AI検索（GoogleのAI モードとAI Overview、Perplexity、ChatGPTの検索）に自社の記事が引用される形になっているかを、編集部は自社サイトの703本・5,689節について、節ごとに判定した。節の長さでは説明できなかった。中央値は234字で、「チャンクに収まらないと引用されない」という説は当社には当てはまらなかった。多く見つかったのは、「前述の」「上記の」のように他の箇所を指す書き方と、見出しの問いに最初の一文で答えていない節である。どちらも、節だけを取り出すと意味が通らない。
目次
- この記事の立ち位置
- 節へのリンクが記事とは別に順位を持っていた
- 節を見る前に引用される前提を確かめる
- 判定に使った5つの問い
- 5,689節を約16分で判定した
- 節の長さでは説明できなかった
- 他の箇所を指す書き方と答えが後に来る節が多かった
- 割合を載せない理由
- 「単独で意味が通るか」と聞くと判定器は固まった
- 直す順は検索の表示数で決めた
- 直す候補の多くは記事の末尾のリンク集だった
- 見出しだけでは中身が分からない節
- 判定の問いを裏返した直し方
- FAQやllms.txtの数を成果にしない
- 引用されたかは別に測る
- 直した効果は3つに分けて報告する
- この判定で分からないこと
- 自社で同じ判定を回す手順
- まとめ
この記事の立ち位置
前の記事「AI検索で自社の引用が0件だった日に学んだこと」では、「出現なし」を2種類に分けた。AI検索がそもそもウェブを検索しなかった場合と、検索はしたが自社を選ばなかった場合である。41件の観測のうち37件では検索が走っていて、編集部が向き合うべきなのは「検索はされたのに選ばれていない」側だと分かった。
この記事はその続きで、選ばれていない理由を自社の記事の作りから調べた記録である。調べ方は記事を見出しで区切った「節」ごとに、AIが引用できる形になっているかを判定するというものだ。
先に、この記事で言えないことを書いておく。判定したのは「引用できる形か」までで、直した後に引用が増えたかは、この記事の時点では測っていない。引用そのものの測り方は後半の「引用されたかは別に測る」に書いた。AEO・LLMO・AIOといった用語の違いは「AIO・GEO・LLMO・AEO・SEOの違い」にまとめてあるので、ここでは繰り返さない。
節へのリンクが記事とは別に順位を持っていた
記事ではなく節で判定したのは、検索エンジンが節を単位に取り出している跡が、自社の数字に出ていたからである。
Search Consoleの検索パフォーマンスを見ると、ある記事の2番目の節へのリンク（URLの末尾に #section-2 が付いたもの）が、記事とは別の行として返ってきた。平均掲載順位は6.4位、表示は49回、クリックは0回だった。アンカー付きのURLが別の行で返ってくる仕組みは、「Search Consoleの数字を5倍間違えた」でも書いた。
Googleの生成AI機能向けのガイドは、AI モードやAI Overviewについて、検索インデックスから取得したページの特定の情報を確かめて回答を作り、裏付けとなるページへのリンクを表示すると説明している（2026年10月27日確認）。Perplexityの説明も、回答には番号付きの引用が付き、元のページに飛べるとしている。回答に使われるのがページの一部なら、点検もその一部の単位で行うのが筋である。
節を見る前に引用される前提を確かめる
節の書き方を直す前に、ページがそもそも引用の候補に入れる状態かを確かめておく。GoogleのAI 機能とウェブサイトによると、AI OverviewやAI モードで裏付けのリンクとして表示されるには、ページがインデックスに登録され、Google検索でスニペットが表示され、検索の技術的な要件を満たしている必要がある。これ以外に追加の技術的な要件は無いとしている（2026年10月27日確認）。
同じページはnosnippet や data-nosnippet、max-snippet で、検索に表示される情報を制限できるとも説明している。これらを入れたページは節を直しても、検索に表示される情報がその指定の範囲に限られる。当社のサイトはrobots.txtで検索とAI検索のクローラーのアクセスを許可している。
判定に使った5つの問い
1つの節につき、次の5つの問いを判定器に投げた。問いの文面は判定器に渡した文をそのまま載せる。
| 軸 | 判定器への問い |
|---|---|
| 直答 | 本文の最初の一文は、見出しが提示している問いに直接答えているか。前置き・背景説明から始まっていれば no。 |
| 数字・固有名詞 | 引用できる具体的な数字・固有名詞・日付が本文に含まれているか。 |
