「AI検索に引用されるには、比較・おすすめ記事を増やすべきです」。GEOやLLMOの提案で、こう説明されることがあります。施策として間違いとは限りません。ただし、根拠に置かれた割合だけを見て判断すると、必要なコンテンツを取り違えます。
株式会社Wanokuniが2026年9月4日に発表した、AI検索対策エージェント「Brand UP」調べの「AI Search Cited Award 2026 下期」では、比較・おすすめ・選び方に関するページは、調査対象の引用ページの32.7%と報告されています。比較系が目立つ一方、この割合は過半数ではありません。
一方、株式会社WallabeeのOptyino.aiが同年7月に公表した商品レコメンド調査では、「比較検討系タイトル」が85.1%です。32.7%と85.1%。数字だけを並べると、どちらを信じればよいのか迷います。
二つは質問、集計単位、分類方法が異なり、同じ指標の食い違いとして直接比較できません。それぞれの数値の正しさを、もう一方の数値だけで証明できるわけでもありません。本稿では公開資料から確認できる範囲と、確認できない範囲を分けます。そのうえで、AI検索対策を発注するときに提案書のどこを見るべきかを整理します。
48万件調査が数えたもの
まず、Wanokuniの調査概要を確認します。対象はChatGPT、Gemini、Google AI Overviews、Google AI Modeの4プラットフォームです。国内21部門・122カテゴリについて、各カテゴリ90問を使い、2026年2月から7月まで計測しています。抽出された引用は484,537件でした。
部門別1位は21部門で20サイトに分かれ、2部門で1位になったのはASPICだけでした。部門1位のスコアも、リユース・買取部門の「おいくら」63.8%から、旅行・店舗・グルメ部門のYahoo! JAPAN 15.6%まで開いています。
SaaS・B2B部門の方法説明では、同じ質問を4つのAIに尋ね、少なくとも一つで対象ドメインが引用された割合を「AI引用スコア」としています。ページ種類の32.7%とは別の指標です。この定義だけから、引用回数全体に占めるドメインのシェアとは読めません。
この差は、全領域に共通する一つの勝ち方が見つかったことを意味しません。部門ごとに質問も引用候補も異なるためです。少なくとも公開結果からは、特定のサイト形式を横展開すれば全領域で勝てるとは読めません。
なお、この調査を実施したWanokuniは、AI検索での自社ブランドの言及や引用を調べるサービス「Brand UP」を提供しています。調査結果が直ちに無効になるわけではありませんが、調査主体が関連サービスの提供者であることは、解釈の前提として押さえる必要があります。
32.7%の「残り」は公開されていない
Brand UPは、比較やおすすめ、選び方を扱うページについて32.7%と報告しています。公開資料で確認できる分母の表現は「調査対象の引用ページ」です。ただし、32.7%の計算に使った分子・分母の実数は示されていません。調査全体の484,537件を、そのまま計算の分母と置くことはできません。
同じページは、候補を広く尋ねる質問では比較サイトや紹介記事が目立ち、「料金」「機能」「導入条件」まで具体的に聞くと事業会社のサービスページや公式情報も参照される、と説明しています。質問の具体性によって引用元が変わるという観察です。
しかし、残り67.3%の内訳は公開ページに示されていません。公式ページが何%、ニュースが何%、公的機関や口コミが何%という分類表は確認できません。「比較記事以外の67.3%は公式ページだった」と差し引きで説明することはできません。
SaaS・B2B部門の公開記事では、引用されたページのタイトルとURLから複数の特徴に分類し、一つのページが複数の区分に入る場合があると説明しています。本文をすべて人が読んだ分類と想定しないことも必要です。ただし、この部門の記事だけから、全体の32.7%の集計対象や手順まで同じと確定することはできません。
全体の32.7%の判定基準、同じURLが何度引用されたときの扱い、90問の全文、4プラットフォームの重み付けも、総覧ページだけでは読み切れません。32.7%は調査者が公表した観察として扱い、サイト全体の制作比率を32.7対67.3にする根拠にはしません。
85.1%とは、そもそも何の割合か
対比される株式会社Wallabee／Optyino.aiの85.1%は、商品おすすめ系の質問から得た引用タイトルを対象にしています。「おすすめの洗濯機を教えて」といった質問を使い、2025年9月16日から2026年5月15日までに取得した18,218件のAI回答から、延べ167,913件の引用URLを抽出しました。
