AI検索『引用の断片化』91%——H1 2026総括レポートが示す構造変化

AI検索「引用の断片化」91%——H1 2026総括レポートが示す構造変化

要点: SEOアナリストKevin Indig氏が2026年7月29日に公開した「AI halftime report: H1 2026」は、AI検索エンジンにおける引用の91%が3プラットフォームのうちいずれか1つにしか出現しない「引用の断片化」を報告。加えてリファラルトラフィックの前年同期比33%減、Google検索の68%がゼロクリックで終了、AIモデルの市場シェアが1年でChatGPT優位からGemini・Claude急伸へと激変したことも示された。

レポート全体を貫く論調は「H1 2026のAI検索の主要な出来事は、すべて『アトリビューション』の問題に帰着する」というもの。AIがトラフィック・お金・雇用・時価総額を動かした一方で、その価値がどれだけ実際に生まれたのかを誰も証明できないまま進んでいる、という指摘です。

最終更新日: 2026年08月01日

何が起きたのか

2026年7月29日、Search Engine LandのSEOアナリストKevin Indig氏が「AI halftime report: H1 2026」と題する記事を公開しました。同記事はSearch Engine Land本体（searchengineland.com/ai-halftime-report-h1-2026-483912）と、同氏が運営するニュースレター「Growth Memo」（growth-memo.com/p/ai-halftime-report-h1-2026）の両方で公開されています。

タイトルの通り、これは2026年上半期（H1）のAI検索・生成AIをめぐる動向を横断的に総括するデータリポートです。Kevin Indig氏自身が独自調査を実施したものではなく、SparkToro、Goodie、各種市場調査機関など複数の第三者データソースを引用しながら、半年間の出来事を「アトリビューション（帰属・貢献の可視化）」という一つの軸に沿って再構成している点が特徴です。以下、記事で示された主要な数値を整理します。

引用の断片化 — 91%が単一プラットフォームにのみ出現

記事の中心的な発見が、AI検索エンジン（ChatGPT・Perplexity・Google AI Overviews）における引用の91%が、3プラットフォームのうちいずれか1つにしか出現しないという数値です。裏を返せば、同じ情報源が複数のAIエンジンで横断的に引用されるケースはごく少数派だということです。

この数字が意味するのは、「1つのAI検索エンジンだけを最適化しても、他のエンジンでは可視性がゼロに近い」というリスクが、定量的なデータとして示されたということです。従来のオーガニック検索であれば、Googleで上位表示されればある程度は他の検索エンジンでも近い評価を得やすいという緩やかな相関がありました。AI検索では、そうした相関がほとんど働いていないことをこの数字は示しています。

リファラルトラフィックの減少 — 前年同期比33%減

記事は、AI検索経由のリファラルトラフィックが前年同期比（YoY）で約33%減少したと報告しています。これはAI検索全体の利用が縮小しているという意味ではなく、AIが回答を生成する過程でユーザーが実際に情報源サイトへ遷移する割合が下がっていることを示す数値です。

ゼロクリック化の進行 — Google検索の68%がノークリック

SparkToroのデータとして、記事はGoogle検索の68%がクリックなしで終了していることを報告しています。検索結果ページ内、あるいはAI Overviewの要約だけでユーザーの情報ニーズが満たされ、外部サイトへの遷移が発生しないケースが、既に検索全体の7割近くに達しているということです。

AI Modeの急拡大 — 月間10億MAU、クエリは3倍長く

Google AI Modeの月間アクティブユーザーが10億人（1 billion MAU）に到達したことも報告されています。AI Modeに投げられるクエリは、従来の検索クエリと比べて平均3倍長いとされ、ユーザーが単語の羅列ではなく、文章としての問いかけをAI Modeに投げていることがうかがえます。

