AIエンジン別の引用ロジック完全解説｜8エンジンの仕組みと最適化の分岐点【2026年8月4週版】

生成AIがどのように引用元を選んでいるのか。この問いに答えるには、モデルの性能ではなく、その手前にある検索と再ランクの仕組みを理解する必要があります。

当社Iteraの30ジャンル897クエリ調査では、日本語検索におけるAI Overviewの平均出現率は86.5%、引用元ドメインの第1位はyoutube.comで826回。2位以下の10倍以上という極端な偏りが観測されました。この偏りも、エンジンごとの引用ロジックを知れば説明がつきます。

本記事では、主要8エンジンの引用の仕組みを、公開情報と大規模観測研究をもとに分解します。

前提：どのエンジンも引用アルゴリズムを公式に全公開していません。本記事の内容は、公式ドキュメント・クローラーの挙動・第三者の観測研究から推定される構造です。各項目には確度の目安を付しています。また、引用した他社調査の数値は各社の公表内容に基づくものであり、詳細は各社の一次情報をご確認ください。

1. 全エンジンに共通する「引用が生まれる構造」

AIの引用は、学習した知識からではなく、その場で検索した結果から生まれます。

まず押さえるべき前提があります。AIの引用は「モデルが賢いから」生まれるのではなく、グラウンディング層から生まれます。グラウンディング層とは、各エンジンが依拠する検索インデックスのことです。

構造は三段です。クローラーが検索インデックスを構築し、検索層がクエリに対して文書を選び、LLMがそれらをコンテキストに入れて回答を組み立てる。この流れの中で、モデル自身が「思い出して」引用するわけではありません。

共通パイプラインの5段階（確度：高）

段階1：トリガー判定 検索が必要か、モデル内の知識だけで答えるかを判断します。ここで検索が走らなければ、引用はゼロです。

段階2：クエリファンアウト 1つの質問を複数のサブクエリに分解し、並列で検索します。ユーザーが見るのは1つの回答ですが、裏では複数の検索が走っています。

段階3：検索（Retrieval） 各エンジン固有のインデックスから候補を取得します。

段階4：再ランク（Rerank） 取得した候補を、使いやすさ・鮮度・権威といった基準で絞り込みます。

段階5：合成と引用付与（Synthesis + Attribution） 回答を生成し、実際に使った箇所にだけリンクを付けます。

最重要：段階3と段階5は分離している

実務上、最も重要なのがこの点です。取得されることと、引用されることは別問題です。

Zyppyの2025年の調査では、ChatGPTが取得したページのうち実際に引用されるのは約15%に過ぎず、残りの85%はモデルに読まれても出力では参照されなかったと報告されています。

つまり施策は二層に分かれます。第一層は「取得される」ための施策（インデックスされている、クロールできる、検索で拾われる）。第二層は「引用される」ための施策（構造が抽出しやすい、回答として切り出せる）。どちらか一方では成立しません。

言及（Mention）と引用（Citation）も別物

もう1つの分離があります。回答本文で名前が挙がることと、リンク付きで情報源として示されることは違います。

Ahrefsの自社ブランド追跡では、3万1,000件以上のブランド言及のうち、AI Overviewsがリンクを付けたのは10.7%に過ぎず、最も寛容なPerplexityでも51.6%だったと報告されています。

計測設計上、この違いは決定的です。リンクだけを追うと、AI Overviewでは実態の1割程度しか捕捉できません。

2. エンジン別の引用ロジック

2-1. Google AI Overviews（AIO）

インデックス：Google本体の検索インデックス。Googlebotによるクロールと索引が、候補プールへの入場券になります。（確度：高）

コアロジックはクエリファンアウト

Surfer SEOの大規模研究（173,902 URL、1万キーワード）では、ページがランクインするファンアウトクエリの数とAI Overviewsでの引用確率に強い相関（Spearman 0.77）が確認されたと報告されています。同研究によれば、ファンアウトクエリでランクインするページは、メインクエリのみでランクインするページより161%引用されやすいとされます。

