コンテンツSEOとE-E-A-T｜AIに信頼される記事の作り方

先に結論を3つ書く

1. AIが根拠を示すかどうかは、業種で1.4倍違います。この調査が2026年5月19日から7月30日に100問を毎日6モデルへ投げた2万9,582件の回答では、出典を付けた割合が生命保険64.2%に対し自動車46.5%でした。同じ「AIに引用される記事を書く」という作業でも、上位の業種と下位の業種では狙うものが変わります。12業種の実測は3章に全部載せた。
2. 信頼を示せているかどうかは、AIが実際に何と結び付けて語っているかで測れる。GMO NIKKOの競合引用分析では、2026年7月8日から8月7日に集めた回答2,168件から、ブランド名の前後200字に現れる属性語を数えています。GMO NIKKOは料金明示が31%と6社で最も高く、独自ツールが13%と最も低い。自分たちが強みだと思っているものと、AIが語っている属性はずれる。
3. E-E-A-T自体はランキングに直接影響する要因ではありません。これはGoogleが公開ページに書いています。それでもE-E-A-Tを揃える意味があるのは、揃えるためにやること、すなわち一次情報を出す、著者を明示する、出典を付ける、更新するという作業が、AI検索で引用される条件とほぼ重なるからです。ガイドラインを順位のアルゴリズムそのものとして語りません。

以下、この3つを実測と公開情報で裏づけていき、この調査の数字はすべて自分たちで集めた一次データから出したもので、外部の推計は使っていません。原典に無い数字は書いていません。

図1：4要素は独立ではなく、信頼性を土台に積み上がる関係にある。

拡大

図1：4要素は独立ではなく、信頼性を土台に積み上がる関係にある。

閉じる

E-E-A-Tとは何か。AI検索でなぜ効くのかを確かめる

図2：手元にある経験や事実を、検証可能な形で記事化する流れ。

拡大

図2：手元にある経験や事実を、検証可能な形で記事化する流れ。

閉じる

4つの頭文字を開き、どれが要かを確かめる

E-E-A-T（＝経験・専門性・権威性・信頼性の頭文字を並べた、コンテンツの質を評価する考え方）は、経験・専門性・権威性・信頼性という4つの英単語の頭文字を並べた言葉であり、もとはE-A-Tの3文字だったが、2022年12月15日にGoogleが経験を足して4文字にした。実際に使った、実際に行った、実際に体験したという一次の経験が、独立した観点として加わったということです。

図3：人間向けの表示と機械向けの記述を両方そろえると伝わりやすい。

拡大

図3：人間向けの表示と機械向けの記述を両方そろえると伝わりやすい。

閉じる

Googleは4つを並列に扱っていません。検索セントラルの日本語ページには「中でも、信頼性は重要なものであり、その他の項目も信頼性の一因となるものですが、しもすべてにおいて優れている必要はありません」と書かれています。確認日は2026年8月8日です。つまり経験・専門性・権威性は、信頼性を支えるための材料という関係にあり、4つを均等に埋めにいくのではなく、信頼性から逆算したほうが早い。

この記事は、4つの頭文字を開いて全体の地図を渡すところまでを持ち、4要素を1つずつ定義し直し、どの要素をページのどこへ置くかまで踏み込むのは別の記事「E-E-A-Tとは」が持ちます。権威性の1要素だけを深く扱うのは別の記事「権威性とは」が持ち、この記事では、それぞれの入り口となる大きさだけを示します。

評価ガイドラインは、順位のアルゴリズムそのものではありません

ここを取り違えると、以降の話がすべて誤解になります。E-E-A-Tは検索品質評価ガイドライン（＝Googleの検索品質評価者（＝Googleのアルゴリズムが適切な結果を出しているかを人手で確認する役割の人）が検索結果を採点するための基準を書いた文書）という文書に出てくる考え方です。この文書は検索品質評価者という人たちがGoogleの検索結果を採点するための基準であり、順位を計算しているプログラムの説明書ではありません。

