競合はAIに引用され、あなたは引用されない — AI検索「競合分析」完全ガイド

要点： AI検索の競合分析とは、ChatGPTやGeminiが生成する「答えの中」で、競合と自社がどう扱われているかを測ることです。見るべき基本指標は言及頻度・シェア・オブ・ボイス（SoV）・扱われ方・引用元の4つ。AIが1つの問いで引用する情報源は3〜5件しかなく、SEO上位でも引用されるとは限りません（Google上位10位のうちAI引用は12%）。そして測定時は、プロンプトにブランド名を入れないことが鉄則です。

従来のSEO競合分析は、キーワード順位と被リンクを見てきました。しかしその物差しでは、ChatGPTやGeminiが生成する「答え」の中で、競合がどう扱われているかまではまったく見えません。

検索が「リンクの一覧」から「1つの答え」へと変わりつつある今、AI検索における競合の立ち位置を把握することは、市場での可視性を保つための新しい前提条件になっています。このガイドでは、AIが引用先をどう選ぶのかという仕組みから、何を測り、どこで差がつき、どう手を打つのかまでを、2026年時点の研究データとともに整理します。

---

1. なぜ今、AI検索の競合分析が「必須」なのか

AI検索の利用は、もはや実験段階ではありません。米Search Engine Landの報道によれば、ChatGPTは週あたり8億人以上、GoogleのGeminiアプリは月あたり7.5億人以上に利用されています。GoogleのAI Overviews（AIによる要約回答）は全検索の少なくとも16%に表示され、比較・高関心クエリではその割合はさらに高くなります。調査会社Gartnerは、2026年に従来型の検索ボリュームが25%減少すると予測しています。

そして日本も、もはや「AI後進国」ではありません。Japan Research Centerの調査では、日本の生成AI利用率は2024年12月の約19%から、2025年12月には約45%へと、わずか1年で倍以上に伸びました。博報堂DY ONEの調査でも、「情報収集の手段としてのAI検索」を使う人の割合が2025年3月の10%未満から同年11月には約30%へと、8か月で3.5倍に急増しています。

日本市場で押さえておくべき、もう1つの構造があります。利用されるAIが分散し始めたことです。Japan Research Centerによれば、日本の生成AI利用者の中でChatGPTの利用率が最も高い一方、Geminiが前年比で大きく伸び、両者の差は縮まっています。「とりあえずChatGPT」の時代は終わりつつあり、Copilotを含め、複数のAIに最適化する必要が出てきました。

決定的な事実：引用されるのは、たった3〜5件

ここで最も重要なのは、AIが1つの問いに対して引用する情報源は、わずか3〜5件という点です。検索結果ページのように何十件も並ぶわけではありません。しかも、AIが引用したURLのうち、Googleの検索結果で上位10位に入っているものはわずか12%にすぎない、という分析もあります（ZipTie）。つまり、SEOで上位＝AIに引用される、ではないのです。

競合が繰り返しAIの回答に登場し、自社が登場しなければ、それはそのまま機会損失になります。「10位に載っているが誰も見ない」のではなく、そもそも答えに含まれていない——これがAI検索における「負け」の姿です。

2. AIは「どうやって」引用先を選ぶのか

競合分析に入る前に、土台を押さえます。順位表しか見てこなかったマーケターにとって、ここが最大の思考の切り替え点です。

仕組み：RAGとクエリ・ファンアウト

多くのAI検索は、RAG（検索拡張生成）という仕組みで動きます。ユーザーの問いを解釈し、最新情報が必要か判断し、検索クエリを作り、候補ページを集めて並べ替え、根拠を選んで回答を生成し、そこに引用を添える——という一連の流れです。

重要なのは、AIは1つの問いを1回の検索では処理しないという点です。問いを複数のサブクエリに分解して同時に検索する「クエリ・ファンアウト」という挙動を取ります（Googleが2025年のGoogle I/Oで公表した概念）。だからこそ、あなたの1ページが、思ってもみなかった切り口の問いで引用されたり、逆に主力キーワードで漏れたりします。