また、AIOが検索上位ページを引用する場合、メインクエリとファンアウトクエリの両方でランクインするページが51.2%を占め、メインクエリのみは19.6%に留まったとされています。

構造変化：順位との相関が弱まっている（確度:中）

同じ研究のサンプル中、AIO引用の67.82%はメインクエリでもファンアウトクエリでも上位10位に入っていなかったと報告されています。ただし、上位3引用（「すべて表示」を押さずに見える部分）に限ると、ランク外は45.86%に減り、過半数（54.14%）はランクインしていたとされます。

時系列で見ると、この乖離は進んでいるようです。2025年半ばにはAIO引用ページの約4分の3が同クエリのオーガニック上位10位にもランクインしていたのが、2026年初頭にはAhrefsで38%、BrightEdgeで17%まで低下したという報告があります。

2026年1月のGeminiアップデートについては、SE Rankingが、従来引用されていたドメインの約42%が入れ替わり、AIO回答あたりのソースURL数が32%増加したと報告しています。より広いトピッククラスタから引用を集める方向に動いていると解釈できます。

引用ソースの傾向

AhrefsによればYouTubeはGoogle AI Overviewsで最も引用されるドメインで、6ヶ月で34%成長したとされています。当社の30ジャンル897クエリ調査でも、AI Overviewの引用元第1位はyoutube.comで826回と、この傾向は日本語検索でも確認できました。2位のドメインの10倍以上という偏りです。

また、88%のAIOが3つ以上のソースを引用し、単一ソースのみは1%に過ぎないという報告もあります（Heroic Rankings）。

2-2. Google AIモード

AIOと同じインデックスを使いながら、引用URLはほぼ別物です。

AhrefsはAI ModeとAI Overviewsが同じURLを引用するのは13.7%のみと報告しています。共通の基盤を持ちながら、別々の面として追跡・最適化する必要があります。

ロジック（確度：中）

AI Modeは、すべてのプロンプトを複数の隠れたサブクエリに分解し、それぞれ並列で検索し、その隠れたクエリ群で横断的にランクインするページから回答を組み立てるとされています。1本のキーワードではなく、見えないクラスタで競争しているという理解が実態に近いようです。

エンティティ統合の挙動

取得された候補の複数が同一の一貫したエンティティから来ている場合、合成処理がそのエンティティに引用を集約する傾向があると観測されています。表記の統一とエンティティの一貫性が効く理由がここにあります。

クロール性・速度・ランキングといった従来のSEOは、候補プール入りのゲートとして依然機能します。AI ModeはSEOを置き換えるのではなく、再スコアリングしていると考えるのが妥当です。

ユーザー行動

AI Modeの検索の約93%はクリックなしで終わるという報告があります。一方で、AIOで引用されたブランドはCTRが約35%上昇するというデータもあり、引用の獲得は流入とブランド認知の両面に効くと考えられます。

2-3. Gemini（アプリ）

インデックス：Google検索グラウンディング+ナレッジグラフ。Geminiのグラウンディングシステムはブランドエンティティの理解にナレッジグラフを使っているとされます。（確度：中）

引用ドメインの性格が他のGoogle面と違う

Asklanternのマルチ LLM引用データによると、Geminiの上位引用ドメインはReddit、YouTube、Quora、Wikipedia、NIH。ChatGPT（Wikipedia、Axios、YouTube、Kiplinger、Forbes）やClaude（PubMed Central、Wikipedia、Quora）とは大きく異なります。

GeminiのUGC・Q&Aプラットフォーム志向は、コミュニティでの実在感を要求するということです。日本市場に置き換えるなら、各種Q&Aサイトや業界コミュニティでの言及が相当します。

robots.txtの落とし穴（確度：高）

Google-Extendedはrobots.txtのトークンで、Geminiの学習とGeminiアプリ/Vertex AIのグラウンディングの両方を制御します。これをブロックすると学習データから外れると同時に、Geminiチャットのグラウンディング引用の対象からも外れます。

