2026年6月6日 · 14 分で読了
AI エンジンごとに引用ロジックは違う ― ChatGPT・Perplexity・Gemini・Claude を分けて攻める
「AI に好かれるコンテンツ」の万能チェックリストは存在しません。ChatGPT・Perplexity・Gemini・Claude はそれぞれ異なる検索バックエンドを持ち、報われる構造も違う ―― ChatGPT と Perplexity の両方に引用されるドメインはわずか約 11%。本稿はエンジンごとの引用挙動を分解し、なぜ「エンジンカバレッジ」を独立した KPI として追う必要があるのかを解説します。
コンテンツを一度最適化すれば、どのエンジンでも引用される ―― そう考えているなら、 それは存在しないエンジンに向けて最適化していることになります。 「AI に好かれるコンテンツ」の統一基準は存在しません。 ChatGPT・Perplexity・ Gemini・Claude は、それぞれ 異なる検索バックエンド の上に立っています。つまり ランキング以前の段階で、候補に入るページ集合がすでに違うのです。そして引用する ページを選ぶとき、各エンジンが報いる 構造シグナル もまた異なります。その隔たりを 最も端的に示す数字がこれです ―― 直近の計測では、ChatGPT と Perplexity の両方に 引用されるドメインは、わずか約 11%。同じクエリ、同じ Web を見ていながら、 重なりはほとんどありません。
本稿では 3 つのことを行います。まずエンジンごとに 何を検索し、実際に何を引用するか を整理します。次に、バックエンドだけでなくその背後の アーキテクチャ が、報われる コンテンツ特性をどう変えるかを説明します。最後に、なぜ「エンジンカバレッジ」を、 単一の合算スコアの脚注ではなく 一級の指標 として扱わなければならないのかを示します。
1. バックエンドが違う → 候補集合が違う → 引用が違う
エンジンが何かをランク付け・合成する前に、まず候補となるページ集合を 検索（retrieve） しなければなりません。4 大エンジンが最も鋭く分岐するのが、この検索ステップです ―― そもそも同じページ群から出発していないのです。
| エンジン | 検索バックエンド | 検索の頻度 | 何が引用されるか（観測されたバイアス） |
|---|---|---|---|
| ChatGPT | Bing | クエリの約 34.5% で Web 検索 | 検索したページのうち引用は約 15% のみ／Wikipedia は引用の約 7.8%／引用の約 74.6% がブランド自社サイトへ |
| Perplexity | 独自インデックス + Google/Bing API | ほぼ全クエリで検索 | 回答あたり約 21.9 件の引用／最も強い新鮮性バイアス（公開 30 日未満のコンテンツで約 82% の引用率）／Reddit を多用 |
| Google AI Overviews / AI Mode | Google のオーガニックインデックス上の Gemini ＋クエリファンアウト（8〜12 の並列サブクエリ） | 条件を満たすクエリで選択的に発火 | ファンアウト全体から引用／従来のオーガニック順位との相関は低下中 |
| Claude | Brave Search | グラウンディング時に検索 | Brave の上位結果と 86.7% の引用重複／強い第三者検証バイアス（引用の約 68% が第三者ソース） |
右端の列を上から下へ読むと、教訓はすぐに見えてきます。ChatGPT は保守的で、 ブランドに優しい ―― 検索するのは 3 回に 1 回程度で、検索した中からごく一部しか 引用せず、その引用先はブランド自社サイトに大きく偏ります。Perplexity は貪欲で、 新鮮性駆動 ―― ほぼ全クエリで検索し、回答あたり約 22 件のソースを引用し、直近 1 か月 以内に公開されたコンテンツを圧倒的に優遇します。Claude は独立した検証に頼る ―― 候補集合は事実上 Brave の上位結果であり、主張を裏付ける第三者ソースを好みます。 Gemini 系のサーフェス は 1 つのクエリを 8〜12 のサブクエリにファンアウトし、 Google のオーガニックインデックス上でそれらすべてを横断して合成します。
実務上の帰結は身も蓋もありません ―― Perplexity で勝つよう設計したページ（新鮮で、 相互参照が密で、網羅的）は、ChatGPT で勝つページ（ブランドに紐づき、保守的で、 抜き出しやすい）とは別物であり、それはまた Claude で勝つページ（第三者検証可能で、 裏付けのある）とも別物です。あるバックエンドにとっての「最良」は、別の バックエンドにとっては「そもそも検索すらされない」のです。
これは、多くのチームが驚く統計の見方も変えます。Google の AI 引用と従来の オーガニック順位との相関は、2025 年半ばの約 76% から、2026 年初頭には約 38% （Ahrefs）― 低い計測では約 17%（BrightEdge）― まで低下しました。 言い換えれば、 Google の内部でさえ「ブルーリンクで 1 位」はもはや「AI 回答で引用される」ことの 信頼できる予測因子ではないということです。苦労して獲得した SEO 順位は、同じエンジン上 ですら転用が効かなくなっており、まして 4 つの異なるバックエンドをまたげば、なおさらです。
