AI検索時代、従来の被リンク構築モデルはなぜ機能しなくなったのか

AI検索時代、従来の被リンク構築モデルはなぜ機能しなくなったのか

要点: Search Engine Landが2026年8月10日に公開した記事「Why the traditional link building model no longer works for AI search」（著者: Gaetano DiNardi氏）は、高DA（ドメインオーソリティ）サイトからのバックリンク購入・商用アンカーテキスト・月次リンク数をKPIにする従来型のリンク構築ビジネスモデルが、AI検索時代には機能しなくなったと論じている。

記事では、1本400〜500ドルで販売される文脈無関係なリンク挿入の実例や、「AIメンション構築」と看板を掛け替えただけの旧モデルの再ブランド化（いわゆる「GEOグリフト」）への批判とともに、レビュー集約・BOFU比較記事・独自コンテンツ資産・ファウンダー主導PRという4つの代替戦略が提示されている。本稿では、この主張を日本のマーケター・SEO担当者向けに整理し、実務での対応策を掘り下げる。

最終更新日: 2026年8月11日

何が起きたのか

出典と著者について

今回取り上げるのは、Search Engine Landが2026年8月10日に公開した記事「Why the traditional link building model no longer works for AI search」だ。著者のGaetano DiNardi氏は、Marketing Adviceの主要コンサルタントとして、Semrush、Demandbase、Gongなど50社以上のB2B SaaS企業を支援してきた人物であり、Pipedrive、Nextiva、Auraで社内マーケティングリードを務めた経歴を持つ。マーケティング経験は10年以上とされ、編集はAngel Niñofranco氏が担当している。B2B SaaS領域での実務経験に基づく指摘である点は、記事の主張を評価するうえで押さえておきたい前提だ。

「従来型リンク構築モデル」とは何か

記事が問題視しているのは、過去10年以上にわたって業界標準として機能してきたリンク構築ビジネスモデルそのものだ。具体的には、次の3要素を軸にした仕組みを指す。

1. 高DAサイトからのリンク購入: ドメインオーソリティ（DA）が高いサイトから、対価を払ってリンクを設置してもらう
2. 商用アンカーテキスト: 購入したいキーワードそのものをアンカーテキストに使う
3. 月次バックリンク数のKPI化: 「今月何本のリンクを獲得したか」を成果指標として運用会議やレポートに用いる

このモデルは、従来のGoogle検索アルゴリズムがPageRank系のシグナル（被リンクの量と質）を重視してきたことに最適化された結果として発展してきた。しかし著者は、このモデルがAI検索の時代には「陳腐化した（no longer works）」と明確に主張している。

具体例: 1本400〜500ドルのリンク販売の実態

記事で紹介されている最も具体的な事例が、あるリンク構築ベンダーによる「1本400〜500ドル」でのバックリンク販売だ。著者がこの提案内容を精査した結果、以下のような問題が判明したという。

• 文脈的に無関係なコンテンツへのリンク挿入: クライアントの事業内容と関係のない記事に、無理やりリンクを差し込む提案
• 対象市場外からの大半のトラフィック: リンク設置先サイトへの訪問者の多くが、クライアントの想定顧客層とはかけ離れている
• 既に多数のスパムリンクが存在するページへの配置: リンクを挿入しようとしているページ自体が、すでに他の不自然なリンクで埋め尽くされている

著者はこうした提案を精査するなかで「40以上のリンク挿入提案を却下した」と述べている。これは一般論としての批判ではなく、実際に多数の提案を精査した結果としての具体的な数字であり、記事の説得力を裏づける要素になっている。

DA依存の構造的な問題

記事は、なぜベンダー側がDAという指標に依存し続けるのかについても踏み込んで説明している。DAは、買い手（クライアント）にとっては「簡単に理解できるフィルタ指標」として機能し、売り手（リンク構築ベンダー）にとっては「簡単な価格モデル」を作れる指標として機能する。つまりDAは、取引を成立させやすくするための"共通言語"として、業界内で都合よく使われてきた側面があるということだ。

