AIに引用される記事の条件｜書式より先に見るべき4つの要因

「最大40%、AIの回答での見え方が上がる」。よく引かれるこの数字は、検索の上位5件を固定して1件だけ書き換えた実験の結果で、大きく伸びたのは出典や統計を足す手法でした。

引用されるかどうかを最も大きく左右するのは、ほかのページやAI自身の回答では代わりがきかない情報を持っているかどうかです。見出しの付け方や文章の区切り方といった書式は、要因の中でいちばん最後に来ます。

CONTENTS

AIに引用されるとはどういうことか？回答ができるまでの3つの段階
引用される要因の全体像と序列
前提条件到達性 AIが読みに来られる状態か
要因1 非コモディティ性ほかでは代わりがきかない情報があるか
要因2 問いへの答え読者の質問にそのまま答える中身があるか
要因3 根拠と信頼の手がかり誰がどう確かめた情報か
要因4 書式見出しと段落は読者のために整える
既存記事をどう直す？引用される要因を足す順番
まとめ

AIに引用されるとはどういうことか？回答ができるまでの3つの段階

AIに引用されるコンテンツとは、ChatGPTやPerplexity、GoogleのAI Overviews（AIによる概要）・AIモードなどの生成AIが回答を作るときに根拠として使い、出典リンクや言及として示すページのことです。そこに至るまでには、「候補として集められる」「回答の根拠に使われる」「出典として示される」の3つの段階があります。1つ目の段階の仕組みはGoogleとほかのサービスで違うため、根拠を分けて考える必要があります。

Googleは公式ガイド「Optimizing your website for generative AI features on Google Search」（2026年7月10日更新）で、AI機能は1つの質問から関連する検索をいくつも作って調べる「クエリファンアウト」で検索インデックスから候補のページを集め、回答の根拠になったページへのリンクを示すと説明しています。

Google以外のサービスは、それぞれ自前の仕組みで候補を集めます。OpenAIは、ChatGPTの検索機能にサイトを表示するためのクローラーとしてOAI-SearchBotを公開しています。PerplexityはPerplexityBotを「Perplexityの検索結果でサイトを表示してリンクするため」のクローラー、AnthropicはClaude-SearchBotを「検索結果の質を高めるため」のクローラーと説明しています。どのページを根拠に選ぶかの詳しい基準は、どの会社も公開していません。

Google検索では、候補として集められる段階は通常の検索と同じ評価の仕組みの上にあります。通常の検索で見つけてもらえないページが、AIの回答でだけ引用されることは期待しにくいと考えてください。

通常の検索とAIの回答の関係をどう考えるかは、LLMO（AI検索最適化）とはで扱っています。

引用される要因の全体像と序列

引用されるかどうかを決める要因は、影響の大きい順に「非コモディティ性」「問いへの答え」「根拠と信頼の手がかり」「書式」の4つです。これとは別に、AIが読みに来られるかどうかという「到達性」があり、これは序列の外にある前提条件です。

図1引用される要因は非コモディティ性がいちばん厚く、書式がいちばん薄い

序列の根拠はGoogleの公式ガイドです。Googleは、人が独自で魅力的だと感じ、役に立つと思えるコンテンツを作ることが、ガイドのほかのどの提案よりも長い目で見てAI検索での露出に影響する可能性が高いと書いています。一方で、AI向けに文章を細かく分けることや、AIのために特別な書き方をすることは不要だとしています。Google自身が、中身を最上位に、書式の工夫を不要な側に置いているわけです。

要因	確かめる問い	Google検索での根拠	Google以外の根拠
前提条件到達性	AIが読みに来られるか	インデックス、スニペット表示、「検索の生成 AI」（Search generative AI）に含める（公式）	各社のクローラーの許可（各社公式）
要因1 非コモディティ性	ほかで代わりがきかない情報があるか	ほかのどの提案より露出に影響する可能性が高い（公式）	GEO論文で中身を足す手法が上位（条件つき）
要因2 問いへの答え	読者の質問にそのまま答えているか	検索意図に合った役に立つ内容（公式）	回答に使う文を選ぶ仕組みは各社非公開
要因3 根拠と信頼の手がかり	誰がどう確かめた情報か	出典・著者・作り方の明示（公式）	GEO論文で出典・統計の追加が上位（条件つき）
要因4 書式	読者が迷わず読めるか	見出しと段落は推奨、AI向けの分割は不要（公式）	GEO論文では流暢にする手法も出典の明示と同程度（条件つき）