同一回答内の重複を除くと156,957件です。さらに、タイトルがドメイン名だけなど記事名を分析できないデータを除外し、12,389件のAI回答に含まれる116,395件をタイトル分析の対象にしています。この116,395件のうち、所定の言葉をタイトルに含む割合として公表されたのが85.1%です。18,218件の全回答の85.1%ではありません。
「比較検討系タイトル」の条件は、「おすすめ」「比較」「ランキング」「口コミ・評判」「最新・年号」「選び方」「価格・安さ」のいずれかをタイトルに含むことでした。記事本文を読み、ページの役割を分類した割合ではありません。
| 比較項目 | Wanokuniの32.7% | Optyino.aiの85.1% |
|---|---|---|
| 主な対象 | 21部門・122カテゴリ | 18種類以上の商品カテゴリ |
| 質問 | 各カテゴリ90問 | 商品の「おすすめ」を尋ねる質問群 |
| 調査全体の規模 | 引用484,537件 | AI回答18,218件、延べ引用URL167,913件 |
| 割合の分析対象 | 公表上は「調査対象の引用ページ」。分子・分母の実数と重複処理は未確認 | タイトル分析可能な引用URL116,395件。該当する回答は12,389件 |
| 分類対象 | 比較・おすすめ・選び方に関するページ。部門記事ではタイトル・URLによる複数分類を説明 | 指定語を含む記事タイトル。複数の分類に該当する場合あり |
| 公開結果 | 32.7% | 85.1% |
Optyino.ai自身も、質問に「おすすめ」という語が入るため、比較検討系タイトルが多くなるのは自然だと注記しています。GeminiやGrokなど、タイトル情報を取得できなかった一部データを除外したことも明記しています。
Optyino.aiは、分析がAPI等で取得した回答データに基づき、実際のユーザー体験と異なる場合があるとも注記しています。タイトルを取得できなかったデータの除外があるため、全モデルの引用傾向を同じ条件で比較した結果とも扱えません。
また、比較検討系と公式・製品情報系のキーワードは、同じタイトルに併存し得ます。85.1%と公式・製品情報系の10.7%を排他的な区分として足し引きし、「残り4.2%は必ずその他」と確定させない点にも注意が必要です。タイトルの特徴と、運営主体が第三者か事業会社かは、別に確認します。
こちらの調査主体であるWallabeeも、GEO・LLMOの分析と支援サービスを提供しています。二つの調査はどちらも実務上の示唆を持ちますが、調査設計と事業上の立場を併記して読む必要があります。
数字が動く三つの理由
32.7%と85.1%の差から、AI検索の調査を読むときの要点が三つ見えてきます。
1. 質問の検討段階が違う
公開調査では、候補を広げる質問と、料金や導入条件を具体的に尋ねる質問で、引用元の違いが報告されています。そこから編集部が提案するのは、顧客の問いを「候補を探す」「条件を確かめる」などに分け、それぞれへ答える情報を点検することです。
AI検索対策は、一種類の記事で全質問を取る競争ではありません。認知、比較、条件確認という検討段階ごとに、必要なページが変わります。BtoBオウンドメディア戦略ガイドで整理したTOFU・MOFU・BOFUの役割分担も、問いを整理する枠組みとして使えます。枠組みを採用しただけで、引用や問い合わせが増えるとは限りません。
2. 数える単位が違う
回答数、引用回数、重複を除いたURL数、ページ数、ドメイン数は別の指標です。一つの回答が10ページを引用すれば、「回答は1件」「引用は10件」になります。同じページが何度も引用された場合、延べ件数で数えるか一意のURLで数えるかでも割合は変わります。
さらに「引用されたページの割合」と「その種類を一つでも引用した回答の割合」は一致しません。提案書に「引用率」とだけ書かれていたら、分子と分母を式で示してもらう必要があります。
架空の5観測で、計算の違いを確かめる
同じログでも、何を数えるかで割合は変わります。次は編集部が作った架空例で、実際のAI回答・引用・企業の成果ではありません。1回の観測につき一つの質問への回答を確認し、同じ回答内の同一URLは一度だけ数える設定です。A〜Eは架空の情報源です。
| 観測 | 回答の状態 | 引用URL | 回答本文のA社名 |
|---|---|---|---|
| 1 | 取得完了 | A社のガイド、A社の料金、Bの比較記事 | あり |
| 2 | 取得完了 | A社のガイド、Cの条件解説 | なし |