しかし著者は、DAの高さがそのサイトの正当性、実際のオーガニックトラフィックの多さ、そしてAIが推奨する際の信頼性のいずれをも保証しないと指摘する。DAはあくまでサードパーティ製の推定指標であり、Googleの公式アルゴリズムシグナルではない。この点は従来のSEO業界でも度々議論されてきたが、AI検索の文脈ではこのギャップがより深刻な問題として浮上している、というのが記事の立場だ。

Wil Reynolds氏の引用

記事では、SEO業界で著名なWil Reynolds氏の発言も引用されている。趣旨は「かつての(検索アルゴリズムの)時代には、XYZというテーマについて『トップ3』であることを裏付ける証拠がなくても、ドメインの権威さえあればランキングできた。しかしAIは、その主張を裏付ける証拠をはるかに（100倍以上）強く求める」というものだ。この発言は、AIが単純な権威指標だけでなく、主張の裏付けとなる具体的なエビデンスを重視する傾向にあることを端的に表している。

AI検索時代にリンク構築の価値観が変わった技術的背景

AIが分析する3つのシグナル

Search Engine Landの記事によれば、AIシステムは単一URLへのリンク集中を評価するのではなく、以下の3点を分析しているという。

1. 複数の信頼できる情報源にわたるブランド言及: 一つのサイトからの強いリンクよりも、複数の独立した情報源での言及が分散して存在するかどうか
2. ブランドと業界用語・競合の共起パターン: そのブランド名が、業界の専門用語や競合サービス名とどの程度一緒に語られているか
3. エンティティとしてのブランドの位置付け: ブランドが単なるキーワードではなく、独立した「エンティティ」としてどのように認識・位置づけられているか

そして記事は、単一のリンクは「ノイズとしてフィルタリングされる（filtered out as noise）」と表現している。これは、従来のリンク構築が前提としてきた「1本のリンクにも価値がある」という発想そのものが、AI検索の評価メカニズムとはズレていることを示唆する重要な指摘だ。

なぜこうした変化が起きているのか（一般的に知られている技術的背景）

この変化の背景には、生成AIが回答を作る際の情報収集の仕組みが、従来の検索エンジンのランキングアルゴリズムとは根本的に異なるという事情がある。一般に知られている範囲で整理すると、以下のような違いが挙げられる。

• RAG的な情報収集との親和性: ChatGPTやPerplexityなどのAI検索・AI回答システムの多くは、質問に対してリアルタイムで複数の情報源を検索・収集し、その内容を要約・統合して回答を生成する、いわゆるRAG（Retrieval-Augmented Generation）に近い仕組みを採用しているとされる。この仕組みでは、単一のページの「強さ」よりも、複数の独立した情報源が同じ事実・評価を裏付けているかどうか（クロスバリデーション）が重視されやすい。
• 引用元選定における多様性の重視: 生成AIが特定のブランドや商品について言及・引用する際、同じ主張を裏付ける情報源が複数の独立したドメインに分散して存在していることは、その主張の信頼性が高いという間接的なシグナルになりやすい。逆に、1つのドメインからのリンクだけが不自然に多い状態は、操作された可能性のあるノイズとして扱われやすくなる。
• エンティティ理解の高度化: 大規模言語モデルは学習データやWeb上の情報を通じて、ブランド・企業・人物などを「エンティティ」として認識し、そのエンティティが業界内でどのような文脈・関係性の中に位置づけられているかを内部的に表現していると考えられている。これは検索エンジンにおけるナレッジグラフ的な発想と類似する部分があり、単純なリンクの本数よりも、そのエンティティが「誰と」「どんな文脈で」共起しているかが重要になる。
• アンカーテキスト操作への耐性: 従来のSEOでは、狙ったキーワードをアンカーテキストに含めることでランキング上昇を狙う手法が広く使われてきた。しかしAIが回答を生成する際は、アンカーテキストそのものよりも、周辺の文脈やページ全体の内容、さらに複数ソースでの一貫性を重視すると考えられ、アンカーテキストの商業的な操作の効果は相対的に小さくなりやすい。

