ChatGPT引用の89%は「無主地」――Semrushデータが示すカテゴリ支配の窓

ChatGPT引用の89%は「無主地」――Semrushデータが示すカテゴリ支配の窓

要点: SEOアナリストのKevin Indig氏が、SemrushのChatGPT回答データ（2026年1〜6月・1,094カテゴリ・5万ブランド超・60万件超の引用）を分析し、「明確な勝者ブランド」が存在するカテゴリは全体のわずか15.2%にとどまり、AI検索需要の89.3%は依然として「無主地（unowned）」の未確定カテゴリにあると発表した。 一方で、いったん勝者が確定したカテゴリでは90.4%が翌月も首位を維持するという高い固定化傾向も判明しており、「今動けば座れる椅子は多いが、座られたら奪い返しにくい」という二重構造が浮かび上がる。 Search Engine Journalに掲載されたこの分析は、被引用ブランドと言及ブランドの一致率がわずか20.8%にとどまる点も指摘しており、「引用されること」と「名指しで推薦されること」が別物であるという実務上重要な区別を提示している。

最終更新日: 2026年8月3日

何が起きたのか

2026年7月29日、Search Engine Journalに「89% Of AI Search Demand Has No Clear Owner: Use This Before The Window Closes」と題する記事が掲載された（執筆: Greg Jarboe氏、SEO-PR共同創業者）。この記事は、SEOアナリストのKevin Indig氏が自身のニュースレター「Growth Memo」（2026年7月20日公開）で発表した調査データを引用・解説したものだ。出典は次のURLで確認できる。

https://www.searchenginejournal.com/89-of-ai-search-demand-has-no-clear-owner-use-this-before-the-window-closes/583255/

Kevin Indig氏は、AI検索の実測データを継続的に分析・発信しているアナリストとして知られており、直近では2026年7月29日公開の「AI halftime report: H1 2026」（関連記事で紹介済み）でも、引用の断片化やリファラル減少といった業界全体のマクロ動向を報告していた。今回の調査は、そのマクロ分析とは異なる粒度――「個々のカテゴリでどのブランドが勝っているのか」というミクロな構造――に焦点を当てている点が特徴だ。

なぜ今、「カテゴリ支配」という観点が注目されているのか

これまでLLMO・GEO分野で語られてきた指標の多くは、「特定の記事・特定のページが何回引用されたか」という、ページ単位・コンテンツ単位の粒度が中心だった。しかし今回のIndig氏の分析は、これとは異なる粒度――「あるカテゴリ（トピック領域）全体で見たときに、どのブランドがChatGPTの標準回答としての地位を占めているか」というブランド単位・カテゴリ単位の粒度に焦点を当てている。

この視点の転換には理由がある。従来のGoogle検索のSEOでは、「順位」という連続的な指標が存在し、1位から10位まで多数のサイトが露出機会を得られた。しかしAI検索の回答生成は、限られた文字数・限られた引用枠の中で、実質的に少数のブランドしか名前を挙げられない「勝者総取り」に近い構造を持つ。だからこそ、「そのカテゴリで名前が挙がるブランドが固定化する前に動けるかどうか」という時間軸の観点が、AI検索時代のLLMO戦略において重要な意味を持つ。今回の調査が「Use This Before The Window Closes（窓が閉じる前に活用せよ）」というタイトルを冠しているのも、この時間的制約を強く意識したものだ。

また、今回の調査がSemrushという大手SEO/GEOツールベンダーの実データを基にしている点も重要だ。個別企業の自社サイトデータや、限定的なサンプル調査ではなく、1,094カテゴリ・5万ブランド超という広範な母集団を対象にしていることから、業界横断的な傾向として一定の信頼性を持つ数値だと評価できる。

調査の手法

今回の分析は、SEOツールベンダーであるSemrushが保有するChatGPT回答データをもとに行われた。調査の骨格は次の通りだ。

• 対象期間: 2026年1月〜6月（半年間）
• 対象カテゴリ: 米国市場の1,094カテゴリ
• プロンプト: カテゴリごとに5種類（後述）
• 対象ブランド: 5万ブランド超
• 分析対象の引用: 60万件超

