お問い合わせ

SEOにおいて被リンクは、ランキングを決定する最重要シグナルの1つです。 Googleのアルゴリズムは、被リンクをページの信頼性と権威性の指標として20年以上にわたって活用してきました。

しかし、AI検索の普及により「被リンクはGEOにも効くのか」という問いが生まれています。 この記事では、被リンクとAI引用の関係を整理し、GEO時代のリンク戦略の方向性を解説します。

被リンクとAI引用は別の概念

まず、被リンクとAI引用の違いを明確にします。 この2つはしばしば混同されますが、仕組みも目的も異なります。

他のWebサイトから自社ページへのハイパーリンクです。 Googleのアルゴリズムは、被リンクの数と質をページの権威性の指標として使用します。 被リンクが多いページは「他のサイトから推薦されている」と解釈され、ランキングが上がります。

AI引用（AI Citation）

AI検索の回答の中で、情報の出典としてページが参照されることです。 PerplexityやChatGPTの検索モードは、RAG（Retrieval-Augmented Generation）の仕組みで複数のWebページから情報を取得し、回答を生成します。 回答の根拠として引用されたページが、AI引用です。

被リンクは「サイト間のリンク関係」であり、AI引用は「AIの回答における出典の提示」です。 評価される対象も、評価の仕組みも異なります。

被リンクはAI検索の引用にどう影響するか

被リンクがAI検索の引用に直接影響するかどうかは、AI検索の仕組みを理解する必要があります。

RAGのRetrieverにおける被リンクの役割

Gao et al.（2024）のRAGサーベイが解説するように、RAGのRetrieverは検索クエリとコンテンツの意味的関連性を基準にパッセージを取得します。 この段階では、被リンクの数は直接的な評価基準に含まれていません。

Retrieverが重視するのは以下の要素です。

つまり、Retrieverの段階では、被リンクが多いかどうかはパッセージの取得順位に直接影響しません。

間接的な影響経路

ただし、被リンクが間接的にAI引用に影響する経路は存在します。

経路1：クローラーの発見可能性。 被リンクが多いページは、AIクローラーに発見されやすくなります。 AIクローラーもWebを巡回してインデックスを構築するため、被リンクによってクロール優先度が上がる可能性があります。

経路2：ドメインの信頼性評価。 一部のAI検索システムは、ドメインの信頼性を引用の判断材料に含めている可能性があります。 これは公式には明示されていませんが、権威性の高いドメイン（政府機関、学術機関、大手メディア）のコンテンツが引用されやすい傾向は、実務上観察されています。

経路3：Web上のメンション量。 被リンクが多いページは、Web上で広く言及されている傾向があります。 Mallen et al.（2023）の研究が示すように、LLMはWeb上での出現頻度が高いエンティティをより正確に記憶します。 被リンクの多さは、Web上での言及量と相関し、LLMの知識ベースに含まれる確率を高めます。

SEOのリンク評価とGEOのコンテンツ評価の違い

SEOとGEOでは、コンテンツの質を評価する仕組みが根本的に異なります。

SEO：外部シグナルによる評価

SEOでは、コンテンツの質を直接評価するのではなく、外部シグナル（被リンク、ユーザー行動、ソーシャルシグナル）を通じて間接的に評価します。 被リンクが多い→多くのサイトに推薦されている→質が高い、という推論構造です。

この仕組みでは、コンテンツの内容そのものよりも、コンテンツを取り巻く外部の評価が順位に大きく影響します。

GEO：コンテンツの内容による直接評価

GEOでは、AIがコンテンツの内容を直接的に解析し、引用するかどうかを判断します。 Aggarwal et al.（2023）の研究が示すように、定量データの明示、出典の記載、専門用語の使用が引用率を改善します。

この仕組みでは、被リンクの有無よりも、パッセージ内の情報の質と構造が引用を決定します。 つまり、被リンクがゼロでも、コンテンツの質と構造が優れていれば引用される可能性があります。

被リンクが多いのにAI引用されないケース

SEOでは被リンクの多さで上位表示されている記事が、AI検索では引用されないケースがあります。 このケースを分析すると、SEOとGEOの評価基準の違いが明確になります。

ケース1：リンクベイト型コンテンツ

インフォグラフィック、無料ツール、ランキング記事など、被リンクを獲得しやすいフォーマットのコンテンツです。 SEOでは被リンクの効果で上位表示されますが、AI検索のRetrieverが求める「質問に対する直接的な回答」を含まない場合、引用されません。

ケース2：情報が古い記事

長年にわたって被リンクを蓄積した記事は、SEOでは依然として上位に表示されることがあります。 しかし、情報が古くなっている場合、AI検索は鮮度の高い他のソースを優先します。

ケース3：キーワード最適化だけの記事

キーワード密度と被リンクでSEO上位を維持している記事は、内容の具体性や根拠の明示が不足している場合があります。 AI検索では、キーワードの有無ではなく、情報の質と回答性が評価されます。

被リンクが少なくてもAI引用されるケース

逆に、被リンクが少ないにもかかわらず、AI検索で引用されるケースもあります。

ケース1：独自の調査データを含む記事

業界調査、アンケート結果、自社のデータ分析を含む記事は、他にない情報を提供するため、AI検索で引用されやすいです。 Aggarwal et al.（2023）の研究における「Quantitative Claims」の効果は、このケースに該当します。

