数値は、見て楽しくはなく、行動にはるかに有用です。

予算への帰結もあります。コア階層が週から月の尺度で入れ替わるなら、Trakkr の中央値ブランドはピークから半減まで 31 日かかるので [4]、介入サイクルは日次ではなく月次であるべきです。日次の揺れを追うために公開するコンテンツはノイズに対して最適化しています。コア集合に入るために公開するコンテンツは、データが実際に支える時間尺度で競争します。

以下の 6 つの規則は社風ではありません。それぞれがデータの測定された性質から直接導かれ、それぞれが先行研究の記録する特定の誤りを防ぐために存在します。これを省いた報告は算術において偽ではなく、算術が意味するものについての主張において偽です。

このうち 2 つの規則はダウングレードに感じられます。顧客が 1 年読み続けてきた数値をなくすからです。日次の百分率を週次の区間に置き換えると報告は短くなり、一見すると情報量が減ります。しかし唯一重要な意味で情報量が増します。防御できるのです。サンプルサイズを明示しない数値は反論できず、反論できない数値は証拠ではありません。

“If a visibility report cannot answer ‘what was your sample size and window’, the number it contains is not a measurement — it is an impression with two decimal places.” — Inference from the sampling thresholds in [1], stated here as a reporting rule rather than a finding

この基準には競争上の用途もあります。同じブランドに対して各ベンダーが異なる数値を公表する領域で、サンプルサイズ、期間、区間を明示するベンダーの数値だけが他と突き合わせられます。これはマーケティングの立場ではなく、測定が比較可能になりうる唯一の立場です。

本文書の弱点は具体的で、すべて述べるに値します。統合は各情報源の弱点をすべて引き継ぎ、さらにいくつか自分自身の弱点を加えるからです。

独自測定はない

Novaxilabs はモニタリング標本を一切運用していません。ここでの何も編集者が測定したものではなく、いかなる数値も他の独立した確認として提示されません。本文書の貢献は構造的です。6 つの研究を 1 つのシステムとして読み、見かけ上の矛盾が単位、期間、質問タイプの違いであることを示します。

証拠の大半はベンダーが報告している

6 研究のうち 5 つは引用追跡を販売する企業が公表しています。方法の節は異例なほど詳細で、限界を述べている箇所は本文書も繰り返します。しかし第三者監査はなく、いずれも現象が実在することに明らかな利害を持っています。利害のない学術ソースは arXiv 論文 [1] だけです。ベンダー報告の数値をすべて退ける読者にも、本文書の方法論的な核は無傷で残ります。2 階層構造とサンプリング閾値は、いずれも主に [1] と [2]〜[6] の内的整合性に依拠しています。

各次元でカバレッジが狭い

多国データは 6 つの西欧市場のみで、それ以外はありません [2]。サンプリング閾値の研究は 3 つの消費財テーマをカバーします [1]。最長の窓は 10 か月 [4]、最短は 7 日 [6]。これらは検証なしにカテゴリ、言語、市場へ一般化できず、本文書も試みません。

メカニズムは説明されていない

本文書は挙動を記述し、原因は記述しません。ドメイン階層の引用は安定しページ階層はそうでないと主張できますが、なぜかは言えません。どの研究も変数を単離していないからです。検索の再ランク、インデックスの更新周期、回答長の方針、クエリ書き換えはもっともらしく寄与しており、それらを分離するには制御された摂動が必要ですが、公表された研究は試みていません。これらの数値に結びつく因果主張は、好意的なものを含め、推論であり測定ではありません。

1 つの研究が大半の空白を埋める

この分野で最も目立つ不在は、4 つの性質を同時に備えた単一の研究です。複数言語、複数エンジン、少なくとも 6 か月の窓、そして区間を付けるのに十分なクエリあたりの反復。既存のデータセットはいずれも 4 つのうち 3 つを持ちます。その研究は本文書のデータ基準日時点で公開記録に存在せず、だからこそ本文書の主張は構造的であって予測的ではありません。

なぜ 8 件の参考文献で 20 件ではないか

このシリーズの最初の文書は 20 件の情報源を持ちました。その問い、つまりどのページ構造が引用を生き残るかには広い文献があるからです。この問いにはありません。引用の安定性を大規模に測る公開データセットはすべて 5 つの追跡企業のいずれかに属し、統計を直接扱う学術論文は 1 本だけです。二次的な解説でリストを膨らませれば長さが増し追跡可能性が減るので、リストはここで使った数値を実際に担う 8 ページで止めています。これは検証できるものについての判断であり、文献が乏しいという主張ではありません。

