お問い合わせ

AI検索が回答を生成する際、引用元として選ばれやすいコンテンツには共通する特徴があります。 その一つが「一次情報」を含んでいることです。

一次情報とは、自社が独自に収集・分析したデータや、自社の実践から得られた知見を指します。 他社の情報を引用・編集した二次情報とは異なり、一次情報はそのページにしか存在しない情報です。

この記事では、AI検索に引用されやすい一次情報の設計方法と、データの公開形式、実務での作り方を解説します。

AI検索が一次情報を優先する理由

AI検索のRAGシステム（Lewis et al., 2020）は、候補ページのランキングにおいて情報の独自性を評価しています。 ここでの独自性とは、他のページには存在しない情報がそのページに含まれているかどうかです。

重複排除（Deduplication）の仕組み

RAGシステムは候補ページをランキングする際に、重複コンテンツを排除するプロセスを持っています。 同じ情報が複数のページに存在する場合、元の情報源（オリジナル）が優先され、引用・転載したページは候補から除外されやすくなります。

一次情報を含むページは、この重複排除で「オリジナル」として残る可能性が高くなります。 他社の調査データを引用して解説するページは、元の調査ページが候補にある限り、引用先として選ばれにくい構造です。

セマンティック類似度とユニーク性

Petroni et al.（2019年）の研究が示すように、AIは大量のWebデータから学習した知識を保持しています。 すでに学習済みの一般的な情報よりも、学習データに含まれていない新しい情報のほうが、AI検索にとって引用する価値が高くなります。

セマンティック検索の段階で、既存のWeb上の情報と類似度が高いコンテンツは差別化されにくくなります。 一次情報はWebの既存コンテンツとのセマンティック距離が大きいため、検索段階での独自性スコアが高くなります。

Attributed QAでの引用判断

Bohnet et al.（2022年）のAQA研究によると、AIが引用を割り当てる際、具体的なデータポイント（数値、調査結果、統計情報）を含むソースが引用先として選ばれやすい傾向があります。

一次情報はこの「具体的なデータポイント」を豊富に含んでいるため、引用の対象になりやすいといえます。 「業界の平均値は〇〇です」という一般論よりも、「自社の調査（n=500）では〇〇%でした」という独自データのほうが引用される可能性が高い構造です。

一次情報の4つのタイプと作り方

タイプ1：独自アンケート調査

自社でアンケートを実施し、その結果をデータとして公開する方法です。

実施手順

  1. 調査テーマと仮説を設定する
  2. 質問票を設計する（15〜25問が目安）
  3. 調査対象を定義する（職種、業種、企業規模など）
  4. サンプル数を確保する（統計的な信頼性を得るには最低100、望ましくは300以上）
  5. 調査を実施する（自社顧客リスト、調査パネル、SNSなど）
  6. データを集計・分析する
  7. レポートとして公開する

調査パネルの活用

自社の顧客リストだけではサンプル数が不足する場合、調査パネルサービスを利用します。 Fastask、マクロミル、SurveyMonkeyなどのサービスでは、1回の調査を10万〜50万円程度の予算で実施できます。

AIに引用されやすい調査の条件

タイプ2：自社の実績データ

自社のサービス提供や事業運営から得られたデータを匿名化・集計して公開する方法です。

公開できるデータの例

匿名化と集計の原則

個別のクライアント名や具体的な売上金額は公開できません。 以下の方法で匿名化・集計します。

タイプ3：ケーススタディ（事例データ）

特定のプロジェクトや施策の経過と結果を詳細に記録したものです。

効果的なケーススタディの構成

  1. 背景：課題の状況、定量的な現状値
  2. 施策：実施した具体的なアクション
  3. 結果：施策後の定量的な変化
  4. 考察：成功または失敗の要因分析

AIに引用されやすいケーススタディの条件

タイプ4：観察・分析データ

公開情報を独自の視点で収集・分析したデータです。

具体例

この種のデータは調査パネルの費用がかからず、公開情報から作成できるため、コストを抑えて一次情報を作る方法として有効です。

公開形式の最適化——AIクローラに読み取られやすい形式

一次情報の価値を最大化するには、データの公開形式も重要です。 AIクローラが情報を正確に読み取れる形式で公開する必要があります。

HTMLテーブルでデータを提示する

調査結果や比較データは、HTMLの<table>要素を使って提示します。

<table>
  <caption>BtoB企業のコンテンツマーケティング月額予算（n=350、2025年調査）</caption>
  <thead>
    <tr>
      <th>予算帯</th>
      <th>回答比率</th>
    </tr>
  </thead>
  <tbody>
    <tr><td>10万円未満</td><td>15%</td></tr>
    <tr><td>10万〜30万円</td><td>32%</td></tr>
    <tr><td>30万〜50万円</td><td>28%</td></tr>
    <tr><td>50万〜100万円</td><td>18%</td></tr>
    <tr><td>100万円以上</td><td>7%</td></tr>
  </tbody>
</table>

