日本サイトのLLMO引用率調査2026｜80万件分析でわかった実態

日本サイトのLLMO引用率調査2026｜80万件分析でわかった実態

この記事の結論: 株式会社Wanokuniによる約80万件の引用データ分析では、AI検索の引用が特定の1サイト・1ページへ極端に集中する構造が明らかになりました。8カテゴリでTOP1ドメインの引用率が80%を超え、公式サイトより第三者の比較メディアが選ばれる傾向が強く出ています。自社サイトのLLMO対策は、網羅性と第三者からの言及獲得を軸に、勝ちページの型を分析して再現する戦略に切り替える必要があります。

最終更新日: 2026-07-06

はじめに

生成AIが検索の入口になるにつれて、「自社サイトはAIにどれだけ引用されているのか」という問いが避けて通れないテーマになりました。従来のSEOでは検索結果の順位やクリック率を追えばよかったのですが、LLMO（大規模言語モデル最適化）の世界では「引用されるかどうか」そのものが成果指標になります。

そうした中、株式会社Wanokuniが実施した大規模調査は、業界関係者に強いインパクトを与えました。ChatGPTやGoogle AI Overviewsを含む4大AIプラットフォームを横断し、約80万件という引用データを分析した結果、AI検索の引用構造には従来のSEOの常識を覆すような偏りが存在することが報告されています。本記事では、この調査結果を整理しながら、日本サイトのGEO（生成エンジン最適化）戦略にどう落とし込むべきかを実務目線で解説します。

なお、以下で紹介する数値は各種報道・プレスリリースをもとに整理したものであり、調査手法や集計期間によって解釈の幅がある点にはご留意ください。それでも、複数のメディアが同じ傾向を報告している以上、日本市場におけるAI引用の実態を読み解くうえで有力な手がかりになることは間違いありません。

80万件分析の全体像

Wanokuniの調査は、8業界・50カテゴリという幅広い対象領域を横断し、4大AIプラットフォームにおける引用データを収集・分析したものと報告されています。対象となったAIプラットフォームにはChatGPTやGoogle AI Overviewsが含まれており、それぞれのAIがユーザーの検索的なプロンプトに対してどのドメイン・どのページを引用元として提示しているかを網羅的に記録しています。

この規模のデータセットが公開されることは珍しく、これまで個別事例やアンケートベースでしか語られてこなかった「AIはどのサイトを引用しやすいのか」という問いに、定量的な裏付けを与えた点に大きな価値があります。特に注目すべきは、単に「引用されたかどうか」だけでなく、引用されたページのURL単位、さらにはプロンプトの文脈（フェーズ）単位まで踏み込んで集計している点です。

調査の主要な発見は次の3点に集約されます。

1. AI検索の引用は特定の1サイト・1ページに極端に集中する
2. 公式サイトよりも第三者の比較メディア・業界特化メディアが引用元として優先されやすい
3. プロンプトのフェーズ（認知・比較・意思決定など）によって引用率スコアが大きく変動する

以降のセクションで、それぞれの発見を具体的な数値とともに掘り下げていきます。

引用の集中構造 — カテゴリ別TOP1ドメインの引用率

もっとも衝撃的だったのは、引用の「集中度」です。50カテゴリのうち8カテゴリ、比率にして全体の16%にあたる領域で、TOP1ドメインの引用率が80%を超えていたと報告されています。これは「そのカテゴリに関するAIへの質問のうち、8割近くが同じ1つのドメインを引用元として提示される」という意味であり、複数のドメインが分散して引用される従来のSEOの検索結果画面とはまったく異なる景色です。

最も高い引用率を記録したのはSOICO・コエテコで、93.3%という数値が報告されています。これはほぼ「そのカテゴリで検索的な質問をAIに投げれば、ほぼ確実に同じサイトが引用される」状態に近く、一強状態が固定化していることを示唆します。

下表は、報告されている数値をもとに整理したカテゴリ別TOP1ドメイン引用率の傾向です。

この表からわかるのは、「80%超カテゴリ」が例外ではなく、一定の再現性を持って発生しているという点です。これらのカテゴリに共通するのは、比較メディアが早期に網羅的なコンテンツを整備し、そのページがAIの学習・検索インデックスの両面で強い足がかりを得ていたと考えられることです。

