Google AI Overviewsがウィキペディア流入を約5%減少──ワシントン大学研究

Google AI Overviewsがウィキペディア流入を約5%減少させたとワシントン大学研究が報告

要点: ワシントン大学の研究者Mehrzad Khosravi氏・Hema Yoganarasimhan氏による査読前論文(arXiv:2602.18455v6、2026年9月2日最終更新)が、Google AI Overviewsの登場によりウィキペディアへの月間検索リファラルが約5%(ドイツ語版比較で5.45%減、フランス語版比較で4.82%減)減少したと推計した。 年換算では約12億回分のリファラル減少に相当し、より広いトラフィック指標では日次アクセスが約15%減るという、さらに大きな影響も論文内で報告されている。この推計にGoogleは「Google由来のリファラルを分離できていない」と反論しており、Search Engine Journalが2026年9月11日に報じた。 最終更新日: 2026年9月14日

何が起きたのか

ワシントン大学の研究者が発表した査読前論文

2026年9月11日、Search Engine Journalの記者Matt G. Southern氏は「What Wikipedia Reveals About AI Overviews And Web Traffic」と題する記事を公開した。この記事が取り上げているのは、ワシントン大学のMehrzad Khosravi氏とHema Yoganarasimhan氏による論文「Impact of AI Search Summaries on Website Traffic: Evidence from Google AI Overviews and Wikipedia」(arXiv:2602.18455)である。同論文はarXiv上でv6として2026年9月2日に最終更新されており、現時点では査読を経ていないプレプリント(preprint)である点に留意が必要だ。

この論文がテーマとしているのは、GoogleのAI Overviews(検索結果ページ上部に表示される生成AIによる要約回答)が、情報源として頻繁に参照されるウィキペディアへの実際のトラフィックにどのような影響を与えたか、という問いである。AI Overviewsは検索結果ページ内でユーザーの疑問に直接回答を提示するため、ユーザーが元のウェブページへ遷移する必要性を低下させる可能性が以前から指摘されてきたが、この論文はその影響を大規模な実データを用いて定量的に推計した点に特徴がある。

手法:差分の差分(difference-in-differences)モデルによる言語版間比較

研究チームが採用した手法は、統計学・計量経済学で因果推論によく用いられる「差分の差分(difference-in-differences, DID)」モデルに、Poisson擬似最尤法(Poisson pseudo-maximum likelihood, PPML)を組み合わせたものである。

差分の差分法を平易に説明すると、次のような比較の考え方になる。AI Overviewsは全ての言語で一様に展開されたわけではなく、英語版検索では広く表示される一方、この論文が対象とした調査期間においてはドイツ語版・フランス語版の検索では同等の機能が提供されていなかった。そこで研究チームは、

1. AI Overviewsが提供された「処置群」としての英語版ウィキペディア記事
2. AI Overviewsが提供されなかった「対照群」としてのドイツ語版・フランス語版ウィキペディアの対応記事(同一トピックを扱うマッチした記事ペア)

という2つのグループを設定し、AI Overviews導入の前後で両グループのトラフィック推移がどう変化したかを比較した。仮にAI Overviewsが存在しなくても英語版・独仏語版のトラフィックが同じように増減していたと仮定できるなら、AI Overviews導入後に英語版だけがより大きく落ち込んだ分を「AI Overviewsによる影響」として抽出できる、というのがこの手法の基本的な発想だ。単純に「AI Overviews導入前後の英語版の増減」だけを見ると、季節変動や検索行動全体のトレンドなど他の要因と区別がつかなくなってしまうため、対照群との比較によってそうしたノイズを取り除こうとする設計になっている。

サンプル規模:100万件近いマッチ記事ペアを分析

この分析に用いられたデータの規模は決して小さくない。論文によれば、英語版とドイツ語版のマッチ記事ペアが499,927件、英語版とフランス語版のマッチ記事ペアが530,873件、それぞれ用意されている。調査対象期間は2023年12月から2024年12月までの13カ月間で、月次の検索リファラルデータ(検索エンジン経由でウィキペディアの各記事に到達した訪問数)が分析の基礎になっている。

