AI引用ランキング要因23シグナル完全ガイド｜Zyppy最新研究を徹底解説

AI引用ランキング要因23シグナル完全ガイド｜Zyppy最新研究を徹底解説

この記事の結論: 米SEOコンサルティング会社Zyppyの創業者Cyrus Shepard氏が2026年5月に発表した「AI Citation Ranking Factors Analysis」は、過去2年分の54件の実験・特許・事例分析を統合し、AI引用に関わる23のシグナルをそれぞれ0〜10のスコアで評価した一次分析です。最高スコアはURL到達性(9.5)と検索順位(9.4)で、いずれも従来型SEOの基礎に近い項目でした。一方で構造化データ(5.6)やドメインオーソリティ(5.0)、llms.txt(2.0)は評価が低く、「AI引用対策=新しい特別な施策」という通説には根拠が薄いことが示されています。日本語サイトの実務では、まずクロール性と検索順位という土台を固めたうえで、抽出されやすい文章構造と出典明記を積み上げる優先順位が合理的です。

最終更新日: 2026-08-20

はじめに

「AIに引用されるにはどうすればいいか」という問いに対して、2025年から2026年にかけて無数のブログ記事やノウハウ集が乱立しました。構造化データを入れろ、llms.txtを設置しろ、文章を短くしろ——こうした助言の多くは個別の実験や経験則に基づくもので、どれがどれだけ効くのかを横断的に比較した資料はほとんど存在しませんでした。

そこに一石を投じたのが、米国のSEOコンサルティング会社Zyppyの創業者Cyrus Shepard氏です。同氏は自身のニュースレター「Zyppy Signal」で2026年5月7日に公開した分析記事の中で、ChatGPT・Gemini・Perplexityを対象とした過去2年分の54件の実験・特許・事例を洗い出し、AI引用と相関する要因を23個抽出したうえで、それぞれに「再現性」「証拠の強さ」「公式文書や特許による裏付け」という3つの基準でスコアを付けました。単発の実験結果を紹介する記事は数あれど、複数の研究を横断してスコアリングした一次分析は日本語圏ではまだほとんど紹介されていません。

本記事では、このZyppyの23シグナル分析を日本語で体系的に整理し、上位・中位・下位それぞれのシグナルが何を意味するのか、そして日本語サイトのLLMO（大規模言語モデル最適化）対策にどう落とし込むべきかを、実装手順やチェックリストを交えて解説します。あわせて、Ahrefsや国内メディアが公表している別データとも突き合わせ、Zyppyのスコアがどこまで一般化できる知見なのかも検証します。

「23のAI引用ランキング要因」とは何か — 54件のエビデンスから導いた評価軸

Zyppyの分析がユニークなのは、単一の実験や自社データだけに依拠せず、他社が公表した54件の実験・特許・事例研究を横断的に集約した「メタ分析」である点です。対象にはAhrefsの5000万クエリ規模の大規模調査から、個人ブロガーが10件程度のプロンプトで検証した小規模な事例まで幅が広く、Shepard氏はこれらを単純に平均するのではなく、次の3基準で重み付けしています。

1. 再現性（Repeatability）: 複数の独立した研究で同じ傾向が繰り返し確認されているか
2. 証拠の強さ（Strength of evidence）: サンプル数や調査設計の厳密さ（5000万クエリ規模の調査は10件規模の事例より高く評価される）
3. 公式な裏付け（Official support）: Google・OpenAI・Anthropicなどのプラットフォーム側の公式文書や特許に記載があるか

この3基準をもとに、各シグナルには0〜10の単一スコアが与えられています。重要な注意点として、Shepard氏自身が「これらは伝統的な意味での“ランキング要因”ではなく、複数の研究でAI引用と相関が確認された特徴（features correlated with AI citations）である」と明言している点です。つまり「このシグナルを満たせば必ず引用される」という因果関係の証明ではなく、あくまで観察された相関関係の強さを整理したものと理解する必要があります。この前提を踏まえたうえで、23シグナルの中身を見ていきましょう。