Googleはこの拡大を、検索ボックスの**「25年で最大のアップグレード」**と自称しています。同時に、「毎週何十億ものクリックをオープンウェブに送っている」とも主張しており、AI Modeの拡大がオープンウェブへのトラフィックを損なっていないという立場を取っています。ただしこの主張と、前述のリファラル33%減・ゼロクリック68%という数字がどう整合するのかについて、記事は明確な調整を示していません。

AIショートリストでの選択行動 — トップ候補の採用率75〜88%

AI検索が提示する候補（ショートリスト）に対して、ユーザーがどう反応するかも報告されています。AI検索が示す候補群のうち、消費者の約75%がトップの候補をそのまま選択するとされ、AI Modeの商品レコメンドに限れば88%のユーザーが「最良の選択肢」として受け入れたとされています。

この2つの数字は、引用の断片化（91%が単一プラットフォームのみ）と組み合わせて読む必要があります。あるプラットフォームで一度もトップ候補として提示されなければ、そのプラットフォームの利用者の大半には接触機会そのものが発生しない、という構造をこの数字は示唆しています。

AIモデルの市場シェア激変 — ChatGPT優位からGemini・Claude急伸へ

記事は、2025年7月から2026年7月までの1年間で、AIモデルの市場シェアが大きく動いたと報告しています。

ChatGPTは依然として最大シェアを持つものの、22ポイント下落しています。一方でGeminiは倍増、Claudeは5倍という伸びを記録しました。わずか1年でこれだけの構図変化が起きたという事実は、「どのAIエンジンに最適化すべきか」という問いの前提条件が、年単位ではなく四半期単位で更新される必要があることを示しています。

SaaS市場の急落と二極化

AI検索の話とは別の切り口として、記事はSaaS（Software-as-a-Service）セクターが年間約30%の急落に見舞われたと報告しています。特に下位四分位のソフトウェア株が弱く、上位四分位は逆に好調という二極化が進んでいるとされます。

AI起因のレイオフと雇用市場の変化

2026年5月までに、AIを理由に挙げたレイオフが87,714件発生し、これは2026年通年で発表されたレイオフ全体の22%に相当するとされています。テック業界全体のレイオフは前年比約66%増で、15万人規模に迫る水準に達しているとも報告されています。

一方で、AI関連の新しい職種には求人急増も見られます。「フォワード・デプロイド・エンジニア」の求人は、2025年最初の9か月で800%増、2026年4月時点でも前年比729%増を維持しているとされ、報酬総額が50万ドル超に達するケースもあると報告されています。

トークン消費の爆発

記事は、Meta社のエンジニアが月間で計73.7兆トークンを消費したと報じています。トップユーザーは月間2,810億トークンを消費しており、これはAPI標準料金換算で約140万ドル相当とされています。AI利用の規模が、個人の消費量だけで見ても既に企業のインフラコストに匹敵する水準に達していることを示す数字です。

記事全体を貫くテーマ — 「すべてはアトリビューションの問題」

Kevin Indig氏はこれらの数字を並べたうえで、H1 2026を総括するテーマとして「AI検索の主要な出来事は、すべてアトリビューションの問題に帰着する」と位置づけています。AIがトラフィックを動かし、お金を動かし、雇用を動かし、時価総額を動かした半年間だった一方で、それによってどれだけの価値が実際に生まれたのかを、誰も正確に証明できないまま物事が進んでいる、という論調です。

引用が断片化し、リファラルが減り、ゼロクリックが常態化する中で、「AIが自社にもたらした価値」を測定する手段そのものが追いついていない——これがレポート全体を貫く問題意識です。

なぜ「引用の断片化」が起きるのか — エンジンごとの構造差

91%という断片化の数字を実務に落とし込むには、なぜそれが起きるのかを理解しておく必要があります。以下は記事が明示的に説明している範囲を超える、筆者による構造的な整理です。

ChatGPT・Perplexity・Google AI Overviewsは、いずれも「AIが情報を統合して回答を返す」という体験を提供しますが、その裏側にある情報取得の仕組みは大きく異なります。

