お問い合わせ

AI検索で引用されるコンテンツの特徴を分析すると、独自データや統計情報を含む記事の引用率が高い傾向が見えてきます。 Agirre et al.（2023）のGEO研究では、統計データの追加がAI検索での表示率を向上させる手法の一つとして報告されています。

この記事では、データ駆動型コンテンツの設計から、表やグラフのHTML実装、出典の書き方まで、AI引用を意識したデータコンテンツの作り方を解説します。

データ駆動型コンテンツがAI引用に強い理由

数値はハルシネーションのリスクを下げる

AIが回答を生成する際、具体的な数値を含む主張は「検証可能な情報」として扱われます。 「市場規模は拡大している」と「市場規模は2024年時点で1兆2,000億円である」では、後者のほうがAIは引用しやすくなります。 数値を伴う主張はソースとの照合が容易なため、AIは信頼できるソースの数値をそのまま引用する傾向があります（Bohnet et al., 2022）。

独自データは代替が効かない

複数のWebページが同じトピックについて書いている場合、AIは最も情報量が多く信頼性の高いソースを引用します。 独自の調査データや自社の運用データは他のサイトには存在しない情報であるため、AIにとって代替ソースがありません。

「一般的にCTRは2〜3%と言われています」という記述は多くのサイトに類似があります。 「自社の運用データでは、構造化データ実装前のCTRは1.8%、実装後は3.2%でした」はそのサイト固有の情報です。

データの提示方法——AI引用を意識した書き方

数値は文脈とセットで提示する

文脈なしの「3.2%、1.8%、78%」ではなく、「構造化データ実装後、CTRは1.8%から3.2%に向上しました。改善率は約78%です」と書きます。 AIは数値を引用する際にその意味を正確に伝える必要があり、文脈なしの数値は引用対象から外れやすくなります。

数値には単位と時点を付ける

○ 2024年第3四半期のEC市場規模は6兆8,000億円（経済産業省調べ）
○ 2024年10月時点のモバイル比率は72.3%
× 市場規模は6兆8,000億円

「いつの」「何の」数値かが明示されていることで、AIは回答に正確な文脈を含められます。

比較・変化を示すデータを優先する

単独の「直帰率は45%でした」よりも、「リード文を200文字から100文字に短縮した結果、直帰率は58%から45%に改善しました」のほうがAI引用の価値が高くなります。 AI検索のユーザーは「○○するとどうなるか」という質問をすることが多いためです。

表のHTML実装

<table>
  <caption>チャネル別のコンバージョン率比較（2024年7〜9月）</caption>
  <thead>
    <tr>
      <th scope="col">チャネル</th>
      <th scope="col">セッション数</th>
      <th scope="col">CVR</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th scope="row">自然検索</th>
      <td>45,200</td>
      <td>3.0%</td>
    </tr>
    <tr>
      <th scope="row">リスティング広告</th>
      <td>28,300</td>
      <td>4.0%</td>
    </tr>
  </tbody>
</table>
<p class="table-source">出典：自社GA4データ（2024年7〜9月、全デバイス合算）</p>

<caption>で表の内容を説明する。 AIは<caption>を読んで、表が何のデータかを理解します。

<thead>と<tbody>を分離する。 見出し行とデータ行を構造的に区別することで、AIは「チャネル」がカテゴリ名であり、数値がデータであると認識できます。

出典は表のすぐ下に置く。 記事末尾にまとめて書かれていると、AIが表と出典の対応を見失う可能性があります（Liu et al., 2023）。

グラフのHTML実装と代替テキスト

AIは画像ファイル内のグラフを直接読み取ることが難しいケースがあります。 alt属性にグラフの要点を記述することで、AIにデータを伝えられます。

<figure>
  <img src="/images/cvr-by-channel.png"
    alt="チャネル別CVRの棒グラフ。自然検索3.0%、リスティング広告4.0%、SNS2.0%。2024年7〜9月。"
    width="800" height="450" />
  <figcaption>図1：チャネル別CVR（2024年7〜9月、自社GA4データ）</figcaption>
</figure>

グラフだけでなく、同じデータを表でも提示するとAIの情報抽出精度が上がります。 グラフは人間の読者向け、表はAI向けの二重提示です。

出典の書き方

データの出典には以下の5要素を含めます。

  1. 発行元（組織名または著者名）
  2. タイトル（レポート名や調査名）
  3. 発行年
  4. アクセス可能なURL
  5. 該当するページや図表番号
○ 経済産業省「令和5年度 電子商取引に関する市場調査」（2024年9月公表）、p.15 図表2-1
× 経済産業省の調査

一次データと二次データを区別する

自社の運用データ（一次データ）と外部の統計データ（二次データ）は明確に区別します。 一次データは他のソースにない独自情報であるため、AI引用の価値が高くなります。

孫引きを避ける

「○○の記事によると、□□の調査では〜」のような二次引用は避けます。 AIは元の出典を優先して引用するため、孫引きの記事は引用候補から外れやすくなります。

独自データの作り方

自社運用データの公開

ABテストの結果、チャネル別のパフォーマンス推移、コンテンツ施策の効果測定データなどを匿名化した上で公開します。 クライアントのデータを使う場合は掲載許可の確認が必要です。

アンケート調査の実施

アンケートデータがAI引用されやすい条件は、回答数が100件以上、調査方法・期間・設問が公開されていることです。 調査方法の透明性は、AIがデータの信頼性を判断する際の重要な要素です。

業界データの集計と分析

公開されている複数のデータソースを統合・分析して新しいインサイトを導き出す方法もあります。 元データは公開情報ですが、集計と分析を加えることで独自の情報になります。

データコンテンツの構造化データ

独自の調査データを公開する場合は、Datasetスキーマを実装します。

{
  "@context": "https://schema.org",
  "@type": "Dataset",
  "name": "BtoB企業のコンテンツマーケティング実態調査2024",
  "description": "国内BtoB企業300社のコンテンツマーケティング実施状況調査",
  "temporalCoverage": "2024-06/2024-07",
  "creator": { "@type": "Organization", "name": "運営会社名" },
  "datePublished": "2024-09-01"
}

DatasetスキーマはGoogle Dataset Searchにもインデックスされるため、AI検索以外の経路からの流入も期待できます。

データコンテンツの更新戦略

「○○調査2024」のような年次コンテンツは、毎年更新する前提で設計します。 URL設計に年度を含め、過去データとの比較で推移を示し、次年度の更新予告を記載します。

データには有効期限の目安を明示します。

この調査データは2024年6〜7月に収集されたものです。市場環境の変化により、2025年以降は数値が異なる可能性があります。

まとめ

データ駆動型コンテンツでAI引用を獲得するためのポイントを整理します。

データを含むコンテンツは制作コストが高いものの、AI検索での引用率が高く、長期的な資産になります。 まずは自社の運用データから始め、段階的に独自調査へと広げていくのが現実的です。