5種類のプロンプトタイプは、それぞれ異なるユーザー意図を模したものだ。

1. 定義質問型（「〇〇とは何か」）
2. 比較質問型（「AとBの違いは」）
3. 代替品リスト型（「〇〇の代わりになるものは」）
4. 利用シーン型（「〇〇な場合に使うべきものは」）
5. 購買判断型（「〇〇を選ぶべき理由は」）

この5類型を横断してChatGPTの回答を収集し、各カテゴリで「特定のブランドが継続的に優位を占めているか」を判定する設計になっている。単一のプロンプトだけでなく、意図の異なる5パターンを揃えている点が、この調査の信頼性を支える重要な要素だ。

「明確な勝者」の定義

今回の調査でとりわけ重要なのが、「カテゴリの勝者（clear owner）」をどう定義したかという点だ。Indig氏は次の2条件を両方満たした場合にのみ、そのブランドを「明確な勝者」と判定している。

• 5つのプロンプトのうち 4つ以上 でそのブランドが登場する
• 2位のブランドとの差が 5ポイント以上 ある

この基準は意図的に厳しく設定されている。1つのプロンプトでたまたま上位に出ただけの偶発的な結果や、僅差の優位性を「勝者」と誤認しないための設計だ。逆に言えば、この基準を満たさない大多数のカテゴリは、複数のブランドが拮抗し、どのブランドが「ChatGPTの標準回答」になるかがまだ定まっていない状態にあるということになる。

主要な数値

今回の調査で示された主要な数値を整理する。

カテゴリ支配率

• 全カテゴリ平均の明確な勝者率: 15.2%
• 高需要カテゴリ（検索ボリュームが大きいカテゴリ）の勝者率: 11.3%
• 低需要カテゴリ（ニッチなカテゴリ）の勝者率: 19%
• 明確な勝者が存在しない「未確定フィールド」の割合: 53.7%
• AI検索需要全体に占める「無主地」カテゴリの割合: 89.3%

ここで注目すべきは、需要が大きい主要カテゴリほど勝者が定まりにくいという逆説的な結果だ。高需要カテゴリの勝者率（11.3%）は低需要カテゴリ（19%）よりも低い。競合ブランドの数が多く、各社の引用シェアが拮抗しやすい主要カテゴリほど、ChatGPTの回答も特定ブランドに収斂しにくいと解釈できる。

そして最も強調すべき数字が「89.3%」だ。これは、AI検索の需要（プロンプトのボリューム換算での推計）のうち、実に9割近くが、まだどのブランドの「持ち物」にもなっていないカテゴリに属しているということを意味する。Indig氏はこの状況を「今後数四半期のうちに動いたブランドが、2027年に同じ調査を再実施したときにデフォルトの回答であり続ける可能性が高い」と評している。

一度確定した勝者の固定化傾向

一方で、いったん「明確な勝者」が確定したカテゴリでは、その地位は簡単には揺るがない。

• 勝者ブランドが翌月も首位を維持した割合: 90.4%
• 首位交代が起きたカテゴリの中央値リード差: 1.3ポイント
• 首位を維持したカテゴリの中央値リード差: 2.9ポイント

つまり、勝者と2位の差が3ポイント程度あれば、その地位は月次ベースでほぼ盤石になる。逆に差が1〜2ポイント程度の僅差であれば、翌月に首位が入れ替わるリスクが相応にある。この数字は、「一度カテゴリの顔になれば安泰」というわけではなく、「安泰と呼べる水準の差をつけられるかどうか」がカテゴリ支配の実質的な条件であることを示している。

「引用」と「言及」の乖離

もう一つの重要な発見が、被引用ブランド（実際にソースリンクとして引用されたブランド）と、言及ブランド（本文中で名前が出てきたブランド）の関係だ。

• 被引用ブランドと言及ブランドの一致率: 20.8%
• 頻繁に言及されるブランドのうち、少なくとも1回は引用も受けているブランドの割合: 69.9%
• 引用と言及の相関係数: -0.229（弱い負の相関）