何が「検索」を引き起こすか

米WritesonicのGPT系モデルを対象にした2026年3月の調査では、プロンプトに年号（「2026年」）・価格条件（「◯円以下」）・比較構造（「AとB」）が含まれると、検索がほぼ100%発動しました。逆に、これらがないと、モデルは学習データだけで答えてしまい、あなたのページは検索対象にすら入りません。「比較」「最新」「価格」を含む実需クエリが、AIに拾われる入り口になります。

何が「引用されやすさ」を決めるか（SEOの常識が崩れる）

2026年の複数の分析が、従来のSEOとは異なる予測因子を示しています。あるGEO研究（Digital Bloom）は、AI引用の最も強い予測因子はブランド指名検索のボリューム（相関係数0.334）であり、被リンク数は弱いか、ほぼ無相関だと報告しました。これは数十年のSEOの常識に反しますが、AIがGooglebotのようにリンクグラフを辿らない挙動を考えれば筋が通ります。

同じ分析からは、AI可視性を考える上で示唆的な数字がいくつも出ています。

• ChatGPTに引用されるドメインの平均ドメイン年齢は約17年 — 確立されたエンティティが優遇される傾向
• 4つ以上のプラットフォームに登場するブランドは、単一プラットフォームのブランドより、ChatGPTの回答に登場する確率が2.8倍
• ただしプラットフォーム間の重複は限定的で、ChatGPTとPerplexityの両方に引用されるドメインはわずか11% — エンジンごとの最適化が必要

さらに、構造化データ（JSON-LD等）が引用されやすさを高めるという証拠も複数のプラットフォームから報告されています。エンティティ・FAQ・手順・記事メタデータを機械可読な形で明示することが、AIの引用に効くという指摘です（一方で、llms.txtについては「順位を改善するという強い証拠はまだない」という慎重な見方も2026年時点では存在します。過度な期待は禁物です）。

要点： AI検索での可視性は、被リンクの量ではなく、①ブランドが指名される力、②複数の独立した場所で言及される力、③AIが理解できる構造、で決まりつつあります。競合分析も、この3点を軸に見る必要があります。

3. AI検索の競合分析は、SEOと何が違うか

従来のSEO競合分析	AI検索の競合分析
キーワード順位	回答内での言及頻度
被リンク数	引用元の多様性（第三者からの言及）
検索結果の掲載位置	回答での扱われ方（推奨／代替案／注意例）
ドメインの強さ	エンティティとしての権威（AIが理解できるか）
1つのGoogleを見ればよい	エンジンごとに勝者が違う（重複11%）
日本語で完結	言語ごとに勝者が違う（後述）

最大の違いは「勝者の数」です。AI検索は1つの問いに対する勝者がSEOよりはるかに少ないため、競合の立ち位置を正確に読むことの重要性が跳ね上がります。

4. まず何を測るか — 4つの基本指標

① 言及頻度（どれだけ登場するか）

同じ業界の主要クエリを投げたとき、競合はどのくらいの割合でAIの回答に登場するか。自社との差が、そのまま可視性の差です。

② シェア・オブ・ボイス（誰が会話を占有しているか）

AIには「順位」がありません。代わりに、あるテーマの回答群の中で、どのブランドがどれだけの割合で語られているか——SoV（Share of Voice）を見ます。「1位／2位」ではなく「占有率」で捉えるのが、AI検索の作法です。

③ 扱われ方（どう語られているか）

「登場したか」だけでは不十分です。推奨として挙げられたのか、代替案として添えられただけなのか、あるいは注意例として言及されたのか。頻度だけを追うと、この決定的な差を見落とします。

④ 引用元（AIは何を根拠にしているか）

AIがその答えの根拠にした情報源はどこか。競合が引用されているのは、競合の自社サイトなのか、それとも第三者の独立したメディアやまとめ記事なのか。ここが次章につながります。

5. 2026年に差がつく、4つの視点

多くの解説記事は、上の4指標で止まっています。しかし2026年のAI検索で実際に勝敗を分けるのは、むしろ次の4つです。ここが、このガイドが競合の一般論を超える部分です。

視点1：引用元の多様性 — 自社サイトの「外」で語られているか

自社ドメインの中でしか言及されないブランドは、AIから見た「エンティティとしての信号」が弱いままです。逆に、独立した複数の情報源で引用・言及・議論されているブランドは、AIが報酬を与える種類の相互参照的な権威を築いています。競合分析では「競合が、どんな第三者サイトを通じて引用されているか」——比較記事、業界メディア、口コミ、まとめ——を必ずマッピングしてください。そこにこそ、あなたが不在の理由があります。