<caption>要素にデータの説明（調査名、サンプル数、調査時期）を含めることで、AIがテーブルの文脈を理解しやすくなります。

画像としてのグラフだけでは、AIクローラがデータを読み取れません。 グラフを掲載する場合も、同じデータをHTMLテーブルとして併記します。

データの文脈を本文に記述する

テーブルやリストでデータを提示する際、データの文脈（何を調査したか、どのような条件で、何が分かったか）を本文テキストとして記述します。

自社が2025年1月に実施したBtoB企業のマーケティング担当者350名を対象としたオンラインアンケート調査の結果、
コンテンツマーケティングの月額予算は「10万〜30万円」が32%で最多でした。
次いで「30万〜50万円」が28%、「50万〜100万円」が18%となっています。

この形式であれば、AIが「BtoBのコンテンツマーケティング予算の相場は」という質問に対して、この段落を引用として選びやすくなります。

JSON-LDでデータセットを構造化する

調査データをSchema.orgのDataset型で構造化すると、AI検索がデータの存在を認識しやすくなります。

{
  "@context": "https://schema.org",
  "@type": "Dataset",
  "name": "BtoB企業のコンテンツマーケティング月額予算調査 2025",
  "description": "BtoB企業のマーケティング担当者350名を対象とした、コンテンツマーケティング予算に関するオンラインアンケート調査",
  "temporalCoverage": "2025-01",
  "creator": {
    "@type": "Organization",
    "name": "自社名"
  },
  "distribution": {
    "@type": "DataDownload",
    "encodingFormat": "text/html",
    "contentUrl": "https://example.com/research/content-marketing-budget-2025"
  }
}

引用しやすい要約文を配置する

調査レポートの冒頭に、主要な発見を2〜3文で要約します。 この要約文はAI検索が引用テキストとして抽出する対象になります。 調査のスコープ（対象、サンプル数、時期）、主要な発見、数値データを含めるのが基本です。

一次情報コンテンツの量産体制

一次情報は作成に手間がかかるため、量産体制を仕組み化することが重要です。

年に1〜2回の大規模調査を定期的に実施し、「〇〇白書 2025年版」のように年次レポートとして発行すると、毎年の比較データが蓄積されます。 1回の調査からテーマ別に5〜10本の記事に展開できるため、コンテンツ効率が高い方法です。

自社の業務データ（CRMデータ、広告運用データ、サイトアクセスデータなど）を四半期ごとに集計する仕組みも有効です。 BIツール（Looker Studio、Tableauなど）でダッシュボードを作成し、集計結果をコンテンツチームに共有するフローを構築します。

プロジェクト完了時には定型のヒアリングシート（導入前の課題・施策内容・導入後の変化・掲載許可の可否）を使ってクライアントの声を収集し、ケーススタディの素材を蓄積します。

一次情報と二次情報の組み合わせ方

記事のすべてを一次情報で構成する必要はありません。 「自社の調査（n=350）では〇〇%だった」という一次データを主張の根拠に配置し、二次情報（外部の調査データや論文）は「〇〇研究所の調査でも同様の傾向が報告されている」という形で補強に使います。

既存の公開データではカバーされていない領域を自社の一次情報で埋めるアプローチも効果的です。 情報の鮮度とオリジナリティを両立できます。

一次情報コンテンツの被リンク効果

一次情報を含むコンテンツは、他のメディアやブログが自社のデータを引用する際にリンクを張ってくれるケースが多く、被リンクを獲得しやすい特性があります。 被リンクはドメインの権威性シグナルとして、AI検索のランキングにも影響します。

被リンクを獲得しやすい形式は、業界の年次レポート、独自の統計データ、具体的な数値を含むケーススタディ、公開情報の独自分析です。 プレスリリースを併用して調査結果を発信すると、メディア掲載と被リンクの獲得が促進されます。

まとめ

一次情報は、AI検索の重複排除を通過し、引用元として選ばれやすいコンテンツの核になります。

一次情報を作成する際のポイントを整理します。

一次情報の作成は二次情報の記事よりも工数がかかりますが、AI検索での引用獲得、被リンクの獲得、ブランド認知の向上という3つの効果を同時に得られる施策です。 まずは四半期に1回、自社の業務データをもとにした調査レポートを1本作成するところから始めるのが現実的な第一歩です。