引用される要因と根拠の出どころ

今の状況によって、先に読むところが変わります。

AIの回答にまったく出てこない → 次の前提条件（到達性）の章へ
検索では上位なのにAIの回答では引用されない → 要因1（非コモディティ性）の章へ
書式を直すよう社内で言われている → 要因4（書式）の章と、GEO論文の読み方へ

前提条件到達性 AIが読みに来られる状態か

中身がどれほど良くても、AIが読みに来られないページは引用されません。満たしているかどうかの条件で、満たしたからといって引用が増えるわけでもないので、最初に一度確かめておけば十分です。

OpenAIのOAI-SearchBot、PerplexityのPerplexityBot、AnthropicのClaude-SearchBotなど、検索・回答用のクローラーを robots.txt で止めていない
CDNやWAFのボット対策が、こうしたクローラーのアクセスを止めていない
学習用のクローラー（GPTBotなど）を拒否するときに、検索用のクローラーまで一緒に止めていない
大事な内容を、画像の中の文字だけでなくテキストで書いている

Google検索については、Googleが公式ガイド（2026年7月10日更新）で、インデックスされスニペット付きで表示できることと、Search Consoleの「検索の生成 AI」の設定でサイトが含まれていることを条件に挙げています。Googleの技術的な条件の点検は AI Overviews対策、各社のクローラーの名前と拒否したときに何が起きるかは ChatGPT SEOの解説、どれを許可するかの判断は AIクローラーを拒否すべきか？にまとめています。

要因1 非コモディティ性ほかでは代わりがきかない情報があるか

AIに引用される理由をつくるのは、ほかのページにもAI自身の回答にもない情報です。一般論を言い換えただけのページは、AIが自分で答えを作れてしまうため、わざわざ根拠として示す理由が薄くなります。

Googleは公式ガイドで、ほかの人がすでにインターネット上で言っていることや、生成AIモデルで簡単に作れることを繰り返すだけにしないよう求めています。例として挙げられているのは、「初めて家を買う人のための7つのコツ」のようなありふれた記事と、「住宅の検査を省いてお金を節約した理由」を下水管の中を見せながら語る記事の対比です。前者がコモディティなコンテンツ、後者が非コモディティなコンテンツです。

図2同じテーマでも、書き手にしかない材料があるかどうかで記事の価値が分かれる

図2は、Googleの例の考え方をSEOのテーマに当てはめて編集部が作った例です。「リライトのコツ7選」は既存の記事や一般論から書けるので、AIの回答と並べるとほぼ同じ内容になります。「自社でリライトを試した手順と結果」には、条件や判断の理由、失敗した例といった、回答に無い情報が残ります。非コモディティな情報には、次のようなものがあります。

実務の中での経験や、判断が分かれた場面でどう決めたか
自社で集めたデータや、実際に試した検証の結果
具体的な事例（条件、失敗、うまくいかなかった理由を含む）
独自の判断基準や、ほかと違う見方とその根拠

これはAI機能のためだけの基準ではありません。Googleの2026年10月5日更新の「Creating helpful, reliable, people-first content」では、検索品質の評価者が見る観点として、労力（人の手がどれだけ入っているか）、独自性（ほかのサイトにない情報や視点があるか）、技能、正確さの4つが挙がっています。評価者の評価が個々のページの順位を直接決めるわけではありませんが、Googleがどんなコンテンツを良いと考えているかは読み取れます。同じガイドは、ほかの情報源に出典を示しても、独自の労力の代わりにはならないと明記しています。以前からある自己評価の質問にも、「オリジナルの情報、報道、調査、分析を提供しているか」「ほかの情報源を使う場合、書き写したり言い換えたりするだけでなく、大きな付加価値と独自性を加えているか」が並んでいます。

生成AIの検索を模した実験でも、中身を足す手法が効いたという研究があります。後半で紹介するGEO論文では、引用や統計を加える手法で見え方が大きく伸びた一方、キーワードを詰め込む手法にはほとんど効果がありませんでした。ただし実験の条件が限られているため、そのまま一般化はできません。

