70社超のPR TIMES記事を対象に、全7実験・1,056回のAI検索テストを実施。さらにAIが実際に引用した526件のテキストを分析し、引用されるプレスリリースの条件と、AIが記事から抜き出す情報の「型」を特定しました。

「こうすれば引用される」と思われていること、全部試した

ChatGPTやPerplexityなどのAI検索が広がる中、プレスリリースがAIの回答に引用されるにはどうすればいいのか。よく言われる方法を全部試しました。

長い記事を書く
記事の本数を増やす
数字やデータを多く入れる
表や図を入れて見栄えをよくする

1,056回テストした結果、いずれも引用率との関連は確認できませんでした。

文字数、数値の数、商品名の数、価格の記載数 -- どの量的な特徴も、引用されるかどうかとは無関係でした。テーマ固定実験では「生成AI導入実態調査」でPR TIMES 9記事を検証しましたが、数値密度は1,000文字あたり2.1〜16.1個と幅がありながらも引用はほぼゼロ。数字を増やしても引用は増えません。

では、何が引用を左右していたのか。

引用される記事に共通していたのは「他に答えがないこと」

引用された記事と引用されなかった記事を比較すると、1つの共通点がありました。

引用されなかった記事

テーマ	AIが代わりに引用した情報源
企業のAI導入率	PwC、Gartner
中小企業の昇給率	厚労省、帝国データバンク
SNSマーケ動向	電通、Sprout Social
社内不正の実態	IPA、KPMG

既に権威ある回答元がある問いでは、PR TIMES記事は選ばれませんでした。

引用された記事

企業	テーマ	引用回数	なぜ引用されたか
フェアトレード・フォーラム	全国1,496名の認知度調査	24回	全国規模の一次調査データが他にない
Blue Bottle Coffee	LOVE DAY限定メニュー	20回	ブランド固有の限定情報
バックテック	リハビリ職1,014名のDX実態調査	14回	専門領域の一次データが他にない
ふたこ麦麦公社	二子玉川ビアテラス 2026	13回	地域限定のイベント情報

引用された記事は、ブランド固有の情報、地域限定のイベント、専門領域の一次調査など、その記事でしか得られない情報を持っていました。

結論

「数字を増やす」より「問いを選ぶ」

1,056回のテストで確認されたのは、「他に答えがない問いに答える」ことが引用の条件だということです。

AIは記事から何を抜き出しているのか -- 526件の引用テキスト分析

ここからは、引用されるだけでなく、AIが実際にどう使っているかを掘り下げます。

AIが引用した526件のテキストを分析すると、AIはプレスリリースを全体要約するのではなく、回答に使える具体的な情報を「型」に沿って抽出し、そのまま回答に貼り付けていました。

この型は記事のタイプによって異なります。

調査レポート型の書き方

AIが調査レポートから抜き出していたのは、以下の5つの情報です。

1. 調査名（「リハビリテーション領域における医療DX・生成AI活用実態調査 2026」）
2. 調査主体（「バックテック」）
3. サンプルサイズ（「PT/OT/ST 1,014名」）
4. 調査期間（「2026/2/18〜24実施」）
5. 数値付きの発見（「書類作成の負担感が7以上 = 60.8%」）

この5つが本文中にテキストとして明記されていると、AIは「○○の調査（N=○○名）によると、○○%が△△」という形で回答に組み込みます。

実際に引用された例:

FPパートナーの調査（2026年4月に新社会人になった男女701名）では、社会人1年目の平均年収（初任給ベース）= 432.8万円。そのうち45.9%が「少ない」と感じた

引用されなかった調査レポートは、同じ「生成AI導入調査」というテーマでPwC・Gartner・帝国データバンクが既に引用されている領域のものでした。調査の質ではなく、そのテーマに既に権威ある回答元があるかどうかで決まっていました。

チェックリスト:

☐ 調査名をタイトルに入れているか
☐ サンプルサイズ（N=○○名）を本文にテキストで明記しているか
☐ 調査期間を記載しているか
☐ 主要な発見を「○○%」の形で本文に書いているか
☐ そのテーマに、既にPwCやGartnerなど権威ある回答元がないか

商品・イベント型の書き方

商品やイベントの記事からAIが抜き出していたのは、以下の4つです。

1. 商品名/メニュー名（「贅沢マンゴーハニーフロート」）
2. 発売日/提供期間（「2026年6月24日(水)より発売」）
3. 価格（「7,900円（食べ放題プラン）」）
4. 場所/店舗（「東京都港区白金台1-1-50 1Fロビーラウンジバンブー」）

この4つが揃った記事は、AIが「○○では、○月○日から○○を○○円で提供」と回答に使えます。

カフェ8本の比較:

企業	商品名数	価格数	場所数	引用率
Cafe Kitsune	7	6	6	22%
スターバックス	4	8	--	56%
カフェ・ベローチェ	4	6	--	33%
C-United（別記事）	2	1	--	0%
JR東日本クロスステーション	7	2	--	0%

商品名の数だけでは決まりません。JR東日本クロスステーションは商品7個ありますが価格が2個しかなく、引用されませんでした。「商品名 x 価格 x 場所」の組み合わせが揃っていることが重要です。