図4：作って終わりでなく、定期的に見直すことで信頼性を保つ。

拡大

図4：作って終わりでなく、定期的に見直すことで信頼性を保つ。

閉じる

Googleの公開ページに書かれている内容を、よくある言い換えと並べて置き、左が実際に書かれていることで、中央がよく見かける言い方です。

出典はGoogle 検索セントラル「有用で信頼性の高い、ユーザーを第一に考えたコンテンツの作成」（https://developers.google.com/search/docs/fundamentals/creating-helpful-content?hl=ja ）で、ページ自体の最終更新日は2025年12月18日、GMO AI検索ラボが確認したのは2026年8月8日です。検索品質評価ガイドラインの本体はPDFで公開されている（https://guidelines.raterhub.com/searchqualityevaluatorguidelines.pdf ）。この記事で引用した文言はいずれも検索セントラルの日本語ページからで、PDF本体の文面から直接引いてはいない。

評価する主体が人からAIへ広がると、何が変わるか

従来のコンテンツSEO（＝記事などのコンテンツを作ることで、検索からの流入を得る取り組み）では、記事を読むのは人と、人の評価を模したアルゴリズムでした。AI検索が加わって、記事を読んで断片を抜き出し、答えの根拠として使う主体が増えた。

図5：企画から公開まで、各段階で信頼性の要素を確認する。

拡大

図5：企画から公開まで、各段階で信頼性の要素を確認する。

閉じる

変わるのは、確かめられる形になっているかどうかの重みです。人は文章の雰囲気からも書き手の力量を推し量るが、AIが抜き出すのは短い断片で、その断片が単独で意味を持つかどうかで使われるかが結びついています。誰が書いたのかがページ内に書かれていなければ、AIはその情報を持ちません。出典が本文の中に混ざって書かれていれば、断片として抜き出したときに根拠が落ちます。

変わらないのは、中身が無い記事は評価されないという点であり、GMO AI検索ラボの競合引用分析では、AIが引いていた比較記事に共通していたのは、料金と実績が数字で書き切られていることでした。形式だけを整えても、書き写せる数字が無ければAIは書けない。E-E-A-Tを「型を揃える作業」と読むと、この順序を取り違える。

一次情報を核にする。AIが引用したくなる記事の条件を並べる

まとめ直した記事は、同じことを書いた無数のページと区別できません

他社の記事を読んで整理し直した記事は、書いた本人にとっては新しい成果物だが、AIから見ると同じ内容を持つページが他に何十本もある状態です。どれを引いても答えは変わらないので、そのうちの1本が選ばれる確率は低い。

一方、自分たちしか持っていない数字が入っている記事は、その数字を答えに使いたい場面で代わりが存在しません。この調査の競合引用分析では、AIの回答に他社の料金が「単一サイト向けが月額49,800円、複数サイト向けが月額99,800円（いずれも税抜）で、原則12ヶ月の年間契約」という水準まで書き写されていた実例が記録されています。AIが数字を書けるのは、元のページに数字があるからであり、書いていない会社は、この位置に入りようがありません。

Googleの自己評価の問いも、先頭に「コンテンツは、独自の情報、レポート、研究または分析の結果を提示しているものですか」を置いています。網羅性や文字数より前に独自性を問う並びになっています。

一次情報にあたるものを、5つの型で並べる

一次情報とは、自分たちで直接集めた、よそには無いデータを指すと考えられます。研究機関だけのものではなく、事業をしていれば何かしら持っていると考えられます。

この5つのうち、上の3つはこの記事の5章で最小の始め方を並べた。ここで示すのは型の一覧までで、一次情報と二次情報をどこで線引きするか、型ごとに何をどう測れば一次情報として使えるか、何件から使えるかは別の記事「一次情報とは」が持ちます。この記事は、自社が何を持っているかを棚卸しできる粒度で止める。

数字には期間と母数と観測条件を添える

一次情報を出すときによくある失敗は、割合だけを書いて母数を書かないことであり、「引用率が64.2%」とだけ書かれていても、いつ、何回のうちの、どういう条件での64.2%なのかが分かりません。読者は使えないし、AIも根拠として扱いにくい。

この記事では、たとえば3章の12業種の数字に「2026年5月19日から7月30日、100問を毎日6モデルへ投げた総回答2万9,582件のうち、業種ごとに1,365件から2,059件」という条件を添えています。書き方の目安は3つあり、1つめは、いつからいつまで測ったかを書くこと。2つめは、何件のうちの割合かを書くこと。3つめは、どういう条件で測ったかを書くことです。

条件を添えると数字は弱く見え、それでよく、条件を書かない数字は、読者が自分の状況に当てはめられないので、結局使われない。出どころの違う観測を1つの表に混ぜないことを含め、数字を載せるときの決まりごとを網羅した一覧は別の記事「一次情報とは」が持ちます。

