Rankability調査、AI引用の重複率は最大24.1%——31トピック分析で判明

Rankability調査、AI引用の重複率は最大24.1%——31トピック分析で「単一プラットフォーム監視」の限界が浮き彫りに

要点: AI可視性・SEOソフトウェア企業Rankabilityが2026年9月17日、31トピック・1,645件のAIクエリ観測・916件の従来検索観測を対象にした調査結果を発表した。AIプラットフォーム間で最も引用が重複していたペア(Brave AIとClaude)でも重複率はわずか24.1%にとどまり、従来検索の1〜3位ページは98.9%がAIに何らかの形で引用される一方、従来検索上位10位のうちAI上位10引用にも登場したのは44.8%にとどまった。

複数クエリで引用されたページはトップ10AI引用率43.3%、単一クエリのみのページは15.5%と、複数クエリ・広いトピックカバレッジを持つコンテンツほどAIに引用されやすいという傾向も示された。Rankability自身は「これは31トピックの観測スナップショットであり、AI挙動の普遍的モデルでも将来予測でもない」と留保を明示している。

最終更新日: 2026年9月18日

---

何が起きたのか

Rankabilityとは何か

Rankabilityは2024年に創業されたAI可視性・SEOソフトウェア企業で、米ミズーリ州セントルイスを拠点としている。同社は主にマーケティング代理店向けに、AI検索(生成AI検索エンジン)と従来の検索エンジンの両方を横断してブランド・ページの可視性を追跡するツール「Rankability Tracker」を提供している。AI Overviews・AI Modeの登場以降、SEO代理店の間では「クライアントのサイトがAIの回答内でどの程度引用されているか」を可視化するニーズが急速に高まっており、Rankabilityはこの領域に特化したベンダーの一つとして位置づけられる。

2026年9月17日、Rankabilityはプレスリリース配信サービスFinanzwireを通じて、AI検索プラットフォーム間の「引用ダイバージェンス(citation divergence、引用の乖離)」に関する調査結果を発表した。プレスリリースのタイトルは「Rankability Study Finds AI Search Platforms Show 76% Citation Divergence Across 31-Topic Analysis」であり、調査結果の詳細はRankability自身のブログ記事「35 AI citation statistics plus four search-demand shifts」にも掲載されている。

調査の方法論

今回の調査は、2026年8月を観測期間とするスナップショット調査である。Rankabilityは31のトピックを選定し、各トピックについてAI検索プラットフォームが実際にどのページを引用しているかを収集した。対象となったAIプラットフォームは、Claude、DeepSeek、Gemini、Meta AI、Microsoft Copilot、Perplexity、Brave AI、Grok、ChatGPT、Google AI Overviews、Google AI Modeであり、Google AI OverviewsとAI Modeを合わせて計10プラットフォームとして扱われている。

収集されたAI引用の観測数は、クエリとページの組み合わせ(query-page observations)で1,645件に達した。これと比較する形で、従来のGoogle検索(オーガニック検索)における順位も916件分収集されている。従来検索の順位データは、Rankability Trackerが持つ「クロスエンジン従来検索エビデンス(cross-engine traditional search evidence)」という仕組みに基づいて取得された。

手法としては、AIに引用された各ページを実際にクロールし、見出し構成・タイトルタグ・本文の内容・内部/外部リンク構造・権威性(著者情報やドメインの信頼性など)・ページ構造・コンテンツの鮮度(更新日時など)といった特性をテストする、という形が取られている。プラットフォーム間・従来検索とAI検索の間でページを比較する際には、URLを正規化(トラッキングパラメータの除去や末尾スラッシュの統一など)した上で突き合わせが行われた。

調査の概要を整理すると、以下のようになる。

主要な数値結果

今回の調査で示された数値のうち、最も注目すべきは「AIプラットフォーム間での引用の重複率がきわめて低い」という点だ。31トピックの分析全体を通じて、どのAIプラットフォームのペアを取っても、引用したページの重複率が24.1%を超えることはなかった。最も重複度が高かったペアはBrave AIとClaudeの組み合わせだったが、それでも重複率はわずか24.1%にとどまっている。これは裏を返せば、10プラットフォームのうちどの2つを比較しても、引用されているページの4分の3以上は一致していない、ということを意味する。Rankabilityはこの結果について、単一プラットフォームだけをAI可視性のモニタリング対象にしている代理店・事業者は、観測される引用の多様性(ダイバーシティ)の4分の3を見逃している可能性がある、と解釈を示している。

