AI Overviewに引用される記事の特徴

2026年7月、「ベビーカー A型 軽量 おすすめ」とGoogleで検索したところ、AI Overviewは2023年版のランキング記事を参照リンクとして表示していました。

しかし、同じ検索結果の自然検索枠には、その記事が見当たりませんでした。

過去に獲得していた関連キーワードの多くが、検索圏外（Lost）として表示されていました。

先にはっきりさせておくと、これは「検索順位と参照リンクは無関係」という話ではありません。ユーザーに見える検索結果と、AIが参照する情報源が一致しない場合がある、という一つの観測です。

自然検索での露出を大きく落とした古い記事が、なぜAI Overviewには引用されたのでしょうか。

AI Overviewは、画面に表示される自然検索結果とは別の経路で情報を探しているのではないか。そう考えて調べていくと、「FastSearch」という機能にたどり着きました。

先に、用語を2つだけ整理します。回答本文に自社名や商品名が出るのが「メンション」、参照リンクに自社ページが表示されるのが「サイテーション」です。本稿では、サイテーションが生まれる仕組みと、コンテンツ側で見直せる点に絞ります。メンションを増やす考え方は、別記事で詳しく解説しています。

裁判資料に登場した「FastSearch」とは

米司法省が公開した資料には、AI OverviewがGoogle Search Indexから情報を取得する際、低遅延のFastSearchを使うと記されています。

一方、Google側の提出資料は、FastSearchをRankEmbedを利用した高速な検索コンポーネントと説明しています。

裁判所も、GoogleがGeminiモデルの回答に外部情報を取り込む際にFastSearchを使うこと、そこで得た結果は通常の検索結果ページには使われないことを認定しました。

つまり、GoogleのAI向けに取得されるページと、ユーザーに見える自然検索上位のページは、必ずしも同じではありません。

ただし、これらは裁判で証言・提出された時点の仕組みです。2026年現在の全処理が同じか、冒頭のベビーカー記事が実際にFastSearchで取得されたかは確認できません。

ここで言えるのは、通常SERPとは異なる候補取得経路の存在が、自然検索枠と参照リンクの不一致を考える手がかりになる、ということまでです。

ここで疑問が残ります。取得されたページのどの記述が回答材料として残り、どのURLが参照リンクとして表示されるのか。この選定過程は公開されていません。

AI Overviewを再現してみた

そこで、裁判資料や特許情報、Googleが公表するクエリファンアウトを参考に、検索から回答生成までの流れを観察するプロトタイプを作りました。

下の動画は、実際にプロトタイプを動かした様子です。

質問を入力すると、クエリ分解から検索、スニペット取得、候補選定、回答生成、参照リンクの付与までが順番に進んでいきます。

これはGoogle内部のシステムを再現したものではありません。通常は見えない処理を、段階ごとに確認するための検証用プロトタイプです。

処理全体は、次の順番で進みます。

候補記述の選定では、質問にどの程度答えているかと、情報源として信頼できるかをLLMに判定させました。

比較条件を追いやすい「マイカーローン」で試した

サイテーションの選定過程を追いやすいよう、商品名、比較軸、金利という具体的な数値を含む「マイカーローン」を検証題材にしました。

「金利が低いおすすめのマイカーローンは」と入力すると、次の2つの関連クエリが生成されました。

「マイカーローン 金利 低い おすすめ 比較」の検索では、mybestの比較記事が候補に入りました。

このmybestの記事には、中国銀行のマイカーローンについて、2026年8月の検証時点の上限金利が年2.35％で、比較対象の中で最も低いと説明する一節がありました。

再現プロトタイプはこの一節を回答材料として選び、生成回答でも中国銀行を低金利候補として紹介しました。

そして、参照リンクには、情報源となったmybestの記事を表示しました。

ここで重要なのは、再現したプロトタイプがmybestの記事全体を読み込んでから、中国銀行を選んだわけではないことです。

検索で取得した複数のスニペットやパッセージを評価し、その中から「中国銀行」「上限金利が年2.35％」「比較対象の中で最も低い」という、検索意図に直接答える一節を選びました。

その一節をもとに中国銀行を回答へ加え、情報源であるmybestのURLを参照リンクとして付けています。同じ処理をほかの候補ページにも行うことで、複数の商品と情報源を組み合わせた回答を作りました。

Googleも、回答のたびにWeb全体を新たにクロールするのではなく、Search Indexから関連ページを取得し、その中の特定の情報を確認して回答を作ると説明しています。

ただし、FastSearchが生成モデルへ渡す単位がページ全文なのか、スニペットやパッセージなのかまでは公開されていません。

実際のGoogle AI Overviewは、三菱UFJ銀行の「ネットDEマイカーローン」など、私のプロトタイプより多くの商品を紹介していました。

商品数や選ばれた商品は異なりましたが、複数の候補から検索意図に合う記述を選び、回答と参照リンクを組み立てるという大枠は共通しており、Googleが公表している仕組みの説明とも整合していました。

自社サイトにどう生かすか

では、こうした仕組みを前提にすると、コンテンツ側にはどのような情報を用意すべきでしょうか。

mybestの一節から、実務上のポイントを2つに整理しました。

以下はGoogleの採用要因を証明したものではなく、今回の観察から整理した仮説です。

【１】顧客の判断を「細かな問い」へ分解する

やるべきことは、顧客が商品を選ぶまでに抱く疑問を整理し、それぞれに答えられる情報を用意することです。

すべての内部クエリを想定したり、問いごとにページを作ったりする必要はありません。顧客が比較・検討するときに何を確認し、何に迷うのかを整理して、コンテンツに反映します。