経験や検証を記事の材料にする方法は一次情報の作り方で扱っています。

要因2 問いへの答え読者の質問にそのまま答える中身があるか

非コモディティな情報を持っていても、読者の質問に答える形で書かれていなければ、回答の根拠には使われにくくなります。引用されるのは、質問に対する答えそのものか、答えを支える根拠が書かれている部分だと考えられます。

クエリファンアウトでは、1つの質問が関連するいくつもの問いに分けて調べられます。たとえば「AIに引用されるには」という質問なら、「何が要因か」「Googleではどうか」「研究では何がわかっているか」といった問いが並びます。1つのページがテーマを深く扱い、関連する問いにも答えていれば、分かれた検索のどれかで候補になる機会が増えると考えられます。

ただし、順位を操作する目的で問いの言い回しごとに別ページを作ることは逆効果で、Googleは公式ガイドでこれを大量生成コンテンツに関するスパムポリシーの違反にあたると明記しています。

冒頭の定義文や章のはじめの要約は、読者が知りたい答えを先に示すためのものです。Googleは、AIは同義語や大まかな意味を理解できるので、生成AI検索のために特別な書き方をする必要はないとしています。定義文は「AIに抜き出させるための文」ではなく、読者のための要約として書きます。書き方は AIが抜き出しやすい定義文・要約文の書き方、検索する人の意図のつかみ方は検索意図とは？をご覧ください。

要因3 根拠と信頼の手がかり誰がどう確かめた情報か

回答の根拠に使われるには、その情報を誰がどう確かめたのかが読み取れることが大切です。出典、著者、作り方、日付を、読者が自分で確かめられる状態にしておきます。

Googleの有用なコンテンツのガイドは、コンテンツを「誰が（Who）」「どのように（How）」「なぜ（Why）」作ったかを自己評価するよう勧めています。サイトで確かめられる形にすると、次のようになります。

署名があり、著者の経歴がわかるページにつながっている
自動化や生成AIを使った場合、その使い方が読者にわかる
出典がはっきりしていて、簡単に確かめられる事実の誤りがない

同じガイドは、検索エンジンのために作ったコンテンツの兆候として、内容が大きく変わっていないのに新しく見せるため日付だけを変えることも挙げています。

統計を使うときは、「誰が、いつ、何を調べた数値か」を1文にまとめて書きます。GEO論文でも、出典を示す、信頼できる情報源から引用する、統計を加えるといった手法が上位に来ています。これは書き方の工夫というより、根拠を足す作業です。

数値や引用、出典を生成AIに作らせて書き足すのはやめましょう。確かめていない数値が引用されれば、誤った情報を広め、読者の信頼を失います。

サイトの外にある情報も、AIが回答を作るときの材料になります。Wikipediaのような外部のデータベースや、口コミサイトやSNSでの言及です。ただし、これは作りに行くものではありません。Googleは公式ガイドで、ウェブ上で不自然な言及を集めても思ったほど役には立たないと述べています。サイトの外の評判は、引用される中身を作った結果として付いてくるものです。

著者や運営者の情報で信頼を示す考え方は E-E-A-Tとは？、リンクのない言及の扱いはサイテーションとは？で扱っています。

要因4 書式見出しと段落は読者のために整える

書式は、要因の中でいちばん最後です。Googleは見出しと段落で整理された読みやすいページを勧めていますが、それはAIのためではなく読者のためです。AI向けに文章を細切れにしたり、特別な書き方に変えたりする必要はありません。

Googleが公式ガイドで勧めていることと、不要だとしていることを並べます。

人に向けて書き、わかりやすく読みやすい文章にする
段落と章で整理し、内容をたどれる見出しを付ける
必要に応じて、質の高い画像や動画で文章を補う
どの端末でも見やすく、本文とそれ以外の部分を区別しやすいページにする

AIが理解しやすいようにコンテンツを細かく分ける
生成AI検索のためだけに特別な書き方をする
AI向けの専用ファイルやマークアップ、Markdownを用意する

Q&A形式やFAQの設置も、効果を前提にしないほうが安全です。読者が実際に抱く疑問に答える形なら役に立ちますが、形式そのものが引用を生むわけではありません。詳しい検証は Q&A形式コンテンツはAI検索に効くのかで扱っています。