50万件規模のマッチ記事ペアを2種類の言語比較で用意し、13カ月間の月次データを追跡するという設計は、単発のアンケート調査やパネル調査とは異なり、実際のアクセスログに基づく大規模な観測データである点が特徴だ。もっとも、これはあくまでウィキペディアという単一サイトの記事群を対象にした分析であり、ウェブ全体・他のドメインへの一般化には限界がある点も踏まえておく必要がある。

主要結果:月間リファラル4.82〜5.45%減、年間約12億回分

分析の結果、ドイツ語版との比較では月間の検索リファラルが5.45%減少し、フランス語版との比較では4.82%減少したと推計された。見出し等で語られる「約5%」という数字は、この2つの推計値を丸めたものである。

この月間の減少率を年間に換算すると、研究チームは約12億回分のリファラル減少に相当すると推計している。単純に月割りすると月平均で約1億2,700万回の減少に相当する規模だ。ウィキペディアが世界中で極めて高いアクセス数を持つサイトであることを踏まえても、この規模の減少が積み重なれば、サイト全体のトラフィック構造に無視できない影響を与えることになる。

さらに論文では、より広いトラフィック露出の指標を用いた分析結果も報告されている。161,382件のマッチ記事ペアを対象に、AI Overviewへの露出(その記事に関連する検索クエリでAI Overviewsが表示されたかどうか)と日次トラフィックの関係を分析したところ、英語版記事への日次トラフィックが約15%減少するという、月間リファラルの5%前後よりもさらに大きな影響が示されている。この2つの数値の違いは、測定対象が「検索リファラル全体の月次推移」か「AI Overview露出に紐づく日次トラフィック」かという分析の切り口の違いによるものであり、どちらか一方が誤っているという話ではない。ただし、見る指標によって影響の大きさの印象が変わり得るという点は、この種の研究結果を読む際に留意すべきポイントだ。

Googleの反論:「Google由来のリファラルを分離できていない」

Search Engine Journalの記事によれば、Googleはウィキペディア側に対して、この分析には測定上の限界があるとの立場を示している。具体的には、この分析手法では検索リファラル全体の中からGoogle検索に特有のリファラルだけを分離して捉えることができておらず、複数の外部検索エンジンを統合したデータセットを扱っていることの限界がある、という趣旨の主張だ。

この反論の技術的な意味を整理すると、ウィキペディア側が把握できる「検索エンジン経由のリファラル」というデータは、Google検索・Bing・その他の検索エンジンからの流入をまとめて集計したものになりがちである。もしGoogle以外の検索エンジンでのユーザー行動の変化(例えばBingが独自のAI要約機能を展開したことによる影響など)が同時に混在していた場合、観測された減少のすべてをGoogle AI Overviews単独の効果として帰属させることには、統計的な留保が必要になる、というのがGoogle側の指摘の骨子だと考えられる。もっとも、この反論自体が具体的な代替データや反証となる数値を伴って公開されているわけではなく、あくまで方法論上の限界を指摘するコメントにとどまっている点も記録しておく必要がある。

背景データ1:Wikimedia Foundation、人間ページビュー8%減を発表

この論文の推計を裏付ける方向の傍証として、Wikimedia Foundation自身が2025年10月17日に公式ブログ(Diff)で公表したデータがある。「New user trends on Wikipedia」と題する記事の中で、Wikimedia Foundationは全言語版ウィキペディアの人間によるページビューが前年同期比で8%減少したと明らかにしている。

このデータはAI Overviewsのみに起因すると断定されているわけではなく、Wikimedia Foundation自身もソーシャルメディアや動画プラットフォームの台頭など複数の要因を挙げているとされるが、生成AI検索の普及と同時期に大手参照元であるウィキペディアの閲覧数が減少しているという事実関係は、今回のワシントン大学の研究が示す方向性と整合的だ。