比較メディアの優位性 — なぜ公式サイトは選ばれにくいのか

多くの企業が誤解しがちなのは、「自社の公式サイトが一番正確な情報を持っているのだから、AIも公式サイトを引用するはずだ」という前提です。しかし今回の調査では、AIが「最も信頼できる情報源」として選ぶのは公式サイトではなく、第三者が運営する比較メディアや業界特化メディアであるケースが圧倒的多数だったと報告されています。実際、公式サイトが引用率1位になったカテゴリはわずか2カテゴリにとどまりました。

この結果は一見すると不自然に思えますが、AIの引用ロジックを踏まえると合理的な面があります。公式サイトは自社の商品・サービスを説明することに最適化されているため、競合との違いや第三者からの評価といった「比較」の視点を欠きがちです。一方、比較メディアは複数の選択肢を横断して整理し、ユーザーが持つ「どれを選べばいいか」という意思決定の文脈にそのまま答える構成になっています。AIが回答を生成する際に参照しやすいのは、まさにこうした網羅的・中立的に見える比較コンテンツです。

さらに、比較メディアは以下のような特性を備えていることが多く、これが引用されやすさに直結していると考えられます。

• カテゴリ内の主要な選択肢を一覧化し、比較表やランキング形式で整理している
• 更新頻度が高く、最新の料金・機能情報を反映している
• 第三者としての立場から評価コメントやユーザーの声を添えている
• 構造化された見出し・表組みにより、AIが情報を抽出しやすい形式になっている

こうした特性は、単に「情報量が多い」ということ以上に、AIが回答の根拠として引用しやすい「構造」を持っているという点が重要です。E-E-A-Tの観点で言えば、比較メディアは第三者性という観点で公式サイトよりも信頼シグナルを獲得しやすい立場にあるとも言えます。

なぜ特定の1ページに集中するのか

カテゴリレベルの集中よりもさらに際立っているのが、ページレベルでの集中です。SNS管理・分析ツールカテゴリでは、A-STREAMの1つの記事が全プロンプトの70%で引用されていたと報告されています。つまり「AIに質問すると、100回中70回は同じ1記事が引用される」という状態です。これはドメインレベルの寡占をさらに超えて、記事1本が事実上の「業界標準の参照先」になっていることを意味します。

なぜここまで極端な集中が起きるのか。複数の要因が重なっていると考えられます。

第一に、先行者優位です。 そのカテゴリで最初に網羅的な比較コンテンツを公開したページは、検索エンジンとAIの双方から早期に評価を得やすく、被リンクや言及の蓄積も進みます。結果として、後発のコンテンツが同じレベルの網羅性を持っていても、参照先として選ばれにくくなります。

第二に、網羅性の差です。 AIは回答を生成する際、できるだけ多くの選択肢や観点を一度にカバーできるページを好む傾向があります。1本の記事内でカテゴリ内の主要プレイヤーを比較し、利用シーン別の推奨まで示しているようなページは、AIにとって「これ1本参照すれば足りる」情報源になりやすいのです。

第三に、第三者性です。 前章で触れた通り、AIは中立的な立場からの評価を重視します。公式サイトの自己申告よりも、第三者メディアが第三者として下した評価のほうが、回答の根拠として提示しやすいという傾向があります。

第四に、構造上の読み取りやすさです。 見出し構成が明確で、比較表・箇条書き・FAQ形式など、AIが情報を抽出しやすい構造を備えたページは、そうでないページに比べて引用時の「切り出しやすさ」で優位に立ちます。

これら4つの要因が重なり合うことで、一度「勝ちページ」としての地位を確立した記事は、他の追随を許さないほどの引用シェアを獲得してしまう、という構図が見えてきます。

プロンプトフェーズ別の引用率スコア

もう一つの重要な発見は、プロンプトのフェーズによって引用率スコアが大きく変わるという点です。ユーザーがAIに投げかける質問は、一様ではありません。「〇〇とは何か」といった認知フェーズの質問、「AとBのどちらがいいか」といった比較フェーズの質問、「今すぐ契約すべきか」といった意思決定フェーズの質問では、AIが参照する情報源の傾向が異なると報告されています。

