海外レポートが示すAI検索流入が増えるサイトの構造的な特徴

AI検索に自社サイトが引用されないのはなぜか――調査データを読む前の前提

「ChatGPTに自社の業界について質問しても、うちの名前が出てこない」「GoogleのAIによる概要には、競合の記事ばかりが引用されている」。事業会社のWebマーケティング担当者から、こうした相談を受ける機会が増えています。通常の検索順位はそれほど悪くないのに、AI検索の回答には自社サイトが登場しない。上司からは「AI対策はどうなっているのか」と問われるものの、何を根拠に現状を説明し、どこから手を付けるべきかが分からない。これが多くの担当者が置かれている状況です。

本記事では、AI検索に関して公開されている国内機関のデータや、海外報道を紹介した解説記事を読み解きながら、AI検索から評価・引用されやすいサイトにはどのような構造的特徴があるのかを整理します。そのうえで、他社の数字を眺めるだけで終わらせず、自社のアクセスデータと比較して判断するための手順まで落とし込みます。

最初に押さえておきたいのは、AI検索に関する調査は、対象サイトの業種や規模、計測期間、測定方法がそれぞれ異なるという点です。見出しの数字だけを切り取って自社に当てはめると、過剰に危機感を持ったり、逆に影響を見落としたりします。数字は「どのサイトで、何を、どう測った結果か」という条件とセットで読むことが、AI検索リサーチの出発点です。

その前提で、まず国内の公開データを見てみます。中小機構が運営するアプリ紹介サイト「ここからアプリ」への流入を分析した記事では、Google検索で来訪する人がこの1年で6.2%減少した一方、ChatGPTなどのAIからの来訪者は増えていると報告されています。ただし、増えたといってもAIからの来訪は全体の1%に達していないとされています。

このデータは特定のサイトにおける観測結果であり、すべての業種に当てはまるわけではありません。それでも、読み取れる傾向ははっきりしています。AI経由の流入は「伸びてはいるが、量としてはまだ小さい」こと、そしてそれより先に、検索経由の流入の目減りが表面化していることです。つまり、AI検索対策の目的は、AIからの流入を稼ぐことだけでなく、検索流入の目減りをどう補うかまで含めて設計することにあります。

海外では、より強い影響を指摘する報道もあります。一般社団法人SNS活用促進協会の解説記事では、Bloomberg報道として、「AIによる概要」が表示されるようになったことでサイトのアクセス数が70％以上減少したケースが紹介されています。

この数字は報道で取り上げられた事例であり、どのサイトでも同じ規模の減少が起きると読むべきではありません。重要なのは背景にある構造です。AIが検索結果画面の上で回答を完結させると、ユーザーはリンクをクリックせずに用件を済ませます。そのとき、回答の根拠として引用されたサイトだけが、残された接点を獲得できます。引用されるか否かが、流入の分かれ目になりつつあるのです。

国内のデータと海外の報道を並べると、同じ「AI検索の影響」でも、サイトの性格によって現れ方が大きく違うことが分かります。だからこそ、外部のレポートを読むだけでなく、自社のデータと照らし合わせる作業が欠かせません。AI検索がどの程度利用されているかという全体像については、AI検索の普及率は今どこまで来たか、国内外の最新データまとめ2025で整理していますので、あわせてご覧ください。

以降では、現状と担当者が直面する壁、引用の有無を分ける構造的な要因、自社データと比較しながら進める実践手順の順に解説します。まず今日できることとして、自社のアクセス解析画面を開き、参照元にChatGPTなどのAIサービスが含まれているか、そしてオーガニック検索の流入が前年同期と比べてどう推移しているかを確認してください。この二つの数字が、以降の分析の土台になります。

調査データから見えるAI検索流入の現状と、担当者が直面する壁

公開データを読み解くと、AI検索をめぐる状況は「影響は確実に出始めているが、自社サイトのどこにどれだけ出ているかが見えにくい」という一言に集約できます。ここでは、事業会社の担当者が実務で突き当たる壁を具体的に見ていきます。

一つ目の壁は、AI経由の流入が計測上ほとんど見えないことです。前述の国内事例でもAIからの来訪は全体のごく一部にとどまっており、多くのサイトでは参照元レポートの下位に埋もれています。さらに、AIサービスのアプリ内からリンクを開いた場合などは、参照元の情報が引き継がれず「直接流入」として記録されることがあります。そのため、実際にはAIの回答をきっかけに訪れているユーザーがいても、数字の上では存在しないように見えてしまいます。

二つ目の壁は、検索流入が減ったときの原因の切り分けが難しいことです。オーガニック検索の流入が落ちた場合、従来であれば順位の低下やアルゴリズム変更を疑えば済みました。しかし現在は、順位が維持されたままAIによる概要が回答を提示し、クリックされなくなっている可能性があります。順位レポートだけを見ていると「順位は変わっていないのに流入が減った」という説明のつかない状態に陥ります。