さらに企業規模でも差が出ました。

78%

中堅以下の企業（9本）

30%

大手チェーン（23本）

大手チェーンは公式サイトにも同じ情報が掲載されているため、AIはそちらを情報源として選びます。中堅以下の企業では、PR TIMESが主要な情報源になっていました。統計的にも有意な差です（Fisher exact p=0.023）。

チェックリスト:

☐ 商品名/メニュー名を明記しているか
☐ 発売日や提供期間を本文に書いているか
☐ 価格を記載しているか
☐ 場所/店舗の情報を入れているか
☐ これらの情報は画像ではなくテキストで書かれているか

同じ情報でも、聞き方で引用先が変わる

同じ企業の同じ情報でも、ユーザーの聞き方でPR TIMESと公式サイトのどちらが引用されるかが切り替わります。

オリコン（クレジットカード満足度調査）

「満足度ランキング 2026」PR TIMES 96% / 公式 0%

「クレジットカード おすすめ」PR TIMES 18% / 公式 26%

バックテック（リハビリDX調査）

「リハビリ AI活用 実態調査」PR TIMES 38% / 公式 0%

「医療DX リハビリ生成AI 導入状況」PR TIMES 0% / 公式 30%

Blue Bottle Coffee

「ブルーボトル 限定メニュー」PR TIMES 29% / 公式 0%

「Blue Bottle 新商品」PR TIMES 19% / 公式 31%

パターンが見えます。「実態調査」「ランキング」「限定」という言葉ではPR TIMESが選ばれ、「おすすめ」「導入状況」「新商品」では公式サイトが選ばれました。

リリースのタイトルと見出しに使う言葉が、引用先を左右します。

蓄積効果 -- 量で突破できるか

ニッチ領域: 蓄積の兆候あり

メタジェンセラピューティクスの「腸内細菌 x 創薬」特化出稿では、6記事が引用され、複数のPR TIMES掲載で参照リストに蓄積する傾向が見られました。ニッチ領域では、同一テーマでの継続出稿が引用の厚みにつながる可能性があります。

権威飽和テーマ: 蓄積効果なし

アクトの「生成AI導入」をテーマにした大量出稿では引用ゼロでした。PwC・Gartner級の権威が既にいる領域では、量で突破することはできません。

4ステップ: PR TIMESリリースをAI引用向けに設計する

1,056回のテスト結果と526件の引用テキスト分析をもとに、リリースを書く前に確認すべき4つのステップをまとめました。

Step 1: AIの既存回答を確認する

自社テーマに関連するキーワードでAI検索し、権威ある回答源の有無を確認します。

x 「企業の生成AI導入率」-- PwC/Gartnerなど複数の有力回答元あり

o 「リハビリ職のDX導入率」-- 回答元が限定的

Step 2: ユーザーの聞き方に合わせる

ユーザーがAIに聞く言葉をタイトルと見出しに使います。

x 「当社調査レポートを公開」

o 「リハビリテーション領域における医療DX・生成AI活用実態調査 2026」

「実態調査」「ランキング」「限定」がPR TIMES引用を引き出すキーワードです。

Step 3: 記事タイプに合った「型」で情報を入れる

AIが抜き出す情報は記事タイプごとに決まっています。

調査レポート型 -- 調査名・主体・N=・期間・数値付き発見の5要素
商品・イベント型 -- 商品名・発売日・価格・場所の4要素
ランキング・まとめ型 -- ランキング名と根拠・順位と項目名・条件やカテゴリの3要素

これらの要素が画像ではなくテキストで本文中に明記されていることが条件です。

Step 4: AIが回答に組み込みやすい構造にする

記事構造タイプによって引用率に差がありました。

記事構造	引用率	本数
まとめ/ランキング型	100%	2/2本
単一ブランド告知型	60%	6/10本
イベント告知型	30%	6/20本

まとめ・比較・ランキング形式が、AIの回答に最も組み込まれやすい構造です。ただし、まとめ/ランキング型はサンプル数が少ないため、一般化は慎重に。

実験方法

実験	内容	テスト回数
実験1	ドメイン権威検証（PR TIMES vs 公式サイト）	126回
実験2	ペア比較（引用あり vs 引用なし記事）	270回
実験3	GMO TECH検証	45回
実験4	追加テーマ検証	150回
実験5	テーマ固定・書き方比較（生成AI調査9記事）	135回
実験6	商品系・季節クエリ	42回
実験7	商品系・引用vs非引用（32本比較）	288回
合計		1,056回

引用テキスト分析: 526件

使用エンジン: OpenAI Responses API (gpt-4.1) + web_search

試行方法: 各クエリ3回反復

対象: PR TIMESに掲載された記事（延べ70社超）

限界と未検証事項

限界

OpenAI web searchのみ検証（Perplexity・Gemini未検証）
ドメインパワーを直接計測していない
因果の分離実験（同一企業がテーマを変えて出稿）は未実施
まとめ/ランキング型は2本のみで一般化できない

わかっていないこと

ニッチでの引用蓄積が商用クエリに波及するか
権威飽和テーマで「角度を変える」ことで本当に突破できるか
Perplexity/Geminiでも同じパターンか
まとめ/ランキング型は本当に引用されやすいか

調査概要

調査名: PR TIMESリリースのAI引用条件調査

調査主体: Sighted（株式会社Tech Knowledge Base）

調査期間: 2026年5月〜6月

調査方法: OpenAI Responses API + web searchで各クエリ3回反復