背景データ2:Pew Research Centerの実測調査(2025年7月)

もう一つの参照点として、Pew Research Centerが2025年7月22日に発表した調査がある。この調査は2025年4月7日から17日にかけて、米国成人900人を対象に、ブラウザ拡張機能を用いて実際のGoogle検索68,879件の行動を追跡するという実測ベースの手法を採っている。

その結果、AI要約(AI Overviews)が表示された検索結果でユーザーがリンクをクリックする率はわずか8%だったのに対し、AI要約が表示されない検索結果でのクリック率は15%だった。さらに、AI要約が表示されたページでユーザーがそれ以上何もせずに離脱する率は26%に達し、通常の検索結果ページでの離脱率16%を大きく上回った。加えて、AI Overviews内に表示される個別の引用ソースリンクをユーザーがクリックする率は、わずか1%にとどまるという結果も示されている。

Googleはこの調査に対しても、「方法論に欠陥があり、検索トラフィック全体を代表していない歪んだクエリセットを使用している」という趣旨の反論を行っている。加えてGoogleは「自社は毎日数十億クリックをウェブサイトに送り続けており、大幅なトラフィック低下は観察していない」との立場を継続的に示してきた。今回のワシントン大学の論文に対する反論も、この一連のGoogle側のスタンスの延長線上にあるものと位置づけられる。

aiseo-llmo.com ユーザーへの影響

ウィキペディア固有の話にとどめてはいけない理由

今回の研究は分析対象としてウィキペディアを選んでいるが、これは「ウィキペディアだけの特殊な問題」ではなく、AI Overviewsが多くの情報源サイトに与えている構造的な影響を、大規模かつ検証可能な形で定量化した数少ない事例として読むべきだ。ウィキペディアが分析対象として選ばれた理由は、同一トピックについて英語版・ドイツ語版・フランス語版という言語間でAI Overviews提供状況に差があり、差分の差分法による比較分析が可能な稀有なデータ構造を持っていたためであり、影響そのものがウィキペディアに限定されるという意味ではない。

本サイトが既報の「AI流入に強いサイト構造とは？noteが期待値4倍・Wikipedia失速の実測分析2026」で紹介した日経クロストレンド・ヴァリューズの調査でも、ウィキペディアは「AIに引用される回数」では高い水準を維持しながら、引用後にクリックされて実際に訪問される行動には結びつきにくいという構造が既に指摘されていた。今回のワシントン大学の研究は、この「引用はされるがクリックはされにくい」という傾向の背後にある実際のトラフィック減少幅を、因果推論の手法を用いて初めて大規模に数値化したものと位置づけることができる。

Forbes JAPANの「AI引用サイトランキング1位」との対比

過去の論調を振り返ると、Forbes JAPANが報じた「2025年AI引用サイトランキング、1位はウィキペディア」という記事に代表されるように、ウィキペディアはこれまで「AI検索時代における最大の勝ち組サイト」として語られる機会が多かった。実際、主要LLMの事前学習データセットにウィキペディアの全文ダンプが組み込まれていることや、Perplexity等のRAGベースAI検索が固有名詞の事実確認において頻繁にウィキペディアを引用することは、本サイトの「Wikipedia立項をAI SEOに活用する方法【2026年版】」でも解説してきた通りだ。

しかし「AIに引用される回数が多い」ことと「AIに引用された結果、実際にサイトへの訪問(トラフィック)が増える」ことは、まったく別の指標である。今回の研究結果は、この2つの指標の間に大きな乖離が生じていることを裏付けている。「引用ランキング1位」という評価軸だけでAI検索時代の勝敗を判断すると、実際のトラフィックという経営指標の実態を見誤るリスクがあるという教訓を、この研究は改めて示している。

計測方法論をめぐる対立の構図を理解する意味

Googleとウィキペディア側(および今回の研究チーム)の間で起きている対立は、単なる水掛け論ではなく、AI検索時代のトラフィック計測が抱える構造的な難しさを象徴している。