三つ目の壁は、社内説明の根拠が乏しいことです。AI検索対策に予算や工数を割くには、経営層や上司を納得させる材料が必要です。ところが、自社データではAIの影響がはっきり見えず、外部のレポートを持ち出すしかない。ここで起こりがちなのが、海外報道の数字を条件抜きで社内資料に載せてしまう失敗です。

よくある失敗として、AIによる概要の表示でアクセス数が70％以上減少したという報道の数字だけを社内資料に載せ、「当社も同じことになる」と危機感を訴えたものの、自社データを見ると検索流入の減少はわずかで、提案の信頼性そのものが疑われてしまうケースがあります。この数字はBloomberg報道として紹介された事例であり、自社にそのまま当てはまるものではありません。

逆に、国内事例のように「AI経由はまだ全体のごく一部」という数字だけを見て「まだ対策は不要」と判断するのも危険です。AIからの来訪が小さいことと、AIによって検索流入が削られていることは別の問題だからです。外部データは「自社で起きていることを疑うための仮説」として使い、結論は自社データで出すという姿勢が求められます。

こうした壁を前に、担当者が次に抱くのは「では、自社データのどこを見れば影響が分かるのか」という疑問でしょう。手がかりになるのは、検索の表示回数とクリック数の関係です。表示回数が維持または増加しているのにクリック率だけが下がっているクエリは、検索結果画面上で用件が完結している可能性が高く、AIによる概要の影響を疑う候補になります。順位ではなく、表示とクリックの乖離に注目するのがポイントです。

現状把握の段階で担当者がすべきことは、「AI経由の流入」「オーガニック検索の流入推移」「表示回数とクリック率の乖離」を一枚の表に並べ、月次で記録し始めることです。完璧な計測を目指す必要はありません。同じ定義で継続的に記録することで、外部レポートと比較できる自社の基準線ができあがります。

引用されるサイトとされないサイトを分ける構造的な要因

AI検索の回答に自社サイトが引用されない原因は、コンテンツの「質」という漠然とした言葉では片付けられません。AIが回答を組み立てる際には、質問に対応する情報をWeb上から探し出し、根拠として使える部分を抜き出して要約します。この仕組みから逆算すると、引用されやすいサイトとされにくいサイトの差は、多くの場合情報の置き方、つまり構造にあることが見えてきます。

まず大きいのが、問いと答えが段落単位で対応していないという要因です。長い前置きのあとに結論がようやく出てくる記事や、一つの段落に複数の論点が混在しているページは、AIにとって「この質問への答えはここ」と特定しにくい構造です。人間の読者なら最後まで読めば理解できても、根拠となる部分を抜き出して使うAIにとっては扱いにくい情報になります。

次に、そのサイトにしかない情報がないという要因です。どのサイトにも書かれている一般論を並べただけのページは、AIが回答を作る際にあえて引用する理由がありません。自社が持つ現場の知見、製品の具体的な仕様、独自に集めたデータ、顧客からよく寄せられる質問への回答といった一次情報があるかどうかが、引用元として選ばれるかを左右します。

三つ目は、発信主体と根拠が不明確なことです。誰が書いたのか、どの組織が責任を持っているのか、数字の出典はどこか、いつ更新された情報なのか。こうした要素が明示されていないページは、信頼できる根拠として扱われにくくなります。特に事業会社のサイトでは、コラム記事に執筆者や監修者の情報がなく、更新日も表示されていないケースが少なくありません。

四つ目は、ページ同士の関係が整理されていないことです。あるテーマについて、概要、詳細、よくある質問、事例がばらばらのURLに散らばり、内部リンクでつながっていないと、サイト全体としてそのテーマに詳しいことが伝わりません。関連ページが相互にリンクされ、トピックのまとまりとして構成されているサイトのほうが、テーマに対する専門性を示しやすくなります。

五つ目は、技術的に読み取りにくいことです。製品の重要な説明が画像の中の文字やPDFにしか存在しない、表示にスクリプトの実行が必要で本文がすぐに読み込まれない、見出しタグが装飾目的で乱用されて文書構造が崩れている、といった状態です。よくある例として、BtoB企業の製品ページで仕様や導入効果の説明がすべてカタログPDFの中にあり、HTMLの本文にはキャッチコピーしかないというケースがあります。人間には十分な情報が届いていても、AIが参照できるテキストはほとんど残っていません。

これらの要因に共通するのは、人間向けの「読みやすさ」と、AI向けの「抜き出しやすさ」は重なる部分が大きいが、完全には一致しないという点です。デザインで情報を伝えることに力を入れてきたサイトほど、テキストとしての情報量や構造が不足している傾向があります。