一致率がわずか20.8%という数字は、「よく引用されるブランド」と「よく名指しされるブランド」が、必ずしも同じ集合ではないことを示している。さらに、引用と言及の相関係数がわずかにマイナスであるという結果は、「引用回数を増やせば言及も増える」という単純な因果関係を前提にした施策設計に疑問を投げかけるものだ。ChatGPTが情報源としてリンクを貼る行為と、回答文の中でブランド名を挙げる行為は、異なるロジックで動いている可能性が高い。

勝者と2位ブランドを分ける要因

調査ではさらに、「明確な勝者」と「僅差の2位」を分ける相関要因も分析されている。

• ブランド検索ボリュームの高さとの相関: 55.7%
• オーガニックトラフィックの高さとの相関: 48.4%
• Authority Score（Semrush独自の権威性指標）の高さとの相関: 52.5%

いずれも中程度の正の相関にとどまっており、「検索ボリュームが多ければ自動的に勝てる」という単純な話ではないことがわかる。ドメインオーソリティやブランド指名検索の多さは有利に働く要素の一つではあるが、それだけでカテゴリの勝者になれるわけではない、という点は実務上重要な示唆だ。

aiseo-llmo.com ユーザーへの影響

「まだ間に合う」ことの実証データとしての価値

aiseo-llmo.comの読者の多くは、日々「AI検索でどう引用されるか」という課題に取り組んでいるはずだ。今回の調査が示す最大の価値は、「多くのカテゴリではまだ勝者が確定していない」ということを、感覚論ではなく実測データで裏付けた点にある。

すでに大手ブランドが固めてしまったカテゴリで後追いするのではなく、まだ89.3%が「無主地」である現状において、自社の主力カテゴリがどちらの状態にあるかを見極めることが、今回のデータを実務に活かす第一歩になる。特に、Indig氏が指摘する「首位と2位の差が3ポイント未満のカテゴリ」は、まだ攻略の余地が十分に残っている「係争中の領域」と捉えるべきだろう。

業種別の実務インパクト

中堅・新興ブランド（大手に対抗するポジション）

大手ブランドが強い高需要カテゴリでは、逆説的に勝者率が11.3%と低く、拮抗状態にあるカテゴリが多い。これは、指名検索ボリュームやドメインオーソリティで大手に劣る中堅・新興ブランドにとって、まだ攻め込める余地があることを意味する。すべてのカテゴリで戦うのではなく、自社が現実的に「4/5プロンプトで登場し、2位に5ポイント差をつけられる」見込みのある特定カテゴリを絞り込み、そこに集中投資する戦略が有効だ。

ニッチ市場・専門特化型ビジネス

低需要カテゴリの勝者率は19%と、高需要カテゴリよりも相対的に高い。これは、専門特化型のニッチ市場では、コンテンツの質と量で比較的早期にカテゴリを掌握できる可能性が高いことを示唆している。ニッチ市場でビジネスを展開する事業者は、今回のデータを「小さな池の大きな魚になれる好機」の裏付けとして活用できる。

すでに一定の引用実績がある事業者

引用と言及の相関がわずかにマイナスだったという結果は、単純に「引用数を増やす」施策だけを追いかけてきた事業者にとって重要な軌道修正の材料になる。引用されているにもかかわらず、ChatGPTの回答本文で名指しでの推薦（言及）に至っていない場合、情報源としての価値だけでなく、「ブランドとして推薦される」ための別のアプローチ――例えば口コミサイトや比較サイトでの評判形成、ブランド固有の強みを明確に打ち出すコンテンツ設計――が必要になる可能性がある。