Google側の「Google由来のリファラルを分離できていない」という指摘は、裏を返せば「検索エンジンごとのAI要約機能の影響を切り分けて計測することが技術的に難しい」という、業界全体が直面している課題を浮き彫りにしている。サイト運営者の視点に立つと、リファラーログやアクセス解析ツールで把握できる「検索エンジン経由の流入」は、多くの場合Google・Bing・その他の検索エンジンをひとまとめにした集計になりがちで、「AI Overviewsが表示された検索」と「AI Overviewsが表示されなかった検索」を厳密に区別して計測できている企業は現時点でも限られている。

つまり、今回のGoogleの反論は「今回の研究の推計が誤っている」と断定しているわけではなく、「現在の検索トラフィック計測の技術的限界そのもの」を指摘したものと理解すべきだ。この構図は、自社サイトのAI経由トラフィックを計測しようとする実務者にとっても他人事ではない。同じ限界が、多くのサイトのアクセス解析にも当てはまるからだ。

国内SEO/LLMO業界での受け止め方の予測

今回のような海外の学術研究(しかも査読前論文)は、国内のSEO/LLMO業界でも一定の関心を集めると考えられる。一方で、以下のような受け止め方の分岐が想定される。

• 数値をそのまま自社に当てはめて危機感を強める向き: 「ウィキペディアで5%減るなら自社サイトはもっと減っているはずだ」という短絡的な解釈が広がる可能性がある。しかしウィキペディアは百科事典的・網羅的な参照先という特殊な性質を持つサイトであり、業種・コンテンツ特性が異なるサイトに同じ減少率をそのまま適用するのは早計だ。
• 査読前論文である点を理由に静観する向き: プレプリント段階の研究であることを理由に、確定情報として扱わず様子見をする向きもあるだろう。ただし、Wikimedia Foundation自身のページビュー8%減というデータや、Pew Researchの実測調査など、独立した複数のデータソースが同じ方向性(AI Overviewsが外部サイトへの流入を減らす傾向)を示している点は、単一の査読前論文だけの主張ではないことを意味する。
• 計測方法論の議論自体に注目する向き: SEO/LLMO領域では近年、AI経由流入の計測手法そのものが未成熟であることが繰り返し課題視されてきた。今回のGoogleとの対立は、その計測論争の一事例として、業界内の実務者向けカンファレンスやウェビナーなどで取り上げられる可能性が高い。

いずれの立場を取るにせよ、重要なのは「ウィキペディアという特殊な事例の数字」をそのまま鵜呑みにするのではなく、自社サイトの実際のデータで検証する姿勢だ。

業種別・サイトタイプ別の実務インパクト

今回の研究結果が持つ意味合いは、サイトの性質によって濃淡がある。

辞書的・百科事典的コンテンツを持つサイト(用語集、FAQデータベース、ハウツー系メディアなど): ウィキペディアと類似した性質(単一の明快な事実・定義への回答を提供するコンテンツ)を持つサイトは、今回の研究が示した影響を最も直接的に受けやすい層だと考えられる。AI Overviewsは「〇〇とは何か」「〇〇の定義」といった質問に対して簡潔な要約回答を生成しやすく、こうした質問に答えるコンテンツほど、AI Overviews内で完結してしまい、クリックによる訪問に結びつきにくい可能性がある。

ニュースメディア: 速報性・独自取材・意見・分析といった、要約だけでは代替しきれない付加価値を提供できるコンテンツを持つニュースメディアは、辞書的サイトに比べればAI Overviewsによる直接的な代替の影響を受けにくいと考えられる。ただし、単純な事実関係の要約(「〇〇が発表した」等)にとどまる記事は、辞書的コンテンツと同様のリスクを抱える。