ケース2：専門性の高いニッチ記事

特定の専門領域に関する深い知見を含む記事は、その領域のクエリに対して高い関連性を持ちます。 被リンクは少なくても、パッセージの内容がクエリに対する最適な回答であれば、引用の候補になります。

ケース3：定義文と構造が明確な記事

「◯◯とは何か」に対する明確な定義文を含み、段落ごとに主張と根拠が整理された記事は、RAGのRetrieverで高いスコアを獲得します。 このタイプの記事は、被リンクの有無に関係なく、構造的な優位性でAI引用を獲得できます。

GEO時代のリンク戦略を再設計する

被リンクの重要性がGEOでは相対的に低下するとしても、リンク戦略を完全に放棄するのは合理的ではありません。 SEOとGEOの両方に効果があるリンク戦略に再設計します。

戦略1：引用されるコンテンツを作る

GEO時代のリンク戦略の中核は、「被リンクを獲得するためのコンテンツ」から「引用されるコンテンツ」への転換です。

従来のリンクベイト（被リンクを獲得するために設計されたコンテンツ）は、インフォグラフィックや無料ツールが中心でした。 GEO時代のリンクベイトは、独自の調査データ、業界分析、定量的な根拠を含む記事です。

このタイプのコンテンツは、他のサイトからの被リンクとAI検索からの引用の両方を獲得できます。

戦略2：メンションを増やす

被リンクではなく、テキストとしてのメンション（ブランド名や記事の言及）を増やす施策も、GEOでは効果的です。

LLMはWeb上のテキストから知識を学習するため、自社ブランドや記事がテキストとして言及される頻度は、AIの認知に影響します。 Petroni et al.（2019）の研究が示すように、LLMは学習データ中の出現頻度に応じて知識を記憶します。

メンションを増やす方法は以下の通りです。

これらの施策は、被リンクの獲得にもつながりますが、GEOにおいてはリンクの有無よりもテキストとしての言及そのものが重要です。

戦略3：権威性のあるサイトからのリンクを優先する

被リンクを獲得する場合は、数よりも質を優先します。 政府機関、学術機関、業界の権威あるメディアからのリンクは、SEOにおいてもGEOにおいても、ドメインの信頼性を高めます。

低品質なリンクを大量に獲得するSEO施策は、GEOの文脈ではほとんど効果がありません。 AIの引用判断にリンクの数が直接影響しないためです。

戦略4：内部リンクでコンテンツの関連性を強化する

外部リンクだけでなく、内部リンクの構造もGEOに影響する可能性があります。 関連するコンテンツを内部リンクで接続することで、AIクローラーがサイト全体のトピック構造を理解しやすくなります。

内部リンクの設計ポイントは以下の通りです。

「引用」の概念を拡張する

GEO時代には「リンク」と「引用」を別の概念として捉え直す必要があります。

SEO時代のリンク

Webサイト間のハイパーリンク。クリックすると遷移する技術的な接続です。 SEOでは、このリンクの質と量がランキングシグナルとして機能します。

GEO時代の引用

AI検索の回答における出典の提示です。ユーザーがクリックするかどうかに関係なく、回答の信頼性を担保する役割を持ちます。 引用は、コンテンツの質によって獲得するものであり、リンクの交渉や営業で獲得するものではありません。

この概念の拡張は、マーケティング施策の設計にも影響します。 「被リンクを獲得するためのアウトリーチ活動」に加えて、「引用されるためのコンテンツ品質の向上」が施策として並立します。

SEO資産の転用と費用対効果の再評価

SEOで蓄積してきたリンク関連の資産は、GEOにも活用できます。 高いドメインオーソリティはAIクローラーの巡回頻度に寄与し、既存の被リンクネットワークはGEO対応コンテンツの配布先として活用できます。 リンクアウトリーチのスキルも、対象を「被リンク」から「メンション（テキスト言及）」に広げるだけで転用可能です。

被リンク施策の費用対効果をGEO観点で再評価すると、効果が高い施策と見直しが必要な施策が分かれます。

費用対効果が高い施策は、独自調査データの公開（被リンクとAI引用の両方を獲得）、業界メディアへの寄稿（被リンクとメンションの両方を獲得）、プレスリリースの定期配信です。 一方、相互リンクの依頼、ゲストポストの大量投稿、リンクの購入は、GEOへの効果がほぼありません。

計測はSEO側（Ahrefs等での被リンク追跡、ドメインオーソリティの推移）とGEO側（AI検索での引用状況の月次チェック、GA4でのAIリファラートラフィック追跡）を並行して行います。 「被リンクが増えた結果、AI引用も増えたか」の相関データは、リンク戦略の意思決定に役立ちます。

まとめ

被リンクとAI引用は別の概念であり、被リンクの多さが直接AI引用の増加につながるわけではありません。 ただし、間接的な影響経路（クローラーの発見可能性、ドメインの信頼性、Web上のメンション量）は存在します。

GEO時代のリンク戦略の要点は以下の通りです。

被リンク施策を完全にやめるのではなく、SEOとGEOの両方に効く施策に集中することが、限られたリソースの最適な配分です。