LLMOの観点では、許可が基本になります。過去にスクレイピング対策として一括ブロックした設定が残っていないか、確認してください。

反映速度

Googleのライブインデックスにグラウンディングされているため、変更はLLM純粋型より速く反映されるとされています。ページの内容・構造を改善してGoogleが再クロール・再索引すれば、2〜4週間でGemini可視性の改善が現れうるという観測があります。

2-4. ChatGPT（Search）

インデックス：以前は「Bingラッパー」と説明されていましたが、現在はブレンド構成と考えるのが妥当です。（確度：中）

2026年半ば時点で最も妥当な解釈は、単一の上流インデックスではなくブレンドされたスタックであり、Bingへの依存は消えたのではなく緩んだ、というものです。

ただし実務上は、Bingにもランクせず、OpenAIの自前クロールにも存在しないページはまず取得されません。Bing索引は依然として「床チェック」として有効です。一方でBingの順位と引用の相関は緩く、取得と回答の間にリランク段階があり、従来のランキングが測らない属性を最適化していると考えられます。

実務上の診断は2段階

1. Bing Webmaster Toolsでページが索引されていることを確認する

2. サーバーログでOpenAIの検索クローラー（OAI-SearchBot）が許可され、実際に取得していることを確認する

リランク層の重み（確度：中、観測ベース）

ChatGPTが閲覧する際は1つ以上の検索クエリを発行し、上位10〜20件を取得してHTMLを読み、内部リランカーに渡してから回答を組むとされています。リランカーが重視するのは、鮮度（dateModifiedが直近24ヶ月以内）、パッセージの一貫性（単体で回答として読める段落）、スキーマ信号とされます。

ページ内のどこが引用されるか

2026年の代表的な研究では、ChatGPT引用の44.2%がページの最初の30%から、さらに31.1%が中盤から来ていると報告されています。長い導入で回答を埋めると、引用機会の大半を失うということです。

結論を冒頭に置く構成が推奨される、最も直接的な根拠がここにあります。

権威信号

SE Rankingの216,000ページ分析では、参照ドメイン数がChatGPT引用の単一最強予測因子とされています。参照ドメイン35万以上のサイトは平均8.4引用、2,500未満は1.6という差が報告されています。

同時に、ChatGPT引用ページの約28%はオーガニック検索での可視性がゼロだったともされ、ブランドプレゼンスとリンクグラフが順位を上回る場面があることを示しています。

技術要件

FCP（First Contentful Paint）が0.4秒未満のページは平均6.7引用、1.13秒超は2.1という報告があります（AI Clicks, 2025）。

より深刻なのはJavaScriptレンダリングです。**静的HTML+スキーマのAI解析成功率94%に対し、JSレンダリングは23%**という数字が報告されています。クライアントサイドレンダリングのサイトは、この時点で大きく不利になります。

競合言及の傾向

Zenithが80の高意図質問を調べた研究では、ChatGPTは競合サイトを28.8%の頻度で参照し、Googleの17.7%より11ポイント高いとされています。チャレンジャーブランドにとっては追い風の性質です。

2-5. Claude

インデックス：Brave Search（公式未発表だが状況証拠は強い）。（確度：中〜高）

Brave SearchはAnthropicの公開サブプロセッサリストに2025年3月に追加され、ClaudeのWeb検索APIにはBraveSearchParamsパラメータが存在します。並べて比較するとClaudeはBraveと同じ引用を返すという観測もあります。Profoundの研究では、Claude回答とBrave検索上位結果の引用重複率は86.7%とされています。

ただしAnthropicは公式に検索プロバイダを名指ししていません。

Braveの性格が品質フィルタとして働く

BraveのインデックスはGoogleやBingより小さく選択的です。そこで上位に来るサイトは確立された高品質ソースが多く、これが事実上、Claude引用の自然な品質フィルタとして機能していると考えられます。