ECサイト: 商品スペックや基本的な使い方に関するFAQは辞書的コンテンツに近い性質を持つ一方、価格比較・在庫確認・購入手続きといった「行動」に紐づく情報はAI Overviews内で完結しにくく、最終的にはサイトへの訪問が必要になる。EC系サイトにとっては、FAQ部分の引用最適化と、購買行動に直結する情報への誘導設計を切り分けて考えることが実務上重要になる。

今すぐできる対応策

1. GA4でAI経由流入を計測するチャネル設定

自社サイトへのAI検索経由の流入を把握するには、GA4(Google Analytics 4)のカスタムチャネルグループやセグメント機能を活用する方法が現実的だ。

• GA4の管理画面から「データ設定」→「チャネルグループ」→「カスタムチャネルグループを作成」を開く
• 参照元(Source)の条件に、chatgpt.com perplexity.ai gemini.google.com copilot.microsoft.com など主要AI検索・AIチャットサービスのドメインを含むルールを追加し、「AI経由流入」という独自チャネルを定義する
• あわせて、既存の「Organic Search」チャネルのうち、Google検索由来のセッションでランディングページの直帰率・滞在時間がどう推移しているかを、AI Overviews表示が疑われる質問系クエリ(「とは」「方法」「違い」を含むページ)に絞って定点観測する
• レポートのカスタムディメンションに「参照元ドメイン」を追加し、月次でAI経由チャネルのセッション数・コンバージョン数の推移を比較できるダッシュボードを整備する

ただし、Google検索結果内でAI Overviewsが表示された上でオーガニックリンクがクリックされた場合、そのセッションはGA4上では通常の「Organic Search」として記録され、AI Overviews経由かどうかを区別する識別子は基本的に付与されない。この技術的な限界は、今回のGoogleとウィキペディア間の対立で指摘された「Google由来のリファラルを分離できない」という論点と本質的に同じ構造の問題であり、GA4の設定だけで完全に解消できるものではない点は理解しておく必要がある。

2. Search Consoleでの確認手順

Google Search Consoleでは、AI Overviewsが表示された検索についての専用レポート(生成AIパフォーマンスレポート)が提供されている。

• Search Consoleの左メニューから「検索パフォーマンス」→「生成AIでの検索パフォーマンス」(または類似の名称のレポート)を開く
• 対象クエリ・ページごとに、AI Overviewsが表示された検索でのインプレッション数・クリック数・CTRを確認する
• 通常の検索パフォーマンスレポートと並べて比較し、AI Overviewsが表示されるクエリで自社ページのCTRが相対的に低下していないかを月次でチェックする
• 特にインプレッションが増えているのにクリックが伸び悩んでいるクエリ・ページを洗い出し、そのページが辞書的・定義解説的な内容に偏っていないかを確認する

3. 引用されやすいコンテンツ構造への改善

AI Overviewsに引用されること自体は完全に避けられないとしても、引用された上でユーザーがクリックしたくなる、あるいは引用の中に自社ブランド名が明示される確率を高める工夫は可能だ。

• 定義・要約で完結しない独自の一次情報(自社調査データ、実測値、事例)をコンテンツに組み込み、AI Overviewsの要約だけでは代替できない付加価値を明示する
• FAQセクションでは、直答部分を簡潔にまとめつつ、「詳しくはこちら」という形で本文側によりリッチな情報(具体的な手順、条件による違いなど)を用意し、要約だけでは満足できない設計にする
• 構造化データ(FAQPage、Article、HowToなど)を実装し、質問と回答の対応関係を機械可読な形で明示する。以下はFAQPageの実装例である。

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "AI Overviewsによるウィキペディアの流入減少とはどのような研究結果ですか?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "ワシントン大学の研究者による査読前論文が、Google AI Overviewsの登場によりウィキペディアへの月間検索リファラルが約5%減少したと推計した結果です。年間では約12億回分の減少に相当するとされています。"
      }
    },
    {
      "@type": "Question",
      "name": "この研究結果は自社サイトにも当てはまりますか?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "ウィキペディアは百科事典的な性質を持つ特殊なサイトであり、同じ減少率がそのまま当てはまるとは限りません。自社のアクセス解析データで実際の傾向を確認することが推奨されます。"
      }
    }
  ]
}

