AI回答の引用元を分析する方法｜ドメイン・ページ種別・一次情報の偏りを可視化する

監修: 菊地 将（リブランディング株式会社）

AI回答で自社が引用されないとき、引用回数だけを数えても改善策は決まりません。確認すべきなのは、AIが「どのドメインの、どのページ種別から、どの情報を根拠として採用したか」です。

本記事では、ChatGPT、Google AI Overviews、Gemini、Perplexityなどの引用URLを同じ分類表へ落とし込み、競合との不足差分を見つける方法を解説します。結論は、ドメイン単位で集計を終えず、ページ種別・情報タイプ・一次性・鮮度まで分解することです。分析後は、自社に足りない情報資産を特定し、更新・新規制作・外部発信の優先順位を決められます。

AI回答の引用元分析では「誰が引用されたか」より「何が選ばれたか」を見る

AI回答の引用元分析とは、複数の質問に対する引用URLを収集し、情報源の構造を分類・比較する作業です。ブランド名の言及率や自社URLの引用回数だけではなく、引用された理由を推定できる粒度まで分解します。

最低限、次の5軸を記録します。

• ドメイン：官公庁、企業、業界団体、報道機関、UGCなど
• ページ種別：公式仕様、調査レポート、解説記事、比較記事、事例、商品ページなど
• 情報タイプ：定義、数値、比較、手順、事例、評価、最新情報など
• 一次性：発信主体が直接得た情報か、他者情報の再編集か
• 鮮度：公開日・更新日・データ対象期間がいつか

引用URLを5軸に分解すると、引用回数だけでは見えない「選ばれた情報の種類」を比較できます。

たとえば競合企業の記事が10回引用され、自社記事が2回だったとしても、差の原因はドメイン評価だけとは限りません。競合が独自調査の数値を持ち、自社が一般的な解説だけを持つ場合、埋めるべき差は被リンク数ではなく「引用できる一次データ」です。

Googleは、AI OverviewsやAI Modeへの掲載に特別な技術要件や専用の構造化データは必要なく、通常のSEO基盤と人に役立つ信頼できるコンテンツが重要だと説明しています。したがって、AI専用の小技を探すより、実際に選ばれた情報源の共通点を観測する方が、改善判断につながります。

引用元分析の前に質問群と観測条件を固定する

比較可能な結果を得るには、質問、AIサービス、実行条件、記録日を先に固定します。同じ質問でも回答や引用先は変わるため、1回の結果を恒常的な評価として扱ってはいけません。

質問群は検索意図別に分ける

質問は、顧客の意思決定段階に合わせて分類します。質問数を増やす前に、偏りを防ぐことが重要です。

自社名を含む質問だけでは、自社を知らない見込み客の探索行動を再現できません。「課題名」「方法」「比較」「費用」「事例」など、非指名質問を中心に置きます。

観測条件を記録する

記録項目は、実行日、AIサービス名、モデルまたは機能名、ログイン状態、地域、言語、質問文、回答全文、引用URL、引用位置です。ChatGPT Searchは質問を書き換えて複数の検索を行う場合があり、検索結果や引用が不完全・古い・誤っている可能性も公式に案内されています。引用リンクは必ず開き、回答中の主張を実際に支えているか確認します。

初回監査は、重要質問10〜20件を各AIサービスで複数回確認する規模から始めると運用しやすくなります。これは統計的な保証値ではなく、分類ルールを安定させるための実務上の開始目安です。

AI回答の引用元を6ステップで収集・分類する

引用元分析は、URLの収集、正規化、分類、集計、差分抽出、優先順位付けの順で進めます。収集と評価を同時に行うと担当者の期待が分類へ入りやすいため、まず事実を記録し、その後に考察します。

引用元分析は、事実を記録する前半と、評価して施策へ変える後半を分けると再現性が高まります。

STEP1｜回答と引用URLをそのまま保存する

各質問について、回答全文と表示された引用URLを保存します。引用番号だけでは後日の再確認ができないため、リンク先のURL、ページタイトル、引用が付いた主張も記録します。