特に80%超カテゴリでは、フェーズ別スコアの偏りが顕著であり、あるフェーズにおいては引用率が100%に達する事例も確認されています。つまり、特定のフェーズの質問に限れば、そのカテゴリのTOP1ページが「必ず」引用されるという状態です。これは、そのページが特定の質問パターン（例えば比較フェーズの「〇〇と△△の違いは」といった問い）に対して、AIにとって唯一無二の参照先になっていることを示唆します。

下表は、報告されている傾向をもとに整理したプロンプトフェーズ別の引用率スコアのイメージです。

この結果からわかるのは、単に「引用率が高いカテゴリかどうか」だけでなく、「どのフェーズの質問で自社が引用されているか(あるいはされていないか)」を把握することの重要性です。比較フェーズでの引用シェアを持たないサイトは、ユーザーの意思決定に近い場面でAIの回答に登場する機会を失っている可能性が高いと言えます。

勝ちページの型を分析して再現する戦略

ここまでの分析を踏まえると、自社サイトが取るべき戦略は明確になってきます。重要なのは、単発の記事を量産することではなく、「勝ちページの型」を分析し、それを自社のコンテンツ設計に落とし込むことです。

具体的には、以下のステップで進めることを推奨します。

1. 自社カテゴリのTOP1ページを特定する: 主要なAIプラットフォームで、自社が属するカテゴリの代表的な質問を複数のフェーズ（認知・比較・意思決定）で投げかけ、どのドメイン・どのページが引用されているかを記録します。
2. TOP1ページの構造を分解する: 見出し構成、比較表の有無、扱っている選択肢の数、更新日、第三者評価の有無などを洗い出し、なぜそのページが選ばれているのかを仮説として言語化します。
3. 網羅性で上回る設計にする: TOP1ページがカバーしている選択肢・観点に加えて、自社独自の切り口(業界特化の視点、実データ、独自調査など)を上乗せし、単なる後追いコンテンツにならないようにします。
4. 構造化を徹底する: 表組み、箇条書き、FAQ形式など、AIが抽出しやすい構造を意識してページを組み立てます。
5. 第三者からの言及を獲得する: 自社の公式サイトだけでなく、比較メディアや業界メディアに取り上げられる機会を増やすためのPR・情報提供の動線を作ります。

このプロセスは一度で完結するものではなく、AIプラットフォーム側のモデル更新やアルゴリズム変更に応じて継続的に見直す必要があります。AI Overviewの表示ロジックも定期的に変化しており、引用元の入れ替わりが起きることも珍しくありません。

公式サイトが不利な構造への打ち手

公式サイトが引用率1位を獲得したカテゴリがわずか2カテゴリにとどまったという事実は、多くの企業にとって厳しい現実です。しかし、これは公式サイトが引用対象から完全に排除されるという意味ではなく、「比較文脈での引用」において不利になりやすいという構造上の問題です。裏を返せば、公式サイトが取るべき打ち手も見えてきます。

まず、公式サイト内に自社製品と競合を客観的に比較するコンテンツを設けることが有効です。単なる自社アピールではなく、選定基準や利用シーン別の向き不向きを整理することで、比較フェーズの質問にも応えられるページになります。ただし、これは自社に都合の良い比較にならないよう、公平性を担保する工夫が求められます。

次に、比較メディアや業界特化メディアへの掲載・言及を積極的に獲得する動きも欠かせません。自社サイトだけで引用シェアを取りにいくのではなく、第三者からのブランドメンションを増やすことで、間接的にAIの回答に自社が登場する機会を広げるという発想です。プレスリリースの配信、業界メディアへの寄稿、比較サイトへのデータ提供依頼などは、いずれもこの文脈で有効な施策になります。

最後に、公式サイト自体の構造化を進めることも重要です。FAQセクションの充実、料金プランの比較表、導入事例の一覧化など、AIが引用しやすい形式に整えることで、少なくとも認知フェーズや一部の意思決定フェーズにおいては公式サイトが引用される可能性を高められます。

