メインコンテンツへスキップ

出典18件でも数値13節に出所が無かった 件数を品質の代理にした誤り

外部出典18件を根拠にnoindexから復帰させようとした記事に、数値のある節13個に出所が無かった。件数を品質の代理指標に使っていたことが原因で、一次資料に一件ずつ当たり直した記録。

この記事は、自社サイトで実測したSEO・AI検索の記録をまとめるシリーズの1本である。自社のRAGハブ記事を、100本の子記事の親にする前に検査したところ、外部出典18件を持ちながら数値のある節13個に出所が無いことが分かった。件数を品質の代理指標に使っていたことが原因で、一次資料に一件ずつ当たり直した記録をまとめる。

この記事で分かること

  • 出典の「件数」を品質の代理に使うと何が起きるか
  • 実際に見つかった問題(市場規模の数値・料金プランの誤記・出所のない効果数値)
  • 修復のために一件ずつ確認した手順と、削除に踏み切った基準

この記事で分からないこと(正直に書く)

  • 修復前、この記事がどれだけの期間、出所のない数値のまま公開されていたかは、このコミット記録だけでは特定できない
  • 一次資料で確認できなかった項目(国内市場規模など)を、将来どの水準の裏付けが取れれば書けるようになるのかは決めていない

何をしたか: 出典18件を根拠に、noindexからの復帰を検討した

自社のRAGハブ記事は外部出典18件を持ち、これを100本の子記事の親にする計画があった。復帰の判断材料として、この出典18件という数を見ていた(出所: 自社の運用記録、確認日2026-09-06)。

何が起きたか: 数値のある節13個に出所が無かった

検査をかけたところ、「数値を含むのに出典を持たない節」が13件見つかった(出所: 自社の運用記録、確認日2026-09-06)。出典18件という数自体は事実だったが、それらの出典が実際にどの数値を裏付けているかを一つずつ確認していなかった。

なぜ気づけなかったか: 「件数」を品質の代理指標に使っていた

原因は、外部出典の件数を品質の代理指標として扱い、個々の出典が個々の数値を裏付けているかを見ていなかったことにある(出所: 自社の運用記録、確認日2026-09-06)。出典が18件あることと、本文中の数値13節に出所が無いことは両立する。件数は「一次資料に当たった痕跡がある」ことしか示さず、「その数値が正しい」ことは示さない。

どう直したか: 一次資料に一件ずつ当たった

市場規模の数値は、公式レポートで一次確認し差し替えた(2024年USD1.2B→2030年USD11.0B、CAGR49.1%、出典URLと確認日を付記)。国内市場の数値は一次資料で確認できなかったため割愛すると明記した。各社の料金は公式料金ページを一件ずつ照合し、非公開の料金は金額を削除して「要問い合わせ」に置き換え、あるプランは名称の誤記を発見して訂正した。効果を示す割合の数値(60%や80%など複数)は一次資料を特定できず全て削除し、「対象業務の内容によって変わるため導入前に自社で実測する」という記述に書き換えた。出典が無く企業名も匿名化された「成功事例」の節は、丸ごと削除し、なぜその種の主張を扱わないかを説明する節に差し替えた。FAQのJSON-LDも本文の修正に合わせて同期した(出所: 自社の運用記録、確認日2026-09-06)。修復後の検証では、数値ありで出典なしの節は0件、外部出典は18件のまま、FAQの可視テキストとJSON-LDは5問とも一致、本文は16,318字だった(出所: 自社の運用記録、確認日2026-09-06)。

Googleの「役立つコンテンツ」に関するガイダンスも、書き手が誰であるかの明確さと出典の示し方を重視している。「訪問者にとって、誰がコンテンツを書いたかが自明か」を問い、「明確な出典や専門性の裏付けなど、信頼したくなるような情報の示し方をしているか」を判断基準として挙げている(出典: Google検索セントラル 役立つコンテンツの作成、確認日2026-09-06)。出典の数を並べることと、個々の主張に出典が付いていることは別であり、後者を欠くとこの基準を満たさない。

再発防止: 検査を2つ通し、単体性能の主張も裏取りする

再発防止として、数値を含む節に出所を要求する検査と、本文の衛生検査の両方を通す運用にした。あわせて、標本数の少ない比較を優劣の根拠にしない、他社の情報は公式ページを取得できた場合のみ使い取得できなければ項目を落とす、実測データの無い領域は「無い」と明記する、という規律も定めた(出所: 自社の運用記録、確認日2026-09-06)。件数はあくまで作業量の記録であり、品質の証明ではないという前提に立ち直した。

出典の件数と同じように、pSEOのCTRのような集計値も母数の性質を見ずに比較すると誤る。この点はpSEO611ページの実測記事で扱っている。AI検索での「出現なし」も、原因を分けずに集計すると同じ誤りを起こす。AI検索の引用0件の記事を参照してほしい。RAGの標本数設計についての姉妹記事は「標本数の記事」にまとめている。

自社サイトのコンテンツ品質検査・ファクトチェック設計について相談したい場合は、お問い合わせから編集部まで連絡してほしい。

よくある質問

Q1. 出典18件あれば記事の数値は信頼できるのか

できない。外部出典18件を持つ記事に、数値のある節13個に出所が無いという状態が実際に起きた。出典の件数は、個々の数値が裏付けられているかどうかとは別の指標である。

Q2. 具体的にどんな誤りが見つかったのか

市場規模の数値が一次資料と食い違っていたほか、料金プランの名称誤記、非公開の料金を金額として記載していた箇所、出所の無い効果の割合の数値、匿名化された企業名による成功事例などが見つかった。

Q3. 出所の無い数値はどう処理したのか

一次資料で確認できたものは差し替え、確認できなかったものは削除するか「要問い合わせ」「自社で実測する」といった表現に書き換えた。出典の無い成功事例の節は削除し、扱わない理由を書いた節に差し替えた。

Q4. 再発防止のために何を変えたのか

数値を含む節に出所を要求する検査と本文の衛生検査を運用に組み込んだ。あわせて、標本数の少ない比較を優劣の根拠にしない、他社情報は公式ページで確認できた場合のみ使う、実測が無い領域は「無い」と書く、という規律を定めた。

関連する取り組み

CONNECTED SERIES
AIで投資の壁を越える
18 本の実装記録。AI 投資の「予測不能」と言われる 9 つの壁を、コードと実データで検証した連載。
note で読む →
B2B API
Persona API
行動データから再構成した 2,245 体のペルソナを LLM 推論に注入。AI 出力の文脈リッチ化、顧客 segmentation に。
詳細を見る →

AI導入のご相談を承っています

AI導入支援の実務経験を活かし、お手伝いしています。お気軽にご相談ください。

他のカテゴリも読む

AI最新ニュース AI業界の最新ニュースと企業動向 AI導入戦略 AI投資判断・ROI分析・導入ロードマップ 業界別AI活用 製造・金融・小売など業界別のAI活用動向 導入事例 企業のAI実装プロジェクト事例とコンサルティング知見 研究論文 NeurIPS、ICMLなどの注目論文レビュー