23シグナル全リストと評価スコア — 上位・中位・下位で何が変わるか

Zyppyが公開した23シグナルとスコアを、日本語訳とともに一覧化しました。スコアが高いほど「AI引用との相関が強く、根拠となる研究も多い」ことを意味します。

この表を見て多くの実務者が驚くのは、GEO（生成エンジン最適化）界隈で盛んに語られてきた「構造化データを入れれば引用される」「llms.txtが必須」といった助言が、実は23項目中の下位に位置している点です。逆に上位5項目は、URLがクロール可能か、検索順位が高いか、AIの内部検索（ファンアウト）で上位に出るか、メタ情報が明確か、クエリと回答が一致しているか——という、従来のSEOの基本と大きく重なります。Ahrefsが公表したデータでも「AI Overviewsの引用の38%は、Google検索の上位10件から来ている」と報告されており、この結果はZyppyの上位スコアと整合しています。

最上位5シグナルを徹底解説 — 土台となる技術的アクセシビリティ

URL到達性（9.5）とファンアウトランク（9.3）

最上位のURL到達性は、クローラーがそのページに到達し、内容を正しく取得できるかという最も基礎的な条件です。robots.txtによるブロック、認証必須ページ、JavaScriptレンダリングに強く依存した構造などは、AIのクローラーが内容を把握できず、そもそも引用の候補にすら上がりません。これはAI引用固有の話ではなく、従来のSEOにおけるインデックス可否の議論とまったく同じ土俵にあります。

3位のファンアウトランクは、AIが1つの質問に対して内部的に複数の検索クエリへ「展開（ファンアウト）」し、それぞれの検索結果で自社ページがどの順位に出るかという指標です。ユーザーから見えるのは1つの回答でも、その裏でAIは複数の関連クエリを実行しており、その全てで安定して上位に出るページほど引用されやすいと報告されています。

検索順位（9.4）とプレビュー制御・クエリ回答一致（ともに9.2）

2位の検索順位は、従来型のGoogle検索での順位そのものです。AI Overviewsをはじめとする多くのAI検索は、既存の検索インデックスや順位付けの仕組みを土台にして回答を生成しているため、ランキングが高いページほど引用元として選ばれやすい傾向が、Ahrefsを含む複数の大規模調査で一貫して確認されています。

プレビュー制御は、タイトルタグやメタディスクリプション、OGP情報など、AIがページ内容を要約・判断する際に参照するメタ情報の明確さを指します。クエリ回答一致は、ユーザーの質問に対してページ内の特定の文章がどれだけ直接的に答えているかという一致度で、質問文とほぼ同じ語彙・構文で答えを提示している段落ほど抽出されやすいことが分かっています。

コンテンツ構造に関わる中位シグナル — 抽出されやすい文章の作り方

6位以下の中位シグナルは、URLやドメインといった「土台」ではなく、ページ内の文章そのものの書き方に関わる項目が中心です。実務上もっともコントロールしやすい領域と言えます。

• 意図とフォーマットの一致（9.0）: 「比較」を求める質問には比較表、「手順」を求める質問にはステップ形式のリストというように、検索意図とコンテンツの形式を合わせる
• 回答が上部にあるか（8.8）: 結論やまとめを本文の冒頭付近に配置する。豪州のSEO研究者Dan Petrovic氏の分析では、Geminiのコンテンツ取得には文字数の上限があり、ページの後半にある情報ほど参照されにくいことが示されています
• AI対応構造（8.6）: 見出し（H2/H3）、番号付きリスト、表など、機械可読性の高い構造でコンテンツを整理する
• 事実として具体的か（8.3）: 「多くの企業が」ではなく「調査対象の68%の企業が」のように、数値や固有名詞を伴う具体的な記述にする
• 明示的な言い回し（8.1）: 「これ」「それ」といった曖昧な指示語を避け、主語・目的語を省略しない
• 出典の明記（8.0）: 一次情報や統計データの出典を本文中に明記する
• 自己完結した段落（8.0）: 前後の文脈がなくても、その段落単独で意味が通じるように書く