こうした技術的背景は、Search Engine Landの記事が直接解説しているものではなく、GEO（Generative Engine Optimization）やAI検索の仕組みに関して一般的に議論・報道されている内容を踏まえた整理であることには留意してほしい。ただし、記事が指摘する「単一リンクはノイズとしてフィルタリングされる」「複数情報源にわたるブランド言及が重視される」という現象論と、こうした技術的背景は方向性として整合的だと言える。

「GEOグリフト」批判——看板の掛け替えだけの再ブランド化

記事のもう一つの重要な論点が、いわゆる「GEOグリフト（GEO grift）」への批判だ。これは、従来のリンク構築エージェンシーが、事業の中身を変えずに「AIメンション構築」「LLM可視性キャンペーン」といった新しい看板だけを掲げ、旧来のビジネスモデルを再ブランド化しているだけの動きを指す。

具体的に記事が挙げている手口は以下の通りだ。

• 低品質サイトでのブランド言及の販売
• スポンサー付きリスティクル（ランキング形式の記事）の購入
• Redditでのアストロターフ（組織的なやらせ投稿）戦略

著者はこうした手法について「信頼できない情報源からのブランド言及は効果がない」と明確に結論づけている。これは、単にリンクをブランドメンションに置き換えただけでは、AI検索での評価改善にはつながらないという厳しい指摘であり、「AI検索対策」を謳う新興サービスを選定する際の重要な判断基準になる。

aiseo-llmo.com ユーザーへの影響

DAをKPIにしたリンク構築予算の見直しが必要になる

これまで「月間◯本のバックリンク獲得」や「DA◯以上のサイトからのリンク」をKPIとして外注・内製のリンク構築活動を評価してきた企業にとって、今回の指摘は予算配分の前提を見直すきっかけになる。特にAI検索経由の流入・引用が事業インパクトとして無視できなくなっている企業ほど、DA依存のKPI設計が実態と乖離しているリスクが高い。ドメインオーソリティという指標自体の限界については、当メディアのAI検索 新規サイトのドメインパワーと引用の関係でも詳しく解説している。

「AIメンション構築」を謳うベンダー選定リスク

記事が批判する「GEOグリフト」は、日本国内でも同様の構図が生じうる注意点だ。従来型リンク構築を提供してきたエージェンシーが、名称だけを「AI検索対策」「GEO対策」に変更し、実態は低品質サイトへのブランド名の羅列に過ぎないサービスを提供しているケースは、今後さらに増える可能性がある。ベンダー選定時には、提案内容が「文脈的に関連性のある信頼できる情報源での言及」を伴っているか、単なる名前の羅列ではないかを見極める必要がある。

業種別の実務インパクト

BtoB SaaS企業: 記事の著者自身がB2B SaaS領域の実務家であることもあり、指摘は特にBtoB SaaS企業にとって直接的な示唆を持つ。導入検討段階の見込み顧客がAI検索・チャットボットに「◯◯というカテゴリーで信頼できるツールは？」と尋ねるケースが増える中、第三者レビューサイトでの評価やBOFUコンテンツの充実度が、比較検討フェーズでの選定に直結しやすい。

EC事業者: 商品比較・レビュー記事でのブランド言及が、AIによる商品推薦の材料になりやすい。単発の被リンク購入よりも、レビューサイトでの評価集約や、比較コンテンツでのポジショニングの方が実効性が高いと考えられる。

士業・専門サービス（弁護士・税理士・コンサルなど）: E-E-A-T（経験・専門性・権威性・信頼性）の観点が特に重視される領域であり、権威あるドメインからの1本のリンクよりも、業界団体・専門メディア・実名での言及が複数の場所に分散して存在することの方が、AIによる信頼性評価につながりやすい。