次に注目すべきは、従来検索の順位とAI引用の関係だ。従来検索(Google検索)の1〜3位にランクされているページは、AIによって「どこかしらの形で」引用される割合が98.9%に達した。これは、従来検索で最上位に位置するページであれば、少なくとも何らかのAIプラットフォームに引用される可能性が極めて高いことを示している。

ところが、より厳密な条件で見ると様相が変わる。従来検索の上位10位に入っているページのうち、AIの上位10引用にも登場したのはわずか44.8%だった。逆に言えば、AI上位10引用のうち55.2%は、対応する従来検索の上位10位には一切登場していなかった。つまり、従来のSEOで上位表示を獲得しているページの半分以上が、対応するAI検索の主要な引用リストには入っておらず、逆にAIが引用しているページの過半数は、従来検索の上位10位という枠組みの外側から来ている、という非対称な関係が明らかになった。

さらに、どのようなページがAIに引用されやすいかについても、示唆に富む結果が示された。複数のクエリにまたがって引用されたページは、43.3%というトップ10AI引用率を達成した。これに対し、単一のクエリでしか引用されなかったページのトップ10AI引用率は15.5%にとどまっており、複数クエリでの引用実績を持つページの方が、AIの上位引用に選ばれやすい傾向が示された形になる。

同様の傾向は、トピックカバレッジの広さについても確認された。幅広いサブトピックを扱うコンテンツ(トピックカバレッジが高いコンテンツ)は27.6%のトップ10AI引用率を持ち、特定の狭いテーマしか扱っていないカバレッジが低いコンテンツ(14.5%)のおよそ2倍の引用率を記録している。

Rankability自身が示す留保

今回の調査結果を扱う上で欠かせないのが、Rankability自身が公式に明示している留保だ。同社は、この調査結果があくまで31トピックにわたる観測スナップショットであり、AI挙動の普遍的なモデルを示すものではない、と明言している。また、プラットフォームごとのサンプルサイズは異なっており、今回の結果が将来のプラットフォーム挙動を予測するものでもなければ、AIのランキングシグナルについて因果関係を主張するものでもない、とも述べている。

この留保は実務上重要な意味を持つ。今回示された「24.1%」「98.9%」「44.8%」「55.2%」「43.3%」「15.5%」「27.6%」「14.5%」といった数値は、いずれも2026年8月の一時点における31トピック分の観測に基づくものであり、すべてのトピック・すべてのクエリ・すべての業種に一律に当てはまる普遍的な法則として断定できるものではない。あくまで「この時点でのスナップショットとして、AIプラットフォーム間の引用にはこれだけの乖離が観測された」という事実として受け止め、過度に一般化しないことが求められる。

---

aiseo-llmo.com ユーザーへの影響

単一プラットフォーム監視のリスクが具体的な数値で裏付けられた

これまで「AI検索プラットフォームごとに引用結果が異なるらしい」という感覚的な認識は、AI可視性を扱う実務者の間で共有されつつあった。しかし今回のRankability調査は、その感覚を「最も重複度が高いペアでも24.1%」という具体的な数値に落とし込んだ点に価値がある。ChatGPTだけ、Perplexityだけ、あるいはGoogle AI Overviewsだけをモニタリング対象にしている事業者・代理店にとって、この数値は看過できない警告になる。単一プラットフォームの監視だけでは、実際にAI検索経由で自社サイトが引用されている・されていない実態の、ごく一部しか捉えられていない可能性が高いということだ。

とりわけ、社内やクライアントへの報告で「AI検索での自社露出」を単一のツール・単一のプラットフォームの数値だけで語っている場合、その報告は実態全体のうちわずかな断面しか反映していないおそれがある。10プラットフォームのうちどの2つを比較しても重複が24.1%を超えないという事実は、モニタリング対象のプラットフォーム数を増やせば増やすほど、これまで見えていなかった引用機会・引用の失敗を新たに発見できる可能性が高いことを示唆している。

従来SEOとAI引用の乖離という潮流をさらに大規模データで裏付け

この論点は、当サイトが2026年7月7日に報じた「SERP上位10位とAI引用の重複が76%から38%へ急落」という既報の延長線上にある。7月の記事では、従来検索の上位10位とAI引用の重複率が短期間で大きく下落したという潮流が示されていた。今回のRankability調査が示した「従来検索上位10位のうちAI上位10引用にも登場したのはわずか44.8%」という数値は、対象トピック・対象期間こそ異なるものの、同じ潮流——従来のSEO順位とAI検索での引用は必ずしも一致しない——を、31トピック・10プラットフォームという、より広範囲かつ大規模なデータによって改めて裏付けるものと位置づけられる。単発の調査結果ではなく、複数の独立した調査が同じ方向性の結論に到達しているという事実は、この乖離傾向が一時的なノイズではなく、構造的な現象であることの信頼性を高める。