OpenAIは、ChatGPT Searchの引用から出典ページを開ける一方、引用が回答を支えているか、公開日・更新日が適切かを利用者自身が確認するよう案内しています。URLが存在するだけで「根拠として妥当」と判定しないことが重要です。

STEP2｜URLを正規化して重複をまとめる

計測パラメータ、アンカー、末尾スラッシュ、httpとhttpsの差を除き、同じページを1件へまとめます。ただし、同一ドメイン内の別ページは統合しません。ドメイン集計だけでは、どのページ資産が選ばれたか分からなくなるためです。

保存する単位は「回答×質問×引用URL」です。同じURLが3つの回答で引用された場合、ユニークURLは1件、引用出現は3件として両方を保持します。

STEP3｜ドメインとページ種別を分類する

ドメイン属性とページ種別は分けて記録します。企業ドメインでも、公式仕様ページ、独自調査、営業用サービスページでは引用される役割が異なるためです。

一次情報は「有名なサイトの情報」ではありません。サービス提供会社による仕様説明、自社が実施した調査、当事者が公開した事例など、発信主体が直接保有する情報です。他社調査を要約した記事は、出典があっても二次情報に分類します。

STEP4｜引用適合性を確認する

引用ページが回答の主張を支えているかを3段階で判定します。

• 直接支持：ページに同じ事実・数値・条件が明記されている
• 部分支持：関連情報はあるが、回答の範囲や断定をすべて支えていない
• 不支持：ページに根拠がない、内容が食い違う、確認できない

2026年の研究では、ChatGPT、Copilot、Gemini、Perplexityに712件の質問を行い、引用元の約16％にAI生成コンテンツの証拠が見られたと報告されています。対象は政治・健康・環境であり、すべての業界へそのまま一般化はできません。しかし、引用されたことと、情報源として信頼できることは別々に監査すべきだと分かります。

STEP5｜構成比と集中度を集計する

集計では、引用回数、ユニークURL数、質問カバー率の3つを分けます。

• 引用回数＝すべての回答に出現した引用URLの延べ数
• 質問カバー率＝その分類が引用された質問数 ÷ 全質問数 × 100
• 一次情報比率＝一次情報に分類した引用回数 ÷ 全引用回数 × 100
• 上位ドメイン集中率＝上位3ドメインの引用回数 ÷ 全引用回数 × 100

たとえば20質問、全引用80件のうち、公式企業の調査レポートが24件なら、そのページ種別の構成比は30％です。上位3ドメインが48件なら、上位3ドメイン集中率は60％です。数字には必ず質問数、回答取得回数、AIサービス、観測期間を併記します。

STEP6｜自社・競合・市場全体の不足差分を出す

最後に「引用された競合ページ」と「自社が保有するページ」を同じ分類表で比較します。競合が持つページを模倣するのではなく、質問に対して不足している証拠の種類を特定します。

引用元ポートフォリオは「量・質・役割」の3層で評価する

改善判断では、引用数の多さだけでなく、根拠の質と回答内での役割を合わせて評価します。引用されても、回答の中心根拠として使われていない場合があるためです。

2026年4月公開のプレプリントは、602プロンプト、21,143件の有効な検索層の引用、23,745件の引用特徴データを分析し、「引用元に選ばれること」と「回答内容へ取り込まれること」を分けて測る枠組みを提案しました。静的データの記述研究であり因果関係は示していませんが、引用数だけではページの貢献度を測れないという実務上の注意を与えます。

各引用を次の3層で見ます。

1. 量：何回、何質問、何サービスで引用されたか
2. 質：一次性、鮮度、引用適合性、運営主体の明確さ
3. 役割：定義、数値根拠、比較軸、手順、事例のどれを支えたか