視点2：構造化データとエンティティ権威

前述の通り、JSON-LDなどの構造化データはAIの引用に効きます。競合のサイトが、会社情報・サービス・FAQを「AIが読み取れる形」で出しているかは、順位表には現れませんが、AI検索の可視性を大きく左右します。競合のページソースを覗き、あなたのサイトとの差を確認してください。

視点3：多言語での発見 — 日本企業、最大の盲点

これは、ほとんどの日本企業が取りこぼしている視点です。日本は2025年に約4,268万人という過去最高の訪日外国人を迎えました（日本政府観光局）。そして彼らは、日本語では検索しません。英語・韓国語・中国語で「AIに」尋ねます。実際、Phocuswrightの2026年の調査では、日本を訪れる旅行者はホテル選びから旅程作成まで、ChatGPTのような汎用ツールで意思決定を進めていることが示されています。

問題はここです。日本語のAI検索では自社が出るのに、英語や韓国語で同じことを聞くと、競合しか出てこない。 このギャップは、日本語だけを見ている限り、永遠に気づけません。インバウンドを狙う事業者にとって、競合分析は「日本語で見えているか」と「外国語で見えているか」を分けて測ることが不可欠です。日本語の可視性だけを見て安心するのは、市場の半分を見ないのと同じです。

視点4：引用の「正確性」リスク

見落とされがちですが、深刻な視点です。Nature Communicationsに掲載された2025年の研究（Wuら、7つの主要LLMを医療分野で評価）では、LLMの回答の50〜90%が、引用元によって完全には裏付けられていないことが分かりました。Columbia Journalism Reviewも8つのAI検索エンジンを検証し、「AI検索には引用の問題がある」と結論づけています。

これは競合分析にも直結します。AIが競合について事実と違う説明をしていたり、逆にあなたの会社について誤った情報を語っていたりする可能性があるということです。「何と言われているか」を監視することは、可視性の管理であると同時に、風評・正確性の管理でもあります。

6. 測定の落とし穴：プロンプトにブランド名を入れない

ここは、測定の信頼性そのものに関わる、最も重要な原則です。

競合やAI検索の可視性を測るとき、プロンプト（AIへの質問）に自社や競合のブランド名を入れてはいけません。「◯◯はどんな会社？」と名前を出して聞けば、AIは当然その名前について答えます。それは「見つけてもらえている」証拠にはなりません。単に、あなたが名前を教えただけです。

正しい測り方は、実際の顧客が使う言葉——「渋谷で英語メニューのあるラーメン店」「福岡 英語対応の美容室」「◯◯業界 おすすめ ツール 比較」のような、ブランド名を含まない実需クエリで聞くことです。その中に自社が自然に登場して初めて、「AIに見つけてもらえている」と言えます。ブランド名を混ぜた瞬間、その測定は意味を失います。

この一点を守るだけで、世の中の多くの「AI可視性レポート」より、はるかに正確な現実が見えます。数字を良く見せるためにブランド名を混ぜているツールやレポートには、注意してください。

7. 手動でやるか、ツールに任せるか

手動モニタリング

少数のクエリを深く理解するのに向いています。

• 業界の主要クエリを20〜30個選ぶ（ブランド名は入れない）
• 週次で、競合の登場・扱われ方・引用元を記録する
• ChatGPT・Gemini・Perplexity・AI Overviewsで同じ問いを別々に投げる（重複は11%しかないため、1つのエンジンの結果を他に一般化できない）
• 変化と季節性のトレンドをメモする

深い洞察は得られますが、言語・エンジン・時間軸を掛け合わせると、手作業ではすぐに破綻します。日本語5クエリ×5言語×4エンジンで、もう100回の測定です。

自動モニタリング

規模とトレンドの追跡に向いています。数百のクエリを、複数のエンジンで、複数の言語で、継続的に測り続ける。手動では不可能な範囲を、機械が代わりに見ます。加えて日本市場では、次の3つを併せて追うのが有効です（東京SEOメーカー等が推奨）。