今すぐできる対応策

記事が提示する4つの代替戦略を、日本のマーケティング実務に落とし込んで整理する。

1. 第三者レビュープラットフォームでのレビュー集約

Gartnerのような第三者プラットフォームでのレビュー集約は、カテゴリー正当性（そのカテゴリーの正当なプレイヤーとして認識されること）とレビュー数・レビュー内容の充実が前提条件になる。日本国内では、ITreview、BOXIL SaaS、Capterraなど、業界特化型のレビューサイトが同様の役割を果たしうる。具体的な実務手順としては次の通りだ。

• 対象カテゴリーで存在感のあるレビューサイトを2〜3個選定し、プロフィールを整備する
• 既存顧客に対してレビュー投稿を依頼する仕組み（メール導線、カスタマーサクセスとの連携）を構築する
• ネガティブレビューへの返信体制を整え、信頼性のシグナルとして機能させる
• レビュー集約プラットフォーム側の評価アルゴリズム（レビュー数・直近性・評点分布）を理解した上で、継続的なレビュー獲得のペースを維持する

2. 自社BOFU比較記事の発行

John-Henry Scherck氏が推奨する戦略として、自社サイト内でのBOFU（Bottom of Funnel、購買検討の最終段階）比較記事の発行が挙げられている。この施策の目的は、人工的なランキング操作ではなく、「ブランドの説明力（narrative）」を自社でコントロールすることにある。

• 「◯◯ vs 競合A」「◯◯ vs 競合B」といった比較記事を自社ドメインで公開する
• 比較軸は自社に有利な項目だけでなく、公平性を担保した客観的な評価軸を用いることで、AIが引用する際の信頼性を高める
• 価格・機能・サポート体制など、購買検討者が実際に知りたい情報を具体的な数値・事実ベースで記載する
• FAQ形式や構造化データ（構造化データ関連の実装含む）を併用し、AIが情報を抽出しやすい形式に整える

3. 独自コンテンツ資産の構築

Cyrus Shepard氏の調査によれば、「有機的成長を経験するサイトの92%は独自資産を生成している」という。この数字は記事内で紹介されている調査結果であり、リンク構築よりもコンテンツ資産そのものの独自性が成長要因になっていることを示唆する。推奨される資産の種類は以下の3つだ。

• 独自データ研究・業界ベンチマーク: 自社が保有する一次データを集計・分析し、業界の平均値やベンチマークとして公開する。他メディアからの自然な引用・言及を誘発しやすい。
• インタラクティブツール・計算機: ユーザーが自身の数値を入力して結果を得られる診断ツールや料金計算機は、他サイトからのリンクや言及を集めやすい実績のあるコンテンツ形式だ。
• インフォグラフィック・比較チャート: 視覚的にわかりやすい情報整理コンテンツは、SNSやニュースメディアでの引用素材として使われやすい。

これらは即効性のある施策ではないが、被リンク分析ツールなどを併用して、公開後の言及・引用状況を継続的にモニタリングすることで、資産としての効果測定が可能になる。

4. ファウンダー主導のPRと実関係構築

Irina Maltseva氏が推奨する戦略として、創業者・経営層自身が主体となったPR活動と、実際の関係構築が挙げられている。

• 業界ポッドキャストへの出演を通じて、専門性のある発言を音声・書き起こしコンテンツとして複数の情報源に残す
• 非競合のSaaS企業とのコマーケティング（共同ウェビナー、共同調査レポートなど）を実施し、複数ドメインでの相互言及を自然に発生させる
• プライベートコミュニティ・ニュースレターでの言及獲得を狙い、検索エンジンには表面化しにくいが業界内での実質的な評判形成に寄与する場での存在感を高める