AIが根拠を示す業種と示さない業種がある。12業種を出典率の順に並べる

順位の付け方と、この順位が答えていないことを先に書く

先に配点を開示し、この順位は、出典を付けた割合という1つの実測値だけで並べたものであり、重み付けはしていません。複数の指標を合成した総合点ではないので、指標を変えれば順位は変わります。

出典を付けた割合とは、その業種の問いに対するAIの回答のうち、出典URLが1件以上付いていた回答の割合であり、回答の中身が正しいかどうかは見ていません。引用されたページが自社かどうかも見ていません。あくまで「AIがその領域で根拠を示す姿勢を取るかどうか」を測った値です。

観測の条件は次のとおりです。質問は100問を毎日、本運用6モデル（ChatGPTの検索ありと検索なし、Geminiの検索ありと検索なし、Google AI Overview、Google AI Mode）へ投げています。質問文には企業名も商品名も書かず、AIが自発的に挙げるものを観測しています。観測全体の総回答は2026年5月19日から7月30日で2万9,582件、月別の内訳は5月7件・6月1万2,435件・7月1万7,140件であり、5月分は試験運用の分で、本格的な積み上がりは6月からです。

ただし、次の12業種の表だけは対象期間が違い、2026年7月1日から7月30日に絞った1万7,140件が母数で、業種ごとの回答数は1,365件から2,059件です。12業種の質問セットがそろったのが6月12日で、1か月まるごと同じ100問で回っている月が7月だけだからであり、下の12行を足すと1万7,140件になり、上に書いた2万9,582件との差1万2,442件は、5月の試験運用7件と6月の1万2,435件にあたる。

検索をしないモデルは構造上出典が0件なので、その分が全業種に等しく含まれている点は、読むときに差し引いてほしい。

12業種の実測を出典率の順に並べる

1位の生命保険64.2%と12位の自動車46.5%で、1.4倍の差があり、上位に並ぶのは生命保険・スキンケア・金融・通信・銀行・OTC医薬品で、お金と健康と美容に関わる領域です。Googleが、人の健康や安全、経済的安定に大きく影響しうるトピックをYMYLと呼び、その領域ではE-E-A-Tが優れたコンテンツを特に重視すると書いているのと、並びが重なっています。判断を誤ると損失が大きい領域では、AIも根拠を示す側に振れていると読める。

指標を1つ変えるだけで、並びは変わる

同じ表の右端、1回答あたり出典数で並べ直すと順位は動き、通信キャリアが7.1件で1位に上がり、生命保険は6.7件で2位に下がる。最下位だった自動車は4.8件で9位まで上がり、代わりに国内旅行が3.7件で最下位になり、自動車は「根拠を示す回答は少ないが、示すときは他業種並みの本数を挙げる」という姿になります。

指標を1つ変えるだけでこれだけ動くので、この順位を業種の格付けとして読まないでほしく、読み方は2つある。

上位の業種にいる場合、AIはすでに根拠を示す姿勢で答えている傾向があり、誰かが引用されている以上、そこに入れるかどうかの競争になります。一次情報と著者情報と出典を揃える作業が、そのまま競争に直結する。

下位の業種にいる場合、半分以上の回答が根拠なしに書かれている傾向があり、ここで「引用されること」を第一の目標に置くと、努力が空回りしやすい。先に確かめるべきは、根拠を示さないモデルが自社について何と書いているかです。GMO AI検索ラボの定点観測でも、検索をしないモデルは出典を1件も付けないまま2,200字から2,600字の回答を返していました。まず誤った記述が出ていないかを見て、そのうえで引用を狙う順序になります。

なお、この12業種の分類はこの調査が観測用に設けたものであり、業界の標準的な区分ではありません。自社がどの業種に近いかは、当てはまりのよい行を選んで読んでほしい。

AIは何を根拠にブランドを評価しているか。6社分を並べる

ブランド名の前後200字に何が書かれているかを数えた

信頼を示せているかどうかは、感覚では確かめられない。GMO NIKKOの競合引用分析では、AIの回答本文からブランド名を探し、その前後200字に現れる属性語の出現率を機械的に数えており、AIが各社を何と結び付けて語っているかが、比率として出ます。