• ブランド名・サービス名を本文中で自然に繰り返し明示し、AI Overviewsの生成回答内に固有名詞として引用される確率を高める(本サイトが既報の「Wikipedia立項をAI SEOに活用する方法【2026年版】」で扱った「ブランドメンション」の考え方と同様の発想)

4. クリックに依存しない指標もあわせて追跡する

本サイトが既報の「ゼロクリック検索でも収益化できるブランド想起戦略の全手順」で整理した通り、AI Overviews内での言及・引用自体は、クリックに直結しなくても指名検索や直接流入、ブランド想起という形で間接的な価値を生む可能性がある。クリック数だけを成果指標にするのではなく、指名検索数の推移、直接流入(Direct)の推移もあわせてトラッキングし、複合的にAI検索時代の成果を評価する体制を整えることが望ましい。

• GA4でAI経由流入チャネルを定義し、月次でセッション数・コンバージョン率を記録する
• Search Consoleの生成AIパフォーマンスレポートで、AI Overviews表示クエリのインプレッション・CTRを定点観測する
• 定義・要約系ページと、独自データ・行動誘導系ページを区別し、それぞれ異なるKPI(前者は引用・言及数、後者はクリック・コンバージョン)で評価する
• FAQPage等の構造化データを主要ページに実装する
• 指名検索数・直接流入数を四半期ごとにレビューし、クリック数の増減だけでは見えないブランド想起の変化を把握する

よくある質問

Q1. 今回の研究は何を明らかにしたのですか?

ワシントン大学の研究者による論文が、Google AI Overviewsの登場によりウィキペディアへの月間検索リファラルが約5%減少したと推計しました。

ドイツ語版との比較で5.45%減、フランス語版との比較で4.82%減という2つの推計値が示されており、これらを丸めて「約5%」と表現されています。年間では約12億回分のリファラル減少に相当するとされ、より広いトラフィック指標を用いた分析では、日次トラフィックが約15%減少するというさらに大きな影響も報告されています。

Q2. この研究はどのような手法で行われましたか?

Poisson擬似最尤法による差分の差分(difference-in-differences)モデルを用い、AI Overviewsが提供された英語版ウィキペディアと、提供されていないドイツ語版・フランス語版ウィキペディアの月次検索リファラルデータを比較する手法が採られました。

同一トピックを扱う言語間のマッチ記事ペア(英独499,927件、英仏530,873件)を対象に、2023年12月から2024年12月までの13カ月間のデータを分析しています。

Q3. この論文は査読済みの正式な研究ですか?

いいえ、査読を経ていない査読前論文(プレプリント)です。

arXiv:2602.18455として公開されており、2026年9月2日にv6として最終更新されています。査読前であることは、結果の信頼性を否定するものではありませんが、今後の査読プロセスで修正・反証が生じる可能性がある点は留保として理解しておく必要があります。

Q4. Googleはこの研究結果についてどう反論していますか?

Googleは、この分析ではGoogle検索に特有のリファラルを他の検索エンジンから分離できていないこと、複数の外部検索エンジンを統合したデータセットを扱っていることの限界があると主張しています。

この反論は、研究の推計そのものが誤りだと断定するものではなく、測定手法上の技術的な限界を指摘するものです。同様の限界は、多くのサイト運営者が自社のアクセス解析でAI経由流入を計測しようとする際にも共通して直面する課題です。

Q5. ウィキペディア以外のデータでも同様の傾向は確認されていますか?

