Perplexityに引用されない7つの原因｜チェックリストと改善手順

Perplexityに引用されない7つの原因｜チェックリストと改善手順

この記事の結論: Perplexityに自社コンテンツが引用されない理由は「PerplexityBot / Perplexity-Userの到達性」「Sonarインデックスの鮮度」「Focus Mode・Deep Researchが要求するソース種別との不一致」「直答構造の欠如」「構造化データ未実装」「クロスドメインでの裏付け不足」「E-E-A-Tシグナルの欠如」という7層のどこかに集約される。Perplexityは回答内に出典番号を明示するため、原因を1つずつ切り分ければ改善の手応えを他のAI検索より早く確認できる。

最終更新日: 2026年8月6日

はじめに

「ChatGPTやGoogleのAI Overviewでは自社サイトが引用されているのに、同じ質問をPerplexityに投げると一切出てこない」という相談が増えている。Perplexityは回答の末尾に必ず番号付きの出典リンクを表示する設計になっているため、引用の有無がそのまま画面に可視化される。だからこそ「引用されていない」という事実に気づきやすく、同時に「なぜ自社だけ外れるのか」という疑問も強く残りやすい。

Perplexityの引用ロジックは公開されていないが、独自クローラーのPerplexityBotによる巡回型インデックスと、ユーザーがリンクを提示・言及した際にオンデマンドで取得するPerplexity-Userという2種類のアクセス経路を持つ点、そして自社LLMのSonarが検索・ランキング・引用付与までを一気通貫で担う点は、ChatGPT検索やMicrosoft Copilotとは異なるPerplexity固有の設計だ。この違いを理解せずに、ChatGPT向けの対策をそのまま流用しても効果が限定的になりやすい。

本記事では、Perplexityに引用されない原因をPerplexity固有の仕組みに沿って7つに整理し、原因ごとの診断方法と改善手順をチェックリスト形式でまとめる。AI検索最適化ガイドやPerplexity引用対策2026と合わせて読むことで、Perplexity対策の全体像と個別原因への対処を両輪で押さえられる。

Perplexityに引用されない原因一覧（全体像）

まず7つの原因を俯瞰する。後続のセクションで、それぞれの診断方法と対処法を順に解説する。

Perplexity全般の対策方針はPerplexity引用対策2026を、grounding（回答の根拠付け）という観点からの基礎知識はLLMO完全ガイドを参照してほしい。

原因1：PerplexityBot / Perplexity-Userの到達性不足

Perplexityの参照経路には2種類あることを理解しておく必要がある。ひとつは巡回型のPerplexityBotで、これはインデックス構築のために継続的にWebを巡回するクローラーだ。もうひとつがPerplexity-Userで、こちらはユーザーが会話中にURLを提示・言及した際、その場でページ内容を取得するオンデマンド型のアクセスになる。robots.txtで一方だけを許可し、もう一方を意図せずブロックしているケースが実務では珍しくない。

特に「AI学習データにされたくない」という方針でクローラーを一括拒否した際、学習用途と検索・回答生成用途のクローラーを区別せずにまとめてDisallowにしてしまうと、Perplexityの検索結果にもDeep Researchのレポートにも一切登場しなくなる。CDNやWAFのボット対策ルールがデフォルトで「既知の主要検索エンジン以外を一律ブロック」に設定されており、PerplexityBotだけが許可リストから漏れていたという事故報告も見られる。

診断コマンド:

curl https://yourdomain.com/robots.txt | grep -i "perplexity"

Disallow: /が両方のUser-agentに設定されている、あるいはPerplexityBotの記載自体がなく上位の汎用ルールで弾かれている場合は要修正だ。

対処法:

User-agent: PerplexityBot
Allow: /

User-agent: Perplexity-User
Allow: /

この2行を明示的にrobots.txtへ追記する。追記後は、サーバーのアクセスログにPerplexityBotのUser-Agent文字列が記録されるようになったかを1〜2週間かけて確認する。CDN・WAF側のボット判定ルールも別途チェックし、IPレンジやUser-Agentでの二重ブロックがないかを確認しておきたい。crawlerの基本挙動とrobots-txtの書式は関連用語も参照してほしい。

