なぜあの会社はAIに推薦されて、あなたの会社はされないのか
AI検索で引用される企業とされない企業の差を、GPR実験データと実例分析で解明します。CINC、アネマなど実際にAIに引用される企業のパターンを逆算し、引用される側に回るための条件を具体的に解説します。
この記事でできるようになること
AIに引用される企業と引用されない企業の構造的な差を理解し、自社のコンテンツ戦略を「引用される側」に転換するための具体的な判断基準を持てるようになります。
前提知識の確認
AI認知の概念と図書館メタファーを理解していることを前提にしています。未読の場合はAI認知とは？を先に読んでください。
本文
AI引用の現実: 135ドメインに分散、独占者はいない
GPR実験（AIに質問を投げて回答と引用URLを記録する実験）で196件のURL引用を分析したところ、引用は135の異なるドメインに分散していました。3回以上引用されたドメインはわずか7つです。
これが意味するのは、AI引用の世界に「独占者」はいないということです。特定の大手メディアが引用を支配しているわけではなく、質問の内容に応じてAIは最適な情報源を選んでいます。
つまり、適切な条件を満たせば、小さな企業でもAIに引用されるチャンスがあるということです。
AIが実際に引用しているのは誰か
AEO/AI検索領域の業界クエリで、AIが引用したドメインのトップ7を見てみましょう。
| 順位 | ドメイン | 引用数 | 種別 |
|---|---|---|---|
| 1 | youtube.com | 19 | 動画プラットフォーム |
| 2 | reddit.com | 13 | UGCフォーラム |
| 3 | note.com | 6 | ブログプラットフォーム |
| 4 | linkedin.com | 6 | ビジネスSNS |
| 5 | prtimes.jp | 4 | プレスリリース |
| 6 | cinc-j.co.jp | 3 | SEO企業（CINC/Keywordmap） |
| 7 | x.com | 3 | SNS |
注目すべきは、自社ドメインで引用されている企業がcincの1社のみという事実です。ほとんどの引用はプラットフォーム（YouTube、Reddit、note）上のコンテンツに対して行われています。
例外的にAIに引用される企業: 何が違うのか
自社ドメインでAIに引用されている企業を詳しく分析しました。
CINC / Keywordmap（cinc-j.co.jp）— 業界クエリで3回引用
CINCの引用パターンを分解すると、1つの共通構造が見えてきます。自社プロダクトの宣伝ではなく、業界全体の知見を教育コンテンツとして体系化しているという点です。
- 記事数100本以上: Keywordmap Academyとして業界教育コンテンツを大量に蓄積
- 独自の調査データ: 「23%のキーワードでAI Overviewsが表示される」など、自社ツールの分析結果を公開
- ドメインの信頼性: SEO業界での長年のプレゼンスと上場企業としての信用
- コンテンツの切り口: プロダクトの紹介ではなく、業界全体の教育が主軸
- 外部シグナル: PR TIMES配信、セミナー登壇、メディア露出が豊富
これらの要素は個別に効いているのではなく、相互に強化し合っています。大量の教育記事がドメインのトピカルオーソリティを高め、独自データが他社に引用されることで被リンクが増え、外部シグナルがさらにドメインの信頼性を押し上げる。この循環構造がAIにとって「この情報源は信頼できる」と判断する根拠になっています。
アネマ（anema.co.jp）— 業界クエリで引用あり
アネマのケースはCINCとは対照的で、記事数ではなく「特化の深さ」で引用を勝ち取っているパターンです。上場企業でもなく、ドメインの歴史も長くない。にもかかわらずAIに引用されているのは、1つのテーマに対する情報密度が極めて高いからです。
- 記事数40-50本: 決して大量ではないが、GEO/LLMO/AEOに完全特化