クローラーは用途別に3種類（確度：高）

• 検索用クローラー:ブロックするとClaude検索での可視性と精度が下がる

• 学習用クローラー:検索可視性に影響せず、独立してブロック可能

• ユーザーが特定URLを読ませる際のフェッチ用:robots.txtを尊重

学習を許可したくないが検索での露出は取りたい、という方針を分けて設定できます。

引用の形式と傾向

Braveの上位約10件が返されてスキャンされ、Claudeはそのプールからフィルタ・評価して引用します。引用はインラインリンクやブラケットで、情報が使われた箇所に直接付与され、Perplexityのようなフッター一覧形式ではありません。

2,170 URLのClaude引用分析では、引用URLのうちドメイントップページは3%のみで、56%が/blog/配下だったと報告されています。深層ページが引用される傾向が他エンジンより強いということです。

注意点

Claudeはデフォルトでは検索せず、検索モードを使った場合にライブソースを引きます。同じページがあるセッションでは引用され、別セッションでは見えないこともあります。計測時はプロンプトを固定し、定期観測することが必須になります。

2-6. Perplexity

インデックス:自前クローラー（PerplexityBot）+複数ソース。学術・ニュースインデックスを別レイヤーで重ねているとされます。（確度：中）

パイプライン

単一クエリに対し大規模なインデックスを検索し、多段パイプラインに通します。第一パスはキーワードと意味ベースのマッチングで広く候補を取り、その後レイヤー化されたMLリランカーがエンティティの明確さ・権威・鮮度・構造で品質ゲートをかける構造です。すべてのチェックポイントを通過しないと引用されません。

独自の学習信号（他エンジンにない特徴）

品質モデルは、Perplexity UI内のユーザークリックで訓練されているとされています。ユーザーは一部の引用ソースをクリックし他はクリックしないため、モデルはその信号から学習します。

結果として、一次報道や一次データが、同一ドメインでもアグリゲーターを上回る傾向があります。

トラストシード

ランキングシステムは「トラストシード」（人間が検証した権威情報を含むと認識されるドメイン）を使うとされています。確立された報道機関、Wikipedia、主要業界媒体が一貫して引用データに現れるのは、編集上の説明責任、記名著者、組織的信頼性をリランク層が評価できるためと考えられます。

引用の寛容さ

501サイトの分析では、追跡されたAI引用全体の47%をPerplexityが占めるという報告があります（Rankeo, 2026）。前述の通り言及時のリンク率も51.6%と最も高く、引用の計測が最もしやすいエンジンです。計測を始める際の起点として適しています。

2-7. Grok（xAI）

インデックス：Web検索+X（旧Twitter）のリアルタイムストリームという二重構造。（確度：高）

パイプライン:エージェント型ループ

反復的な検索ループを回します。質問をサブクエリに分割し、WebとXの両方に並列検索をかけ、新しいリンクを辿り、各バッチを内部で要約し、上限に達するまで繰り返す構造です。

重みづけの特徴

GrokのUIはソースパネルでWeb引用とX投稿を分離して表示します。そして戦略上最も重要なのは、Grokが他のどの主要エンジンよりも鮮度とソーシャルグラフを重く見る点です。

他エンジンのグラウンディングインデックスが日〜週単位で更新されるのに対し、Grokは直近30分以内に投稿されたX投稿を引用することがあります。

エンティティ解決

Grokは、Webサイト・Xプロフィール・第三者言及の三角測量でブランドを解決するとされています。サイト、Xのbioと投稿、第三者ソースで、ブランド説明・カテゴリ語・主要事実を一致させることが条件になります。矛盾する信号を出すブランドは不利になります。

日本市場での計測上の注意

トレンド層は地域に強く偏ります。日本のXで流行しているものは、米国のみのサンプルでは見えません。日本市場でのGrok計測には、日本IPでのサンプリングが必須です。

またGrokは複数ソースから要約するため、サイトを可視の引用として出さないことがあります。言及追跡と引用追跡の両方が必要になります。

2-8. Microsoft Copilot

インデックス：Bing一択。（確度：高）

Microsoft 365 Copilotは、Webの情報がグラウンディングに役立つ場合にBing検索サービスから情報を取得するとされており、Bingにないページはコピロットの引用に現れません。