SaaS・BtoBツールベンダー

BtoB SaaS領域は、今回の調査における「比較質問型」「代替品リスト型」「購買判断型」の3プロンプトの影響を特に強く受けやすい業種だ。ユーザーが「〇〇 代替」「〇〇 vs △△」といった形でAI検索を使うケースが多く、ここで名前が挙がるかどうかが商談化前の検討リストへの組み込みを左右する。今回のデータが示す「一度確定した勝者は90.4%の確率で翌月も維持される」という固定化傾向を踏まえると、比較・代替品カテゴリでの初期ポジション獲得は、BtoB SaaS事業者にとって特に緊急性の高い課題だと言える。競合との機能比較表、移行ガイド、導入事例といったコンテンツを通じて、5種のプロンプトすべてで登場する体制を早期に整えることが望ましい。

国内のLLMO市場への示唆

今回の調査は米国市場・英語プロンプトを対象としたものだが、日本国内のLLMO実務にも応用できる視点を含んでいる。国内では、AI引用率やブランド言及率を計測する国産ツールの新規参入が相次いでおり（関連記事で紹介した「AIRA Score」などが一例）、各社が競って「自社ブランドがAI検索でどう扱われているか」を可視化しようとする動きが活発化している。

こうした国内の潮流は、今回のSemrushデータが示す「カテゴリ支配の窓はまだ開いている」という構造と地続きだ。日本語のプロンプト・日本市場向けのカテゴリでも、英語圏と同様に「明確な勝者が定まっていないカテゴリ」が多数存在すると推測される。むしろ、日本語コンテンツの絶対量・AI引用に関する実務知見の蓄積は英語圏に比べて発展途上であることを踏まえると、国内市場における「無主地」の割合は、米国の89.3%よりもさらに高い可能性すらある。国内でいち早くAI引用・言及の計測体制を整え、主要カテゴリへの投資を進めている事業者ほど、今後数四半期のうちに先行者としての地位を固めやすい環境にあると言えるだろう。

今すぐできる対応策

今回のデータを踏まえ、自社カテゴリの現状診断から具体的な優先順位づけまでを、実行可能なステップに分解して解説する。

ステップ1: 自社の主要カテゴリを5プロンプト法で診断する

まず、Indig氏の調査手法を模して、自社が事業を展開する主要カテゴリについて、ChatGPT（可能であればGemini・Perplexity・Copilotなど複数のAI検索エンジン）に対して以下5種類のプロンプトを実際に投げてみる。

1. 「〇〇とは何ですか」（定義質問）
2. 「〇〇と△△の違いは何ですか」（比較質問。△△には主要競合を入れる）
3. 「〇〇の代わりになるサービス・製品は何がありますか」（代替品リスト）
4. 「〇〇な場合に使うべきサービス・製品は何ですか」（利用シーン。自社の強みが活きる具体的なシーンを想定）
5. 「〇〇を選ぶべき理由・メリットは何ですか」（購買判断）

これを月次で継続的に記録し、自社ブランドが5つのうち何回登場するか、2位ブランドとの差はどの程度かを可視化する。前述の「4/5登場・5ポイント差」という基準に照らして、自社が「勝者」「僅差の2位」「未確定」のどの状態にあるかを判定する。

ステップ2: カテゴリを3分類してリソース配分を決める

診断結果をもとに、自社の主要カテゴリを次の3つに分類する。

• すでに優位（勝者、または僅差3ポイント以上のリード）: 現状維持を基本としつつ、最新情報の更新・一次情報の追加で守りを固める
• 係争中（首位との差が1〜2ポイント程度、または僅差の2位）: 最優先で追加投資すべき領域。コンテンツの独自性強化、被引用実績のあるメディアへの露出拡大など、短期間で差を広げる施策を集中投入する
• 未確定・無主地（明確な勝者が存在しない）: 中長期的な種まきの領域。今すぐ大規模投資する優先度は低いが、53.7%が該当するこの領域のうち、自社にとって戦略的に重要なカテゴリだけは早期に着手する