クロール範囲の違い: Google AI Overviewsは、既存のGoogle検索インデックス（Googlebotが長年にわたって構築してきた世界最大級のWebインデックス）を土台にしています。一方、ChatGPTやPerplexityは、それぞれ独自のクローラー（OAI-SearchBot、PerplexityBotなど）を運用しており、クロール範囲・クロール頻度・優先順位づけのロジックがGoogleとは別物です。同じURLであっても、あるクローラーには発見・評価されていて、別のクローラーには発見されていない、という状態が普通に起こり得ます。

学習データとリアルタイム検索の使い分けの違い: ChatGPTは事前学習された知識とリアルタイムの検索結果を組み合わせて回答を生成しますが、その組み合わせ方はクエリの種類によって変わります。Perplexityはより一貫してリアルタイム検索に依存する設計です。Google AI Overviewsは検索クエリと連動して動くため、Google検索での評価がほぼそのまま反映されます。この「どの情報を、どの割合で、どう混ぜるか」という設計思想の違いが、同じ質問に対して異なる情報源を引用する結果につながります。

引用選定アルゴリズムの違い: 仮に3つのエンジンが同じWebページを認識していたとしても、それを実際に引用するかどうかの判断基準は共通ではありません。権威性の測り方、鮮度の重み、構造化データの扱い、コミュニティコンテンツ（Redditなど）への評価の高さは、エンジンごとに独自の設計がなされています。

これら3つの違いが重なり合うことで、「あるエンジンで頻繁に引用されるサイトが、別のエンジンではほぼ引用されない」という状態が生まれ、それが91%という断片化の数字として観測されていると考えられます。これは技術的な欠陥や一時的な現象ではなく、各エンジンのアーキテクチャに根ざした構造的な性質である可能性が高く、短期間で解消される見込みは薄いというのが妥当な見立てです。

aiseo-llmo.com ユーザーへの影響

ここからは、LLMO/GEO担当者にとっての実務的な意味を、レポートが示した主要指標ごとに掘り下げます。

引用の断片化91%が意味すること — 「勝ち抜けたエンジン」に依存するリスク

最も重い示唆はここです。もしあなたの会社が「ChatGPTでの引用は多いが、PerplexityやGoogle AI Overviewsは未検証」という状態であれば、91%という数字は「PerplexityとGoogle AI Overviewsでは、実質的に可視性がゼロに近いかもしれない」という仮説を強く支持します。

これまでLLMO施策の多くは、「AI検索に最適化する」という単一の目標として語られてきました。しかし91%の断片化は、これが実質的に「3つ以上の別々の最適化課題」であることを示しています。1つのエンジンで結果が出たからといって、他のエンジンでも同様の結果が出るという前提は成立しません。

リファラル▲33%が意味すること — トラフィックKPIの土台そのものが縮小している

前年同期比33%減という数字は、AI検索からのトラフィックを事業KPIの柱に据えている企業にとって、看過できない水準です。重要なのは、この減少がAI検索の利用縮小によるものではなく、AIが回答内で情報を完結させ、外部サイトへの遷移を必要としなくなっている構造変化によるものだという点です。

つまり、同じ量のAI検索利用があったとしても、そこから得られるトラフィックは構造的に減っていく方向にあります。「AI検索経由の流入数」を追い続けるダッシュボード設計そのものが、実態を正しく捉えられなくなりつつあるということです。

ゼロクリック68%が意味すること — クリックされない前提での可視性設計

Google検索の68%がゼロクリックで終わるという数字は、AI検索固有の話ではなく、Google検索全体の傾向として報告されています。しかしAI OverviewsやAI Modeがゼロクリックの主要な発生源であることを踏まえれば、この数字はAI検索における可視性の意味そのものを問い直すものです。