計測インフラの進展

2026年2月にリリースされたBingのAI Performanceレポートで、CopilotとBing AIの引用を確認できるようになりました。

これは主要エンジンの中でプラットフォーム公式の引用データが見られる唯一の例です。AIの回答は常時変動し、ファンアウトクエリはユーザーの文脈や会話履歴にパーソナライズされるため、第三者ツールによる追跡には限界があるという課題への、公式からの回答と位置づけられます。

Bing Webmaster Toolsへの登録は、ChatGPTとCopilotの両方に効く、最小コストで最大効果の施策です。

3. エンジン横断の比較表

4. 引用確率を決める要因（影響度順）

① ブランド言及（被リンクより強い）

Ahrefsの75,000ブランド研究では、YouTube言及がAI可視性と0.737、ブランド名のWeb言及が0.664の相関を示す一方、被リンクは0.218に留まったと報告されています。

またMuck Rack（2026）では、AI引用の84%がアーンドメディア由来とされています。

引用獲得の最大のレバーは、自社サイトの外にある。これが2026年時点のコンセンサスです。

② 取得層と引用層の二段最適化

Wellowsの分析（7,000超クエリ、485,000引用）では、明確な構造を持つコンテンツはAI回答に逐語で抽出される一方、密で未整形のコンテンツは権威が高くても引用されにくいとされています。

同分析による2026年のChatGPT検索ランキング要因は、影響度順に次の通りです。

1. 回答先行の抽出可能な構造

2. Bing索引とクローラーアクセス

3. 独自調査

4. 一次ソースとしての認知

5. スキーマ

6. 鮮度

7. クロスプラットフォームの一貫性

③ 鮮度

AIプラットフォームは従来のオーガニック結果より25.7%新しいコンテンツを引用するという報告があります（Ahrefs, 2025）。

ただし時間軸はエンジンで大きく違います。Grokは分単位、ChatGPTは24ヶ月以内のdateModified。自社の主戦場エンジンに応じて、更新頻度の設計を変える必要があります。

④ クロスエンジンでの品質の収斂

Perplexity、Google AIO、Braveの1,702引用を分析した研究では、複数エンジンで引用されるページは品質スコアが71%高いとされています。Perplexityで引用を得るページは、他のエンジンでも引用される傾向があるということです。

計測を1エンジンから始めるなら、リンク率が最も高いPerplexityが起点として合理的です。

⑤ 引用の不安定性（施策の前提条件）

引用パターンは数週間で数十ポイント変動しうると報告されています。

さらに2025年の論文「Perplexity-Trap」は、ニューラル検索器が低パープレキシティ文書(AI生成テキストを含む)を過大評価しうることを示し、2026年の追試ではこのバイアスが密検索の本質ではなく学習によって形成されることが論じられました。

つまりランキング挙動は、モデルとパイプラインの選択によって漂流します。単発の計測結果に意味はなく、固定条件での定点観測でしか傾向は掴めません。

5. 構造化データは効くのか｜データが示す実際

この論点は、業界で語られている内容と因果研究の結果が食い違っています。正確に整理します。

「スキーマは効く」という説明は業界で広く流通していますが、因果を検証した研究では否定的な結果が出ています。

Ahrefsの2026年3月の差分の差分分析（1,885ページ vs 4,000の対照群）では、AI Mode（+2.4%・非有意）、ChatGPT（+2.2%・非有意）、AI Overviews（−4.6%・有意だが負）という結果が報告されました。

では実装する意味はないのか

意味はあります。ただし理由が違います。構造化データが効くのは、引用の直接要因としてではなく、次の3つの経路です。

経路1：機械可読性の担保。構造化データは、情報の意味をAIに明示的に伝える手段です。相関が検出されにくいのは、実装しているサイトが既にテキストも整備されているため、追加効果が測りにくいという可能性があります。

経路2：情報の一貫性の証明。複数媒体で同じ情報が構造化されて存在することは、エンティティ認識に寄与します。

経路3：リッチリザルトとクローラビリティ。検索結果での表示改善は、そのまま候補プール入りの確率を上げます。

実務上の結論

構造化データは、優先順位の1位ではなく、土台の一部として扱うのが適切です。順序としては、①テキスト化とクロール可能性、②結論先行の構造、③一次情報の発信、④ブランド言及の獲得、が先に来ます。構造化データは、これらが整った上での補強です。