- トピック集中度が極めて高い: 他のテーマは一切書いていない。「GEOの専門家」として認識される
- タイトル形式がAIの質問にマッチ: 「GEOとは？」「LLMOでAIに自社名をおすすめさせる方法」-- AIの質問文とほぼ同じ
- 無料ツールの提供: 文字数カウントツール、OGP解析ツールなどを公開し、被リンクを獲得
- 記事タイトル形式: 「〜とは？」「〜の方法」がLLMの質問形式と完全一致
CINCが「量と信頼性の蓄積」で引用されるのに対し、アネマは「狭い領域での圧倒的な専門性」で引用されています。どちらのルートも有効ですが、リソースの限られる企業にとっては、アネマ型の「特化戦略」の方が再現性が高いと言えます。
引用される企業と引用されない企業の決定的な差
これらの分析から、引用される企業とされない企業の差を5つの軸で整理できます。
| 軸 | 引用される企業 | 引用されない企業 |
|---|---|---|
| 記事数 | 40本以上（教育型） | 15本以下、または非教育型が大半 |
| コンテンツの視点 | 「業界としてこうである」 | 「当社はこうやっている」 |
| タイトル形式 | 「〜とは？」「〜の方法」 | 「最適化ログ」「導入事例」 |
| 独自データ | 自社ツールの分析結果を業界リサーチとして公開 | データの公開なし、または自社実績のみ |
| 外部シグナル | PR TIMES、メディア、無料ツール、被リンク | ほぼゼロ |
最も重要な差は視点の転換です。同じデータ、同じ知見でも、「当社がこれをやりました」と書くか「業界としてこういう傾向がある」と書くかで、AIの引用可能性が根本的に変わります。
なぜ「自社の話」はAIに引用されないのか
図書館メタファーで考えるとわかりやすくなります。
司書（AI）が来館者の質問に答えるとき、推薦する本は「来館者の質問に答える本」です。「自社の成功体験を語る本」ではありません。
- 来館者: 「AEO対策の方法を教えて」
- 司書が推薦する本: 「AEO対策の方法 — 業界全体の手法を解説」
- 司書が推薦しない本: 「当社のAEO最適化ログ #003」
自社の実績は、来館者の質問に対する直接の回答にはなりません。しかし、自社の実績データを「業界のリサーチ」として再構成すれば、司書が推薦する理由になります。素材（データや知見）は同じでも、パッケージングが「自社の記録」なのか「業界の参考書」なのかで、司書の本棚に並ぶかどうかが決まるわけです。
実践: 自社コンテンツを「引用される側」に変える
既存のコンテンツを捨てる必要はありません。視点と構造を変えるだけで引用可能性が大きく変わります。
タイトルの変換例
| Before | After |
|---|---|
| AEO最適化ログ #003 — 横ばいの数字 | AEOの効果が出るまでの期間 — 実測データで解説 |
| 当社のCitation率が0%から改善した話 | ChatGPTに引用されるサイトの条件 — 実測データ分析 |
| Sightedの使い方ガイド | AEOモニタリングツールの選び方と活用手順 |
| 導入企業A社の成功事例 | ○○業界でAI引用率を改善した実践手順 |
構造の変換ルール
タイトルだけでなく、記事の書き方そのものを「AIが引用しやすい構造」に変える必要があります。以下の5つのルールは、いずれもAIが情報を抽出・引用する際のハードルを下げるためのものです。
- 主語を変える: 「当社は」→「業界では」「調査によると」。AIは特定企業の自称よりも、一般化された知見を引用する傾向があるためです。
- 冒頭60語で質問に答える: 読者の疑問に対する回答を最初に提示する。AIは記事全体を読むのではなく、冒頭の回答ブロックを抽出するため、結論が後ろにある記事は引用されにくくなります。
- データに出典を付ける: 自社データでも「○件の調査に基づく」と明記する。出典のないデータはAIにとって信頼性の判断材料が足りず、引用候補から外れやすくなります。