| 3 | 取得完了 | Bの比較記事、Dの解説、Eの事例 | あり |
| 4 | 取得完了 | 引用なし | なし |
| 5 | 取得失敗 | 未確認 | 未確認 |
この例では、引用のない回答も取得完了の4回答に含めます。取得失敗の1観測は引用なしと扱わず、試行5件のうち失敗1件として別に残します。
- A社のURLを一つ以上引用した回答の割合： 観測1・2の2回答 ÷ 取得完了の4回答 ＝ 50%。
- 引用された回数に占めるA社URLの割合： A社URLの3回 ÷ 全情報源の8回 ＝ 37.5%。回答をまたぐ同じURLの再登場は数えます。
- 異なる引用URLに占めるA社URLの割合： A社の2URL ÷ 全情報源の6URL ＝ 約33.3%。回答をまたぐ同一URLを一つにまとめます。
A社名が本文にあるのは観測1・3で、A社URLを引用した観測1・2とは一致しません。本文の社名への言及と出典リンクも別々に記録します。さらに、この三つの割合のどれも、リンクがクリックされた回数や問い合わせ数ではありません。
この計算は本稿の架空例の定義です。Brand UPの32.7%やOptyino.aiの85.1%を、この方法で計算し直したものではありません。自社の提案書で「引用率」が示されたら、まずどの式かを確認してください。
3. 分類のルールが違う
記事タイトルに「おすすめ」が入っていることと、本文が比較記事であることは同じではありません。公式サイトが自社製品の選び方を解説する場合もあります。反対に、タイトルに「比較」がなくても、本文で複数サービスを詳細に比べているページもあります。
キーワードによる自動分類は大量データを扱いやすい一方、誤分類を含みます。人が本文を読んで分類すれば意味は近づきますが、再現性と工数が課題になります。どちらが正しいかではなく、採った方法と限界が説明されているかが重要です。
比較記事だけを増やすと何を落とすか
二つの調査は、比較情報を整えることを検討する材料になります。ただし、比較記事を増やした場合の引用増加を実験で確かめた結果ではありません。調査で引用されたページの構成と、これから作るページの成果は分けて考えます。
比較記事の本数だけを優先し、条件を確かめる情報の整備を後回しにすると、検討後半の質問へ答えられないままになるおそれがあります。料金、機能、導入条件、対応範囲、更新日、契約上の制約、導入後の運用などです。比較記事の主張を検証するときも、各社の公式情報や公的資料、独自の検証記録などへ戻れることが大切です。比較記事が引用されたというだけで、そこにある根拠の正確さまで保証されるわけではありません。
- 選択肢を一覧できる
- 同じ軸で違いを比べられる
- 向く企業・向かない企業が分かる
- 第三者の評価を参照できる
- 料金と契約条件を確認できる
- 機能と対応範囲が確定している
- 更新日と責任主体が明確
- 問い合わせや導入へ進める
BtoB企業がまず行うべきなのは、比較記事の本数を決めることではなく、顧客の質問を検討段階ごとに並べることです。その質問に答える公式ページが欠けていれば整え、比較軸が分かりにくければ解説記事を作る。両方を内部リンクでつなぎます。
読者を助けず、検索順位の操作を主な目的にページを大量生成する行為は、Googleの大量生成コンテンツに関するスパムポリシーの対象です。AI検索への対応を理由に、固有の価値がないページを増やすことは避けます。詳しくはAI記事量産が危うい理由で解説しています。AI検索向けでも、読者への固有の価値を増やさないページ展開は避けるべきです。
GEO・LLMO提案書で確認する7項目
AI検索対策を外注するときは、事例や対策項目の多さより、測定条件が開示されているかを確認します。最低限、次の7項目を提案書に入れてもらうと、他社案と比較しやすくなります。
対象AI
ChatGPT、Gemini、Perplexity、Google AI Overviewsなど、どのサービス・モデル・地域・ログイン状態で測るか。
計測期間
いつからいつまで、何回測ったか。AIの回答は更新されるため、単日の観測と継続計測を分ける。
質問設計
誰のどの検討段階を想定し、何問を使ったか。指名・比較・料金など、質問の種類別に結果を出す。
分子と分母
回答、引用、URL、ドメインのどれを数えたか。「引用率」を計算式で確認する。
重複処理
同じ回答内や複数回の計測で、同一URLの重複を残したか除いたか。
分類方法
タイトルの単語で判定したか、人が本文を読んだか。除外条件と誤分類の確認方法も聞く。
事業KPI
引用数の増加を、指名検索、サイト訪問、問い合わせ、商談のどこまで追うか。