2. バックエンドだけではない ― アーキテクチャが効く
バックエンドは どのページがその部屋に入れるか を説明します。アーキテクチャは エンジンがどのページを拾い上げて引用するか を説明します。多くの GEO アドバイスが 早すぎる段階で止まってしまうのがここです ―― 「AI に引用される」を 1 つの問題として 扱いますが、実際にはエンジンは根本的に異なる仕組みで回答を生成しています。
私たちの GEO-SFE フレームワーク（論文 arXiv 2603.29979 で導入）は、エンジンを 3 つのアーキテクチャ に分類します。それぞれが報いる構造シグナルが異なるからです。
| アーキテクチャ | エンジン | 回答の仕方 | 報われる構造シグナル（GEO-SFE 表 II） |
|---|---|---|---|
| STS ― Search-then-Synthesize（検索してから合成） | Gemini／Google SGE 系 | 広く検索し、候補集合全体を一度に合成 | メタ情報の明瞭さ、冒頭の情報密度、階層の深さ |
| IR ― Iterative Refinement（反復精緻化） | Perplexity | 検索・読込・再検索を複数回繰り返して精緻化 | 相互参照の豊かさ、広さと深さのカバレッジ、クエリキーワードとの整合 |
| ISG ― Integrated Search-Generation（検索と生成の統合） | ChatGPT、Claude | 検索と生成をチャンク単位で交互に織り込む | チャンクの独立性、フォーマットの多様性、積極的なチャンク化 |
この分類は、バックエンドの表を 横断 している点に注目してください。ChatGPT （Bing バックエンド）と Claude（Brave バックエンド）は、まったく異なるプールから 検索しますが、同じ ISG アーキテクチャを共有します ―― だから両者とも、文脈なしで 独立して引用できる自己完結したチャンクに報います。Perplexity の IR ループは、 相互参照が密で、複数回の精緻化を生き延びられるほど網羅的なコンテンツに報います。 Gemini の STS 経路は、回答を冒頭に前出しし、一度きりの合成ステップが頼れる きれいな階層を露出したコンテンツに報います。
したがって最適化のマトリクスは、1 次元ではなく 2 次元です。
- バックエンド は、あなたのページがそもそも引用される 資格 があるかを決めます （Bing・Brave・Perplexity のインデックス、または Google のオーガニック集合に 入っているか？）。
- アーキテクチャ は、資格を得たあと、ページの 構造 が「エンジンが実際に拾う一枚」 になるかを決めます。
ページが候補集合に入っていても、そのアーキテクチャにとって構造が不適切なら、引用は されません。逆に、見事に構造化されたページも、バックエンドが検索しなければ出番すら ありません。両方が必要なのです。
「エンジンごとに構造を仕立てる」とは具体的に
- STS（Gemini）向け： 冒頭の数行で結論を先に答える。浅いところから深いところへ きれいに整理された見出し階層を露出する。最初の 1 画面でページの目的を明確にする。 一度きりの合成パスは、掘り下げずに要約できるページに報います。
- IR（Perplexity）向け： 新鮮なコンテンツを公開し、自らのソースを密に引用し、 広さと深さの両方でトピックを網羅して、連続する精緻化パスの中で何度も表面化し続ける ようにする。ここでは新鮮性は「あれば嬉しい」ではなく、ほぼ必須条件です。
- ISG（ChatGPT、Claude）向け： 文脈から外してもきれいに引用できる自己完結した チャンクで書く。フォーマット（表・リスト・定義・短い散文）を多様化する。コンテンツを 独立して検索可能な単位に分割する。とくに Claude については、引用が第三者検証に大きく 偏るため、主張を裏付ける第三者ソースを必ず用意してください。
これが「一度最適化すれば転用できる」が失敗する理由です。STS は冒頭の密度を求め、 ISG はチャンクの独立性を求め、IR は相互参照の豊かさを求めます。これらは同じ修正では ありませんし、一部は互いに正反対の方向に引っ張り合います。
3. なぜ「エンジンカバレッジ」を独立した KPI にすべきか
ここに落とし穴があります。4 つのエンジンを 1 つの合算可視性スコアに潰し込むと、 見栄えの良いスコアを掲げながら、買い手が実際に使う 4 エンジンのうち 2 つで完全に 不可視 という事態が起こり得ます。エンジン間の重なりがこれほど低い ―― ChatGPT と Perplexity の間ですら共有ドメインは約 11% ―― からこそ、単一の合算指標は、あなたが 最も見なければならないギャップをまさに 隠して しまうのです。