原因2：Sonarインデックスの鮮度不足（Temporal Freshness欠如）

Perplexityの検索・回答生成を担う独自LLM「Sonar」は、クエリの意図分類（Intent Mapping）から候補ページの取得（Retrieval）、品質・信頼性の評価（Assessment）、多層フィルタによる再ランキング（Reranking）、最終選定（Final Selection）という段階を経て引用対象を絞り込むとされている。この過程で重視される要素のひとつが「時間的新鮮さ（Temporal Freshness）」だ。

Perplexityのインデックスは近似リアルタイム更新を志向しており、クエリのたびにWeb全体へ検索をかけて候補を取得する仕組みを持つ。裏を返せば、公開日・更新日が本文やメタ情報から明確に読み取れないページは、同じ内容でも鮮度シグナルの弱いページとして評価が下がりやすい。「最終更新日」の記載がない、dateModifiedが実態と乖離している、本文中に時制を示す表現（「2026年8月時点で」など）が一切ないページは、この観点で不利になる。

診断チェックリスト:

• ページ本文の冒頭付近に公開日・最終更新日が明記されているか
• JSON-LDのdatePublished・dateModifiedが実際の更新内容と一致しているか
• 本文中に「2026年」「直近」といった相対表現だけでなく、具体的な年月の明示があるか
• 過去に公開したまま1年以上更新していないページが放置されていないか

対処法:

1. 記事冒頭または見出し直下に「最終更新日: ○年○月○日」を明示する
2. 内容の実質的な更新を伴った上でJSON-LDのdateModifiedを更新する（形骸化した日付だけの書き換えは避ける）
3. 統計データ・料金・仕様など時間経過で陳腐化しやすい箇所を定期棚卸しの対象として管理する

鮮度シグナルは単独では引用を保証しないが、他の原因が解消されている状態での「最後のひと押し」として機能しやすい。indexの仕組みについては関連用語で補足している。

原因3：Focus Mode・Deep Researchが要求するソース種別との不一致

Perplexityにはユーザーが検索範囲を切り替えられるFocus Mode（Web・Academic・Writingなど）と、複数のソースを横断的に読み込んで構造化レポートを生成するDeep Researchという2つの機能がある。この存在が、ChatGPT検索やCopilotにはないPerplexity固有の「引用されない原因」を生む。

Academic Focusでは査読済み論文・学術データベースを優先的に参照する設計になっており、通常の企業サイトやブログ記事はそもそも候補にすら入りにくい。逆にWeb Focusで引用されていたページが、ユーザーがAcademic Focusに切り替えた途端に一切登場しなくなるのは仕様であり、不具合ではない。「Perplexityで検索したのに出てこない」という報告を精査すると、実際にはFocus Modeの切り替えによる仕様上の除外だったというケースが一定数含まれる。

Deep Researchは30件以上のソースを多段階で読み込み、クエリ分解・再検証・統合というプロセスを経てレポートを生成する。単発の検索よりも網羅性・専門性の高いページが選ばれやすく、断片的なブログ記事よりも一次情報や独自データを含む長文コンテンツのほうが採用されやすい傾向がある。

診断方法:

• 自社の主要ターゲットキーワードを、Web Focus・Academic Focus・Deep Researchの3パターンでそれぞれ検索し、引用状況の違いを記録する
• Deep Researchで引用されない場合、競合ページと比較して情報の網羅性・独自データの有無に差がないか確認する

対処法:

• 学術的な裏付けが求められるテーマ（医療・法律・統計など）を扱う場合は、公的機関や学会発表への言及・リンクを本文に加え、Academic Focusでの適合度を高める
• Deep Researchでの採用を狙うページは、単一の主張だけでなく複数の論点・反証・具体的な数値を含む長文コンテンツとして設計する
• どのFocus Modeを主戦場にするかをあらかじめ決め、そのモードが優先する情報形式に寄せてコンテンツを設計する