• AIリファラル流入：ChatGPT・Perplexity・Geminiからの流入はGA4に参照元として現れます。通常の自然流入とは分けて計測する
• ゼロクリック印象シェア：Search Consoleで、情報系クエリの「表示回数は増えるがクリックは増えない」比率の上昇は、AI Overviewsが流入を横取りしているサイン
• 指名検索ボリューム：AI経由のブランド発見を含む、市場認知の先行指標

現実的な最適解は、手動で「なぜ」を理解し、自動で「量と変化」を追う組み合わせです。

8. 分析を「戦略」に変える — ギャップから施策へ

測って終わりでは、「温度計」で止まってしまいます。競合が出て自社が出ない理由が分かったら、次は出るように直す。ここからが本番です。

ステップ1：コンテンツ・ギャップの特定
競合の引用を具体的なトピックにマッピングし、「競合は繰り返し登場するのに、自社は不在」の領域を洗い出す。

ステップ2：引用文脈の分析
なぜ競合が引用されるのかを理解する。独自データか、専門的な立ち位置か、網羅性か、第三者からの言及の多さか。

ステップ3：より優れたコンテンツの作成
競合の情報源を上回る価値・データ・独自の視点を持つコンテンツを、AIが読み取れる構造で用意する。

ここで心強い研究があります。プリンストン大学とジョージア工科大学によるGEO研究（ACM KDD 2024、10,000クエリを検証）は、施策を1つだけ選ぶのではなく、複数を重ねると、単独では得られない相乗効果が出ることを示しました。構造化・独自データ・明快な要約・第三者言及——これらは競合するのではなく、積み上がります。

9. まとめ

• AIが引用するのは1問につき3〜5件だけ。SEO上位≠AI引用（上位10位のうちAI引用は12%）
• 引用されやすさは、被リンクではなく指名検索・第三者言及・構造化データが決める
• 基本4指標は、言及頻度・SoV・扱われ方・引用元
• 2026年の勝敗は、引用元の多様性・構造化データ・多言語での発見・引用の正確性が分ける
• プロンプトにブランド名を入れない — これが測定の信頼性の生命線
• エンジンも言語も勝者が違う。手動で深さを、自動で規模を
• そして——測って終わりにしない。分析はスタート地点であって、ゴールではない

競合がAIに引用され、あなたが引用されていないなら、それは運ではありません。仕組みがあり、理由があり、打ち手があります。まずは、自社と競合の「現在地」を正確に測ることから始めてください。

miruai（見るAI）で、現在地を測る

miruai は、あなたの会社がAI検索で見つけてもらえているかを、日本語・英語・韓国語・中国語・広東語で診断するGEOツールです。ブランド名を含まない実需クエリで、競合とのシェア・引用元・言語ごとの発見率を可視化し、「なぜ出ないのか」と「何をすれば出るのか」までをレポートします。

「AIに、見つかっていますか？」 → 無料診断を試す

---

参考ソース

• Search Engine Land — Mastering GEO in 2026 / What is GEO
• Japan Research Center調査（The Egg経由）／博報堂DY ONE調査（note経由）— 日本の生成AI・AI検索利用率
• Phocuswright — Japan Consumer Travel Report 2026（WiT）（訪日客のAI利用）
• 日本政府観光局（JNTO）— 訪日外客統計（2025年 約4,268万人）
• ZipTie — How LLMs Choose Sources to Cite（Google上位10位中のAI引用12%）
• Writesonic調査（Passionfruit経由）— GPT系モデルの検索発動条件（2026年3月）
• Digital Bloom分析（Ekamoira経由）— LLM引用の予測因子・プラットフォーム重複11%
• Daily GEO Insights — LLM引用源選定の研究まとめ（構造化データ）
• Maciej Turek — How LLMs Choose Sources（llms.txtへの慎重論）
• Aggarwal et al. — GEO: Generative Engine Optimization（ACM KDD 2024, arXiv:2311.09735）
• Wu et al. — Nature Communications（2025）（LLM回答の50〜90%が引用元に完全には裏付けられない）
• Columbia Journalism Review — AI Search Has a Citation Problem（8つのAI検索エンジンを検証）
• Google — AI Mode in Search（Google I/O 2025）（クエリ・ファンアウト）
• 東京SEOメーカー（Admano）— 日本ユーザーのAI検索行動 / ChatGPT in Japan