同様に、2026年7月9日に報じた「CiteLensの調査:単一のAI SEOは存在しない」という既報とも密接に関連する。CiteLensの調査では、プラットフォームごとに引用ロジックが分岐しており、「単一のAI SEO」という発想自体が成立しないと報じられていた。今回のRankability調査が示した「プラットフォーム間の引用重複率は最大でも24.1%」という数値は、このプラットフォーム間の分岐傾向を、より広範囲(10プラットフォーム×31トピック)のデータで再確認するものだ。CiteLensの調査が定性的に示していた「プラットフォームごとにロジックが違う」という主張に対し、今回の調査は「では実際にどれくらい重複しないのか」という定量的な裏付けを与えた形になる。

なぜ従来SEO順位とAI引用がこれほど乖離するのか

今回の調査結果を読み解く上で重要なのは、「従来検索の1〜3位はほぼ確実にAIに引用される(98.9%)」にもかかわらず、「従来検索の上位10位全体で見るとAI上位10引用との一致率は44.8%まで下がる」という、一見矛盾するように見える2つの数値の関係だ。これは、AI検索が引用元を選ぶ際に、従来検索の順位を強く参照しているのは「最上位のごく一部のページ」に限られており、4位以下になると従来検索の順位とAIの引用判断はかなり独立して動いている、と解釈できる。言い換えれば、AI検索エンジンは従来検索の順位情報を完全に無視しているわけではないが、単純に「上位10位のページをそのまま引用リストとして採用する」という単純なロジックでもない、ということだ。複数クエリでの引用実績・トピックカバレッジの広さといった、従来のSEO順位とは別の要因が、AIの引用選定に独自の影響を与えていることが、今回の調査結果からうかがえる。

業種別の実務インパクト

BtoB・専門性の高い業種: 専門用語や技術的なトピックを扱うBtoB企業のサイトでは、幅広いサブトピックを扱うコンテンツ(トピックカバレッジが高いコンテンツ)ほどAIに引用されやすいという今回の知見が特に重要になる。単一のキーワードに特化した薄いページを量産するよりも、関連するサブトピックを網羅的にカバーする構成の方が、AI引用の観点では有利に働く可能性が高い。

BtoC・比較検討系のコンテンツ: 商品比較・サービス比較のような、複数のクエリバリエーションで検索されやすいコンテンツを持つ業種では、「複数クエリで引用されたページはトップ10AI引用率43.3%」という知見が実務に直結する。1つの記事が複数の関連クエリで引用される構造を意図的に設計できれば、AI引用の機会を増やせる可能性がある。

ローカルビジネス・ニッチ業種: 扱うトピックの絶対数が少ない業種では、31トピックというサンプルサイズの調査結果をそのまま自社の業界に当てはめることには慎重であるべきだ。Rankability自身も述べている通り、これは普遍的なモデルではなくスナップショットである。自社の業界特有のクエリでAI引用がどう動いているかは、別途独自にモニタリングする必要がある。

サイト規模別の実務インパクト

大規模サイト・多数のページを抱えるサイトでは、複数プラットフォームを横断したモニタリング体制を構築する際に、プラットフォーム数が増えるほど収集・分析すべきデータ量も増大するという運用上の課題が生じる。一方、中小規模サイトでは、そもそも従来検索での上位表示自体が難しい場合、今回の「従来検索1〜3位は98.9%がAIに引用される」という数値を踏まえ、まずは従来検索での上位表示を狙う戦略が、AI引用の獲得においても引き続き有効な土台になりうることを示唆している。

代理店・複数クライアント運用者への影響

複数クライアントのAI可視性を横断的に管理する代理店にとって、今回の調査結果は運用体制の見直しを迫るものになりうる。単一プラットフォームのトラッキングツールだけを使ってクライアントに報告している場合、その報告は実態のごく一部しか反映していない可能性がある。Rankabilityのようなマルチプラットフォーム対応の可視性ツールが登場している背景には、まさにこうした「単一プラットフォーム監視では不十分」という市場側のニーズがあると考えられる。

---

今すぐできる対応策

1. モニタリング対象プラットフォームを複数に拡張する

現在ChatGPTやPerplexityなど特定の1〜2プラットフォームだけをモニタリングしている場合、対象を拡張することを検討したい。具体的な手順は以下の通り。