数えているのは語の出現であって、内容の良し悪しではありません。ある属性の比率が低いことは、その会社がその面で劣っているという意味ではなく、AIがその文脈で語っていないという意味です。

6社の実測を並べる

各社が違う面で語られており、ナイルは実績・事例が76%で高く、ジオコードは上場・企業規模が55%で高い。ミエルカとCINCは独自ツールが36%と37%で、自社のツールとセットで語られる率が高い。GMO NIKKOは料金明示が31%で6社の中で高く、独自データ・調査も33%と高い。

弱いのは独自ツールの13%であり、GMO NIKKOは「GMO AI最適化ブースト」というツールを持ちながら、その文脈で語られる率が上位2社の3分の1程度にとどまっています。持っているのに語られていないということは、公開情報の側で書き足りていないと読める。

この数え方を自社に置き換える

この表がこの記事にとって重要なのは、順位が付いていることではなく、信頼を示すという抽象論が比率に落ちている点です。「信頼される記事を書こう」では次の一手が決まらないが、「独自ツールの文脈で語られる率が13%で、他社には36%ある」なら、何を書き足すかが結びついています。

自社で同じことをする場合の手順は次のとおりであり、1つめは、自社と競合が候補に挙がる問いを10種類から20種類作ること。2つめは、その問いを複数のAIへ一定期間投げて、回答本文を保存すること。3つめは、ブランド名の前後の一定文字数に現れる語を数えること。4つめは、自社の低い項目について、公開情報に書き足すべきことを決めることです。

自社の強みだと思っているものと、AIが実際に語っている属性はずれ、ずれの向きが分かって初めて、E-E-A-Tのどこを厚くするかが結びついています。

一次データを持っていない会社は、何から測ればよいか

いちばん大きな反論に、正面から答える

ここまでの主張には、同じ反論が返ってきます。うちには研究部門も観測の仕組みも無く、出せるデータが無い、というものであり、もっともな反論なので、逃げずに答える。

答えは、新しい道具を買わなくても最初の1本は作れる、であり、この調査のプロンプト定点観測も、始まりは同じ質問を毎日投げて記録するだけの仕組みでした。以下の3つは、いずれも社内にすでにあるものか、無料で始められるものだけで動きます。

この3つは、どこから手を付けるかを決めるための入り口であり、型ごとに何をどう数えるか、集計の手順をどう組むか、出た数字をどう書くかまでは別の記事「一次情報とは」が持ちます。

少ない母数でも、条件を書けば使える

回答が30人分にとどまる調査は、統計としては心もとない。それでも「2026年8月に既存顧客42社へ送り、回答は31社」と条件を書いて出せば、一次データとして機能し、読者は母数を見たうえで、自分の判断にどれだけ効かせるかを決められる。

やってはいけないのは、母数を隠して割合だけを出すこと、他社の調査を自社の実測のように書くこと、測っていない期間の傾向を書き足すことです。この調査もプロンプト定点観測の中間報告で、7月に質問の一部を入れ替えたためAI側の変化と質問側の変化を切り分けられない、と限界を明記しています。切り分けられないことを切り分けられたように書かないほうが、長い目で見て信用が残ります。

社内を説得するときにも、この3つの最小形は使いやすく、予算の要求ではなく、既存の記録を数える作業から始まるためです。1本出れば、それを載せた記事がどう扱われるかを見て、次に何を測るかを決められる。

著者情報と監修で「誰が書いたか」を明確にする

Googleは「誰が、どのように、なぜ」を問いにしている

Googleの検索セントラルは、コンテンツを自己評価する観点として「誰が、どのように、なぜ」の3つを挙げています。誰が作ったかを明確にすること、どう作ったかを説明できること、そして何のために作ったかであり、「なぜ」については「おそらく、コンテンツに関して答えるべき重要な質問です」と書かれています。答えが主として検索エンジンのアクセス数を増やすことであるなら、Googleのシステムに高く評価される道からは外れているとされており、確認日は2026年8月8日です。

「どのように」には、AIによる生成や自動化を使った場合の扱いも含まれています。自動化を使っていることを開示などの方法で明確にしているか、どう使ったかを説明しているか、なぜ有用と考えるかを説明しているか、という3つの問いが置かれています。AIで記事を作ること自体を否定してはいないが、作り方を説明できる状態にしておくことは求められています。