クリックされないことを前提にした場合、実務上重要になるのは「クリックされて初めて生まれる価値」ではなく、「クリックされなくても、AIの回答の中でブランド名が正確に、好意的に言及される価値」です。指名検索の増加、ブランド想起、AI回答内でのポジティブなセンチメントといった、クリックを経由しない価値の計測が必要になります。

AIモデルシェアの激変が意味すること — 「勝ち馬」への一点張りのリスク

ChatGPT 78%→56%、Gemini 15%→30%、Claude 2%→10%という変化は、わずか1年のスパンで起きています。もし2025年半ばの時点で「ChatGPTさえ押さえておけば大部分をカバーできる」と判断してリソースを集中させていた場合、2026年半ばの時点ではそのカバー率が22ポイント目減りしていたことになります。

この変化の速さは、LLMO施策の年間計画そのものに影響します。年初に立てた「どのエンジンに注力するか」という配分計画は、年央には既に前提が崩れている可能性があります。四半期ごとにシェアの動向を確認し、配分を機動的に見直す運用が必要です。

日本国内のLLMO担当者への影響

このレポートが対象とするデータは、その多くが英語圏を中心とした調査に基づいています。日本市場を直接検証したものではない点は明確にしておく必要があります。そのうえで、構造的に日本のLLMO担当者にも当てはまりやすいと考えられる論点を整理します。

第一に、引用の断片化という現象自体は、各AIエンジンのアーキテクチャに由来する構造的な性質であるため、言語や市場を問わず起きやすいと考えられます。日本語圏でChatGPT・Perplexity・Google AI Overviewsを横断的に見た場合も、同様の断片化が観測される可能性は高いでしょう。

第二に、AIモデルのシェア変化は、日本市場ではやや異なるペースで進む可能性があります。日本国内では検索エンジンとしてのGoogleの利用比率が高く、Google AI Overviews・AI Modeの影響力は米国以上に大きくなりやすい一方、ChatGPT・Gemini・Claudeの相対的なシェア構成は英語圏とは違う分布になっている可能性があります。この点は、レポートの数字をそのまま当てはめず、自社のアクセスログやAIリファラルの実測データで確認する必要があります。

第三に、リファラル減少・ゼロクリック化という傾向は、日本語検索においても既に指摘されてきた流れと整合します。Google検索の68%ゼロクリックという水準が日本語検索でも近い水準にあるのか、あるいは異なるのかは、自社サイトのGA4データを見ることでしか判断できません。

業種別の実務インパクト

EC: 商品レコメンドの88%受容率という数字が示す通り、AI Modeが提示する「おすすめ商品」に一度選ばれるかどうかが、購買行動に直結しやすい業種です。一方でリファラル33%減・ゼロクリック68%の影響も強く受けます。AI経由でクリックされずに購買が決まるケースが増えれば、従来の「流入数→転換率」というファネルの計測が機能しなくなります。指名検索やダイレクトアクセスでの購買完了を、AI接触の成果として捉え直す設計が必要です。

B2B SaaS: SaaS市場が年間約30%急落し、下位四分位が特に弱いという報告は、B2B SaaS企業にとって資金調達環境そのものが厳しくなっていることを示唆します。同時に、引用の断片化91%は、比較検討フェーズの長いB2B SaaSの購買行動において、「どのAIエンジンで比較候補に挙がるか」がエンジンごとに別々の勝負になることを意味します。複数エンジンでの継続的な可視性確保が、限られた予算の中でより重要になります。

メディア: リファラル33%減は、外部サイトへの流入で収益を成り立たせてきたメディア業種に直接的な打撃です。ゼロクリック68%と合わせて考えると、AIの回答内で自社の記事が要約・引用される機会そのものの価値を、トラフィック以外の形で捉え直す必要に迫られています。

