お問い合わせ

Perplexityで業界のキーワードを検索すると、競合サイトは引用されているのに自社は引用されない。 この状況に直面している企業は少なくありません。

Perplexityは、GEO対策（LLMO対策・AI検索対策とも呼ばれます）において最も重要なAI検索エンジンの1つです。 リアルタイムでWebを検索し、回答に引用元を明示するため、引用されれば直接的なトラフィック獲得につながります。

この記事では、Perplexityの引用ロジックを分析し、引用されるための具体的な改善ステップを解説します。

Perplexityの引用ロジックを理解する

Perplexityは、他のAI検索エンジンと比べて引用の透明性が高いことが特徴です。 回答の各文に対して引用元が番号付きで表示され、ユーザーは引用元のサイトに直接アクセスできます。

Perplexityの情報取得プロセス

Perplexityは以下のプロセスで回答を生成します（Gao et al., 2024のRAGフレームワークに準拠）。

  1. ユーザーのクエリを解析し、検索クエリに変換する
  2. リアルタイムでWeb検索を実行し、関連するページを取得する
  3. 取得したページからパッセージを抽出する
  4. LLMがパッセージを統合して回答を生成し、各文に引用元を付与する

重要なポイントは、ステップ2でPerplexityはリアルタイムにWebを検索するということです。 ChatGPTの学習データとは異なり、最新のコンテンツも引用対象になります。

Perplexityが引用元を選ぶ基準

Perplexityの引用選択基準を公式に示したドキュメントはありませんが、引用パターンの分析から以下の傾向が確認できます。

引用されない5つの原因

原因1：Bing検索で上位表示されていない

Perplexityの情報検索はBing等の検索エンジンを利用しています。 Google検索では上位でも、Bing検索では順位が低い場合、Perplexityの引用対象から外れる可能性があります。

確認方法。 Bing（bing.com）で主要キーワードを検索し、自社サイトの表示順位を確認します。 Google検索とBing検索で順位に大きな差がある場合、Bing向けの最適化が必要です。

対策。 Bing Webmaster Toolsに自社サイトを登録し、サイトマップを送信します。 BingはMicrosoftが運営しており、IndexNowへの対応やBing固有のランキング要素（ソーシャルシグナルの重視等）を考慮すると効果的です。

原因2：コンテンツが一般的すぎる

「〇〇とは」のような定義的な情報は、すでにWikipediaや大手メディアが強いポジションを持っています。 一般的な解説コンテンツでPerplexityの引用を獲得するのは困難です。

対策。 競合が少ない具体的なトピック（ロングテールキーワード）や、自社の専門性を活かせるニッチな領域にフォーカスします。 「〇〇とは」よりも「〇〇の具体的な実装方法」「〇〇業界における〇〇の活用事例」のほうが引用されやすい傾向があります。

原因3：パッセージが引用に適した形式ではない

Perplexityは、回答の各文に引用元を紐づけます。 つまり、1〜2文で引用できる形で情報が整理されているコンテンツが引用されやすいということです。

引用されにくいコンテンツの特徴。

引用されやすいコンテンツの特徴。

原因4：コンテンツの更新日が古い

Perplexityは情報の新しさを考慮する傾向があります。 最終更新日が1年以上前のコンテンツは、同じトピックの新しいコンテンツに引用のポジションを奪われている可能性があります。

対策。 重要なコンテンツは少なくとも半年に1回は情報を更新し、ページの更新日を反映させます。 構造化データ（Article スキーマ）のdateModifiedプロパティも更新してください。

原因5：robots.txtでクローラーをブロックしている

PerplexityのクローラーであるPerplexityBotがrobots.txtでブロックされている場合、コンテンツが取得されません。

確認方法。 robots.txtに以下のようなルールがないか確認します。

User-agent: PerplexityBot
Disallow: /

引用されるためのコンテンツ改善5ステップ

ステップ1：引用候補となるパッセージを設計する

各セクションの冒頭に、Perplexityが引用しやすい「引用候補パッセージ」を配置します。

引用候補パッセージの条件は以下の通りです。

ステップ2：定量データと出典を追加する

Aggarwal et al.（2023）の研究では、統計データを含むコンテンツのAI検索での引用率が大幅に向上することが確認されています。

具体的には、以下の形式で定量データを記載します。

ステップ3：FAQセクションを追加する

PerplexityはQ&A形式のクエリに対して、FAQ形式のコンテンツを引用しやすい傾向があります。 各記事の末尾に、関連するFAQを3〜5つ追加します。

FAQの回答は50〜100文字程度の簡潔な形にし、JSON-LDのFAQPageスキーマもマークアップしてください。

ステップ4：比較表・一覧表を活用する

Perplexityは、比較や一覧の質問に対して、表形式で整理されたコンテンツを引用する傾向があります。 自社の専門領域で、ツール比較、手法比較、料金比較などの表を作成するのが効果的です。

ステップ5：更新頻度を維持する

重要なコンテンツは定期的に情報を更新し、最新性を維持します。 更新のチェックリストを作成し、四半期ごとに以下を確認します。

Perplexity vs. ChatGPT：引用最適化の違い

PerplexityとChatGPTでは、引用されるための最適化に違いがあります。

項目PerplexityChatGPT（検索モード）
情報取得方法リアルタイムWeb検索リアルタイムWeb検索 + 学習データ
引用の表示各文に番号付き引用回答末尾にソース表示
重視される要素Bing検索順位、具体性、新しさコンテンツの権威性、包括性
最適化の重点パッセージの引用しやすさトピック全体の専門性
効果の即時性高い（リアルタイム反映）中程度（インデックス遅延あり）

Perplexityはリアルタイム検索の比重が大きいため、コンテンツの改修が比較的早く反映されるというメリットがあります。

効果測定のチェックリスト

Perplexity引用最適化の効果を測定するためのチェックリストです。

まとめ

Perplexityに引用されない原因は、Bing検索での順位不足、コンテンツの一般性、パッセージ形式の問題、更新日の古さ、クローラーのブロックの5つに集約されます。

最も即効性がある対策は、既存コンテンツの冒頭に引用候補パッセージを配置することです。 1〜3文で自己完結する事実の記述を各セクションに追加するだけで、引用される確率が向上します。

PerplexityはリアルタイムでWeb検索を行うため、コンテンツの改修が比較的早く反映されます。 改善と計測を2週間サイクルで繰り返すことで、効率的に引用ポジションを獲得できます。

参考文献