AI エンジンはどのブランドを引用するのか：データとメカニズム

要約。ChatGPT、Perplexity、Google AI Overviews、Gemini、Claude、Copilot といった生成エンジンは、いまや購入者と事業者サイトの間に割り込んでいます。行動データは明確です。Pew Research Center が 68,879 件の Google 検索を対象に行った調査では、AI による要約が表示された場合に従来の検索結果をクリックしたのは 8% で、要約がない場合は 15% でした [1]。可視性はランキングから回答へと移っています。本ホワイトペーパーでは、生成エンジンにおける情報源の選定がどのように行われるかを解説し、それを動かす要因について査読研究と業界データを整理したうえで、測定に基づくブランド向けプログラムを提示します。中心となる主張は、引用はコンテンツの性質であり偶然ではない、ということです。築くことも監視することもできます。

1. 背景：並べられたリストから、文章化された回答へ

2025 年の二つのデータセットが、この移行を数値で示しています。Pew Research Center は 2025 年 3 月の 68,879 件の Google 検索における米国成人 900 人の閲覧行動を分析しました。検索の 18% が AI 要約を生成し、そうしたページは質問形式の表現や長いクエリによってはるかに多く誘発されました。10 語以上のクエリでは 53% が要約を生成しています [1]。Ahrefs は Google 検索 Console の集計データを用いて 30 万キーワードを分析し、AI Overview が存在する場合の 1 位結果のクリック率が 34.5% 低いこと（2025 年 4 月）、2025 年 12 月には約 58% 低いことを示しました [2]。

従来の SEO が前提とするトラフィックの根拠は、回答という新しい面が意思決定の場になる、まさにその瞬間に浸食されます。この環境では、競争の単位は順位ではなく言及です。ブランドが名指しされるか、回答のどの位置で触れられるか、どれだけ正確に説明されるかが問われます。

2. 対象範囲と方法

本ホワイトペーパーは三種類のデータを統合します。

1. 査読研究 — 特にプリンストン大学、IIT デリー、すべてen Institute for AI による GEO-bench 研究（KDD 2024 で発表）[3]、およびカーネギーメロン大学による追跡研究 [4]。
2. 大規模な業界測定 — Pew Research Center の行動データセット [1]、Ahrefs のキーワード調査およびブランド調査 [2][5]。
3. 当社の追跡実務 — 6 つのエンジンで毎日実行する中立的なプロンプトセット。公表された結果が実際のエンジンに一般化できるかを検証します。

数値はすべて出典に対応づけており、ベンダー調査はベンダー調査であると明示しています。当社はエンジン内部のメカニズムを把握しているとは主張しません。第 3 節の選定ロジックは、観測可能な入力と出力から導いたものです。

3. 選定パイプライン

表面が異なっても、生成エンジンはおおむね類似したパイプラインに従います。

1. クエリの理解。 エンジンはユーザーのプロンプトを一つ以上の検索類似クエリに書き換え、ユーザーが入力していない文脈（地域、製品カテゴリー、予算のシグナル）を補います。
2. 検索（リトリーバル）。 これらのクエリを検索インデックス、またはエンジン自身のクロールコーパスに対して実行します。書き換え後のクエリで十分に上位に位置する文書だけが次の段階に進みます。検索段階での失敗は可視化されず、取り返しもつきません。
3. 選定と圧縮。 モデルは取得した文書を読み、各記述をどの情報源が支えるかを判断します。残りは順位に関係なく破棄されます。回答あたりの引用枠は限られており、数十件の取得文書のうち生き残るのは一握りの情報源です。
4. 構成。 回答が文章化され、生き残った情報源が可視の引用となります（引用が表示される場合）。

実務上の帰結：従来検索での良好な順位は必要条件ですが、十分条件ではありません。1 位に位置していても、モデルが対応づけ可能な記述を抽出できなければ、引用されることはありません。

4. 調査結果

F1 — コンテンツの変更は可視性を動かす。しかも測定できる

ベンチマーク GEO-bench（約 1 万件のクエリ、9 種類のコンテンツ変更戦略、複数の生成エンジン）は、テキスト引用・統計・出典を追加することで、生成回答におけるページの可視性が最大で約 40%（相対）向上することを示しました。テキスト引用と明示的な統計の言及が最も強いレバーであり、唯一テストされた旧来の手法であるキーワード詰め込みはマイナスでした [3]。CMU の補完研究では、協調的で意味論的に明示的なコンテンツが、簡潔すぎる表現や攻撃的な表現の同種コンテンツに比べて 35〜60% 高い引用率を得ています [4]。方向性は一貫しています。エンジンは、記述が検証しやすく抽出しやすい情報源を評価します。