これらの活動は、記事が指摘する「複数の信頼できる情報源にわたるブランド言及」「業界用語・競合との共起パターン」を、時間をかけて自然に形成していくアプローチだと位置づけられる。

国内での関連する議論

日本国内のSEO・GEO業界でも、「被リンク単体の価値低下」と「ブランドメンション・第三者言及の重要性の高まり」という方向性の議論は、複数の切り口ですでに存在している。当メディアでも、ブランド言及の85%は第三者ドメイン発、AI検索エコシステム戦略の要点で、AI回答内でのブランド言及の多くが自社サイトではなく第三者ドメイン経由で発生するという調査データを紹介しており、今回のSearch Engine Landの記事の主張とも方向性が一致する部分が多い。また、プリンストン大学のGEO研究が示した「統計データと出典の追加が生成AI回答内での可視性を最大40%押し上げる」という研究結果も、単純なリンクの本数よりもコンテンツ内の根拠・エビデンスの質が重視される傾向を裏付けている。ただし、これらは独立した個別の調査・報道であり、Search Engine Land記事の主張を直接的に検証したものではない点には注意が必要だ。

今後の見通し

Search Engine Landの記事は、リンク構築業界全体が「AIメンション構築」「LLM可視性キャンペーン」といった名称変更だけで生き残りを図る動きが今後も続く可能性を示唆している。この状況を踏まえると、事業者側には次のような姿勢が求められると考えられる。

• ベンダーが提示する実績指標が「リンク本数」から「言及ドメイン数」「言及の文脈」に変わっただけで、中身の検証プロセスが伴っていないかを見極める目を持つこと
• 短期的な指標改善よりも、レビュー集約・独自コンテンツ資産・実際の業界内関係構築といった、時間はかかるが持続性のある施策への投資配分を増やしていくこと
• AI検索エンジン側の引用メカニズムに関する研究・調査(Ahrefs、Semrush、独立系研究者などによるもの)を継続的にウォッチし、DA依存からの脱却を裏付ける客観的なデータを社内で蓄積していくこと

いずれにせよ、著者が結論として述べているように「最高のリンクはスプレッドシートの行から生まれるのではなく、賢明なマーケティング戦略の自然な結果として生まれる」という発想の転換が、AI検索時代のリンク構築・ブランド言及戦略の出発点になりそうだ。

よくある質問

Q1. 従来のリンク構築モデルとは具体的に何を指しますか?

高DA(ドメインオーソリティ)サイトからのリンク購入、商用アンカーテキストの使用、月次バックリンク数のKPI化を軸にした、過去10年以上業界標準として機能してきたビジネスモデルです。

Search Engine Landの記事は、このモデルがAI検索の評価メカニズムとは前提が異なるため、機能しなくなったと指摘しています。

Q2. なぜDA(ドメインオーソリティ)が高くても効果がないのですか?

DAはサードパーティ製の推定指標であり、Googleの公式アルゴリズムシグナルではないため、正当性・実際のトラフィック・AIの信頼性評価を保証しないからです。

記事によれば、ベンダーはDAを買い手向けの簡単なフィルタ指標、売り手向けの簡単な価格モデルとして使ってきましたが、その高さ自体がAIによる推奨の信頼性とは無関係だと指摘されています。

Q3. AI検索は具体的にどんなシグナルを重視していますか?

複数の信頼できる情報源にわたるブランド言及、業界用語・競合との共起パターン、エンティティとしてのブランドの位置付け、の3点とされています。

記事では、単一URLへのリンク集中ではなく、複数ドメインにまたがる言及の分散が重視され、単一のリンクは「ノイズとしてフィルタリングされる」と説明されています。

Q4. 「GEOグリフト」とは何ですか?