引用元の主張を人が照合する工程は、AI時代の出典確認で整理しています。サイト訪問や問い合わせとつなぐ指標は、オウンドメディアのKPI設計を参照してください。
自社の記録表へ落とす段階では、AI検索の引用率の測り方とレポート例を使い、取得失敗や未実施を未判定として残す方法を確認できます。調査の割合を読み解くことと、自社の観測を集計することを分けて進めましょう。
全プロンプトを競争上の理由で開示できない場合もあります。その場合は、カテゴリごとの例、質問生成のルール、固定した質問と更新する質問の区別を確認します。再現できない独自指標なら、少なくとも同じ条件で前月と比較できる設計が必要です。
また、調査会社や支援会社が自社データを根拠にすること自体は珍しくありません。確認したいのは、サービスに有利な結論かどうかだけではなく、不利な結果や測定上の限界も開示しているかです。数字の出どころを説明できる会社は、施策が外れたときの検証もしやすくなります。
成果物は「記事本数」ではなく質問への回答
GEO・LLMO施策で「比較記事を月10本」と本数だけを成果物にすると、納品を確認しても、買い手の質問に答えられたか、AIの回答で正しく参照されたか、問い合わせにつながったかの検証は別に残ります。
発注時には、記事一覧ではなく次の三つを成果物に含めるのがおすすめです。
- 検討段階ごとの質問リストと、回答する既存ページ・新規ページの対応表
- プロンプト、日時、対象AI、引用URLを残した測定ログ
- 誤った言及、引用されない重要質問、競合との差を反映した更新計画
引用の記録と、アクセス解析や記事からの問い合わせ計測は分けて保存します。AI回答のログだけから、訪問者数や商談成果まで分かったことにはしません。
この形なら、比較記事が必要な質問には比較記事を作り、公式情報が必要な質問にはサービスページを直せます。記事を増やす前に、既存ページの更新や構造化、内部リンクで解決できる課題も見つかります。
AI検索対策の数字は、結論ではなく質問です。「32.7%だった」から始めて、「何を、どの質問で、どう数えたのか」まで戻る。その手順を持てば、85.1%という別の数字が出ても、施策を振り回されずに評価できます。
よくある質問
AI検索に引用されるには、比較記事を増やすべきですか？
公開調査では、候補を広く尋ねる質問で比較情報が目立つと報告されています。比較記事を増やすだけで引用が増えることを示す実験ではありません。ただし、料金、機能、導入条件を尋ねる質問では公式ページも参照されます。顧客の質問を検討段階ごとに分け、不足しているページを補う順序が先です。
32.7%以外の67.3%は公式ページですか？
公開資料からは判断できません。Wanokuniの公開ページは、具体的な質問では公式情報も参照されると説明していますが、残り67.3%の種類別内訳は掲載していません。
32.7%と85.1%は、どちらが正しいのですか？
いずれも調査者が、それぞれの条件で公表した割合です。前者は複数領域の引用ページについて報告した割合で、全体の分類手順や実数には未確認点があります。後者は商品おすすめ質問で引用された、分析可能なタイトルに指定語が含まれる割合です。同じ現象を同じ尺度で測った数字ではありません。
AI検索対策会社を選ぶとき、最初に何を聞けばいいですか？
提案書にある引用率の分子と分母を聞いてください。その次に、対象AI、計測日、質問一覧、重複処理、分類方法を確認します。条件が変われば、前後差にその変更の影響も含まれます。同じ条件で再測定しても、AI側の更新などがあるため、差を施策だけの効果とは断定しません。
参考資料
- AI検索対策エージェント「Brand UP」調べ「AI Search Cited Award 2026 下期」（2026年9月4日公表）
- Wanokuni「AI検索で最も引用されるサイトは？21部門122カテゴリの『AI Search Cited Award 2026 下期』を発表」（2026年9月4日）
- 株式会社Wallabee／Optyino.ai「生成AIが商品レコメンドで引用する記事タイトルとは？」（2026年7月15日発表）。調査者が案内する元記事と発表資料を照合。
- Brand UP「SaaS・B2B部門 AI検索引用ランキング」（2026年9月3日表記、スコア定義を参照）
本稿は各社の公開資料をもとに、調査設計と解釈上の限界を整理したものです。未公開のプロンプト、分類明細、内部データについて推測していません。AIサービスの回答や引用傾向は、モデル更新、地域、日時、利用条件により変わります。
参照資料は2026年10月15日に再確認。架空ログの計算例は編集部作成です。