GEO論文は何を示しているのか

書式やAI向けの書き方を勧める記事でよく引かれるのが、2023年に発表され、2024年のKDD（データマイニング分野の国際会議）で採択されたGEO論文「GEO: Generative Engine Optimization」（Aggarwalほか）です。冒頭の「最大40%」はこの論文の数字で、実験の条件とあわせて読む必要があります。

図3GEO論文が測ったのは、候補に選ばれた後の回答の中での見え方

原典によると、実験の流れは次のとおりです。

候補を固定する各クエリについてGoogle検索の上位5件を取得する
1件だけ書き換える5件のうち1件をランダムに選び、言語モデルに指示して手法ごとに書き換える
回答を作らせるGPT-3.5を使った模擬の生成エンジンに、5件をもとに回答を作らせる
見え方を測る回答の中でそのページを引いた文の量と位置、主観的な印象を指標にして比べる

論文では9つの手法を比べています。主な結果は次のとおりです。

手法	中身	結果
出典・引用・統計を加える	根拠や数値を足す	文の量と位置で30〜40%、印象で15〜30%改善
流暢に、わかりやすくする	文章を整える	15〜30%改善。流暢にする手法は出典の明示と同程度
権威的な口調にする	言い方を強める	本文では「目立った改善なし」
キーワードを詰め込む	質問の語を増やす	ほとんど改善なし

GEO論文の主な結果（原典の本文より。約1万件のクエリで作ったGEO-benchで評価）

権威的な口調について、本文は目立った改善はないとしていますが、結果の表では印象の指標がいくらか上がっています。手法の組み合わせでは、流暢にする手法と統計を加える手法の組み合わせが最もよく、論文は生成エンジンが中身だけでなく情報の見せ方も評価していると述べています。

商用サービスのPerplexityでも試していて、引用を加える手法で文の量と位置の指標が22%、統計を加える手法で印象の指標が37%改善したと報告されています。一方で論文は、検索順位への影響は評価していないと限界の節に明記しています。

この結果から言えることと、言えないことを分けておきます。

候補に入った後の回答の中では、根拠や具体的な数値を持つ文章のほうが使われやすい傾向がある
文章を流暢にする手法も、出典を示す手法と同じくらい効いた
キーワードの詰め込みや口調の強調では見え方はほとんど変わらない

候補として選ばれやすくなるか（上位5件を固定しており、検索順位への影響は評価していない）
Google検索のAI OverviewsやAIモードで同じ結果になるか（実験の対象ではない）
書き足した数値や引用が正しいかどうか（書き換えは言語モデルが行っている）

GEO論文は、根拠を足すことに加えて、情報の見せ方にも意味があることを示しています。この記事が書式を最後に置いている根拠は論文ではなく、Googleの公式ガイドです。論文はGoogle以外の生成エンジンを模した実験で、候補に選ばれるかどうかも測っていません。GEOという言葉の位置づけは AIO対策とLLMO・GEO・AEOは何が違う？にまとめています。

既存記事をどう直す？引用される要因を足す順番

既存記事を直すときは、要因の序列どおりに確かめます。書式を整える前に、AIの回答と並べて違いがあるかを確かめ、なければ一次情報を書き足します。

到達性を確かめるインデックスされているか、スニペットやAIのクローラーを意図せず止めていないか
AIの回答と並べる記事のテーマをAIに質問し、回答と記事を比べて、記事にしかない情報があるか確かめる
一次情報を書き足す経験や判断の基準、自社のデータ、検証の結果を加える
問いへの答えを確かめる冒頭と各章の頭で、読者の質問に答えているか
根拠を示す出典、著者、日付を確かめられる状態にする
書式を整える見出しと段落を読者がたどりやすい形にする（最後でよい）

いちばん手間をかけたいのは2番目です。AIの回答とほとんど同じ内容しかない記事は、書式をどれだけ整えても引用される理由が増えません。手を付ける記事は、検索での評価が確認できている上位記事から選ぶと効率的です。LLMOの解説で紹介したフェーズ別の優先順位では、これはフェーズ2（一次情報の追加）にあたります。

直したあとの変化は、Google検索なら Search Console の生成AIパフォーマンスレポート、ほかのAIならアクセス解析の参照元で確かめます。測り方は AI経由の流入を計測する方法で扱っています。

本文が先

テクニカルにこだわりすぎて本文に魅力がないのは、本末転倒です。

反対に、次のような作業はしないでください。