「スキーマを入れれば引用される」という理解は誤りですが、「スキーマは不要」という理解も行き過ぎです。

6. ロジックから導かれる6つの実務結論

1. 「1ページ1キーワード」モデルは終了した

Google系はファンアウトクラスタ単位、ChatGPT/Perplexityはサブクエリ単位で競争しています。ピラー+サブトピック（費用・期間・比較・手順・リスク）の相互リンク構造を作り、同一エンティティから複数の候補が出る状態を目指してください。

2. 索引の三重チェックを行う

• Google：AI Overviews、AIモード、Geminiが依拠

• Bing：ChatGPT、Copilotが依拠

• Brave：Claudeが依拠（推定）

Bing Webmaster Toolsへの登録と、Brave側での可視性確認は、日本企業の多くで未着手のまま放置されています。コストがほぼかからない割に、対象エンジンが広がる施策です。

3. クライアントサイドレンダリングは致命傷になる

静的HTMLの解析成功率94%に対し、JSレンダリングは23%という報告があります。JS実行後にコンテンツが描画される実装では、多くのAIクローラーから中身が読めません。SSRまたは静的生成での出力を確認してください。

4. ページ冒頭で直接回答する

ChatGPT引用の44.2%がページの最初の30%から来ているという調査結果は、この施策の直接的な根拠です。冒頭40〜60字で問いに答え、一次データ・数値・記名著者・更新日を前半に置いてください。

5. ブランド言及のアーンドメディア化を最優先にする

被リンクとの相関0.218に対し、Web上のブランド言及は0.664。引用の84%がアーンドメディア由来。この2つのデータが示すのは、自社サイトの改修だけでは限界があるということです。

特にYouTubeとコミュニティ・Q&Aプラットフォームでの言及は、AI OverviewsとGeminiの両方に効きます。

6. 計測は固定プロンプト・定期観測・エンジン別・日本IPで行う

引用パターンは数週間で大きく変動し、Grokのようにトレンド層が地域に強く偏るエンジンもあります。単発の確認には意味がありません。

計測の設計要件は4つです。プロンプトを固定する、一定周期で反復する、エンジンごとに分けて集計する、日本語圏の環境で取得する。

7. 計測設計への含意

本記事で見た通り、エンジンごとに依拠するインデックスも重みも違います。1つのエンジンだけを見ても、自社の状況は分かりません。

計測を設計する際の要点を整理します。

エンジン別に分けて集計する。AI OverviewとAIモードのURL重複が13.7%である以上、両方を別々に追う必要があります。合算した数字は、施策の判断材料になりません。

言及と引用の両方を追う。AI Overviewsのリンク率が10.7%である以上、リンクだけを追うと露出の実態を1割程度しか捕捉できません。

反復して傾向で読む。引用は数週間で数十ポイント変動します。単発の結果は測定値になりません。

地域条件を揃える。特にGrokのようなトレンド依存のエンジンでは、取得IPの地域が結果を大きく左右します。

公式データと突合する。BingのAI Performanceレポートは、CopilotとBing AIについて公式の引用データを提供します。第三者ツールの数値と公式データを突き合わせることで、計測の妥当性を検証できます。

当社が提供するLLMOチェキでは、日次のAPI計測と週次の実UI計測を組み合わせた二層構造で、この「引用の不安定性」と「地域偏り」に対応しています。8つのAIエンジンを横断し、言及と引用を分けて記録する設計です。

よくある質問(FAQ)

Q1. どのエンジンから対策すべきですか?

自社の顧客が使うエンジンが最優先です。判断がつかない場合、まずGoogle系(AI Overviews/AIモード)から始めるのが合理的です。日本語検索での接触機会が最も多く、Googlebotのクロールという既存のSEO資産をそのまま活かせるためです。計測の起点としては、リンク率が最も高いPerplexityが扱いやすい選択肢になります。

Q2. Bing Webmaster Toolsへの登録は本当に必要ですか?