だからこそ VeReach GEO は、エンジンカバレッジを一級の KPI として、見出しの 可視性スコアとは別に追跡します。ChatGPT・Gemini・Claude・Perplexity をそれぞれ 独立して追い、プラットフォームの可視性スコアは、カバレッジが暗黙のうちに平均で 均されてしまわないように設計されています。
VS ＝ 0.4 × Coverage（カバレッジ）＋ 0.3 × Position（ポジション）＋ 0.3 × Influence（影響度）
カバレッジに最大の重みを置いているのは意図的です。GEO プログラムが最初に答えるべき 問いは「私のポジションはどれだけ良いか？」ではなく「そもそも、オーディエンスが使う 各エンジンに 存在しているか？」です。2 エンジンで強いポジション・残り 2 エンジンで 完全に不在という結果は、4 エンジンすべてで中程度に存在しているよりも悪い結果であり、 指標はそう語るように作られています。
アーキテクチャを意識したモデルの上で、VeReach GEO は アーキテクチャ別の引用確率 を 予測します ―― 汎用の「AI スコア」1 つではなく、STS・IR・ISG それぞれに対する別個の 期待値です。これにより診断はこう読めるようになります ―― 「あなたの構造は STS には 強い（Gemini は冒頭の要約を引用する可能性が高い）が、ISG には弱い（チャンクが独立して 引用できないため、ChatGPT と Claude は素通りする）。そして Perplexity のカバレッジは、 コンテンツが古いため薄い」。これは行動につながるエンジン別の判定であり、長所と短所を ひとつの粥に混ぜ込んだ単一の数字ではありません。
| 指標の設計 | 何を教えてくれるか | なぜここで重要か |
|---|---|---|
| 単一の合算 AI スコア | エンジン横断の 1 つの平均値 | エンジン別の不在を隠す。高スコアが 2 バックエンドでのゼロカバレッジを覆い隠し得る |
| エンジンカバレッジ（一級） | ChatGPT・Gemini・Claude・Perplexity それぞれで存在／不在 | 約 89% の非重複を直接可視化。どのバックエンドを取りこぼしているかを示す |
| アーキテクチャ別の引用確率 | STS／IR／ISG ごとの引用見込み | 構造修正を、それが実際に動かすエンジンに紐づける |
私たち自身の検証では、アーキテクチャを意識したアプローチは 6 エンジン横断で 引用率 +17.3%、回答品質 +18.5% を実現しました（arXiv 2603.29979）―― この成果は まさに、すべてのエンジンを同じものとして扱「わなかった」ことから生まれたものです。
4. 実務のプレイブック
3 つの論点をまとめると、複数エンジンにまたがって GEO を行うチームの運用原則は 次のとおりです。
- 万能チェックリスト探しをやめる。 それは存在しません。「AI に好かれる」ページは 単一の成果物ではなく、エンジンごとのターゲットです。
- 1 軸ではなく 2 軸で最適化する。 まずバックエンドの資格を確認し（Bing／Brave／ Perplexity のインデックス／Google のオーガニック集合に入っているか？）、次に アーキテクチャに合わせて構造を仕立てる（STS の冒頭密度／IR の相互参照の豊かさ／ ISG のチャンク独立性）。
- 各エンジンを別々に追い、カバレッジを重く重み付けする。 合算スコアは、買い手が 使うエンジンでの不在を隠すなら虚栄の指標です。カバレッジが第一、ポジションと影響度は その次。
- リライトのたびに再計測する。 引用は揺れ、バックエンドはインデックスを変え、ISG を 助ける構造修正が STS をまったく動かさないこともあります。「書き換えて再計測する」 ループは一度きりではなく、継続的なものとして扱ってください。
マインドセットの転換は、GEO が一貫して求めてきたものと同じです ―― 「私のコンテンツは AI にとって良いか？」と問うのをやめ、「私のコンテンツは この エンジンのバックエンドと アーキテクチャにとって正しい形になっているか ―― そして今取りこぼしているエンジンに 存在しているか？」と問い始めることです。
ChatGPT・Gemini・Claude・Perplexity を横断して、あなたのブランドがどこで引用され、 どこで不在なのかを、エンジン別・アーキテクチャ別に診断したい場合は、VeReach GEO が AI 回答であなたを可視化する仕組み をご覧いただくか、 お問い合わせください。
手法に関する注記：本稿で引用したエンジンレベルの検索・引用の数値（ChatGPT/Bing、 Perplexity、Google AI サーフェス、Claude/Brave、および約 11% のエンジン間ドメイン 重複）は、Ahrefs および BrightEdge の計測を含む公開された業界調査に基づきます （2026 年 6 月時点）。アーキテクチャ分類（STS／IR／ISG）、VS の算出式、+17.3%／ +18.5% の結果は、VeReach の GEO-SFE 研究（arXiv 2603.29979）に基づきます。AI エンジンは急速に進化します ―― 重要な意思決定の前には、必ず最新のデータと照合して ください。