原因4：直答構造・見出し設計の不備

Sonarはページ全体を読み込むのではなく、クエリに関連する箇所をチャンク単位で抽出し、その中から「引用に値する一文」を選び出して回答文に組み込む。見出しの直下に結論が書かれていないページは、このチャンク抽出の精度が下がり、引用候補として選ばれにくい。

さらにPerplexityは「ユーザーが実際に打ち込む質問文」に近い見出しを優先的に評価する傾向が指摘されている。企業サイトによくある「弊社の強み」「ソリューション紹介」のような抽象的な見出しは、ユーザーの検索クエリの語彙と一致しないため、意味的な関連度スコアで不利になりやすい。

診断方法:

見出し一覧を書き出し、それぞれが「ユーザーが実際に検索しそうな疑問文」になっているか、その直下の1〜2文が疑問文への直接回答になっているかを目視で確認する。

対処法:

• 見出しを「弊社の強み」ではなく「〇〇とは何か」「〇〇の原因は」のような疑問文・課題提起型に書き換える
• 見出し直下の1〜2文で結論を言い切り、後続の文で根拠・具体例を補足する構成に統一する
• 想定される検索クエリのバリエーションを洗い出し、見出しの語彙をユーザーの検索語彙に近づける

見出し設計とAI引用の関係はheading-direct-answer-snippet-citation-designで詳しく解説している。

原因5：構造化データ未実装とスニペット抽出精度

構造化データ（JSON-LD）は、Sonarがページ種別・著者情報・本文の範囲を機械的に把握するための補助情報として機能する。ArticleスキーマやFAQPageスキーマが未実装のページは、Sonarがヒューリスティックにページ構造を推測するコストが上がり、抽出精度が下がる分だけ引用候補から外れやすくなる。

診断方法:

Googleのリッチリザルトテスト（https://search.google.com/test/rich-results）でArticleまたはFAQPageが検出されるか確認する。Perplexity専用の検証ツールは公開されていないため、汎用の構造化データ検証ツールで代用するのが実務上の現実解になる。

対処法（実装例）:

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Perplexityに引用されない7つの原因",
  "datePublished": "2026-08-06",
  "dateModified": "2026-08-06",
  "author": { "@type": "Person", "name": "編集部" },
  "publisher": {
    "@type": "Organization",
    "name": "aiseo-llmo.com"
  }
}

FAQセクションがある場合はFAQPageを追加し、質問と回答のペアをmainEntityに列挙する。structured-dataの詳細な種類分けは関連用語のリンク先で確認できる。構造化データの実装ミスはstructured-data-implementation-mistakes-ai-citationによくある失敗パターンがまとまっている。

原因6：クロスドメインでの裏付け（コーロボレーション）不足

Perplexityの引用ロジックの特徴として、単一ページの主張をそのまま採用するのではなく、複数の独立したドメインが同じ内容を裏付けているかを確認したうえで引用する「コーロボレーション（corroboration）」的な仕組みが指摘されている。1回答あたりの平均引用ドメイン数は数ドメイン程度とされ、同一ドメインからの重複引用は避けられる傾向にある。

つまり、自社サイトだけが主張している独自情報は、その内容が正確であっても「裏付けが取れない情報」として引用の優先度が下がる可能性がある。逆に、業界メディア・専門家のブログ・SNSなど複数の場所で同じ主張・データが言及されている状態は、Sonarにとって「検証済みの情報」として扱われやすくなる。

診断方法:

自社が発信している主要な主張・データについて、他の第三者サイトが同じ内容を言及しているかをGoogle検索やSNS検索で確認する。自社サイト以外に一切言及が見つからない場合は要注意だ。

対処法:

1. プレスリリース・業界メディアへの寄稿を通じて、自社の一次情報を第三者サイトにも露出させる
2. 業界Wiki・Qiita・Zenn・noteなど、専門性の高いプラットフォームに関連コンテンツを投稿し、自サイトへの言及・リンクを増やす
3. 独自調査・アンケート結果を公開する際は、プレスリリース配信サービスも併用し、複数媒体での言及機会を作る

brand-mention（ブランド言及）の考え方は、このコーロボレーション不足の解消にも直結する。新規ドメインが直面しやすい構造的な不利についてはai-search-domain-authority-new-siteも参考になる。