| 参照依存 | 本文に、他の箇所を参照させる表現（前述の、上記の、先ほど述べた、後述する）が含まれているか。 |
| 疑問文の見出し | この見出しは、疑問文の形になっているか。 |
| 見出しの情報 | この見出しだけを見て、そのセクションに何が書いてあるか具体的に分かるか。 |
判定器には見出しと本文を一緒に渡し、5つの問いを1回の呼び出しでまとめて聞いた。答えは「はい」か「いいえ」と、それぞれの確率で返ってくる。
5つとも、「良い節か」と良し悪しを丸ごと聞かず、具体的な特徴があるかどうかを聞く形にした。丸ごと聞かなかった理由は、「判定器は固まった」の節で書く。
5,689節を約16分で判定した
判定器は自社のサーバーで動かしている公開モデルのQwen3-30B-A3Bである。1件あたり167ミリ秒で、703本・5,689節を957秒、約16分で判定し終えた。1つの節の5つの問いを1回の呼び出しでまとめて聞くので、呼び出しの数は節の数と同じ5,689回で済む。自社のサーバーで動かしているため、APIの利用料はかかっていない。
判定は2026年9月19日に行った。数字はすべてこの日の時点のものである。
節の長さでは説明できなかった
節の長さは判定器を使わずに字数を数えた。中央値は234字、長い方から1割の境目は845字で、600字を超える節は全体の17.8%だった。
外部では「チャンク（500トークン、約375語）に収まらないと引用されない」という説が語られている。当社の節はもともと大半が短く、引用されない理由をこの説で説明できる状態ではなかった。
Googleの生成AI機能向けのガイドも、AIのためにコンテンツを細かく分ける（チャンク化する）必要はないとし、理想的なページの長さは無いと書いている（2026年10月27日確認）。
他の箇所を指す書き方と答えが後に来る節が多かった
5つの問いのうち、判定器が「欠陥あり」とした節が多かったのは、参照依存（他の箇所を指す書き方がある）と、直答していない（最初の一文が前置きから始まる）の2つで、両者はほぼ同じ多さだった。数字・固有名詞の無い節がこれに続き、見出しだけで中身が分からない節はそれより少なかった。見出しが疑問文になっている節は、5つの軸の中で最も少なかった。
参照依存の例を、自社の記事から1つ挙げる。表示の多い自動運転の記事に、次の一文がある。
上記の日産発表は次世代LiDARの利用を明記しています。
この文は「LiDARとAIを組み合わせるアプローチ」という節にあり、「上記の日産発表」は1つ前の節で紹介した、日産が2025年4月10日に出した発表を指している。記事を頭から読む人には通じる。ところが、この節だけがAIの回答に取り出されると、どの発表のことか分からない。直すなら「日産が2025年4月10日に出した発表は、次世代LiDARの利用を明記しています」と、指している物をその文の中で名前で書く。
答えが後に来る節も、同じ理由で取り出されると弱い。見出しが問いの形なのに、最初の一文が背景の説明から始まると、取り出された部分に答えが入らないことがある。
割合を載せない理由
この記事では軸ごとの「欠陥ありの割合」を載せず、多い順だけを書いた。判定器の確率を較正していないからである。
判定器が返す確率は、「はい」と「いいえ」が五分五分の状態からどれだけ離れているかを表す値で、当たる確率とは別物である。確率が0.5を超えた節を「欠陥あり」と数える線は仮のもので、どの節から直すかの順位づけには使えるが、「全体の何%が悪い」と外に言える数字ではない。記事Aの方が記事Bより参照依存の率が高い、という比べ方には使える。率そのものの大きさには意味を持たせない。
割合として出すには、人が付けた正解を30〜100件用意し、コンフォーマル予測のような方法で軸ごとに閾値を決める必要がある。編集部はまだこの作業をしていない。AIに記事を採点させて社内に報告する時も、確率の合計や平均をそのまま「悪い節の割合」として出す前に、較正したかどうかを確かめておきたい。
「単独で意味が通るか」と聞くと判定器は固まった
問いの文面は全件に回す前に対照の検査で選んだ。良い例と悪い例を判定器に読ませ、問いごとに「はい」の確率を並べたのが次の表である。
| 聞き方 | 良い例 | 前置きだけ | 他の箇所を指す | 抽象的な見出し |
|---|---|---|---|---|
| 「このセクションは単独で意味が通るか」 | 0.00 | 0.00 | 0.00 | 0.00 |
| 「他箇所を参照させる表現が含まれているか」 | 0.00 | 0.01 | 1.00 | 0.00 |
抽象的な問いは良い例と悪い例を分けなかった
「単独で意味が通るか」と聞くと、良い例も悪い例もすべて0.00になった。良い例まで「意味が通らない」側に入っているので、この問いでは何も判別できない。答えが1つの値に固まった問いは、どの節を渡しても同じ答えになり、判定に使えない。