1. 現在モニタリングしているAIプラットフォームを棚卸しし、対象外になっているプラットフォーム(Claude、Gemini、Copilot、Brave AI、Grok、DeepSeek、Meta AI、Google AI Mode等)をリストアップする
2. 自社の主要ターゲット顧客層がどのAIプラットフォームを実際に利用しているかを、可能な範囲で調査・推定する
3. 優先度の高いプラットフォームから順に、手動でのプロンプトテスト(自社の主要クエリを各プラットフォームに投げて引用有無を確認する)を定期的に実施する
4. 予算が許せば、複数プラットフォームを横断的にトラッキングできるツール(Rankability Trackerのような専用サービスを含む)の導入を検討する

2. トピッククラスター設計に「カバレッジ」の視点を組み込む

今回の調査で「トピックカバレッジが高いコンテンツはトップ10AI引用率27.6%、低いコンテンツは14.5%」という結果が示されたことを踏まえ、コンテンツ設計の段階から意識的にカバレッジを広げる工夫が有効だ。

1. 主要テーマについて、想定されるサブトピックを洗い出し、マインドマップやトピッククラスター図として整理する
2. 単一の記事内で、関連するサブトピックをできるだけ網羅的に扱う構成に組み替える(薄い記事を分割して量産するのではなく、まとまった網羅性のある記事に統合する方向性を優先する)
3. 既存記事の中から、トピックカバレッジが狭いと思われる記事を洗い出し、関連するサブトピックの追加・加筆を検討する
4. 新規コンテンツの企画時には、「このテーマに関連する質問・サブトピックを何種類カバーできているか」をチェック項目として組み込む

3. 複数クエリでの引用獲得を狙うコンテンツ設計

「複数クエリで引用されたページはトップ10AI引用率43.3%、単一クエリのみは15.5%」という結果を踏まえ、1本のコンテンツが複数の関連クエリに応答できる構造を意図的に設計することが有効だ。

1. ターゲットとするメインクエリだけでなく、そのクエリに関連するロングテールクエリ・言い換えクエリを洗い出す
2. 洗い出した複数のクエリに対して、それぞれ明確に回答できる見出し構成(H2・H3)をコンテンツ内に用意する
3. FAQ形式のセクションを設け、想定される関連質問に対して個別に簡潔な回答を用意する
4. 公開後、実際にどのクエリでAIに引用されているかを、プロンプトテストや可視性ツールで定期的に確認し、カバーできていないクエリがあれば追記する

4. モニタリングツール選定における考え方

今回の調査結果を踏まえると、AI可視性モニタリングツールを選定する際には、以下のような観点を持つことが望ましい。

1. 対応しているAIプラットフォームの数と種類を確認する。単一プラットフォームのみ対応のツールは、今回示された「重複率24.1%以下」という現実を踏まえると、視野が狭くなりやすい
2. 従来検索の順位データとAI引用データを突き合わせて比較できる機能があるかを確認する。今回のRankabilityの調査自体、この突き合わせによって「44.8%」という数値を導き出している
3. クエリ単位・ページ単位での引用履歴を蓄積できるか(単発のスナップショットだけでなく、時系列でのトレンドを追えるか)を確認する
4. ツール導入前に、無料トライアルや限定的な範囲での試験導入を行い、自社の主要クエリ・主要ページでの実際の検出精度を検証する

5. モニタリング頻度と体制の見直し

AI検索プラットフォームの引用ロジックは変化が速いと考えられるため、モニタリングを一度きりの調査で終わらせず、継続的な運用に組み込むことが重要だ。月次でのプラットフォーム横断チェック、四半期ごとのトピックカバレッジ見直し、といった形で定期的なサイクルを設計し、社内の担当者・代理店の運用フローに組み込んでおくことを推奨する。

6. クライアント・社内向け報告テンプレートの見直し

代理店・複数クライアントを抱える運用者は、報告テンプレートに「モニタリング対象プラットフォームの一覧」「対象外プラットフォームでの推定リスク」を明記する項目を追加することを検討したい。単一プラットフォームの数値だけを報告している場合、今回の調査結果(重複率が最大でも24.1%)を踏まえ、その数値が実態の一部でしかない可能性をあらかじめ関係者と共有しておくことが、後々の認識ギャップを防ぐ。

---

よくある質問

Q1. Rankabilityとはどのような企業か?

2024年創業のAI可視性・SEOソフトウェア企業で、米ミズーリ州セントルイスを拠点とする。代理店向けにAI検索と従来検索を横断した可視性追跡ツール「Rankability Tracker」を提供している。

Q2. 今回の調査はいつ・どの範囲を対象にしたものか?

2026年8月を観測期間とするスナップショット調査で、31トピックを対象にしている。AI引用の観測数は1,645件(query-page observations)、従来検索の観測数は916件だった。

Q3. AIプラットフォーム間の引用重複率はどの程度だったのか?