著者ページに何を書くか

著者名だけを書いても、読者もAIもその人が何者かを確かめられない。バイライン、つまり記事に添える著者名の表示が、著者や関係者の背景や専門分野の情報につながっているか、というのがGoogleの問いの立て方です。書く項目を並べる。

GMO NIKKOの競合引用分析（2026年7月8日から8月7日）では、AIに引用されていた比較記事のほとんどに著者または監修の表記があります。半分を超えるページが更新日も出しており、表記があること自体が上位の条件だと断定はできないが、上位に入っているページの側では標準になっている、とは言える。数えた本数と内訳、および著者を機械が読める形にする実装の置き場所は、別の記事「E-E-A-Tとは」が持ちます。

監修者を立てるなら、範囲と日付を書く

監修者を置く場合、名前と肩書きだけを載せるのは避けたほうがよい。何をどこまで見たのかが書かれていないと、読者は確かめようがありません。

監修を置いていないなら、置いていないと書けばよく、無いものを曖昧にしておくより、責任の所在がはっきりする。構造化データについては、著者をPersonの型で機械に読める形にしておき、競合引用分析でも、引用上位のページのうち複数のサイトがPersonを実装していました。どのサイトが実装していたかの一覧と、型を選ぶときの判断は別の記事「E-E-A-Tとは」が持ちます。

信頼性は、出典と更新日と運営者情報で支える

出典リンクは、段落ではなく文に付ける

出典は記事の末尾にまとめるより、その主張をした文のそばに置いたほうがよい。AIが抜き出すのは短い断片なので、断片の中に根拠が入っていないと、抜き出された時点で根拠が落ちます。

どの文に付けるかの判定を並べる。

確認日を書く理由は、公式ページが更新されるからであり、この記事でGoogleのページを引いた箇所には、すべて2026年8月8日という確認日を入れてある。

更新日と運営者情報を、確かめられる形で出す

この調査の引用実態の分析では、作ったページの引用は更新しないままにすると半分に落ちるという結果が出ており、これは実態レポート第1回で扱った通信キャリア1業種の観測です。何日で半分になったかの日数は、この記事の手元資料からは確認できていないので書きません。更新日は、書いた側の都合ではなく、読む側が鮮度を判断するための情報です。

最後の項目は実際に起き、2026年8月に自社サイトを点検したところ、URLが 20260602 である記事の表示が「最終更新：2025年6月2日」となっており、年が食い違っていました。同じ点検で、記事ページのJSON-LDが0個であることも分かった。その記事の本文には構造化データの実装を推奨する記述があり、自分で書いた施策を自分のページに適用していない状態であり、人のことは言えないので、自社の点検結果をそのまま書いておきます。

Googleの自己評価の問いにも、実質的な変更をしていないにもかかわらずページを新鮮に見せるために日付を変えていないか、という項目が置かれています。日付を動かすことと、記事を更新することは別の作業です。

公開した記事は落ちる前提で、更新の設計を組む

引用は積み上がらず、減っていく

この調査の引用実態の分析で出ている結果を先に置き、作ったページの引用は、更新しないままにすると半分に落ち、書いて公開した直後から下がっていく形です。この結果は実態レポート第1回で扱った通信キャリア1業種の観測から出ており、他業種で同じ落ち方になるかは確かめていません。何日で半分になったかの日数も、この記事の手元資料からは確認できていないので書きません。

もう1つ、別の観測からの数字を並べ、引用ドリフトの分析では、12日連続で引用された引用され続けているサイトが全体の約7%にすぎないのに、その7%が引用量の63.8%を占めていました。12日という観測期間の値であり、母数にあたるサイト数はこの記事の手元資料からは確認できていません。引用元は固定のリストではなく日々入れ替わっており、大半のページは一度か数度引用されて消えていきます。一方で、引用され続ける少数が引用量の大半を占める。

この2つを合わせると、追うべき指標が変わり、「引用されたか」を数えても、翌週には別のサイトに入れ替わっています。見るべきは「引用され続けているか」であり、そのために必要なのは1本の完成度ではなく、更新の継続です。

なお、この章が扱うのは、これから書く記事にどういう更新の設計を組み込んでおくかであり、すでに公開してある記事をどの順番で直すか、直したあとに何を見るかは別の記事「記事のリライト」が持ちます。