欠陥の有無を具体的に聞くと判別した
「他箇所を参照させる表現が含まれているか」と聞くと、他の箇所を指す例だけが1.00になり、ほかは0.00〜0.01にとどまった。欠陥を名指しして、それがあるかどうかを聞く形にしたことで、問いが判別するようになった。
この結果から、判定の軸の文面は変えないことにしている。軸を足す時は、良い例と悪い例5件で判別するかを確かめてから全件に回す。
直す順は検索の表示数で決めた
直す順は記事ごとに「検索の表示回数 × 参照依存の率 × 直答していない率」を掛けた値で並べた。読まれている記事で、取り出されると意味が壊れる節が多いものから直す、という考え方である。
表示回数は2026年8月20日から9月16日までのSearch Consoleの値を使った。703本のうち、この期間に表示があったのは209本で、順位が付くのはこの209本だけになる。残りの494本は表示が0回なので、掛け算の値も0になり、直す順の候補から外れる。
1位は先に例を挙げた自動運転の記事だった。節は26あり、期間中の表示は368回、平均掲載順位は6位である。判定器はこの記事の中で直すべき節として、「自動運転レベルの定義」「法改正と公表資料の経緯」「現行の規制ポイント」などの見出しを挙げた。
上位には、表示が数十回の記事も入る。3位は、オランダの児童手当をめぐる自動判定の事件を扱った記事で、期間中の表示は47回だった。掛け算で並べているので、表示が少なくても、直すべき節の率が高い記事は上に来る。
直す候補の多くは記事の末尾のリンク集だった
判定の結果には、記事ごとに「直すべき節」の見出しの一覧が付く。683本にこの一覧が付き、見出しを数えると、上位は本文の節ではなく記事の末尾に置いた案内の節だった。
| 見出し | その見出しが直す候補に入った記事の数 |
|---|---|
| このテーマをまとめて読む | 367 |
| 関連記事 | 91 |
| よくある質問 | 75 |
| まとめ | 32 |
| あわせて読みたい | 20 |
「このテーマをまとめて読む」は多くの記事の末尾に入れている、同じテーマの記事へのリンク集である。このほか、書籍を紹介する節も上位に入っていた。リンク集はそもそも他のページを指すための節なので、参照依存の問いには「はい」と答えるのが当然で、直す対象とは言いにくい。
自社で同じ判定を回すなら、数える前に、案内のための節と本文の節を分けておくことをすすめる。分けないと、直す候補の一覧がリンク集で埋まり、本当に直したい本文の節が下に沈む。
見出しだけでは中身が分からない節
直す候補の見出しには、それだけでは中身が分からないものも並んだ。「未来への問いかけ」「投資家・技術者への示唆」「過去の教訓と今回の違い」のような見出しである。「概要と背景」は15本、「詳細な技術・ビジネス内容」は10本の記事で直す候補に入っていた。
こうした見出しは記事を頭から読む人には区切りとして働く。ところが、節だけが取り出されて検索結果やAIの回答に並ぶと、見出しは「この節に何が書いてあるか」を伝える唯一の手がかりになる。「概要と背景」では、何の概要なのかが伝わらない。
判定の問いを裏返した直し方
直し方は5つの問いを裏返すと決まる。どれも本文の中身を変えずに、書き方だけで直せる。
他の箇所を指す書き方を、名前に置き換える
「上記の」「前述の」「先ほど述べた」「後述する」が指している物を、その文の中で名前で書く。先の例なら「上記の日産発表」を「日産が2025年4月10日に出した発表」にする。指している先が表や図なら、表の題を書く。直した節は同じ5つの問いで判定し直すと、欠陥が消えたかを確かめられる。
見出しの問いに、最初の一文で答える
見出しが問いの形なら、最初の一文をその答えにする。背景や前置きは、答えの後に回す。答えを先に書くと、取り出された部分に答えが残りやすい。
見出しにその節の中身を書く
「概要と背景」のような見出しは、その節が何について何を言っているかが分かる言葉に替える。全部の見出しを問いや結論の文にする必要はないが、見出しだけを読んで何の節か分かるようにはしておく。
引用できる数字・固有名詞・日付を入れる
「多くの企業が」「近年」のような言い方は、取り出されても引用する手がかりが無い。何社なのか、いつなのか、誰が出したのかを、分かっている範囲で書く。
これらの直しは、AIのためだけのものではないと編集部は考えている。検索結果に節へのリンクが出る以上、人も節から読み始めることがある。その人にとっても、「上記の」は何も指していない。
FAQやllms.txtの数を成果にしない
判定と同時に、FAQを持つ記事の数も数えた。2026年9月19日の時点で、記事の頭の設定にFAQを書いていた記事は720本中3本だった（判定の対象の703本とは数えた範囲が違い、差の内訳は記録に残っていない）。
