AI エンジンは何を推薦するかをどう決めるか
ChatGPT、Gemini、Perplexity があるブランドを挙げ別のブランドを挙げない理由:学習データ、検索、エンティティの明確さ、引用ネットワーク、新しさ、感情。それぞれに対してできること。
仕組みは 1 つではなく 2 つ
ユーザーが「営業 10 名のチームに最適な CRM」と AI エンジンに尋ねると、回答は 2 か所から来ます。
- 学習データ。 モデルは学習したテキストのパターンを思い出します。権威あるソースで、カテゴリの文脈で頻繁に登場するブランドが最初に挙がります。
- 検索。 ブラウジングを持つエンジン(Perplexity、Copilot、Google AI Overviews と AI Mode、検索付き ChatGPT)は回答時にページを取得して引用します。ここでは、ページがインデックスされているか、そのクエリで上位か、質問に直接答える一節があるかが問われます。
Citadex の引用ソースページは、この 2 つ目の仕組みを可視化します:各エンジンがあなたのプロンプトに対して引用した正確なドメインとページ。
影響できる 6 つの要因
- エンティティの明確さ。 何者で、誰向けで、何を提供するかを明確に示す。曖昧なポジショニングは、エンジンがブランドを別業種と説明する最大の原因です。Citadex はこれをプロンプト追跡で文脈のずれとして表示します。
- 直接回答。 一文で質問に答える文は引用可能です。マーケティング文は違います。
- 構造。 質問に対応した見出し、FAQ セクション、比較表、schema マークアップが一節の抽出を容易にします。
- 引用ネットワーク。 レビューサイト、コミュニティスレッド、メディア記事、比較記事であなたに言及しているものが、検索型エンジンの取材源です。引用ソースのギャップ分析は「エンジンがよく引用するがあなたがいない」順に並べます。
- 新しさ。 検索型エンジンは最近更新されたページを好みます。ページを更新して再公開する方が、更新しない場合より通常は効果があります。
- 感情。 エンジンは各ソースがあなたをどう語るかを集約します。ダッシュボード配下の感情分析が、否定的な表現を形作るソースを示します。
なぜ競合が代わりに現れるのか
多くは次のいずれかです:エンジンが信頼する第三者ソースにより多くカバーされている、プロンプトに直接答える比較・リストページがある、ブランドエンティティがより明確、コンテンツが新しい。競合ページはプロンプトごとに原因(比較不足、ガイド不足、引用可能な資産不足)を診断し、修正するためのブリーフを生成します。
引用されても推薦されるとは限らない
AI があなたのページを引用しながら、回答では別のブランドを推薦することがあります。ダッシュボードの「言及から推薦まで」は、言及あり・自社サイトを引用・推薦あり・第一推薦を分けて集計し、自社を引用した回答のうち推薦した割合も示します。引用は多いのに推薦が少ない場合、ページが事実は伝えていても「選ぶ理由」(利用シーン、比較、価格、実例)を示せていないことがほとんどです。言及から推薦まで をご覧ください。
各回答の推薦レベルは 5 段階です:第一推薦、推薦、条件付き推薦(「予算に余裕があれば」「X が必要なら」など条件付きでのみ推薦。別に集計し「推薦あり」には含めません)、候補、言及のみ。リストの 1 番目は第一推薦とは限らず、批判や「おすすめしない」は言及のみです。レベルは AI が判定し、証拠パネルに判定の根拠となった原文と「AI 判定」または「ルール判定」を表示します。各言語は人手でラベル付けしたセットでの評価に合格してから AI 判定に切り替わり、それまではルール判定を使います。切り替え日は推移グラフに印が付き、以前のデータは再計算しません。判定がおかしいときは証拠パネルの「判定が違う?」から訂正できます。
AI エージェントも「選んで」いる
価格を調べる、商品を比べる、問い合わせフォームに入力するといった作業を AI エージェントに任せる人が増えています。エージェントはページの HTML だけを読み、スクリプトを実行せず、ログインもしません。価格がスクリプトでしか表示されない、フォームにラベルがない、重要なページがログインの奥にある、といったサイトではエージェントはタスクを完了できず、別のサイトを選びます。この段階は AI トラフィック → エージェント で確認できます。エージェント対応度 をご覧ください。
変化にかかる時間
検索型エンジンは新しいページがインデックスされれば数日で反映されることがあります。Citadex は公開時に Bing IndexNow と Google Search Console へ通知して加速します。学習データに依存する変化は月単位で、次のモデル世代が学習するソースにカバーされているかに左右されます。
Was this article helpful?