そのまま運用ルールに写せる形にする

更新の頻度は記事の型によって変え、全部を毎月見るのは続かないし、変わらない記事を毎月触っても意味がありません。

この記事自身の更新方針は、末尾の「著者と更新履歴」に書いてあり、引用は更新しないままにすると半分に落ちるという実測を載せている記事なので、この記事が更新を止めた時点で主張が崩れる。月次で12業種の数字を差し替えることを、運用として決めてある。

記事をどの階層に置くか。引用の44.6%は2階層

引用されているのはトップページではありません

この調査の引用実態の分析では、引用の44.6%がトップページではなく2階層のページであり、2階層とは、example.com/カテゴリー/記事名 のように、ドメインの下に階層が2つある位置を指します。この44.6%は実態レポート第1回で扱った通信キャリア1業種の観測であり、他業種で同じ割合になるとは限りません。記事をトップページ直下ではなくカテゴリー配下に置く、という設計の根拠としてだけ使ってほしい。

理由は考えれば分かり、トップページは会社全体を説明する場所で、特定の問いに対する答えを持っていません。AIが答えを組み立てるときに使えるのは、その問い1つに対して答えを書いているページです。そして問い1つに答えるページは、構造上どこかのカテゴリーの下に置かれる。

記事の中身をいくら整えても、どこにも紐づかない場所に単独で置かれていると、そのページが何の分野の記事なのかを機械が判断しにくく、置き場所は、中身と同じくらい設計の対象です。

親記事と子記事をどう置き分け、階層を動かすと何が壊れるかを見る

GMO AI検索ラボのサイトを例に置き分けを示し、カテゴリーを10個持ち、各カテゴリーに親記事を1本と、その下に子記事を並べる形にしています。

この記事の場合、子記事として伸ばす方向は検索需要から決めてある。確定している子記事は4本で、対象キーワードと月間検索ボリュームは、E-E-A-Tとはが2,000、一次情報とはが1,900、権威性とはが1,000、記事のリライトが200です。出所はポータルの子記事骨格 portal/src/data/child-skeletons.ts で、ボリュームは外部のキーワード調査ツールで計測した値をコラム管理表に記録したもので、この調査が自分で測った数字ではありません。親記事であるこの記事は、4本それぞれの入り口となる概数までを持ち、深く詳しく分析する役目は別の記事へ渡します。

既存サイトで階層を変えるときは、壊れるものを先に確認したほうがよい。URLを変えると、そのURLが受けていた評価は自動では引き継がれず、転送の設定を正しく入れて初めて引き継がれ、内部リンクは古いURLを指したまま残ります。外部から張られているリンクは自分では直せません。分析ツール上の履歴は、URLが変わった時点で分断される。

したがって、やみくもに移すことは勧めない。新しく作る記事から2階層に置く運用へ切り替え、既存の記事は成果の大きいものだけを、転送の設定と内部リンクの張り替えをセットで行って移し、この順序であれば、失うものを最小にできる。

AIに信頼される記事を作るために、公開前の実践チェックを用意する

公開前に12項目を確認する

満たしたかどうかで判定できる形にしてあり、「意識する」「配慮する」といった書き方は入れていません。確認方法の列を見て、その場で判定できないものは、項目として成立していないと考えてほしい。

判定できない項目は、項目として作り直す

このチェックの使い方は、上から順に見て、満たしていない項目を直してから公開することであり、全部を満たすまで公開しないという運用は現実的ではないので、必須と任意を先に分けておきます。この調査の運用では、上から5つ目までを必須にしており、一次データと数字の条件と出典は、後から足すのが難しいためです。

このチェック表は、自社の点検にも使え、2026年8月にこの調査の親記事10本を点検したところ、10本とも本文にパーセント表記の数字が1つも無かった。一次情報を核に置けと書いている記事が、自分では一次データを1件も載せていなかったということであり、この記事はその点検を受けて書き直したもので、3章と4章にこの調査とGMO NIKKOの実測をそのまま載せてある。

外部ライターへの発注書。この記事の基準をそのまま渡す

そのまま発注書へ貼れる条件を並べる

外部に発注するとき、「E-E-A-Tを意識してください」と書いても原稿は変わりません。判定できる条件に落として渡します。以下はそのまま発注書へ貼れる形にしてある。

満たしていない原稿を、どう戻すか

戻すときの手順も先に決めておき、満たしていない項目を上の表の番号で指定し、直す箇所を本文の該当位置つきで返します。書き直しの指示は「もっと具体的に」ではなく、「3つ目の条件を満たしていないので、提供した数字のどれかを本文に入れてほしい」という形にし、条件表を先に渡してあれば、この形で戻せる。

