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

AI回答で自社が引用されないとき、引用回数を数えるだけでは、何を直せばよいかは決まりません。比べるべきなのは回数ではなく、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。

この記事では、ChatGPT、Google AI Overviews（AIによる概要）、Gemini、Perplexityなどが回答の根拠として示すURLを「引用」と呼びます。これらの引用URLを同じ分類表に入れ、競合との不足差分を見つける方法を解説します。結論は、集計をドメイン単位で終えず、ページ種別・情報タイプ・一次性・鮮度まで分けて見ることです。

分析が終わると、自社に足りない情報資産が分かります。そのうえで、既存ページの更新、新規制作、外部情報の整備のどれから着手するかを決められます。

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を集め、情報源の構造を分類して比較する作業です。ブランド名の言及率や自社URLの引用回数だけで終えず、なぜその情報が選ばれたのかを推定できる細かさまで分解します。

分解の軸として、最低限、次の5軸を記録します。

ドメイン属性：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

AI回答の引用元をドメイン、ページ種別、情報タイプ、一次性、鮮度の5軸で分類する図

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」を比べられます。

具体例で考えます。競合企業の記事が10回引用され、自社記事は2回だったとします。この差の原因は、ドメインの評価だけとは限りません。競合が独自調査の数値を持ち、自社には一般的な解説しかない場合、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に掲載されるため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の基盤と、人の役に立つ信頼できるコンテンツが重要だと説明しています。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ほうが、改善の判断につながると考えます。

引用元分析の前に質問群と観測条件を固定する

比べられる結果を得るには、質問、AIサービス、実行条件、記録日を先に決めて固定します。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。ここで固定するのは、質問群と観測条件の2つです。

質問群は検索意図別に分ける

質問は、顧客の意思決定の段階に合わせて分類します。質問数を増やす前に、特定の段階に偏っていないかを確認してください。次の表は、質問カテゴリごとの質問例と、引用されやすい情報の仮説です。仮説は、観測して確かめる前提の見立てとして使います。

質問カテゴリ	質問例	引用されやすい情報の仮説
定義・理解	AIOとは何か	公式定義、専門解説
方法・手順	AIOの効果をどう測るか	実務ガイド、手順書
比較・選定	AIO支援会社をどう選ぶか	比較記事、企業情報、事例
数値・相場	AIO対策の費用はいくらか	料金ページ、調査データ
最新動向	AI検索の最新変更は何か	公式発表、ニュース、研究

質問群は、自社名を含む質問だけで作らないでください。自社名入りの質問では、自社を知らない見込み客の探索行動を再現できないためです。「課題名」「方法」「比較」「費用」「事例」など、社名を含まない質問を中心に置きます。

観測条件を記録する

記録する項目は、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については、質問を書き換えて複数の検索を行う場合があること、検索結果や引用が不完全・古い・誤っている可能性があることが、公式に案内されています。そのため、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を確認します。

初回の監査は、重要な質問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。この件数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・比較する

引用元分析は、次の6つのステップで進めます。

回答と引用URLをそのまま保存する
URLを正規化して重複をまとめる
ドメインとページ種別を分類する
引用適合性を確認する
構成比と集中度を集計する
自社・競合・市場全体の不足差分を出す

収集と評価を同時に行うと、担当者の期待が分類に入りやすくなります。そのため、まず事実を記録し、考察はその後に行います。

AI回答の引用URLを保存、正規化、分類、適合性確認、集計、優先順位付けする6ステップ

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、分析の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あわせて記録します。

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・更新日が適切かは利用者自身が確認するよう案内しています。URLが表示されているだけで「根拠として妥当」と判定しないでください。

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の違いは取り除き、同じページを1件にまとめます。ただし、同じドメイン内の別ページは統合しません。ドメイン単位でまとめると、どのページ資産が選ばれたの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。

この引用出現の件数は、STEP5で集計する「引用回数」（延べ数）と同じものです。

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、営業用のサービスページでは、引用される役割が異なるためです。次の表は、分類軸ごとの区分と、判定時に見る箇所です。

分類軸	主な区分	判定時に見る箇所
ドメイン属性	官公庁・公式企業・業界団体・大学研究・報道・UGC・その他	運営者情報、組織概要
ページ種別	公式仕様・調査・論文・解説・比較・事例・FAQ・商品／サービス・ニュース	タイトル、本文目的、URL階層
情報タイプ	定義・数値・比較・手順・事例・評価・速報	引用が付いた主張
一次性	一次・準一次・二次・判定不能	調査主体、原典リンク、方法の記載
鮮度	90日以内・1年以内・1年超・不明	公開日、更新日、対象期間

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を指します。他社の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、次の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