原因7：E-E-A-T・信頼性シグナルの欠如

Perplexityは「明確な回答」「信頼できる根拠」「適切な構造」の3要素を満たすコンテンツを引用しやすいとされる。このうち「信頼できる根拠」の判断材料になるのが、著者情報・運営者情報・専門性を示す実績といったeeat的なシグナルだ。

著者名が明記されていない、運営者情報や連絡先が不明確、専門領域を裏付けるプロフィールが存在しないページは、内容そのものが正確であっても「誰が書いたか分からない情報」として信頼性評価が下がりやすい。特にYMYL（健康・金融・法律など）に近いテーマを扱う記事ほど、この影響は大きく出る。

診断チェックリスト:

• 記事に著者名・監修者名が明示されているか
• 著者の専門領域・実績を示すプロフィールページが存在するか
• サイトに運営者情報・会社概要・連絡先が明記されているか
• 著者に関するPersonスキーマが実装されているか
• 一次情報（自社調査・独自データ・実務経験）が本文に含まれているか

対処法:

上記チェック項目のうち欠落しているものから優先的に整備する。著者ページには実績・専門領域・外部での登壇歴やSNSリンクなど、第三者から検証可能な情報を掲載する。エンティティ最適化の観点はentity-optimization-ai-search-japanも参照してほしい。

原因→診断→改善の実務フロー（30分で切り分ける）

7つの原因は独立して発生するのではなく、複数が重なっているケースが大半だ。到達性→鮮度→モード適合→構造→裏付け→信頼性の順に、上流から一つずつ潰していくのが遠回りに見えて最短ルートになる。

ステップ1：到達性の確認（5分）

curl https://yourdomain.com/robots.txt | grep -i "perplexity"

PerplexityBot・Perplexity-Userの両方が許可されているかを確認する。ここがブロックされている場合、他の対策はすべて無意味になる。

ステップ2：鮮度とインデックス状況の確認（5分）

• 記事冒頭の「最終更新日」表記と、JSON-LDのdateModifiedが実態と一致しているかを確認する
• Web Focus・Academic Focus・Deep Researchの3パターンで自社ターゲットキーワードを検索し、引用の有無を比較する

ステップ3：構造の確認（10分）

• 見出しが疑問文・課題提起型になっており、直下に直答があるか目視確認する
• リッチリザルトテストでArticle・FAQPageが検出されるか確認する

ステップ4：裏付けと信頼性の確認（10分）

• 自社の主要な主張・データが第三者サイトでも言及されているかを検索で確認する
• 著者名・運営者情報・一次情報の有無をチェックリストで確認する

手作業での確認に工数を割けない場合は、aiseo-llmoのLLMO診断ツールでURLを入力するだけで主要項目の自動診断が可能だ。

よくある質問

Q1. Perplexityに引用されるために最も優先すべきことは何ですか?

最優先はPerplexityBot・Perplexity-Userのクロール許可です。到達性が確保されていなければ他の施策はすべて無効になります。

robots.txtで両方のUser-agentが明示的に許可されているかをまず確認する。この確認だけで数分で終わるにもかかわらず、CDNやWAFの設定変更によって意図せずブロックされているケースが実務では意外に多い。

Q2. Perplexity対策とChatGPT対策はどこが違いますか?

最大の違いはPerplexityBotとPerplexity-Userという2種類のアクセス経路と、Focus Mode・Deep Researchによるソース種別の切り替えです。

ChatGPT検索はOAI-SearchBot単体でクロールする設計だが、Perplexityは巡回型と会話中のオンデマンド取得という2つの経路を持つ。また、Focus Modeによって参照するソースの種類そのものが変わる点はPerplexity特有の仕様であり、ChatGPTやCopilotの対策をそのまま流用しても効果が限定的になりやすい。

Q3. Academic Focusで引用されないのはコンテンツの質が低いからですか?