ChatGPTとCopilotの両方がBing索引に依拠しているため、費用対効果の高い施策です。登録自体は無料で、作業も短時間で完了します。ChatGPTのインデックスがブレンド構成に移行したとはいえ、Bingにも自前クロールにも存在しないページは取得されないという構造は変わっていません。

Q3. AIクローラーはすべて許可すべきですか?

用途によって分けられます。Claudeのように検索用と学習用のクローラーが分離しているエンジンでは、「学習には使わせないが検索での露出は取る」という設定が可能です。ただしGoogle-Extendedのように、学習とグラウンディングの両方を1つのトークンで制御するケースもあるため、ブロックの影響範囲を確認してから判断してください。

Q4. 構造化データは実装すべきですか?

実装を推奨しますが、引用の直接要因としてではありません。機械可読性、情報の一貫性、リッチリザルトという別の経路で効きます。優先順位としては、テキスト化・結論先行の構造・一次情報の発信・ブランド言及の獲得の後に位置づけるのが妥当です。

Q5. 記事内の数値は自社で検証できますか?

本記事で引用した他社調査の数値は、各社の公表内容に基づいています。詳細な条件や方法論は各社の一次情報をご確認ください。当社の調査データ(AI Overview出現率86.5%、引用元ドメイン等)については、レポートで手法とともに公開しています。

Q6. これらのロジックはいつまで有効ですか?

継続的に変化します。2026年1月のGeminiアップデートで引用ドメインの約42%が入れ替わったという報告があるように、数ヶ月単位で構造が動きます。本記事の内容も2026年8月時点の観測に基づくものであり、定期的な再確認が必要です。だからこそ、単発の知識ではなく継続的な計測の仕組みを持つことが重要になります。

まとめ

AIの引用は、モデルの気まぐれではなく、検索インデックス・ファンアウト・再ランクという配管の産物です。そして配管はエンジンごとに違います。依拠するインデックス、ファンアウトの強さ、鮮度の時間軸、引用の形式。これらを理解せずに「AI対策」を一括りにすると、施策も計測も的を外します。

一方で、エンジンを横断して効く要因もはっきりしています。ブランド言及、抽出可能な構造、一次情報、鮮度、そして情報の一貫性。この5つは、どのエンジンの配管を通っても評価されます。

自社がどのエンジンで、どう扱われているか。まずはそこを測ることから始めてください。LLMOチェキ(llmocheki.com)では、8つのAIエンジンでの言及・引用を分けて計測できます。自社ジャンルの傾向はLLMO傾向分析レポートで公開しています。

調査概要・出典

当社調査

• 調査名:LLMO傾向分析レポート(株式会社Itera/LLMOチェキ調べ)

• 調査対象:30ジャンル・897クエリ(日本語Google検索)

• 調査期間:2026年7月25日〜2026年8月3日

• 実測値:AI Overview出現率(平均86.5%)、引用元ドメイン(第1位youtube.com・826回)

• URL:https://llmocheki.com/report/llmo-trend

参考にした他社調査 Surfer SEO、Zyppy、Ahrefs、SE Ranking、BrightEdge、Profound、Wellows、Muck Rack、Rankeo、Heroic Rankings、AI Clicks、Zenith、Asklantern、5W、Contently、Microsoft Learn、および学術論文「Perplexity-Trap」ほか。各数値は各社の公表内容に基づきます。詳細な調査条件・方法論は、各社の一次情報をご確認ください。

免責 本記事の内容は、公式ドキュメント、クローラーの挙動、第三者の観測研究から推定される構造であり、各AIエンジンの公式なアルゴリズム仕様ではありません。各エンジンは引用アルゴリズムを公開しておらず、仕様は継続的に変更されます。2026年8月時点の情報として参照してください。

当社の調査データは、出典として「LLMOチェキ調べ(株式会社Itera)」をご記載いただければ、引用・転載自由です。