引用元の信頼性については、2026年の研究が参考になります。ChatGPT、Copilot、Gemini、Perplexityに712件の質問を行ったところ、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、すべての業界にそのまま一般化はできません。ただ、引用されたことと、情報源として信頼できることは別の問題なので、別々に確認する必要があると考えます。

STEP5｜構成比と集中度を集計する

集計では、次の指標を分けて数えます。

引用回数＝すべての回答に出現した引用URLの延べ数
ユニークURL数＝重複をまとめたあとのURLの件数
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質問で全引用が80件あり、そ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（その種別の引用回数を全引用回数で割った割合）は30％です。上位3ドメインの引用が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、回答の取得回数、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。目的は競合ページの模倣ではなく、質問に対して自社に不足している証拠の種類を特定することです。次の表は、観測された差ごとに、原因の仮説と優先する施策を整理したものです。

観測された差	原因仮説	優先する施策
独自調査が多く引用され、自社に調査がない	引用できる固有数値が不足	調査設計、方法・母数・期間を明示して公開
公式仕様が中心で、自社の解説が引用されない	原典で代替できる	原典と競わず、比較・実装・検証へ役割を変更
比較記事が引用されるが自社はサービスページのみ	中立的な判断材料が不足	条件別比較、選定基準、非適合ケースを追加
最新情報が中心で自社記事が古い	データ対象時期が不明または陳腐化	更新日だけでなく数値・仕様・出典を再確認
特定ドメインへ引用が集中	市場で参照される情報資産が偏在	同じ問いを別AI・別時点でも観測し再現性を確認

表の原因は、観測だけでは確定しない仮説です。施策に進む前に、次の節で説明する3層の評価で、優先度を確認してください。

引用された情報源は「量・質・役割」の3層で評価する

改善を判断するときは、引用数の多さに加えて、根拠の質と、回答の中で果たした役割も評価します。引用されても、回答の中心的な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。それでも、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てくれます。

この考え方を踏まえ、各引用を次の3層で見ます。

量：何回、何質問、何サービスで引用されたか
質：一次性、鮮度、引用適合性、運営主体の明確さ
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、改善の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3つの施策（既存ページ更新・新規制作・外部情報の整備）へ振り分ける

引用元分析の目的はレポートの作成ではなく、次に作る情報資産を決めることです。改善対象は、「既存ページの更新」「新規ページの制作」「外部情報の整備」の3つに振り分けます。

AI引用元の不足差分を既存ページ更新、新規ページ制作、外部情報整備へ振り分ける図

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。

振り分けの前提として、単一キーワードの順位だけで引用元を説明しないでください。GoogleのAI機能は、関連する複数検索を行う「query fan-out」を使い、従来の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、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。

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、対象となる質問が狭い場合は、引用された箇所を残しながら、不足している定義、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、新しいページとして作ります。たとえば、自社に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とします。この場合は、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ほうが、ページの役割が明確になります。

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を確認します。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。

引用元分析で避けるべき5つの誤り

分類ルールと観測条件があいまいなままだと、引用元分析は精密に見えても、再現できない資料になります。次の5つの誤りを避けてください。

1回の回答だけで評価する
ドメイン別の件数だけで終える
引用リンクが主張を支持するか確認しない
更新日だけを見てデータ対象期間を見ない
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、単純に比較するのは避けてください。前述の2026年4月公開のプレプリントでも、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うえで、共通する傾向だけを横断して比較します。

月次の監査では、質問群と分類ルールを固定し、新規URL、消失URL、ページ種別の構成比、一次情報比率、重要質問の質問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、対象ページの更新のどれが変わったのかを確認します。

まとめ｜重要質問10〜20件の引用URLから始める

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。

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、既存ページの更新、新規の調査・比較ページ、外部情報の整備に振り分ければ、分析を実行につなげられます。

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。

参考文献・データ元

この記事で参照した情報を確認できます。

Google Search Central「AI features and your website」（2026年8月25日確認）。AI Overviews・AI Modeの仕組み、掲載要件、query fan-out、計測方法の確認に使用。
OpenAI Help Center「Searching the web with ChatGPT」（2026年8月25日確認）。ChatGPT Searchの引用表示、検索クエリの書き換え、引用確認時の注意に使用。
Mowafak Allaham, Nicholas Diakopoulos, “Synthetic Sources?: Auditing Generative Search Engine Citations for Evidence of AI-Generated Sources,” arXiv:2605.23684, 2026. 4つの生成AI検索、712質問における引用元監査の結果と限界の確認に使用。
Zhang Kai, Yao Jingang, “From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms,” arXiv:2604.25707, 2026. 引用選択と回答への取り込みを分ける測定枠組み、602プロンプトの記述結果に使用。

‹ 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

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

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