必ずしもそうとは限りません。企業サイトやブログ記事は仕様上そもそも候補に入りにくい場合があります。

Academic Focusは査読済み論文や学術データベースを優先的に参照する設計になっているため、一般的な企業サイトが引用対象から外れるのは品質の問題ではなく検索範囲の仕様による場合が多い。Web Focusでの引用状況を別途確認することを推奨する。

Q4. Deep Researchで引用されるにはどうすればいいですか?

網羅性と独自データを含む長文コンテンツにすることが有効です。断片的な記事よりも多角的に論点を扱ったページが選ばれやすい傾向があります。

Deep Researchは30件以上のソースを多段階で読み込み、複数の論点を統合してレポートを生成する。単一の主張だけを述べたページよりも、反証や具体的な数値、複数の視点を含むページのほうが採用されやすい。

Q5. Sonarのインデックス更新頻度はどのくらいですか?

数十時間単位での更新を志向していると見られていますが、正確な数値は公式に明言されていません。

Perplexityは近似リアルタイム性の高いインデックス更新を特徴としており、クエリのたびにWeb全体へ検索をかけて候補を取得する仕組みを持つ。この設計上、公開日・更新日の明示が鮮度スコアに影響しやすい。

Q6. 構造化データを実装すれば必ず引用されますか?

必ず引用されるわけではありません。構造化データは抽出精度を上げる補助的な要素であり、他の原因が解消されていることが前提になります。

構造化データはSonarがページ構造を機械的に把握する助けにはなるが、到達性・鮮度・直答構造・裏付け・信頼性のいずれかに問題が残っていれば、それ単独では引用にはつながらない。本記事の7原因を上流から順に確認することを推奨する。

Q7. 自社の主張を裏付ける第三者言及がない場合、どうすればいいですか?

業界メディアへの寄稿やプレスリリース配信を通じて、複数の場所で同じ主張が言及される状態を作ることが有効です。

Perplexityは複数の独立したドメインが同じ内容を裏付けているかを重視する傾向がある。自社サイトだけで完結する情報発信ではなく、専門メディアやコミュニティプラットフォームへの展開を並行して進めることが、中長期的な引用率の底上げにつながる。

Q8. 引用されるまでにどれくらいの期間がかかりますか?

到達性・鮮度の修正は数週間、構造・信頼性シグナルの改善は1〜3か月程度で変化が見え始めることが多いです。

robots.txtの修正や更新日メタ情報の整備は比較的短期間で効果が出やすい一方、E-E-A-Tや裏付けとなる第三者言及の蓄積には時間がかかる。施策ごとに引用状況を定期的に記録し、変化を追跡する運用が望ましい。

Q9. Perplexityで引用されたのにアクセスが増えないのはなぜですか?

回答内で完結してクリックされないケースが多いためです。引用回数自体を指標に据えることが現実的です。

Perplexityの回答は出典リンクを明示するが、ユーザーが回答を読んで満足すればクリックせずに終わることも多い。GA4でPerplexity経由のリファラーをフィルタしつつ、引用回数そのものも合わせて追跡するのが実務的な進め方になる。

Q10. 競合サイトばかり引用され自社が引用されないのはなぜですか?

多くの場合、鮮度・直答構造・裏付けのいずれかで競合に劣っています。

同じテーマで競合だけが引用される場合、Perplexityで実際に同じクエリを送り、引用されている競合ページの更新日・見出し設計・第三者言及の有無を本記事の診断フローと突き合わせると、自社に欠けているレイヤーを特定しやすい。

関連用語

• perplexity
• grounding
• structured-data
• eeat
• robots-txt
• crawler
• index
• brand-mention

関連記事

• ai-search-optimization-guide
• llmo-complete-guide
• perplexity-citation-strategy-2026
• perplexity-deep-research-citation-conditions-2026
• chatgpt-not-cited-reasons
• copilot-not-cited-causes-bing-checklist
• ai-search-not-cited-causes
• chatgpt-perplexity-citation-source-overlap-11percent-japan