失敗パターン — AI最適化のやりすぎに注意

LLMO対策を進める中で陥りがちな失敗パターンにも触れておきます。最も多いのは、「AIに引用されるため」を意識しすぎるあまり、人間にとって読みにくいコンテンツになってしまうケースです。キーワードを不自然に詰め込んだ文章、機械的に箇条書きを並べただけの構成、同じフレーズの反復などは、短期的にAIの抽出精度を上げるように見えても、結果的にユーザー体験を損ない、滞在時間や信頼性の低下を招きます。

AIプラットフォーム側も、こうした「AI向けに最適化されすぎた」不自然なコンテンツを見抜く仕組みを強化していく方向にあると考えられます。実際、LLMOと従来SEOのハイブリッド戦略で語られるように、人間の読者にとって価値のある情報構造を作った結果としてAIにも引用されやすくなる、という順序を意識することが重要です。

もう一つの失敗パターンは、単発記事のスポット対応で終わってしまうことです。前述の通り、AIの引用構造は特定の1ページへの集中が起きやすいため、継続的にコンテンツを改善し、TOP1ページとの差分を埋め続ける姿勢がなければ、一時的に引用されても長続きしません。

さらに見落とされがちなのが、社内の体制面の失敗です。LLMO対策を担当者一人の裁量に任せてしまい、コンテンツ更新の頻度やモニタリングの継続性が属人化してしまうケースが少なくありません。前述の通り、TOP1ページの地位は固定的なものではなく、競合が網羅性や第三者性で追い上げてくれば入れ替わり得るものです。そのため、定期的な差分チェックとコンテンツ改訂を組織のルーティンとして組み込み、担当者の異動や体制変更があっても継続できる仕組みを作っておくことが、長期的な引用シェアの維持につながります。

自社が引用されているかを確認する方法

最後に、自社サイトが実際にAIに引用されているかどうかを確認する方法を整理します。手動での確認方法としては、ChatGPTやGoogle AI Overviewsなど主要なAIプラットフォームに対して、自社が想定する認知・比較・意思決定の各フェーズの質問を実際に投げかけ、回答内で自社サイトが引用元として提示されるかをチェックする方法があります。ただし、これは再現性やスケールの面で限界があり、モデルの更新や個人差による回答のブレも考慮する必要があります。

より体系的に把握したい場合は、AI回答の引用状況を継続的にモニタリングする専用ツールの活用が現実的な選択肢になります。プロンプトのバリエーションを自動生成し、複数のAIプラットフォームでの引用有無・引用順位を定点観測できるツールを使えば、フェーズ別のスコア変化やTOP1ページとの引用シェアの差を継続的に追跡できます。こうしたモニタリングの結果は、前章で触れた「勝ちページの型を分析して再現する」戦略のPDCAを回すうえでの基礎データになります。

モニタリングを設計する際には、次の3つの観点を押さえておくと実務に落とし込みやすくなります。第一に、質問のバリエーションをフェーズ別に用意することです。認知・比較・意思決定という3つの文脈それぞれで自社が引用されているかを別々に記録しないと、「引用されているつもりが実は認知フェーズだけだった」といった見落としが発生します。第二に、競合ドメインとの相対比較を継続することです。自社単体の引用回数だけを追っても、それが業界内でどの程度の位置づけなのかは判断できません。TOP1ドメインとの引用シェアの差を定点観測することで、追いつくべき距離が明確になります。第三に、引用されているページのURLまで特定することです。ドメイン単位で「引用された」と満足してしまうと、実際にはトップページではなく特定の1記事だけが評価されているといった実態を見逃してしまいます。

このようなモニタリング体制を整えたうえで、四半期単位などの節目でTOP1ページとの差分を再評価し、コンテンツの改訂サイクルに組み込んでいくことが、中長期的にAI引用シェアを積み上げていくための現実的なアプローチになります。単発の対策では一時的な改善にとどまりやすく、AIプラットフォーム側のアルゴリズム更新によってすぐに引用元が入れ替わってしまうリスクもあるため、継続的な運用体制の構築が欠かせません。

よくある質問

Q1. LLMOの引用率とは何を意味しますか?