マイカーローンであれば、例えば次のような問いが考えられます。

• 金利の下限だけでなく、上限はいくらか

• 銀行系とディーラー系では、金利や審査にどのような違いがあるか

• 手数料や保証料を含めた総返済額はいくらか

• 繰り上げ返済に手数料はかかるか

• どのような人が優遇金利の対象になるか

問い合わせ、商談記録、サイト内検索、Search Console、既存のキーワードデータを重ねると、こうした判断上の問いを見つけやすくなります。

【２】一節だけでも、主張と根拠が成立するように書く

重要なのは、文章の一部だけが切り出されても、意味が通るように書くことです。商品名、結論、その条件や根拠を、一つのまとまりの中に置きます。

今回のmybestの記事では、「中国銀行」「上限金利が最も低い」「年2.35％」という情報が近くに書かれていました。そのため、その一節だけでも、どの商品が、なぜ低金利と評価されているのかが分かります。

例えば、次の文章だけでは意味が通りません。

これでは、「この場合」が何を指すのか、どの商品なのか、金利はいくらなのかが分かりません。

一方、次のように書けば、その一節だけでも内容を理解できます。

文章を短くすることが目的ではありません。商品名、結論、条件、数値を近くに置き、必要に応じて出典、基準日、例外も添えます。

区別しておきたいのは、「文章を区切ること」と「その一節だけで根拠として使えること」は別だという点です。

チャンク化は、文章を500トークン、段落、見出しなどの単位で機械的に分割する処理です。一方、本稿では、一つの意味を持つ文章のまとまりを「パッセージ」と呼びます。例えば、年会費について説明した一段落などです。

ただし、文章として意味が通るだけでは、回答の根拠として十分とは限りません。その部分だけを読んでも、「何について」「どのような結論なのか」「どの条件で」「何を根拠にそう言えるのか」が分かる状態が理想です。

本稿では、この状態を「検証できるまとまり」と呼びます。

これはGoogleが公表した要件ではなく、今回の検証から整理した編集上の仮説です。ただし、人間の読者にとっても、結論と判断材料をつかみやすい書き方になります。

通常SEOの土台があって、初めて届く

ここまで説明したのは、候補ページの取得と、候補記述の扱われ方です。その前に、ページがクロール・インデックスされ、検索対象になっている必要があります。

Googleも、AI OverviewsやAI Mode向けの特別なマークアップは不要であり、通常検索の基本要件が引き続き重要だと説明しています。

その土台の上で、顧客の疑問に直接答え、対象、条件、数値、出典をまとめて提示します。さらに、調査方法や更新日、対象範囲を明記し、第三者が内容を検証できる状態にします。

また、他サイトの要約にとどまらず、実測データ、独自調査、専門家の検証、導入事例、一次資料の解釈など、自社ならではの情報を加えることも重要だと考えます。

対策する領域を見極める

「AIに引用されてもクリックされないなら、無料で情報を提供しているだけではないか」という指摘には一理あります。

一般的な用語の意味など、AIの回答で完結する質問において引用を増やしても商業価値は限定的でしょう。

一方、商品比較や料金、導入条件といった「購買判断に関わる質問」は別です。

こうした比較系の質問では、AIの回答そのものが、顧客の商品選びに影響します。

AIが自社の強みや比較ポイントを説明した記述を参照すれば、その内容は回答にも反映されやすくなります。反対に、自社についての記述が参照候補に入らなければ、自社を選ぶ理由も、どの基準で比較されるかも、競合や第三者の説明に委ねることになります。

だからこそ、サイテーションの目的は、単に参照リンクを増やすことではありません。自社についての正確な情報をAIの回答材料に含め、顧客の購買判断に関わる回答へ、自社の情報を反映させることにあります。

ただし、「自社ページが引用されること」と「自社商品が推奨されること」は同じではありません。この違いを端的に示しているのが、SEO分野で情報を発信するLily Ray氏の投稿です。

同氏の事例では、Oasis LMSのページが参照リンクに表示される一方、回答内では、そのページで紹介した競合サービスが推奨されていました。

つまり、自社ページのサイテーションが、自社ブランドのメンションや推奨につながるとは限りません。比較系の質問では、参照リンクの有無だけでなく、自社商品がどのような文脈で言及・推奨されたかまで確認する必要があります。

さらに、自社ページを整備するだけでは不十分です。AIが参照する第三者の比較・評価ページでも、検索意図に合った理由とともに自社ブランドが紹介されている状態をつくることが重要です。

まとめ

自然検索の順位とAI Overviewの参照リンクは、必ずしも一致しません。回答の候補が、通常のSERPとは別の経路でも集まるためです。

実務では、通常SEOを土台に、顧客が判断時に抱く問いへ直接答える「検証できるまとまり」を用意します。優先するのは、購買判断に関わる質問で、自社商品が検索意図に合った文脈で言及・推奨されているかです。

サイテーションは、改善先を見つけるための途中指標として扱います。最終的には、指名検索、サイト流入、問い合わせ、売上などの事業成果で確認します。

―――
平大志朗／SEO研究チャンネル
株式会社TechFabric代表。AI Overview・AI ModeなどAI検索の調査分析と、企業向けSEO／LLMO／GEOコンサルティングを行っています。

主な参照資料

• 原告側提出資料：Plaintiffs’ Remedies Proposed Findings of Fact, Document 1370（特に第85項）

• Google側提出資料：Defendant’s Proposed Findings of Fact, Document 1373（特に第868〜870項）

• 裁判所の認定：U.S. District Court Memorandum Opinion（Findings of Fact第44〜45項ほか）