はい。Wikimedia Foundationが2025年10月17日に公表したデータでは、全言語版ウィキペディアの人間ページビューが前年同期比で8%減少したことが示されています。

また、Pew Research Centerが2025年7月に発表した実測調査(米国成人900人、Google検索68,879件を追跡)では、AI要約が表示された検索でのクリック率が8%(AI要約なしでは15%)、AI要約ページでの離脱率が26%(通常結果では16%)、AI Overview内のソースリンクのクリック率がわずか1%という結果が示されています。いずれもGoogle AI Overviewsの登場が外部サイトへの流入を減らす方向の傾向を示している点で、今回のワシントン大学の研究と方向性が一致しています。

Q6. ウィキペディアは「AIに引用されやすいサイト」として評価されてきたのではないですか?

その通りで、Forbes JAPANが報じた2025年のAI引用サイトランキングでもウィキペディアは1位とされてきました。

しかし「AIに引用される回数が多いこと」と「引用された結果、実際にサイトへのアクセスが増えること」は別の指標です。今回の研究は、ウィキペディアが引用回数では高い評価を得ながら、実際のトラフィックでは減少傾向にあるという、両者の乖離を裏付けるものと位置づけられます。

Q7. 自社サイトへの影響はどう考えればよいですか?

ウィキペディアは百科事典的・網羅的な参照先という特殊な性質を持つサイトであり、同じ減少率がそのまま自社サイトに当てはまるとは限りません。

特に「〇〇とは何か」といった定義・要約型のコンテンツを多く持つサイトほど、今回の研究が示すような影響を受けやすいと考えられます。一方、独自データや行動誘導(購入・予約・比較)に直結する情報を提供するページは、相対的に影響を受けにくい可能性があります。自社のGA4・Search Consoleデータで実際の傾向を確認することが不可欠です。

Q8. GA4やSearch ConsoleでAI経由の影響をどう確認すればよいですか?

GA4ではカスタムチャネルグループで主要AI検索サービスのドメインからの流入を独自チャネルとして定義し、月次でセッション数・コンバージョンを追跡する方法が現実的です。

Search Consoleでは「生成AIでの検索パフォーマンス」レポートを用いて、AI Overviewsが表示されたクエリのインプレッション・クリック・CTRの推移を確認できます。ただし、Google検索結果内でAI Overviewsが表示された後にオーガニックリンクがクリックされた場合、GA4上は通常のOrganic Searchとして記録されるため、完全な切り分けはできない点に留意が必要です。

Q9. この研究結果を受けて、コンテンツ制作で何を変えるべきですか?

定義・要約だけで完結しない独自の一次情報を盛り込み、FAQPage等の構造化データを実装して質問と回答の対応関係を明示することが有効な対応策です。

あわせて、クリック数だけでなく指名検索数・直接流入数などの間接指標もあわせて追跡し、AI Overviews内での引用・言及がもたらすブランド想起の価値を複合的に評価する体制を整えることが推奨されます。

Q10. 今後、Googleとウィキペディア側の計測論争はどう推移すると考えられますか?

現時点では、双方が異なる方法論に基づく主張を続けており、決着がついたとは言えない状況です。

査読前論文である今回の研究が正式な査読を経てどう評価されるか、またWikimedia Foundationやその他の第三者機関が追加のデータを公表するかによって、今後の議論の方向性が変わる可能性があります。SEO/LLMO業界としては、単一の研究結果や一方の主張だけに依存せず、複数のデータソースが示す方向性の一致に注目しつつ、自社データによる検証を継続することが引き続き重要です。

関連記事

• LLMOとは？AI検索対策の5要素と30日プラン【2026年完全ガイド】
• AI検索最適化(AISO/GEO)完全ガイド
• AI流入に強いサイト構造とは？noteが期待値4倍・Wikipedia失速の実測分析2026
• Wikipedia立項をAI SEOに活用する方法【2026年版】
• ゼロクリック検索でも収益化できるブランド想起戦略の全手順
• ゼロクリック ディスプレイスメント率とは？AI検索時代の新指標と計測方法
• 用語集: LLMO
• 用語集: AIO(AI Optimization)
• 用語集: GEO(Generative Engine Optimization)
• 用語集: グラウンディング(grounding)