F2 — 裏づけは規模に勝る

7 万 5 千ブランドを対象とした Ahrefs の調査では、ブランドのウェブ言及数が AI Overview への出現と 0.664 の相関を示しました。被リンクやドメインよりも強い関連です。また、言及量が下位半分のブランドは AI 回答においてほぼ不可視でした [5]。独立した第三者情報源によって一貫して説明されていることが、自社サイトの権威性よりも重視されます。

F3 — 可視性とトラフィックは切り離される

Pew の調査では、AI 要約内の情報源をクリックしたのはわずか 1% の訪問で、要約のあるページでは 26% の訪問者がそのセッションを終了しました [1]。Ahrefs は、10 位の結果でもクリックの約 5 分の 1 を失っていることを示しています [2]。回答内で引用されることが露出のほぼすべてとなりつつあり、クリックを当然の前提にはできません。

F4 — エンジンごとに挙動が異なるため、平均値は誤解を招く

当社の日次トラッキングでは、同じ中立的なプロンプトが ChatGPT、Perplexity、AI Overviews でしばしば異なるブランドを引用し、その差は時間とともに移ろいます。これは GEO-bench の著者らの観察とも一致します。戦略の有効性はクエリとエンジンによって異なるのです [3]。したがって単一エンジンの監査は構造的に誤解を招きます。一つの分布からの標本を測っているにすぎません。

F5 — 鮮度は効くが、選択的に効く

エンジンは時間に敏感な問いでは鮮度を重く見て、安定した定義については古いデータを許容します。「すべてを更新する」という一律の助言は工数を浪費します。鮮度への投資は、情報の陳腐化が回答を変える問いに絞るべきです。

5. ブランドへの含意

• 回答をランディングページとして扱う。 AI 回答内でのブランドの説明は、かつてタイトルタグが担っていた役割を果たしています。
• 抽出可能な記述と名指しの出典に投資する。 公表された効果量があるのはこのレバーです [3][4]。
• 一貫した第三者による説明を積み上げる。 独立した情報源による裏づけは、ブランド単位で AI 可視性と最も強く関連する要素です [5]。
• エンジン別・プロンプト別に、時系列で測定する。 単発の監査は、エンジン間の差を実際の変化と取り違えます。
• クリックが引用に追随するのを待たない。 可視性は独立した成果として報告してください [1][3]。

6. 限界

ベンチマークが測るのは統制条件下での相対的な可視性であり、売上ではありません。可視性と事業成果の対応関係は文書化されていません。ベンダー調査には開示の非対称性があり、方法論も標本も異なります。またエンジンは、研究が再現されるよりも速く進化します。本稿で引用した数値は方向性を示すものであり、時点が付されたものです。いずれも恒久的な定数として読むべきではありません。当社自身の追跡データは、6 つのエンジンと顧客のカテゴリーにおける観察データです。

7. 推奨事項

1. 購入者が実際にエンジンへ投げかけている問いから、安定したプロンプトセットを構築してください。サイトを変更する前に固定します。
2. 主要ページについて、抽出可能な記述とエンティティの明確さを点検してください。段落が単独で成立するように文章を設計します。
3. 自社カテゴリーで引用されている第三者情報源を特定し、その編集基準を自社コンテンツの基準として扱ってください。
4. プロンプトセットを毎日すべてのエンジンで実行し、言及率・位置・引用元をそれぞれ別のトレンドとして追跡してください。
5. AI 可視性のトレンドを従来検索の指標と並べて示してください。そして両者が乖離することを前提にしてください。

参考文献

1. Pew Research Center, 「Google users are less likely to click on links when an AI summary appears in the results」, 2025 年 7 月. pewresearch.org
2. Ahrefs, 「AI Overviews Reduce Clicks by 34.5%」（2025 年 4 月）および 2025 年 12 月の更新（30 万キーワード、Google 検索 Console のデータ）. ahrefs.com/blog/ai-overviews-reduce-clicks
3. Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., Deshpande, A., 「GEO: Generative Engine Optimization」, KDD 2024. arXiv:2311.09735
4. Chen, et al., 「What Generative 検索 Engines Like」, Carnegie Mellon University, 2025. arXiv:2510.11438
5. Ahrefs, 「An Analysis of AI Overview Brand Visibility Factors (75K Brands Studied)」, 2025. ahrefs.com/blog