本文書の使い方

判定ではなく読み方の鍵として。ベンダーレポートに当てはめると、3 つの問いを順に立てます。この数値はどの階層を測っているか、サンプルサイズはいくらか、期間はいつか。ほとんどのレポートは 1 つ目の問いで落ちます。その失敗は通常、不誠実さではありません。1 回サンプリングして百分率を表示するよう作られたツールの既定の出力です。しかし、信頼できる 2 社が同じ月に同じブランドへ相容れない数値を出し、どちらも嘘をついていない理由でもあります。

一次情報源を求める読者は直接そこへ向かうべきです。本文書は証拠が一致する場所と衝突する場所の地図であり、衝突はその要約よりも有用です。

以下の各情報源は、そこから数値を引用する前に一次ページで開いて読みました。本文書の数値は二次的な編集物から来たものはありません。広く流通する数値が公表された原典まで辿れない場合、§02 で論じた 2,300 万引用の主張のように、曖昧に帰属させるのではなく省きました。

1. 1 Sielinski, R. (2026). Quantifying Uncertainty in AI Visibility: A Statistical Framework for Generative 検索 Measurement. arXiv:2603.08924v3 [stat.AP]、39 ページ、13 図。初版 2026 年 3 月 9 日、改訂 2026 年 8 月 26 日。arxiv.org/abs/2603.08924 ARXIV プレプリント
2. 2 SISTRIX. (2026, 5 月 1 日). AI Citation Drift: How stable are sources in AI search results? 82,619 件の適格クエリ、1,548,213 スナップショット、2,556 分類 URL、6 か国（DE, US, UK, IT, ES, FR）、3 プラットフォーム、17 週（2025 年 12 月 17 日〜2026 年 4 月 8 日）。sistrix.com/blog/ai-citation-drift ベンダー
3. 3 BrightEdge. (2026, 2 月 6 日). AI 検索 Citations: How Much Do They Really Change Week to Week? 連続する週次スナップショット、標本週 2026 年 2 月 1 日。help.brightedge.com — weekly AI search insights ベンダー
4. 4 Trakkr Research. (2026, 3 月 30 日). The Half-Life of AI Citations (Study 009)。960 から抽出した 200 ブランドの 108,650 URL、8 モデル、177 日の窓。さらに 10,991 ブランドをカバーする 857,138 件の日次レポートのブランド水準系列。trakkr.ai/trakkr-research/citation-decay ベンダー
5. 5 Ahrefs. (2026, 10 月 29 日). How Stable Are AI Citations? 10 Things We Learned Tracking 37,500 Citations. 5 つの AI ツール、20 日間の日次追跡。ahrefs.com/blog/how-stable-are-ai-citations ベンダー
6. 6 GetMentions AI. (2026, 7 月 9 日). AI Citation Volatility: A 530,875-Citation Study. 56 のブランドアカウントからの 2,398 件の実クエリ、4 エンジン、連続 7 日、2026 年 6 月。67,144 回答、181,225 URL、55,387 ドメイン、46,259 件の日ペア比較。ドメイン水準で測定。getmentions.ai/blog/ai-citation-volatility-study ベンダー
7. 7 Trakkr. (2026). Trakkr Data — 継続更新される引用データセット、2026 年 10 月 28 日時点。ここでは 1 回だけ現れる被引用リンクの割合と日次の閲覧ページ系列にのみ使用。trakkr.ai/data ベンダー
8. 8 Trakkr. (2026). The Complete, Data-Backed Guide to Earning AI Citations. 60,209 ドメインの 130 万引用。ドメイン集中の数値を含む。trakkr.ai/guides/how-to-get-cited-by-ai ベンダー

Dr. Adrian Whitmore
Research Lead, Novaxilabs

Adrian は Novaxilabs で測定研究を率い、AI 引用追跡の統計的基盤に取り組んでいます。可視性の主張に必要な標本数、基礎システムが確率的なとき安定した指標はどうあるべきか、公表されている業界の数値がどこで互いに矛盾するか。

これはシリーズの 2 番目の文書です。1 番目 Beyond Rankings — What Actually Gets a Page Cited in AI Answers は、ページのどの構造的性質が回答エンジンの選択を生き残るかを検討しました。本文書は一歩下がり、先行する問いを立てます。その選択を報告する数値は、何かを意味するのに十分な精度があるのか。両文書は公表された第三者測定のみを扱います。Novaxilabs は独自のモニタリング標本を運用せず、自社プラットフォームのデータはここで証拠として使われません。方法についての対話、先行する読み方への異論を含め、info@novaxilabs.com で歓迎します。