ローカルビジネス: AI Modeのクエリが従来検索より平均3倍長いという点は、ローカルビジネスにとって「近くの〇〇でおすすめは」といった従来型の短いクエリだけでなく、「〇〇駅から徒歩圏内で、子連れでも入りやすい△△を探している」といった詳細な条件を含む長いクエリへの対応が必要になることを示唆します。営業時間・対応エリア・料金といった確定的な事実情報を機械可読な形で整備しておくことの重要性が増します。

今すぐできる対応策

ここからは、レポートが示した数字に対して実務上取り得る具体的な対応を整理します。

対応策1: 複数AIエンジン横断でのモニタリング体制を構築する

引用の断片化91%という数字が示す通り、単一エンジンの計測だけでは自社の可視性の全体像を把握できません。ChatGPT・Perplexity・Google AI Overviews・Gemini・Claudeなど、複数エンジンを横断して自社ブランドの引用状況・言及状況を継続的に記録する体制が必要です。

自前でこれを行う場合、自社カテゴリを代表するプロンプトを20〜50件程度、固定のセットとして用意し、複数エンジンに定期的に投げて、引用の有無・引用元・センチメントを記録します。プロンプトを固定することが重要で、毎回異なる質問を投げていては、変化が施策によるものかクエリの違いによるものか判別できなくなります。

継続的な運用の負荷を下げる選択肢として、専用の可視性モニタリングツールを使う方法もあります。エンタープライズ向けのProfound、中小規模から使えるPeec AI、複数プラットフォームの価格帯を比較検討する場合はOtterly・Peec・Profoundの3社比較が参考になります。いずれのツールも、複数のAIエンジンを横断して自社・競合の引用状況を可視化することを目的にしており、91%という断片化の数字が示す「エンジンごとに別々に測る必要性」に正面から対応する設計です。

対応策2: GA4でAIリファラルトラフィックを正確に計測する

リファラル33%減という数字を自社の状況として検証するには、まずAI経由のトラフィックを正確に切り分けて計測できている必要があります。GA4はAI Assistantチャネルを標準搭載していますが、Perplexityなど一部のプラットフォームは自動では分類対象外になるケースがあり、カスタムチャネルグループや正規表現による補完設定が必要です。またAIアプリ経由のアクセスはリファラー情報が欠落し、Direct流入に紛れ込むケースもあるため、UTMパラメータの活用など補完的な対策も合わせて検討する必要があります。具体的な設定手順はAI参照流入をGA4で計測する設定方法に整理しています。

まずは自社サイトのAIリファラル推移を正確に把握し、レポートが示す「前年同期比33%減」という全体傾向と、自社の実測値がどう乖離しているかを確認することが出発点になります。

対応策3: 単一エンジン最適化への依存リスクを下げる

AIモデルシェアの激変（ChatGPT 78%→56%、Gemini 15%→30%、Claude 2%→10%）が示す通り、特定のエンジンへの一点張りは、シェア構造が変わるたびにリスクを抱えることになります。実務的には、施策の予算配分をエンジン別に固定せず、四半期ごとにシェアの動向・自社の引用状況を確認したうえで再配分する運用に切り替えることが有効です。

また、コンテンツ設計の面でも、特定のエンジンの引用ロジックだけに最適化するのではなく、構造化データの整備・一次情報の提示・鮮度の維持といった、エンジン横断で評価されやすい基本要件を優先することが、依存リスクを下げる方向に働きます。

対応策4: ゼロクリック時代のKPIを再設計する

ゼロクリック68%という前提に立つと、クリック数やセッション数だけを追うKPI設計では、AI検索がもたらしている価値の大部分を見落とすことになります。クリックを経由しない価値、たとえば指名検索数の推移、AI回答内での自社言及のセンチメント、ブランド想起に関する定性調査などを、補完的なKPIとして組み込む必要があります。ゼロクリック環境下でのブランド想起・収益化の考え方についてはゼロクリック検索とブランド想起・収益化、ゼロクリックの基本的な整理はAIゼロクリックで扱っています。