これらはいずれも「派手な新技術」ではなく、地道な編集品質の話です。Zyppyのスコアリングでは、こうした編集的な工夫が土台となる技術要因（URL到達性・検索順位）の次に高く評価されており、コンテンツの中身を磨き込むことがAI引用対策の主戦場であることを示唆しています。

「効かない」と判明した意外な下位シグナル — 構造化データ・ドメインオーソリティ・llms.txt

Zyppyの分析でもっとも議論を呼んだのが、下位に沈んだ3つのシグナルです。

構造化データ（5.6・23項目中20位）: JSON-LDやSchema.orgによるマークアップは、Google検索でのfeatured-snippet獲得やリッチリザルト表示には引き続き有効ですが、AI引用そのものへの直接効果を示す強いエビデンスは、Shepard氏が精査した54件の中では見つかりませんでした。structured-dataは「あれば無駄にはならないが、それ単体で引用が増える施策ではない」という位置づけです。国内メディアの解説記事でも「構造化データは公開情報全体の整合性を高める取り組みの一部として位置づけるのが現実的」という論調が主流になりつつあり、Zyppyのスコアとも符合します。

ドメインオーソリティ（5.0・23項目中22位）: 意外に思われるかもしれませんが、domain-authority（ドメイン全体の権威性を示す第三者指標）は下から2番目のスコアです。ブランドやエンティティとしての信頼度（6.8）は中位に位置する一方、ツールが算出するドメインスコアそのものは、AI引用との相関が思ったほど強くないと報告されています。これは「大手メディアでなくても、個別ページの内容と構造次第でAIに引用されうる」ことを意味し、中小規模のサイトにとっては希望が持てるデータです。

llms.txt（2.0・23項目最下位）: 2024年後半から一部で話題になったllms-txt（サイトの要約をAIクローラー向けに提示するテキストファイル）は、23項目中最下位という評価でした。Shepard氏は「llms.txtの設置がAI引用に影響を与えるという信頼できる証拠は見つからなかった」と明言しています。設置コスト自体は低いため排除する必要はありませんが、優先順位としては最後尾に置くべき施策であることがこの分析から読み取れます。

日本語サイトへの実装ステップ — 優先順位付けとチェックリスト

Zyppyのスコアはあくまで英語圏・ChatGPT/Gemini/Perplexityを対象にした分析ですが、優先順位の考え方自体は日本語サイトの実務にもそのまま応用できます。実装は次の3フェーズで進めるのが効率的です。

フェーズ1: 土台の棚卸し（URL到達性・検索順位）

• 対象ページがrobots-txtやnoindexでブロックされていないか確認する
• Google Search Consoleの「URL検査」でインデックス状況とレンダリング結果を確認する
• 主要クエリでの現在の検索順位を計測し、圏外・低順位のページは先にSEOの基礎対策を行う
• core-web-vitalsなどページ表示速度の指標も、クロール効率に間接的に影響するため点検しておく

フェーズ2: 文章構造の最適化（意図一致・AI対応構造・自己完結性）

• 検索意図ごとに「比較表」「手順リスト」「一問一答」など適切な形式を選ぶ
• 結論・要点を本文冒頭（またはH2直下）に配置し直す
• 各段落が単独で読んでも意味が通るように、指示語を具体的な名詞に置き換える
• 統計・引用は出典名と日付を本文中に明記する

フェーズ3: 補助的な施策（構造化データ・llms.txt）

• JSON-LDはFAQPageやArticleなど既存の実装を維持しつつ、新規追加の優先度は下げる
• llms.txtは設置コストが低い場合のみ着手し、効果測定を過度に期待しない

下表は、Zyppyのスコアと実務での着手優先度をマッピングしたものです。

JSON-LD実装とよくある失敗パターン

構造化データはスコア自体は中位以下ですが、「入れても無駄にはならない」領域であり、featured snippetやリッチリザルト経由の間接効果も期待できるため、正しく実装しておく価値はあります。実装時に押さえておくべきポイントは次の通りです。