ここで担当者が抱く疑問は「既存ページを全部作り直さなければならないのか」というものでしょう。答えは否です。すべてを一度に改修する必要はなく、自社が答えるべき質問に対応するページから優先的に構造を整えれば十分に効果を見込めます。そのためには、主要ページを開き、「この質問への答えはこの段落」と指させるかどうかを一つずつ確認することから始めてください。指させないページが、最初の改修対象です。

自社データと比較しながら進めるAI検索対策の実践手順

ここからは、外部レポートの読み解きと自社データの比較を組み合わせて、AI検索対策を進める具体的な手順を解説します。ポイントは、いきなりコンテンツを書き換えるのではなく、計測→特定→確認→改修→検証の順に進めることです。

手順1：AI経由流入と検索流入の基準線をつくる

アクセス解析ツールの参照元レポートで、ChatGPT、Perplexity、Geminiなど主要なAIサービスのドメインを抽出するフィルタやセグメントを作成します。同時に、オーガニック検索の流入を前年同期と比較できる形で記録します。前述の国内事例では、検索経由の来訪が減少する一方でAIからの来訪は全体のごく一部にとどまっていました。自社の数字がこの傾向と似ているのか、それとも異なるのかを確認するだけでも、社内説明の説得力は大きく変わります。

なお、AI経由の流入が直接流入に紛れている可能性を踏まえ、直接流入の推移もあわせて見ておくと、変化の兆しに気づきやすくなります。特定のコラムや製品ページで、検索流入が減っているのに直接流入が増えている場合は、AIの回答をきっかけとした来訪が含まれている可能性を疑えます。

手順2：AIの影響を受けているクエリを特定する

Google Search Consoleなどの検索パフォーマンスデータを使い、表示回数は維持・増加しているのにクリック率が低下しているクエリを抽出します。特に「〜とは」「〜の違い」「〜の方法」といった、短い説明で答えが完結しやすい情報収集型のクエリは、AIによる概要で用件が済まされやすい傾向にあります。抽出したクエリと対応するページの一覧が、対策の優先順位表になります。

手順3：実際にAI検索で質問し、引用元を記録する

自社が本来答えるべき質問を、顧客の言葉でリスト化します。営業部門やカスタマーサポートに寄せられる質問は、最も信頼できる素材です。そのリストをChatGPTやGoogleのAIモードなどで実際に質問し、回答に自社サイトが引用されているか、引用されているのは競合のどのページかを記録します。AIの回答は質問の仕方や時期によって変わるため、同じ質問を定期的に確認し、変化を追うことが大切です。

競合が引用されている場合は、そのページを開いて構造を観察してください。結論が冒頭にあるか、見出しが質問の形になっているか、定義や手順が箇条書きや表で整理されているか。自社ページとの違いを「構造」の観点で書き出すことが、改修方針を決める最短ルートです。

手順4：ページ構造を改修する

改修の基本は、前章で整理した要因を一つずつ潰していくことです。各見出しの直下に結論を一文で置き、その後に理由や詳細を続けます。見出しは読者の質問に対応する表現にし、用語には定義文を添えます。比較情報は表に、手順は番号付きリストにまとめます。執筆者や監修者、出典、更新日を明示し、画像やPDFの中にしかない重要情報は本文のテキストとしても記載します。

あわせて、自社にしかない一次情報を加えます。現場でよく起きる失敗とその回避策、製品選定時に顧客が実際に迷うポイント、社内で蓄積してきたノウハウなどです。数値を載せる場合は、出典や測定条件を必ず併記し、根拠のない数字は書かないことが信頼性を保つ前提になります。

手順5：同じ指標で効果を検証する

改修したページについて、手順1で作った基準線と同じ指標で変化を追います。AI経由の流入、対象クエリのクリック率、手順3で記録したAI回答での引用状況を月次で並べ、改修前後を比較します。効果が見えないページは、構造ではなく一次情報の不足が原因になっていないかを見直します。

この手順で最も重要なのは、外部レポートの数字で危機感を煽るのではなく、自社データの基準線と比較して改善の成果を示すことです。今週中に、手順1の基準線づくりと、手順3の質問リスト作成に着手してください。この二つがそろえば、社内で対策の必要性を説明する材料が手元にそろいます。

W-BASEのSEO支援で、AI検索に選ばれるサイト構造をつくる

ここまで解説した手順は、考え方としてはシンプルですが、事業会社のWebマーケティング担当者が通常業務と並行して進めるのは容易ではありません。広告運用、展示会対応、営業資料の作成など、目の前の業務に追われる中で、アクセスデータの整理からAI検索での引用状況の確認、既存ページの構造改修までを一人で担うのは現実的ではないケースが多いでしょう。