最も重複度が高かったBrave AIとClaudeのペアでも重複率はわずか24.1%にとどまり、31トピック全体を通じてどのプラットフォームのペアも24.1%を超えることはなかった。単一プラットフォームだけの監視では、引用の多様性の大部分を見逃す可能性がある。

Q4. 従来検索の順位とAI引用の関係はどうなっているのか?

従来検索1〜3位のページは98.9%が何らかの形でAIに引用される一方、従来検索上位10位のうちAI上位10引用にも登場したのは44.8%にとどまった。逆にAI上位10引用の55.2%は従来検索上位10位に入っていなかった。

Q5. どのようなページがAIに引用されやすいのか?

複数クエリで引用されたページはトップ10AI引用率43.3%(単一クエリのみは15.5%)、トピックカバレッジが高いコンテンツはトップ10AI引用率27.6%(低いコンテンツは14.5%)と、複数クエリ対応・広いカバレッジを持つコンテンツが有利な傾向が示された。

Q6. この調査結果はどこまで信頼できるのか?

Rankability自身が、31トピックの観測スナップショットであり、AI挙動の普遍的モデルでも将来予測でもなく、因果関係を主張するものでもないと明言している。プラットフォームごとのサンプルサイズも異なるため、この点を踏まえた上で参考情報として扱うべきである。

Q7. 過去の既報とはどう関係しているのか?

2026年7月7日既報の「SERP上位10位とAI引用の重複率が76%から38%へ急落」という潮流を、より大規模なデータ(31トピック・10プラットフォーム)で裏付けるものと位置づけられる。また7月9日既報のCiteLens調査が示した「プラットフォームごとに引用ロジックが分岐する」という傾向を、定量的に再確認する結果でもある。

Q8. 単一のAI検索プラットフォームだけをモニタリングしていると、どのようなリスクがあるのか?

今回の調査によれば、どのプラットフォームペアでも引用重複は最大24.1%にとどまるため、単一プラットフォームの監視では、他のプラットフォームで発生している引用機会・引用の失敗の大部分を把握できない可能性が高い。

Q9. 中小規模のサイトやニッチ業種でも、この調査結果はそのまま当てはまるのか?

調査対象は31トピックというサンプルであり、業種・トピックによって傾向が異なる可能性がある。Rankability自身も普遍的モデルではないと明言しているため、自社の業界特有のクエリでの傾向は、別途独自にモニタリングして確認する必要がある。

Q10. 実務担当者が今すぐ着手できることは何か?

モニタリング対象のAIプラットフォームを複数に拡張すること、トピッククラスター設計にカバレッジの視点を組み込むこと、複数クエリでの引用獲得を意識したコンテンツ構成にすること、そしてクライアント・社内への報告テンプレートに「単一プラットフォームの数値は実態の一部にすぎない」という前提を明記することが、今すぐ着手できる対応策となる。

---

関連記事

ピラー記事

• LLMOとは何か:AI検索最適化の完全ガイド — LLMOの基本概念からGEO・AIOとの関係まで体系的に解説した入門〜実践ガイド
• AI検索最適化ガイド — Google・Perplexity・ChatGPT検索を横断したAI検索最適化の全体戦略

クラスター記事

• SERP上位10位とAI引用の重複が76%から38%へ急落(2026年7月7日既報) — 今回のRankability調査が裏付ける乖離潮流の先行事例
• CiteLensの調査:単一のAI SEOは存在しない(2026年7月9日既報) — プラットフォーム間の引用ロジック分岐を報じた既報
• 掲載順位メトリクス計測ガイド — AI検索における掲載順位指標の計測方法
• LLM監視ツール比較2026 — マルチプラットフォーム監視ツールの選定に役立つ比較記事
• 8つのAIエンジンを毎日プロンプト監視するセットアップ — 複数プラットフォーム監視の具体的な運用方法
• AI引用のコンセンサスシグナルを活用したクロスプラットフォーム戦略 — 複数プラットフォームでの一致・不一致を戦略に活かす考え方

用語集

• GEO(Generative Engine Optimization)とは — 生成AI検索エンジン最適化の基本概念
• LLMOとは — LLM最適化の基本定義
• AIO(AI Optimization)とは — AI最適化の基本概念
• Perplexityとは — AI検索エンジンPerplexityの基本情報
• ChatGPT検索とは — ChatGPTの検索機能の仕組み
• グラウンディング(Grounding)とは — AIが外部情報を参照する仕組みの基本概念
• ChatGPT検索リーク発覚、内部に「69の検索エンジン」実在と判明