今後の見通し

このレポートが示した数字を踏まえると、今後注視すべき論点はいくつかに整理できます。

第一に、引用の断片化91%が今後さらに進むのか、あるいは各エンジンの引用ロジックが収斂していくのかは不透明です。エンジン間の技術的な差異（クロール範囲・学習データ・検索連動の仕組み）が構造的なものである以上、短期間で断片化が解消される可能性は高くないと見られます。

第二に、AIモデルシェアの変化がどこまで続くのかも注目点です。ChatGPTのシェアが1年で22ポイント下落したペースがそのまま続くとは限りませんが、Gemini・Claudeの伸びが継続するのか、あるいはどこかで踊り場を迎えるのかは、次の半期のデータを待つ必要があります。

第三に、レポート全体を貫く「アトリビューションの問題」は、今後の業界の中心的な課題になっていくと考えられます。AIが動かしているトラフィック・お金・雇用の規模が拡大し続ける一方で、それを正確に測定する手法が追いついていない状態が続けば、投資判断そのものが不確実な土台の上で行われ続けることになります。GA4でのAIリファラル計測の精緻化や、複数エンジン横断モニタリングの標準化は、この不確実性を少しでも減らすための実務的な対応として、今後さらに重要度を増していくでしょう。

よくある質問

Q1. 「AI halftime report: H1 2026」とは何ですか?

SEOアナリストKevin Indig氏が2026年7月29日に公開した、2026年上半期のAI検索・生成AI動向を総括するデータリポートです。

Search Engine Land本体とニュースレター「Growth Memo」の両方で公開されています。Indig氏自身の独自調査ではなく、SparkToroや各種市場データなど複数の第三者ソースを引用しながら、半年間の出来事を「アトリビューション」という一つの軸で再構成した記事です。

Q2. 「引用の断片化」91%とは具体的にどういう意味ですか?

AI検索エンジン(ChatGPT・Perplexity・Google AI Overviews)における引用のうち、91%が3プラットフォームのうちいずれか1つにしか出現しないという意味です。

同じ情報源が複数のAIエンジンで横断的に引用されるケースはごく少数派だということです。実務的には、「1つのAI検索エンジンだけを最適化しても、他のエンジンでは可視性がほぼゼロ」というリスクが、定量的なデータとして裏付けられたことを意味します。

Q3. リファラルトラフィックはなぜ減少しているのですか?

AIが回答を生成する過程でユーザーが外部サイトへ遷移する割合が下がっているためです。前年同期比で約33%減少したと報告されています。

AI検索の利用そのものが縮小しているわけではなく、AIの回答内で情報が完結し、外部サイトへのクリックが不要になるケースが増えていることが背景にあると考えられます。ゼロクリック68%という別の数字とも整合する傾向です。

Q4. ゼロクリック68%はAI検索固有の数字ですか?

SparkToroのデータとして報告されているのはGoogle検索全体の数字で、AI検索に限定したものではありません。ただしAI OverviewsやAI Modeがゼロクリックの主要な発生源の一つと考えられています。

検索結果ページ内やAI Overviewの要約だけでユーザーの情報ニーズが満たされ、外部サイトへの遷移が発生しないケースが、検索全体の約7割に達しているという水準です。クリックされない前提での可視性設計が必要になります。

Q5. AIモデルの市場シェアはどう変わりましたか?

2025年7月から2026年7月の1年間で、ChatGPTは78%から56%へ低下し、Geminiは15%から30%へ倍増、Claudeは2%から10%へ5倍に伸びました。

ChatGPTは依然として最大シェアを維持していますが、22ポイントの下落は大きな変化です。1年という短い期間でこれだけの構図変化が起きたことは、特定エンジンへの一点張りの最適化戦略にリスクがあることを示しています。

Q6. Google AI Modeの月間ユーザー数はどれくらいですか?