判定する側の負担も先に見積もっておき、9つの条件のうち、出典と割合の2つは検索して1つずつ見るだけなので機械的に終わり、一次データの有無と、事実と解釈の書き分けの2つは通しで読む必要があります。そのため、1本あたり20分から30分を見ておいたほうがよく、ここを省くと、条件表を渡した意味が無くなる。

料金と納期を決めるときは、一次データを提供する工程を発注側の作業として見込んでおく。この数字は社外の書き手には作れないので、提供が遅れるとそのまま納品が遅れる。

費用を見積もる前に、どの工程が自社に残るかを決める

この調査では制作費の相場を調べていないので、金額は書きません。代わりに、金額を決める前に決めておくべきことを書き、見積もりが会社によって何倍も開くのは、どこまでを頼むかが決まっていないためです。

この記事の内容から、工程の分担は次のように切れる。

外に出せるのは真ん中の1行だけであり、上下の4つは自社に残り、見積もりを取るときは、この4つを自社の工数として別に見込んでおいたほうがよい。ここを見込まずに単価だけで比べると、安く見えた見積もりのほうが後から高くつく。

よくある質問

用語集

データの出どころ

この記事で使った数字は、次の5つから取っており、原典に無い数字は書いていません。

一次データ1：GMO AI検索ラボ プロンプト定点観測

一次データ2：GMO NIKKO 競合引用分析（2026年8月）

一次データ3：GMO AI検索ラボ 引用実態の分析（実態レポート第1回・通信キャリア編）

公開情報として、Google 検索セントラルを参照した

参考として、ポータルのコラム管理表と記事骨格を参照した

確認できていないこと

先に限界を書いておきます。

• 業種別の出典率は、GMO AI検索ラボが設けた12業種の分類での値です。業界の標準的な区分ではありません。分類を変えれば数字も変わります。
• 出典率には、検索をしないモデルの回答が含まれています。検索なしのモデルは構造上出典が0件なので、全業種の値がその分だけ低く出ています。業種の間の比較には使えるが、絶対値としては読まないでほしい。
• 44.6%と「引用は更新しないままにすると半分に落ちる」は、通信キャリア1業種の観測です。引用実態の分析は実態レポート第1回（通信キャリア編）から出ています。AI検索全般の数字ではなく、他業種で同じ割合になるかは確かめていません。何日で半分になったかの日数も、手元の資料から確認できていません。
• 引用され続けているサイトの約7%と63.8%は、12日連続の観測から出た値です。母数にあたるサイト数を手元の資料から確認できていないため、この記事には書いていません。
• E-E-A-Tを整えたことでAIの引用が増えたという因果を、この調査では測っていません。著者情報や出典の有無と引用数の関係を分離した実験をしていません。この記事で言えるのは、引用されている側のページが何を備えていたかという観察までです。
• 構造化データの効果を測っていません。入れれば引用が増えるという実測を持っていません。
• 記事の文字数と引用数の因果も測っていません。競合の実測から目安を置いているが、長ければ引用されるという関係を確かめたわけではありません。
• 属性語の出現率は、語が現れた回数を数えたものです。その語が肯定的な文脈で使われたか否定的な文脈で使われたかは判定していません。
• 観測は日本語の問い・日本市場に限っています。英語圏で同じ結果になるかは分かりません。
• モデルは観測期間中に更新されている可能性があります。各社はモデルを予告なく更新するため、期間をまたいだ比較には限界があります。
• プロンプト定点観測は2026年7月に質問の一部を入れ替えています。このため月をまたぐ変化について、AI側の変化と質問側の変化を切り分けられない。2026年8月から質問文とIDを1年据え置く45問を導入しており、そこからが本来の意味での比較の起点になります。

著者と更新履歴

公開前に埋める必要がある項目：執筆担当者の氏名、監修者の氏名と肩書き、著者プロフィールページのURL、GMO NIKKOの正式な法人名表記、ロゴ画像のURL。いずれも現時点で確認できていないため、この記事および下のJSON-LDでは空欄にしてあり、推測で埋めていません。

まとめ

この記事の数字は、GMO AI検索ラボが自分で集めた実測であり、母数と期間は「データの出どころ」に書いており、数字は毎月測り直しているので、引用するときは集計期間を添えてください。