引用回数に、情報源の質と回答内で果たした役割を重ねることで、改善優先度を判断できます。

優先度は「重要質問への出現頻度×自社の不足度×制作可能性」で決めます。たとえば、重要質問10件のうち7件で独自統計が使われ、自社に該当資産がなく、既存データから調査を作れるなら優先度は高くなります。一方、一度だけ現れた特殊なページ種別は、追加観測後に判断します。

分析結果をページ改善とコンテンツ企画へ落とし込む

引用元分析の目的はレポート作成ではなく、次に作る情報資産を決めることです。改善対象を「既存ページ更新」「新規ページ制作」「外部情報整備」の3つへ振り分けます。

不足している証拠の種類に応じて、既存ページの更新、新規制作、外部情報の整備へ施策を分けます。

既存ページを更新するケース

自社ページが引用されているものの、対象質問が狭い場合は、引用された箇所を残しながら不足する定義、条件、比較、例外を追加します。公開日だけを新しくせず、出典、データ対象期間、検証方法も更新します。

新規ページを作るケース

既存ページと検索意図が異なる場合は新規化します。サービスページしかないのに、AI回答が調査レポートや比較ガイドを根拠にしているなら、営業説明を膨らませるより、方法を明示した調査や中立的な判断ガイドを独立させた方が役割が明確です。

外部情報を整えるケース

第三者データベース、業界団体、報道、レビューなどが引用される質問では、自社サイトの修正だけで完結しません。企業名、サービス名、所在地、仕様、代表者、料金などの事実が外部で食い違っていないか確認します。削除や大量投稿を狙うのではなく、公式情報を正確に公開し、正当な外部参照先から確認できる状態を作ります。

GoogleのAI機能は、関連する複数検索を行う「query fan-out」を使い、従来検索より広いリンク群を提示する場合があります。そのため、単一キーワードの順位だけで引用元を説明せず、質問の下位論点ごとにどの情報源が選ばれたかを見ます。

引用元分析で避けるべき5つの誤り

引用元分析は、分類ルールと観測条件が曖昧だと、精密に見えて再現できない資料になります。次の誤りを避けてください。

1. 1回の回答だけで評価する
2. ドメイン別の件数だけで終える
3. 引用リンクが主張を支持するか確認しない
4. 更新日だけを見てデータ対象期間を見ない
5. 引用とブランド言及、回答への採用を同じ指標にする

特に、引用URLが多いAIサービスと少ないAIサービスを単純比較するのは危険です。前述の2026年プレプリントでも、サービスごとに平均引用数と回答への影響度が異なりました。AIサービス別に集計した後、共通する傾向だけを横断比較します。

月次監査では、質問群と分類ルールを固定し、新規URL、消失URL、ページ種別構成比、一次情報比率、重要質問のカバー率を比較します。大きな変化が出たときは、モデル変更、回答機能、地域、質問文、対象ページ更新のどれが変わったかを確認します。

まとめ

AI回答の引用元分析では、引用回数だけでなく、ドメイン属性、ページ種別、情報タイプ、一次性、鮮度、引用適合性を同じ表で管理します。質問群と観測条件を固定し、URLを正規化したうえで、自社・競合・市場全体の情報資産を比較してください。

このテーマの全体像や前提を確認したい場合は、「AIOの効果測定は何から始める？表示・引用・流入・成果、4段階で分かる全体像」もあわせて確認してください。

改善の起点は「競合が何回引用されたか」ではなく、「重要な質問に答えるため、どの種類の証拠が繰り返し選ばれ、自社には何が不足しているか」です。まず重要質問10〜20件を選び、複数のAI回答から引用URLを収集してください。その結果を、既存ページ更新、新規調査・比較ページ、外部公式情報の整備へ振り分けると、分析を実行へつなげられます。

参考文献・データ元

‹ 親記事: AIOの効果測定は何から始める？表示・引用・流入・成果、4段階で分かる全体像