1. ページ棚卸しとデータ設計を先に行う: マークアップを追加する前に、対象ページの著者・発行元・更新日など、本文中に実際に存在する情報だけを対象にする
2. ArticleタイプにauthorとpublisherをJSON-LDで紐付ける: 著者名だけでなく、所属組織や更新日時も含めることでE-E-A-T面の裏付けが強まる
3. 本文との不一致を避ける: マークアップ上のFAQと本文のFAQ内容が食い違っていたり、レビュー評価が実態と乖離していたりする「誤ったマークアップ」は、Googleのガイドライン違反になり得るため厳禁
4. 公開前後の検証フローを組む: リッチリザルトテストで構文エラーがないかを確認し、公開後はSearch Consoleの「拡張」レポートで警告が出ていないかを定期監視する
5. WordPressなど複数プラグインを使う場合の「断片化」に注意する: SEOプラグインとテーマ側の両方が同じ種類の構造化データを出力し、重複・矛盾が発生するケースが実務ではよく見られる

これらは構造化データそのものの効果というより「正しく実装できていないと逆効果になりうる」という守りの観点です。Zyppyのスコアが低いからといって構造化データを放置してよいわけではなく、既存の実装品質を保ちながら、投下する工数の優先度を下げるという判断が現実的です。

他の海外・国内研究との突き合わせ — Zyppyのスコアは他データと整合するか

一次分析を1本だけ読んで鵜呑みにするのではなく、他の独立した研究と突き合わせて妥当性を確認することが重要です。ここでは3つの視点から検証します。

Ahrefsの大規模調査との整合性: Ahrefsが公表した数千万クエリ規模のデータでは、AI Overviewsの引用元URLの38%がGoogle検索の上位10件と一致していたと報告されています。またAhrefs日本版ブログでは、被リンクの多いページでの言及がGoogle AI Overviewsでは強い相関、Perplexityでは中程度の相関を示す一方、ChatGPTでは非常に弱い相関しか見られなかったとされ、プラットフォームごとに重み付けが異なる点はZyppyの分析でも「AIエンジンによって挙動が異なる」という留保と符合します。

国内メディアの「引用のクセ」分析との整合性: Web担当者Forumが紹介した約120万件の検索結果・1万8000件の引用データを分析した海外レポートでも、AIが好んで引用する文章には共通のパターン（具体的な数値、明快な結論、箇条書きの多用）があると報告されており、Zyppyの中位シグナル（事実の具体性・AI対応構造）と方向性が一致しています。

日本国内の引用集中構造との関係: 国内では約80万件の引用データを分析した調査（japan-llmo-citation-rate-survey-2026で詳述）で、特定カテゴリではTOP1ドメインの引用率が80%を超えるという強い集中構造が報告されています。これはZyppyの「検索順位」「ブランド・エンティティ信頼度」といった上位〜中位シグナルが、日本語圏では特に強く効いている可能性を示唆しており、海外の23シグナル分析をそのまま輸入するのではなく、国内の集中構造も踏まえた優先順位付けが必要であることを裏付けています。

総合すると、Zyppyの23シグナル分析は単発の実験ではなく、Ahrefsをはじめとする独立データや国内調査とも大枠で整合する、現時点でもっとも体系的なAI引用要因の一次分析だと評価できます。ただしプラットフォーム間の差異や日本語特有の集中構造など、地域・エンジンごとの補正は依然として必要です。

よくある質問

Q1. Zyppyの「AI引用ランキング要因23シグナル」とは何ですか?

Zyppy創業者Cyrus Shepard氏が2026年5月に公開した、過去2年分の54件の実験・特許・事例分析を統合したメタ分析です。AI引用と相関する23の要因を抽出し、それぞれに0〜10のスコアを付けています。ChatGPT・Gemini・Perplexityを対象に、再現性・証拠の強さ・公式な裏付けの3基準で重み付けされています。

Q2. 23シグナルの中で最もスコアが高い要因は何ですか?

