AI Search

FAQと構造化データ、同じサイトの中ではAIの引用数に差が出なかった

このブログの記事には、FAQを構造化データとして入れています。AI検索に引用されやすくなると言われているからですが、効いているのかは確かめていませんでした。ちょうどChatGPT・Gemini・Perplexityの回答を90日分集めて、どんなページが引用されるのかを調べた論文が出ていたので、図表の数字を追いながら読んでみます。

2026.11.05 公開読むのに約 7分約 4,000字
この記事の内容
  1. どう調べたか
  2. FAQの効果
  3. 質問と合っているか
  4. ページの作りで決まるか
  5. ChatGPTの検索語
  6. 補足:3つのエンジン
  7. このブログでは

トロント大学のMahe Chen氏とNick Koudas氏による「What Drives AI Citations?」(arXiv:2610.15033)を読みました。2026年10月に出たばかりで、まだ査読は通っていません。

本文は英語で11ページあり図表が多いので、主な図はこちらで作り直して掲載しています。

このブログでは以前、2024年のGEO論文をもとに数字の隣に出典を配置する書き方も紹介しています。

GEO論文は条件をそろえて書き方を比べる実験でしたが、今回の論文は実際のエンジンが何を引用しているかを外から数えたもので、AI検索向けの施策を考えるならこちらのほうが手元の判断に近い材料になりそうです。

どう調べたか

著者らがやったことはわりと地道で、米国の光回線の事業者向けに作った651問を3つのエンジンのAPIに毎日1回ずつ送り、返ってきた回答と引用されたページを90日間記録し続けました(2026年6月24日〜9月21日)。

建設業向けの提案書ソフトという別の市場でも55問で同様の計測をしていて、回答は合わせて158,099件、引用は468,037件になります。

  • ChatGPT

    APIのGPT-5.4 nano(Web検索のツールあり)

  • Gemini

    Gemini 3.1 Flash Lite(Google検索のグラウンディングあり)

  • Perplexity

    Sonar

使われたモデルは上記のとおりです。ここでいうChatGPTはふだんアプリで話しかけるものとは少し違い、APIから呼んだ小さめのモデルなので、以下の数字もその前提で読んでください。

質問のほうは、著者らが運営する監視サービスの利用組織向けに作ったもので、実際の利用者の検索記録から抜いたものとは違うそうです。英語と米国の市場だけなので、日本語の検索で同じ結果になるかも分かりません。

比べ方に一つ工夫があって、個人的にはこの工夫がこの論文の肝だと思っています。

よく引用されるサイトはドメインとしてもともと強いうえに、FAQや構造化データも整えていることが多く、サイトどうしを比べるとサイトの強さと施策の効き目が混ざってしまいます。そこで著者らは、同じサイトの中のページどうし(within-website)でも比べています。

FAQの効果

施策があるページは、引用が何%多かったか

0+10%+20%
FAQのブロック
+18.1% → −3.4%
要約ボックス
+20.9% → +6.9%
著者の表示
+14.9% → −4.6%
構造化データ
+7.5% → −5.3%
表示が速い(1SD)
+11.7% → −1.1%
サイトをまたいで比べた場合同じサイトの中で比べた場合
施策ごとの、引用の増え方(arXiv:2610.15033、Figure 1の値をもとに作図)。

灰色の点がサイトをまたいで比べたときの値で、5つの施策はどれも引用を7.5〜20.9%増やしているように見え、いずれも統計的に有意になっています。ここまではよく言われている話とだいたい合っています。

ところが黒い点、つまり同じサイトの中で比べた値を見ると、様子がまるで違う。FAQは+18.1%だったものが−3.4%です。

5つのうち4つはプラスとマイナスが入れ替わっており、有意な差が残った施策は1つもありません。

効果が少し弱まるくらいであれば想定の範囲でしたが、まさか符号まで反転するとは考えていませんでした。

この現象について、論文はこう説明しています。FAQのブロックは引用の多い上位四分の一のサイトでは43%のページにあるのに、下位四分の一では23%しかありません。著者らによれば、施策はもともと別の理由で強いサイトに集まっており、サイトをまたいだ比較では施策の効果にサイト自体の強さまで上乗せして数えてしまっていたとのことです。これは統計でいうシンプソンのパラドックスの一例にあたります。

ただしこれは相関であり、FAQを外したら引用がどう変わるか、という実験まではしていません。

質問と合っているか

同じサイトの中で比べても効果が残った特徴は1つだけで、ページのタイトルと段落がユーザーの質問にどれだけ意味的に合っているか、つまりクエリとの一致度です。

質問に一番合う段落の一致度が標準偏差1つぶん高いと引用は15.5%多くなり、タイトルでは14.1%です。著者らが用意した5つの頑健性チェックも、どちらも通っています。

事業者自身のサイトを除いて第三者のサイトのページだけに絞ると、効果は25.7%と23.6%まで大きくなります。

一番合う段落がページのどこにあるかも数えられていて、この分析はおもしろかったです。

ページの長さで見ると中央値は45%あたりでだいたい真ん中に位置しており、冒頭の四分の一に入っていたのは32%でした。

結論は冒頭に書けとよく言われますが、エンジンのほうはページの真ん中あたりまでちゃんと読みに行っているみたいですね。

ページの作りで決まるか

同じサイトの中で、ページごとの引用数の違いを説明できた割合(ChatGPT)

リトリーバルの結果
32%
ページの特徴(全部合わせて)
2.8%
ページの特徴は、FAQ・構造化データ・要約・著者・表示速度・クエリとの一致度などを全部合わせた値。リトリーバルの結果は、著者らが質問をAPIでリプレイして記録したもの(arXiv:2610.15033、Table 3)。