- 自己完結した回答ブロック: 1つのセクションで1つの質問に完結して答える（134-167語）。AIは文脈をまたいだ情報を組み立てるより、1ブロックで完結した回答を好みます。
- 第三者的な評価: 「当社が優れている」ではなく「こういう条件を満たすツールが有効」。自社を推す文脈は宣伝と判断され、AIが中立的な回答として採用しにくくなります。
外部タッチポイント戦略: 自社サイトだけでは足りない
引用データが示すもう1つの重要な事実は、AI引用の大半はプラットフォーム上のコンテンツに対して行われているということです。
1つの強力な自社サイトを作るより、5つのプラットフォームに展開する方がAI引用を獲得しやすいと言えます。
GPRデータの引用先を見ると、上位はいずれも「多くのユーザーが日常的に情報を探す場所」です。AIはこうしたプラットフォーム上のコンテンツを優先的にクロールし、学習データに取り込んでいると考えられます。自社サイトに記事を蓄積しつつ、これらのプラットフォームにも同じ知見を展開することで、AIに認知される接点を増やす戦略が有効です。
| プラットフォーム | 引用数 | やるべきこと |
|---|---|---|
| YouTube | 19（1位） | 業界解説動画の公開 |
| note.com | 6（3位） | 独自リサーチ記事の公開 |
| 6（3位） | 専門家としての発信 | |
| PR TIMES | 4（5位） | 調査レポートの配信 |
| 自社サイト | — | 40本以上の教育記事を蓄積 |
よくある質問
記事を40本書けば必ずAIに引用される？
記事数は必要条件であり十分条件ではありません。40本はトピカルオーソリティの閾値の目安です。しかし40本が全て「自社の話」であれば引用はされません。「業界教育型」の記事が40本以上あることが重要です。加えて、Googleでの検索順位（30位以内）と外部シグナル（被リンク、メディア露出）も前提条件です。
大手企業の方がAI引用に有利？
ドメインの信頼性（運営歴、被リンク数）は有利に働きます。しかし、アネマの例が示すように、40-50本の特化記事で大手メディアを差し置いて引用されるケースがあります。AIは「ドメインの大きさ」より「質問への回答としてのフィット度」を重視する傾向があります。
実行チェックリスト
- 自社の既存記事を「自社の話」と「業界教育」に分類した
- 教育型記事のタイトルを「〜とは？」「〜の方法」形式に変換した
- 独自データを「業界リサーチ」として再構成する計画を立てた
- YouTube、note.com、PR TIMESの少なくとも1つで外部展開を開始した
- 記事冒頭60語以内で読者の質問に対する回答を提示しているか確認した
次にやること
- 引用されない原因を体系的に診断したい → AI検索で引用されない5つの原因と対策
- コンテンツの書き方を具体的に学びたい → コンテンツ品質ガイド
- AI認知の全体像を理解したい → AI認知とは？
- 競合との差をデータで分析したい → AI可視性競合分析フレームワーク
関連記事
AI認知とは？ — AIはあなたの会社を何だと思っているか
AI認知とは、ChatGPTやPerplexityなどのAI検索エンジンがあなたの会社・ブランド・サービスをどのように認識し、ユーザーに推薦しているかを指す概念です。図書館と司書のメタファーで、AI時代のマーケティングの新しい前提を解説します。
AI検索で引用されない5つの原因と対策 — 社名が出ない構造的理由を解説
ChatGPTやPerplexityで自社名が出てこない原因を、3,400以上の観測データに基づいて解説します。ドメイン信頼性、コンテンツ構造、外部シグナルなど、5つの構造的原因とその対策を具体的に示します。
AI司書の推薦リスト — AEO・GEO・LLMOは同じ図書館の違う司書である
AEO、GEO、LLMO、MEOは異なる用語ですが、参照するデータは同じです。Googleが整理した図書館を、異なるAI司書がどう推薦するかの違いにすぎません。この統一フレームワークで、AI時代のマーケティング戦略をシンプルに理解できます。