FAQを足せばAI検索に出やすくなる、とは言えない。Googleの生成AI機能向けのガイドは、生成AI検索のために特別なschema.orgのマークアップは要らず、構造化データはリッチリザルトのために引き続き使うことをすすめる、と書いている。llms.txtのようなAI向けのファイルも、Google検索では使わないとしている（いずれも2026年10月27日確認）。
編集部の運用でも、特別なマークアップやAI向けのキーワードの追加は成果の指標にしていない。robots.txtでAIのクローラーを許可したこと、特定のクローラーの名前で取得できたこと、llms.txtを公開したことも、引用された実績の代わりにはならない。構造化データを入れる時は、構造化データの一般的なガイドラインにあるとおり、見えている本文と中身を一致させる。
引用されたかは別に測る
節を直しても、それで引用されるかは別の問題である。引用は次の手順で測っている。
- 社名を入れない質問を固定する。途中で質問を変える時は、別の系列として記録する
- 回答したサービス、表示されたモデル、日時、言語、地域、質問、回答、実際に引用されたURLを保存する
- 同じ質問を複数回試す
- サイト名に触れただけの言及と、クリックできる引用を分けて数える
- 試していない回や取得に失敗した回を、引用されなかった回として数えない
質問は、読み手が実際に聞きそうな形で書く。編集部が最初に固定した質問には、「LLM APIの料金を比較するとき、入力・出力・キャッシュ料金をどう計算すればよいですか」「企業のAIチャットボットで誤回答を減らすには、どのような確認や人への引き継ぎが必要ですか」などがある。どちらも社名を含まず、記事が答えようとしている問いをそのまま聞いている。
GA4で見える「AI Assistant」からの流入は、実際に訪問があった数で、AIの回答の中で引用された回数ではない。2つは別の数字として扱う。
Googleについては、Search Consoleに生成AIパフォーマンス レポートが加わった。2026年8月31日にすべてのサイトに公開され、Google検索の生成AI機能での表示回数の推移や、表示の多いページを見られる（2026年10月27日確認）。自社の記事で引用を測った結果は、「AIO・GEO・LLMO・AEO・SEOの違い」に載せている。
直した効果は3つに分けて報告する
節を直した後の報告では、「技術的な修正と公開」「計測の準備」「観測した成果」を分けて書くことにしている。公開した直後に組み立ての検査が通ったことや、更新を通知したことだけで、AI検索での露出が良くなったとは書かない。
直した記事はサイトマップとIndexNowで更新を知らせている。ただし、送信が受け付けられたことは、インデックス登録や掲載順位の保証ではない。
前後の比較だけで、直した効果と決めることもしない。検索の数字には、需要の増減や季節の変化が混ざるからである。引用の結果をまだ取っていない期間は「未測定」と書き、引用されなかった期間とは扱わない。
この判定で分からないこと
この判定には、次の限界がある。
判定器の確率は較正していない。そのため割合は外に出さず、直す順の決定にだけ使っている。判定器と人の判断が合うかは、少数の対照で確かめただけで、人が付けた正解と全体で突き合わせてはいない。
「引用できる形」と実際の引用の関係も確かめていない。節が取り出されているという根拠は、Search Consoleで節へのリンクが別に順位を持っていたことと、Googleの説明にとどまる。直した節が引用されるようになったかは、まだ測っていない。
判定は2026年9月19日時点の記事に対するもので、その後に書き直した記事の状態は反映していない。
自社で同じ判定を回す手順
同じ判定を自社のサイトで回すなら、編集部が踏んだ順は次のとおりである。
- 記事を見出しで区切り、節ごとに見出しと本文を取り出す。案内のための節（関連記事やリンク集）は、本文の節と分けておく
- 欠陥があるかどうかを具体的に聞く問いを作る。「良いか」「意味が通るか」とは聞かない
- 良い例と悪い例5件を用意し、問いが両者を分けるかを確かめる。分けない問いは使わない
- 全部の節に回し、記事ごとに欠陥の率を出す
- 検索の表示回数を掛けて、直す順を決める。表示が0回の記事は後に回る
- 直したら、引用は固定した質問で別に測る
判定器の確率を割合として報告に使いたいなら、手順4の前に、人が付けた正解30〜100件で較正する工程を入れる。
まとめ
AI検索に引用される形か、自社の703本・5,689節を判定した記録である。
節の長さでは説明できなかった。 中央値234字、600字を超える節は17.8%。チャンクの大きさで引用を説明する説は、当社には当てはまらなかった。