従来のリンク構築エージェンシーが、事業の中身を変えずに「AIメンション構築」などの看板だけを掛け替えて旧モデルを再ブランド化する動きを指す言葉です。

低品質サイトでのブランド言及販売、スポンサー付きリスティクル購入、Redditでのアストロターフ戦略などが具体例として挙げられ、著者は「信頼できない情報源からのブランド言及は効果がない」と結論づけています。

Q5. 既存の被リンクはすべて無価値になったのですか?

いいえ、記事は被リンクそのものの無価値化を主張しているわけではなく、文脈無関係な購入リンクや単一リンクへの過度な依存の限界を指摘しています。

信頼できる情報源からの文脈に沿った言及・リンクは引き続き意味を持つと考えられますが、DAだけを基準にした機械的な購入モデルの効果が薄れているという主張です。

Q6. 代替戦略として挙げられている4つは何ですか?

第三者プラットフォームでのレビュー集約、自社BOFU比較記事の発行、独自コンテンツ資産の構築、ファウンダー主導のPRと実関係構築の4つです。

いずれも即効性より持続性を重視した施策で、複数の情報源にわたる自然なブランド言及の形成を目指す点で共通しています。

Q7. 独自コンテンツ資産とは具体的に何を作ればよいですか?

独自データ研究・業界ベンチマーク、インタラクティブツール・計算機、インフォグラフィック・比較チャートの3種類が例示されています。

Cyrus Shepard氏の調査では「有機的成長を経験するサイトの92%は独自資産を生成している」とされており、他メディアからの自然な引用を誘発しやすいコンテンツ形式として位置づけられています。

Q8. 中小企業やリソースが限られる事業者でも対応できますか?

はい。すべてを一度に実施する必要はなく、レビュー獲得の仕組み化やBOFU比較記事の作成など、コストを抑えて着手できる施策から優先順位をつけて取り組むことが可能です。

特に既存顧客からのレビュー依頼導線の整備や、自社サイト内での比較記事作成は、外部ベンダーへの費用をかけずに社内リソースだけで着手しやすい施策です。

Q9. この記事の主張はどの程度一般化できますか?

著者はB2B SaaS領域の実務経験に基づいて論じており、業種によって当てはまり方には差がある可能性がある点には留意が必要です。

ただし、AI検索における複数情報源からの言及重視という技術的な傾向自体は、業種を問わず共通する要素と考えられ、業種別に施策の優先順位を調整しながら参考にする価値はあります。

Q10. 日本国内でも同様の議論はありますか?

はい、ブランド言及の第三者ドメイン発生比率や、統計データ・出典追加による可視性向上効果など、方向性が一致する調査・議論は国内でも紹介されています。

当メディアで扱った[ブランド言及の85%は第三者ドメイン発]という調査や、[プリンストン大学のGEO研究]が示した可視性向上効果は、いずれも単純なリンク本数よりコンテンツの根拠・言及の分散を重視する傾向を裏付けており、今回のSearch Engine Land記事の主張と整合的です。

関連記事

• LLMO完全ガイド —— LLMO(大規模言語モデル最適化)の全体像を体系的に解説する基礎記事。
• 被リンク分析ツール比較｜Ahrefs/Majestic/Moz Link Explorer —— 従来型の被リンク分析手法とツールの使い分けを整理。
• AI検索 新規サイトのドメインパワーと引用の関係 —— ドメインオーソリティとAI検索での引用確率の関係を検証。
• ブランド言及の85%は第三者ドメイン発、AI検索エコシステム戦略の要点 —— 第三者ドメインでのブランド言及の重要性を扱う関連調査。
• プリンストン大学のGEO研究とは：統計・出典追加で可視性40%向上した理由 —— コンテンツ内のエビデンスがAI引用に与える効果を扱う研究解説。
• LLM・AI検索で自社・競合ブランドの推薦をモニタリングできるツール比較2026 —— ブランド言及の実測・モニタリング手法。

用語の詳細は、被リンク、ドメインオーソリティ、GEO、ブランドメンション、E-E-A-T、アンカーテキスト の各用語解説もあわせて参照してください。