AIが生成する回答の中で、自社サイトが引用元・参照元として提示される割合を指します。従来の検索順位とは異なり、AIの回答文脈における露出度を測る指標です。カテゴリやプロンプトのフェーズによって数値は大きく変動するため、単一の数値だけでなく文脈ごとの傾向を見る必要があります。

Q2. なぜ特定の1ページに引用が集中するのですか?

先行者優位、網羅性の高さ、第三者としての中立的な立場、AIが抽出しやすい構造という4つの要因が重なるためと考えられます。特に比較メディアが早期にカテゴリ全体を網羅した記事を公開した場合、その記事が「業界標準の参照先」として定着しやすい傾向が報告されています。

Q3. 公式サイトはAIに引用されにくいのですか?

完全に引用されないわけではありませんが、比較フェーズの質問においては不利になりやすいと報告されています。今回の調査でも、公式サイトが引用率1位になったカテゴリはわずか2カテゴリにとどまりました。自社製品と競合を客観的に整理したコンテンツを設けることが打ち手の一つになります。

Q4. プロンプトのフェーズとは具体的に何ですか?

ユーザーがAIに質問を投げる際の意図の段階を指し、認知フェーズ(基本情報を知りたい)、比較フェーズ(選択肢を比較したい)、意思決定フェーズ(今すぐ決めたい)などに分けられます。フェーズによって引用されやすいページの傾向が異なり、80%超カテゴリではフェーズ別スコアの偏りが特に大きいと報告されています。

Q5. 比較メディアへの掲載を狙うにはどうすればよいですか?

プレスリリースの配信、業界メディアへの寄稿、比較サイト運営者へのデータ提供や取材協力などが有効な動線です。第三者からの評価やブランドメンションを積み重ねることで、間接的にAIの回答に自社が登場する機会を広げられます。

Q6. 引用率が高いカテゴリと低いカテゴリの違いは何ですか?

引用率が80%を超えるカテゴリでは、単一の比較メディアや記事が早期にカテゴリ全体を網羅し、圧倒的な参照先としての地位を確立している傾向があります。一方、引用が分散しているカテゴリでは、複数のドメインがそれぞれ異なる観点で情報を提供し合っている状態が続いていると考えられます。

Q7. 自社の引用状況をどうやって確認すればよいですか?

主要なAIプラットフォームに対して想定質問を実際に投げかけて確認する方法と、AI回答の引用状況を継続的にモニタリングする専用ツールを使う方法があります。フェーズ別・カテゴリ別の傾向を継続的に追跡することで、施策の効果測定がしやすくなります。

Q8. AI最適化をやりすぎると何が問題になりますか?

キーワードの詰め込みや不自然な箇条書きの羅列など、AI向けに過度に最適化されたコンテンツは、短期的な抽出精度の向上と引き換えに、人間の読者にとっての読みにくさや信頼性の低下を招きます。長期的にはAIプラットフォーム側も不自然なコンテンツを見抜く方向に進化していくと考えられるため、人間にとっての価値を軸にした設計が重要です。

Q9. 今回の調査結果はすべてのカテゴリに当てはまりますか?

すべてのカテゴリで同じ傾向が見られるわけではありません。80%超の高集中カテゴリは全体の16%(8カテゴリ)にとどまり、残りのカテゴリでは引用がより分散している傾向が報告されています。自社が属するカテゴリの特性を個別に確認することが重要です。

関連用語

• LLMO
• GEO
• ブランドメンション
• AI Overview
• E-E-A-T

関連記事

• LLMO対策完全ガイド
• AI検索最適化ガイド
• SEOとLLMOのハイブリッド戦略
• AI引用における日本ドメインランキングとNote戦略
• AI引用プラットフォーム別外部リンク率77%調査
• 業界別AI Overview引用率(日本2026)
• ブランドメンション率17%ベンチマーク
• プラットフォーム別AI引用率20%ベンチマーク
• AIレコメンド文法・用途・機能軸研究