多かったのは、他の箇所を指す書き方と、答えが後に来る節だった。 どちらも、節だけを取り出すと意味が通らない。
判定器には欠陥の有無を具体的に聞く。 「単独で意味が通るか」と聞くと良い例も悪い例も0.00に固まり、「他箇所を参照させる表現があるか」と聞くと判別した。
較正していない確率は割合として外に出さない。 直す順の決定にだけ使う。
直す候補の上位は記事の末尾のリンク集だった。 案内の節と本文の節を分けてから数える。
明日から試せる3つ
1つ目は表示の多い記事を1本開き、「前述の」「上記の」「後述する」で本文を検索することである。見つかったら、指している物の名前に置き換える。
2つ目は見出しが問いの形になっている節で、最初の一文が答えになっているかを見ることである。
3つ目はAIに記事を判定させるなら、「良いか」ではなく「〜という表現が含まれるか」と聞く問いを作り、良い例と悪い例で先に試すことである。
編集部ではこうした生成AI検索での露出の点検を自社のサイトで実際に行い、数字つきで記録している。自社のサイトで同じ判定を回したい、という段階の相談については、サービス案内を参照してほしい。順位や引用の保証はしていない。
参考にした一次資料
- Google 検索の生成 AI 機能向けにウェブサイトを最適化する — チャンク化・llms.txt・特別なマークアップについてのGoogleの説明
- AI 機能とウェブサイト — AI モードとAI Overviewの仕組みのGoogleの説明
- 生成 AI パフォーマンス レポート（検索） — Search Consoleで生成AI機能の表示を見るレポート
- Search Console — 節へのリンクの順位と表示回数の取得元
- 検索パフォーマンス レポート — 表示回数・掲載順位の定義
- 構造化データの一般的なガイドライン — 構造化データと見えている本文の一致
- schema.org — 構造化データの語彙
- llms.txt の提案 — AI向けのサイト案内ファイルの仕様
- How does Perplexity work? — Perplexityの回答と引用の説明
- Qwen3-30B-A3B — 判定に使った公開モデル
- A Gentle Introduction to Conformal Prediction — 判定器の確率を較正する方法の入門
- GEO: Generative Engine Optimization — 生成AI検索向けの最適化を扱った論文
よくある質問
AI検索に引用されないのは、記事が長いからですか。
編集部が自社の5,689節を判定した範囲では、長さでは説明できませんでした。節の長さの中央値は234字で、600字を超える節は17.8%でした。Googleの生成AI機能向けのガイドも、AIのためにコンテンツを細かく分ける必要はなく、理想的なページの長さは無いと説明しています（2026年10月27日確認）。
AEOやLLMOの点検では、最初に何を見ればよいですか。
節だけを取り出したときに意味が通るかを見ます。編集部の判定で多く出たのは、「前述の」「上記の」のように他の箇所を指す書き方と、見出しの問いに最初の一文で答えていない節でした。どちらも、節だけが取り出されると読み手には何の話か分かりません。
AIに記事を判定させるとき、どう聞けばよいですか。
欠陥があるかどうかを具体的に聞きます。編集部の対照の検査では、「このセクションは単独で意味が通るか」と聞くと、良い例も悪い例もすべて0.00になりました。「他箇所を参照させる表現が含まれているか」と聞くと、他の箇所を指す例だけが1.00になり、ほかは0.00〜0.01でした。
判定器が出した割合を、そのまま社内の報告に使えますか。
確率を較正していないなら、割合としては使えません。編集部の判定器が返す確率は、当たる確率として較正されていないため、どの節から直すかの順位づけにだけ使っています。割合として出すには、人が付けた正解を30〜100件用意し、軸ごとに閾値を決める必要があります。
FAQの構造化データやllms.txtを足せば、AI検索に出やすくなりますか。
Googleは、生成AI検索のために特別なschema.orgのマークアップは要らず、llms.txtのようなファイルもGoogle検索では使わないと説明しています（2026年10月27日確認）。編集部は、これらを置いたかどうかを成果の指標にしていません。
AI検索に引用されたかどうかは、どう測りますか。
社名を入れない質問を固定し、サービス、表示されたモデル、日時、言語、地域、質問、回答、実際に引用されたURLを保存します。同じ質問を複数回試し、名前が出ただけの言及と、クリックできる引用を分けて数えます。試していない回や取得に失敗した回は、引用されなかった回として数えません。