すべてのカテゴリに均等にリソースを配分するのではなく、Indig氏が提案する「10〜20の戦略的カテゴリに絞って支配を狙う」というアプローチを参考に、自社にとって事業インパクトの大きいカテゴリから優先順位をつけることが重要だ。

ステップ3: 「引用」と「言及」を別のKPIとして計測する

今回の調査が示した「引用と言及の一致率20.8%」を踏まえ、自社のAI検索モニタリング体制において、次の2つを別々の指標として計測する体制を整える。

• 引用率（Citation Rate）: ChatGPTなどの回答内で、自社サイトが情報源としてリンク・参照された頻度
• 言及率（Mention Rate）: 回答本文の中で、自社ブランド名が名指しで登場した頻度（引用の有無を問わない）

この2つを混同したまま「引用数が増えた」ことだけをKPIにしてしまうと、実際にはユーザーの購買判断に直結する「名指しでの推薦」が増えていないという事態を見落とすリスクがある。両指標を分けて追跡し、言及率が伸び悩んでいる場合は、単なる情報源としての価値提供だけでなく、口コミ・レビュー・比較コンテンツにおけるポジティブな評判形成に施策の重心を移す判断材料とする。

ステップ4: 月次でのリード差モニタリングを仕組み化する

すでに優位なカテゴリについても、油断は禁物だ。今回のデータでは、首位と2位の差が3ポイント未満の場合、翌月に首位が入れ替わるリスクが相応にあることが示されている。月次で自社と主要競合のプロンプト登場率・リード差を記録し、差が縮小傾向にある場合は早期に追加のコンテンツ投資・PR施策を講じる仕組みを社内に組み込むことを推奨する。

よくある質問

Q1. 今回の調査は、どのようなデータをもとにしていますか？

SEOツールベンダーSemrushが保有する、ChatGPTの回答データを分析したものです。2026年1月から6月までの半年間、米国市場の1,094カテゴリを対象に、カテゴリごとに5種類のプロンプトを実行し、5万ブランド超・60万件超の引用データを収集・分析しています。分析はSEOアナリストのKevin Indig氏が行い、自身のニュースレター「Growth Memo」で発表、Search Engine Journalが2026年7月29日に紹介記事を掲載しました。

Q2. 「明確な勝者（clear owner）」とはどのように定義されていますか？

5つのプロンプトのうち4つ以上でそのブランドが登場し、かつ2位のブランドとの差が5ポイント以上あることの両方を満たした場合に「明確な勝者」と定義されています。この厳格な基準により、偶発的な優位性を「勝者」と誤認するリスクを避けています。

Q3. 「AI検索需要の89.3%が無主地」とは具体的にどういう意味ですか？

全カテゴリのうち明確な勝者が存在するのは15.2%にとどまり、53.7%のカテゴリが「未確定フィールド」の状態にあります。これをプロンプトのボリューム（需要）で加重すると、AI検索需要全体の89.3%が、まだどのブランドの「持ち物」にもなっていないカテゴリに属しているという計算になります。

Q4. なぜ高需要カテゴリほど勝者が確定しにくいのですか？

調査では、高需要カテゴリの勝者率が11.3%であるのに対し、低需要カテゴリの勝者率は19%と、需要が大きいカテゴリほど勝者率が低いという結果が出ています。記事では明確な因果関係までは特定されていませんが、需要が大きいカテゴリほど競合ブランドの数が多く、各社の引用シェアが拮抗しやすいため、特定ブランドへの収斂が起きにくいと考えられます。

Q5. 一度カテゴリの勝者になれば、その地位はどの程度安定しますか？

勝者ブランドが翌月も首位を維持した割合は90.4%と高く、特に首位と2位の差が中央値で2.9ポイントある場合は地位が安定しやすい傾向にあります。一方、首位交代が起きたカテゴリでは、交代前のリード差の中央値は1.3ポイントと僅差でした。つまり、3ポイント程度の明確な差をつけられるかどうかが、地位の安定性を左右する分かれ目になります。