月間アクティブユーザーが10億人(1 billion MAU)に到達したと報告されています。クエリの長さは従来の検索の平均3倍とされています。

Googleはこれを検索ボックスの「25年で最大のアップグレード」と自称し、「毎週何十億ものクリックをオープンウェブに送っている」とも主張しています。ただしこの主張とリファラル33%減・ゼロクリック68%という数字との整合性については、記事の中で明確な調整は示されていません。

Q7. AIショートリストでの選択行動とはどういうことですか?

AI検索が提示する候補の中から、消費者の約75%がトップの候補をそのまま選択し、AI Modeの商品レコメンドに限れば88%が「最良の選択肢」として受け入れているという行動データです。

引用の断片化(91%)と組み合わせて読む必要があります。あるプラットフォームで一度もトップ候補として提示されなければ、そのプラットフォームの利用者の大半には実質的に接触機会が生まれない、という構造をこの数字は示唆しています。

Q8. SaaS市場の急落やAI起因のレイオフは、LLMO実務に直接関係しますか?

レポートが報じている事実として紹介するに留め、LLMO実務との直接的な因果関係を強調する材料ではありません。

SaaSセクターが年間約30%急落し、下位四分位が特に弱い一方で上位四分位は好調という二極化が報告されています。またAI起因のレイオフは2026年5月までに87,714件、2026年通年発表レイオフの22%に相当するとされ、テック業界全体のレイオフは前年比約66%増で15万人規模に迫るとされています。これらは「AIが業界全体に与えている影響の大きさ」を示す背景情報として押さえておく価値はありますが、本記事が扱う引用の断片化・リファラル減少といったLLMO実務の論点とは別の切り口です。

Q9. 複数のAIエンジンを横断してモニタリングするには何から始めればよいですか?

自社カテゴリを代表するプロンプトを20〜50件程度、固定のセットとして用意し、複数エンジンに定期的に投げて記録することから始めます。

プロンプトを固定することが重要で、毎回異なる質問を投げると、変化が施策によるものかクエリの違いによるものか判別できなくなります。自前での運用が難しい場合は、ProfoundやPeec AIのような専用モニタリングツールの活用も選択肢です。

Q10. GA4でAIリファラルトラフィックを正確に把握するにはどうすればよいですか?

GA4のAI Assistantチャネルを基本としつつ、Perplexityなど自動分類対象外のプラットフォームにはカスタムチャネルグループと正規表現の設定を追加します。

AIアプリ経由のアクセスはリファラー情報が欠落しDirect流入に紛れ込むことがあるため、UTMパラメータの活用など補完策も検討が必要です。具体的な設定手順はAI参照流入をGA4で計測する設定方法で解説しています。自社の実測値を把握して初めて、レポートが示す「前年同期比33%減」という全体傾向との乖離を確認できます。

関連記事

• LLMO完全ガイド — LLMOの定義から実装・計測まで網羅した基礎資料
• AI検索最適化ガイド — 引用獲得のための実装手順を体系的に解説
• AI参照流入をGA4で計測する設定方法【ChatGPT・Perplexity対応2026年版】
• AI検索リファラル勢力図が激変｜ChatGPT89%→63%でClaude急伸18.5%へ
• ゼロクリック検索とブランド想起・収益化
• AIゼロクリック
• アーンドメディアと引用サプライチェーンのマッピング
• Google AI Modeが月間10億ユーザー突破、既定モデルがGemini 3.5 Flashにグローバル更新
• AI可視性のアトリビューション計測と収益貢献の可視化 — 日本市場
• Otterly・Peec AI・Profound 価格3社比較 — 中小企業向け
• Peec AIとは何か — 日本語解説
• Profoundとは何か — 日本語GEOツールレビュー
• GEO（用語集）
• LLMO（用語集）
• ゼロクリック（用語集）
• AI Overview（用語集）
• SGE（用語集）
• グラウンディング（用語集）