担当者からよく聞かれる悩みとして、「何から手を付けるべきかの優先順位が決められない」「社内に記事を書ける人材がいない」「改修しても効果をどう測ればよいか分からない」といったものがあります。どれも、AI検索対策が従来のSEOの延長線上にありながら、見るべき指標や作るべきコンテンツの形が少しずつ変わっていることから生じる悩みです。

株式会社W-BASEでは、こうした課題に対して、検索とAI検索の両方を視野に入れたSEO支援を行っています。具体的には、自社サイトのアクセスデータや検索パフォーマンスデータの整理、AI検索で自社や競合がどのように扱われているかの調査、引用されやすい構造を踏まえたコンテンツ設計やコラム制作など、本記事で紹介した手順に沿った取り組みを支援しています。

特に重視しているのは、外部の調査データをそのまま当てはめるのではなく、そのサイトの業種や顧客層に合わせて読み替えることです。前述のとおり、AI検索の影響の現れ方は、サイトの性格によって大きく異なります。BtoBの製品サイトと一般消費者向けの情報サイトとでは、狙うべき質問も、強化すべき一次情報も違います。データを読み解く段階から自社の文脈に引き寄せて考えることで、施策の優先順位がぶれにくくなります。

また、コンテンツ制作においては、見出しごとに結論を先に示す構成、出典の明示、自社固有の知見を盛り込む編集方針など、AIにも人間にも伝わりやすい構造を意識しています。既存ページの改修についても、すべてを作り直すのではなく、影響を受けているクエリに対応するページから順に手を入れる進め方を提案しています。

サービスの詳細はW-BASEのSEO対策サービスでご確認いただけます。会社の概要や他の取り組みについては株式会社W-BASEのトップページをご覧ください。

外部に相談するかどうかを検討する段階で、担当者がよく抱く疑問は「相談する前に何を準備しておけばよいか」というものです。最低限そろえておくと話が早く進むのは、次のような情報です。

• アクセスデータの概況：オーガニック検索、直接流入、AIサービス経由の流入の推移が分かる資料
• 重点ページの一覧：問い合わせや資料請求につながっている製品ページやコラムのURL
• 顧客の質問リスト：営業やサポートに寄せられる質問を、顧客の言葉のまま書き出したもの
• 競合として意識しているサイト：AI検索の回答で引用されているのを確認した競合ページ

これらは、外部に依頼するかどうかにかかわらず、自社でAI検索対策を進めるうえでも必要になる材料です。相談の準備そのものが、自社の現状を棚卸しする最初の一歩になると考えてください。まずは上記のうち、顧客の質問リストづくりから始めてみることをおすすめします。営業部門に声をかけ、最近受けた質問を集めるだけでも、AI検索で自社が答えるべきテーマの輪郭が見えてきます。

まとめ：外部レポートは仮説、結論は自社データで出す

本記事では、AI検索に自社サイトが引用されない・評価されないという課題に対して、国内の公開データや海外報道を読み解き、自社データと比較しながら対策を進める考え方を整理しました。

国内事例からは、AI経由の流入は伸びつつも量としてはまだ小さく、それより先に検索経由の流入の目減りが表れていることが読み取れました。海外報道を紹介した記事からは、AIによる概要の表示によって大幅にアクセスが減ったケースがあることも分かりました。ただし、どちらも特定の条件のもとでの観測結果であり、自社にそのまま当てはまるものではありません。

引用されるサイトとされないサイトを分けるのは、問いと答えが段落単位で対応しているか、自社にしかない一次情報があるか、発信主体と根拠が明示されているか、ページ同士が整理され本文テキストとして読み取れるか、といった構造的な要因です。これらは大規模なリニューアルをしなくても、重点ページから順に整えていくことで改善できます。

実践にあたっては、基準線をつくる、影響を受けているクエリを特定する、AI検索で実際に確認する、構造を改修する、同じ指標で検証するという流れで進めるのが効果的です。この流れを回すことで、社内に対しても「何が起きていて、何をして、どう変わったか」を自社のデータで説明できるようになります。

AI検索をめぐる状況は変化が速く、今日の調査結果が来年も通用するとは限りません。だからこそ、外部のレポートは自社を点検するための仮説として読み、判断は自社のアクセスデータと引用状況の記録にもとづいて行うという姿勢が、長く使える武器になります。

明日から取り組むべきことは明確です。アクセス解析でAIサービス経由の流入とオーガニック検索の前年同期比を確認し、記録用の表をつくること。そして、営業やサポートから顧客の質問を集め、その質問をAI検索に投げて引用元を記録することです。この二つの作業から得られる事実が、AI検索に選ばれるサイトへの最初の設計図になります。