Q6. 「引用（citation）」と「言及（mention）」の違いは何ですか？なぜ重要なのですか？

引用は、ChatGPTなどの回答内で自社サイトが情報源としてリンク参照されることを指します。一方、言及は、回答本文の中で自社ブランド名が名指しで登場することを指し、引用を伴わない場合もあります。今回の調査では、被引用ブランドと言及ブランドの一致率がわずか20.8%、引用と言及の相関係数もわずかにマイナス(-0.229)でした。これは「引用されること」と「名指しで推薦されること」が別のロジックで動いている可能性を示しており、両者を混同したKPI設計はリスクがあります。

Q7. 何が「勝者」と「僅差の2位」を分けているのですか？

調査では、ブランド検索ボリューム(相関55.7%)、オーガニックトラフィック(相関48.4%)、Semrush独自のAuthority Score(相関52.5%)が、いずれも中程度の正の相関を示しています。ただし、これらはあくまで有利に働く要素の一つであり、これらの数値が高いだけで自動的にカテゴリの勝者になれるわけではないと記事は指摘しています。

Q8. この調査結果を、自社のAI検索対策にどう活かせばよいですか？

まず自社の主要カテゴリについて、記事で使われた5種類のプロンプト(定義・比較・代替品・利用シーン・購買判断)をAI検索エンジンに実際に投げて、自社ブランドの登場率と2位との差を診断することを推奨します。診断結果をもとに、カテゴリを「すでに優位」「係争中」「未確定」の3つに分類し、特に係争中のカテゴリに集中的にリソースを投下する戦略が効果的です。詳細は本記事の「今すぐできる対応策」セクションを参照してください。

Q9. ニッチな市場を狙う中小事業者にもこのデータは参考になりますか？

はい、むしろニッチ市場の事業者にとって有利な材料と言えます。低需要カテゴリの勝者率は19%と、高需要カテゴリ(11.3%)より高く、専門特化型の市場では比較的早期にカテゴリを掌握できる可能性を示しています。大手ブランドとの正面対決を避け、自社の強みが明確に活きる specific なカテゴリに絞り込む戦略が、今回のデータからも裏付けられます。

Q10. Kevin Indig氏による他の調査との関係はありますか？

Kevin Indig氏は、Search Engine Landに掲載された「AI halftime report: H1 2026」でも、引用の断片化や検索経由リファラルの減少といった、AI検索市場全体のマクロな構造変化を報告しています(関連記事参照)。今回の「カテゴリ支配」調査は、そのマクロ分析とは異なり、個々のカテゴリでどのブランドが優位に立っているかという、よりミクロな粒度の分析である点が特徴です。両者を合わせて読むことで、市場全体の潮流と、自社が置かれた個別カテゴリの状況の両方を把握できます。

関連記事

• LLMOとは何か――完全ガイド
• AI検索最適化ガイド――GEO・LLMOの実践
• AI引用の先行者優位は本物か｜2026年データで早期参入の効果を検証
• 5W「State of AI Search 2026」— 引用シェアは市場シェアより速く集中し、止めれば数か月で減衰する
• Kevin Indig「AI halftime report: H1 2026」――引用断片化91%・リファラル33%減の実態
• 国産LLMO診断ツール「AIRA Score」正式リリース――月額9,800円〜で参入相次ぐ国内市場
• 用語集：LLMO（Large Language Model Optimization）
• 用語集：GEO（Generative Engine Optimization）
• 用語集：ChatGPT Search
• Aleyda Solis氏調査：AI検索は「第三者引用問題」、15ブランド分析
• 「広く展開」か「狭く深く」か——Semrushデータが示すトピカルフォーカスの正体
• 採用広報のLLMO対策｜候補者がChatGPTで会社を調べる時代の評判管理
• ChatGPTの英語バイアス指数2.6倍——多言語サイトのAI可視性調査
• ChatGPT/Claude/Geminiへの戦略相談、鍵は「プロンプト」より「ビジネス文脈」
• 税理士サイト1000件調査、AI検索対応はわずか5.8%の衝撃