では引用の差をページの特徴でどのくらい説明できるかというと、ほとんど説明できません。

同じサイトの中のページごとの引用数の違い(分散)を、FAQや構造化データ、クエリとの一致度など、on-pageの特徴を全部まとめて説明できたのは、ChatGPTで2.8%にとどまります。

たまたまのばらつきで説明できるものでもなさそうです。同じページの引用数を奇数日と偶数日に分けて数えると、両者の相関は0.82にもなりました。毎回ほぼ共通のページが引用されているにもかかわらず、その理由がページの特徴には表れていないのです。

代わりに説明できたのが、エンジン自身の検索(リトリーバル)の結果です。著者らは質問をAPIでリプレイして、ChatGPTが裏で投げたクエリと取得したページを記録しており、この記録だけで引用数の違いの32%を説明できています(95%信頼区間は24〜42%)。

上の図を見ると、ページの特徴の棒とは10倍以上の開きがあります。

ChatGPTの検索語

ChatGPTの検索で、その順位にあったページが引用された割合

1位
43.8%
2位
35.5%
6〜10位
12.2%
11〜20位
3.5%
ここでいう順位は、ChatGPTが自分で検索したときの順位で、GoogleやBingの順位とは違う(arXiv:2610.15033、Table 3)。

ChatGPTは1つの質問につき平均26ページを見て、そのうち3ページを引用しています。自分の検索で上位に来たページほどよく引用されており、1位のページは43.8%が引用されるのに対し、11〜20位まで下がると3.5%です。

気になるのはそのクエリの中身で、Googleの検索とはだいぶ別物のようです。

ChatGPTは質問をだいたい4つくらいのキーワード型のクエリに分解して(いわゆるquery fan-out)、23%のクエリには今年の年号を、28%には質問に出てこないブランド名を足しています。取得したページの97%は、同じクエリでのGoogleの上位50位に入っていなかったそうです。

しかも回答のたびにクエリを作り直すため、同じ日に同じ質問を2回投げても、クエリの重なり(Jaccard係数)は2.7%しかありません。

ほぼ毎回別の言葉で検索し直しているわけで、Googleの順位表を眺めていても、ChatGPTに拾われるかどうかはまず見えてこないと思います。

もう1つ、モデルがもともと覚えている知識もかなり効いています。ChatGPTは事前知識にあるブランドなら67%の割合でブランド名をクエリに入れますが、知らないブランドだと11%に下がります。引用の47%は、検索を使わなくてもモデルが名前を挙げるサイトから来ています。

質問に無いブランドを挙げたときの46%は、引用したページのどこにも裏付けがなかったそうです。これはちょっと怖い数字だと思います。

補足:3つのエンジン

3つのエンジンの違いも表にしておきます。Perplexityは95.8%の回答で1つも引用していないため、引用を数える話にはほとんど出てきません。

比べたものChatGPTGeminiPerplexity
一つの回答で引用したページの数2.010.10.3
引用が一つも無い回答30.8%15.6%95.8%
ブランドのサイトへの引用64.3%16.8%6.8%
三つのエンジンが同じ日に答えた分だけで比べた値(arXiv:2610.15033、Table 1)。Geminiは引用の83%が第三者のサイトで、Redditだけで13%を占める。

3つを並べてみると、まとめて「AI検索」と呼んで共通の対策を語るのはかなり無理があると思います。

このブログでは

最初に書いたとおり、このブログの記事にはFAQの構造化データが入っています。

読み終えたあと、外すかどうか少し考えて、外さないことにしました。この論文はFAQで引用が減るとは言っておらず、同じサイトの中では差が見えなかったと言っているだけです。読む人の疑問に答える場所としては残す意味がある、と考えています。

AIへの効き目は当てにしないでおきます。

変えるのはタイトルと段落の書き方で、実際に聞かれる質問の言葉にもっと寄せていくつもりです。狙うのはキーワードの数より、質問に意味として答えているかどうかで、同じサイトの中で比べても残った特徴はそれだけです。

以前紹介した数字の隣に出典を書く方法については、2024年のGEO論文と今回の論文とで見ているものが違うので、どちらかが間違っているとは考えていません。ただ、効き目を大きく言うのは控えます。

もう1つ、引用されているかの確かめ方も変えるつもりです。

同じ2週間の中なら引用の違いの63〜67%が再現しますが、2週間後には共通する部分がChatGPTで40%、10週間後には14%まで減ります(Perplexityは10週間後に0%)。一度「引用されていた」と確かめても、数週間後にはもう別のページに替わっているかもしれない。

そのため、質問ごと・週ごとに記録し続けて比べるしかありません。この論文の著者らが使っていた記録の仕組みは、弊社が計測の仕事で組んでいるものと共通の作り方で作成できます(宣伝です)。

AI検索での引用を、質問ごと・週ごとに記録する仕組みを作れます。

Retraiteの計測基盤づくり →

この記事で使った数字出どころ
回答158,099件・引用468,037件、サイトをまたいだ効果と同じサイトの中の効果、質問との一致の効果Chen & Koudas, What Drives AI Citations?(arXiv:2610.15033、2026年10月10日)
説明できた割合(リトリーバル32%・ページの特徴2.8%)、順位ごとの引用率、クエリと引用の重なり同論文 Table 3・第6章
ブランドの知識の影響(67%と11%、47%、46%)同論文 第6章
二週間後・十週間後に共通する割合、エンジンごとの違い同論文 第5章・Table 1
図は論文の表と図の値から弊社で描き直したもので、論文の図そのものではありません。