最高スコアはURL到達性の9.5で、次いで検索順位が9.4、ファンアウトランクが9.3と続きます。上位項目の多くはコンテンツの中身よりも、クロール性や既存の検索順位といった技術的・土台的な要因が占めています。派手な新施策ではなく、従来のSEOの基礎が引き続き重要という結果です。

Q3. なぜURL到達性が最上位にランクされているのですか?

AIがそのページの内容を取得できなければ、そもそも引用の候補にすら入れないためです。robots.txtによるブロック、認証必須ページ、JavaScriptレンダリングへの過度な依存などは、AIクローラーが内容を把握できない典型的な原因であり、この基礎条件を満たさないと他のどの施策も無意味になります。

Q4. 構造化データはAI引用に効果がないのですか?

「効果がゼロ」ではなく「23項目中20位・スコア5.6」という中〜下位の評価です。Shepard氏はAI引用への直接効果を示す強いエビデンスが乏しいと結論づけていますが、featured snippet獲得やリッチリザルト表示など間接的な恩恵は引き続きあるため、既存実装は維持しつつ新規投資の優先度を下げるのが妥当な判断です。

Q5. llms.txtを設置する意味はありますか?

Zyppyの分析では23項目中最下位のスコア2.0で、「設置がAI引用に影響するという信頼できる証拠は見つからなかった」とされています。設置コストが低い場合に排除する必要はありませんが、他の上位・中位シグナルへの投資を優先すべきというのがこの分析からの示唆です。

Q6. ドメインオーソリティが低いサイトでもAIに引用されますか?

Zyppyのスコアでは、ドメインオーソリティ自体は23項目中22位（5.0）と低めで、個別ページの内容や構造次第でAI引用は十分に狙えることを示しています。ただしブランド・エンティティとしての信頼度（6.8）はもう少し上位にあるため、サイト全体としての専門性の積み上げは無意味ではありません。

Q7. コンテンツの長さ（文字数）はAI引用に影響しますか?

長さそのもののスコアは6.7で中位です。長いから引用されやすい、短いから引用されやすいという単純な関係ではなく、質問への回答が本文の上部に明確に存在し、自己完結した段落として抽出できるかどうかの方が、長さそのものより重要な要因として評価されています。

Q8. 日本語サイトでもZyppyのスコアはそのまま当てはまりますか?

上位シグナル（URL到達性・検索順位）のような技術的な土台の重要性は言語を問わず共通していると考えられます。一方で、国内の約80万件引用調査では特定カテゴリでTOP1ドメインへの引用集中が80%を超えるなど、日本語圏特有の強い集中構造も報告されており、海外データをそのまま適用せず国内動向と併せて解釈する必要があります。

Q9. AI Overviewsやfeatured snippetの対策と何が違うのですか?

featured snippet対策は主にGoogle検索1つのプラットフォームに最適化する取り組みですが、AI引用対策はChatGPT・Gemini・Perplexityなど複数のAIプラットフォームを横断して考える必要があります。ただしZyppyの分析が示す通り、両者の土台となる技術要因（クロール性・検索順位）は大きく重なっており、既存のSEO資産を活かしながら拡張していくアプローチが現実的です。

Q10. AIが自分のコンテンツを引用しているかどうかはどうすれば分かりますか?

ChatGPT・Gemini・Perplexityなど各プラットフォームで自社に関連するプロンプトを手動で実行し、回答内に自社URLやブランド名が挙がるかを定期的に確認する方法が基本です。加えて、AI経由のリファラーをGoogleアナリティクスなどのアクセス解析で継続的にモニタリングすることで、引用から実際の流入に至っているかまで把握できます。

関連用語

• LLMO
• E-E-A-T
• 構造化データ
• JSON-LD
• ランキング
• llms.txt
• ドメインオーソリティ
• クローラー
• robots.txt
• featured snippet

関連記事

• LLMO完全ガイド
• AI検索最適化ガイド
• SEOとLLMOのハイブリッド戦略
• 日本サイトのLLMO引用率調査2026
• Cloudflare AEO可視化ダッシュボードの引用スコア活用ガイド
• HEO（ハイブリッドエンジン最適化）とは何か
• AISEO完全ガイド
• SEO基礎完全ガイド