リファラーとは、ブラウザがあるページを取得しに行くとき「その要求のきっかけになった直前のページのアドレス」をサーバーへ伝えるHTTPヘッダーです。アクセス解析はこの値で流入元を判定し、検索・SNS・他サイト・広告などの内訳を組み立てます。AI検索が流入の一角を占めるようになった今、「AI経由の流入をどう数えるか」という難題の中心にこのリファラーがあります。本稿では、リファラーがなぜ欠けるのか、AI検索流入で特に捉えにくいのはなぜか、そして欠落をどう補うかを、仕組みと実務の両面から整理します。
リンクをクリックしてページを開くとき、ブラウザは新しいページへのリクエストに「Referer」ヘッダーを付け、そこにリンク元ページのアドレス（オリジン＝ドメイン部分、パス、クエリ文字列を含みうる）を入れて送ります。受け取ったサーバーやアクセス解析は、この値を見て「この訪問はどこから来たか」を知ります。なお、この値に何をどこまで含めるかは「リファラーポリシー（Referrer-Policy）」という別のヘッダーで制御され、プライバシー配慮のためドメインだけに切り詰めたり、丸ごと送らない設定にもできます。この制御は送信側（リンク元ページ）が主導権を持つため、自社サイトに来るリファラーの豊かさは、リンク元がどんなポリシーを取っているかに左右されます。
リファラーには構造的な欠落が起きやすいです。代表例が、暗号化されたページ（HTTPS）から暗号化されていないページ（HTTP）へ遷移する場合で、この向きではリファラーが送られないのが標準挙動です。ほかにも、ページ側のリファラーポリシー設定、ユーザーのプライバシー設定、リンクに付けられた属性（rel="noreferrer"＝リファラーを送らない指定）などにより、値が空になったり短縮されたりします。つまりリファラーは「常に正確に付く」前提を置けない、欠落を織り込むべきデータです。
SEO時代の流入計測は、リファラーに検索エンジンのドメインが入ることを前提に成り立っていました。AI検索はこの前提を崩します。ChatGPT・Perplexity・各種AIアシスタントの回答からリンクを踏んで自社に来ても、リファラーが付与されないケースや、事業者ごとに独自のドメイン・表記で来るケースが混在し、アクセス解析上は「参照元不明（ダイレクト扱い）」に吸収されやすいです。結果として「AI検索からどれだけ人が来ているか」が実態より小さく見える、あるいは見えなくなります。この計測の難しさを知らないと、AI検索の貢献を過小評価してしまいます。
リファラーが欠ける・ばらつく代表的な理由。AI検索流入ではこれらが重なりやすいです。| 欠落の要因 | 何が起きるか | AI検索での影響 |
|---|
| HTTPS→HTTPの遷移 | リファラーが送られない | 暗号化状況次第で流入元が消える |
| リファラーポリシー | ドメインのみ／全部省略に切詰め | 経由元の詳細が欠ける |
| rel="noreferrer" | リンク側が送信を明示的に抑止 | AI側リンクで採用されると不明化 |
| アプリ内・非Web起点 | そもそもヘッダーが付かない | アプリ版AIからの流入が捉えにくい |
| 事業者ごとの独自ドメイン表記 | 参照元がバラバラに記録 | 名寄せしないとAI流入を過小評価 |
横にスクロールできます
AI検索流入では、これらの要因が単独でなく重なって効くのが厄介です。たとえば「AIアプリ内の回答からリンクを踏む（非Web起点でヘッダーが付きにくい）」うえに「事業者側がリファラーを絞るポリシーを取る」と、二重に流入元が消えます。そのため、リファラー単独で「AIからの流入はゼロ」と読むのは早計で、他の手がかりと組み合わせる必要があります。
もう1つの根深い問題が「表記の揺れ」です。AI検索経由の流入がリファラーとして残る場合でも、その値は事業者ごと・製品ごとにバラバラです。同じChatGPT経由でも、Web版・デスクトップアプリ版・モバイルアプリ版で参照元の見え方が変わりえますし、Perplexityや各種AIアシスタントはそれぞれ別のドメインを名乗ります。アクセス解析はこれらを別々の流入元として並べてしまうため、名寄せ（＝表記の違うものを同一グループにまとめる作業）をしないと、AI検索という1つの流入チャネルの全体像がバラけて小さく見えます。SEO時代は「google / organic」のように参照元が集約されていたのに対し、AI検索は流入元が分散しているのが計測を難しくしている構造的な要因です。
- ChatGPTの回答リンクから来訪：リファラーが付かない・独自ドメインで来る場合があり、参照元が不明やダイレクトに落ちやすいです。
- Perplexityの引用リンクから来訪：Perplexity側のドメインが参照元に入ることもあるが、表記や有無は一定ではありません。
- Google AI Overviewsのリンクから来訪：Google検索経由の一部として計測され、AI Overviews由来だけを切り出すのは容易ではありません。
- スマホのAIアプリから来訪：アプリ起点はリファラーが付きにくく、Web計測では捕捉が特に難しいです。
ここで「リファラーとサーバーログの関係」も押さえておきましょう。リファラーはHTTPリクエストのヘッダーとして送られてくるため、サーバーログ（コンバインドログ形式）にも記録されます。つまりリファラーはGA4だけの概念ではなく、サーバー側のログにも残ります。ただしログに残るのは「送られてきたリファラー値」そのものであり、欠落していれば当然ログにも空欄で残ります。GA4とサーバーログのどちらで見ても、リファラーが付かない流入は付かないままで、計測の限界は方式を変えても消えません。だからこそ、リファラーに依存しない識別手段（UTMパラメータ）を自分で仕込むことが重要になります。
- アクセス解析で参照元を確認し、AI事業者のドメイン（chatgpt.com・perplexity.aiなど）が参照元に現れているか点検します。
- 事業者ごとに異なる表記を1つのグループに名寄せし、AI検索流入としてまとめて集計できるようにします。
- ダイレクト流入の推移を監視し、AI検索の利用拡大と連動して不自然に増えていないかを疑います。
- 自社発信のAI向けリンクには、判別用のパラメータ（UTM＝流入元を識別するための追跡用の付加情報）を付けて、リファラー欠落時でも由来を追えるようにします。
- リファラー由来の数字は「下限（最低これだけはある）」として扱い、サーバーログやAI回答の実測と突き合わせて補正します。
- リファラー単独で「AI流入なし」と結論せず、複数の手がかりで裏取りしてレポートに注記します。
リファラーが当てにならないなら、流入元を「自分で名乗らせる」のが有効な回避策になります。その代表がUTMパラメータで、リンクのURL末尾に「?utm_source=chatgpt&utm_medium=ai」のような追跡用の付加情報を付けておくと、リファラーが欠落してもURLの中身から流入元を判別できます。ただしこれは自社が発信するリンク（AI向けに整えたページ内リンクや、外部に置く自社リンク）には仕込めますが、AIが回答内で自動生成する引用リンクにはUTMを付けられません。つまりUTMは万能ではなく、「自社がコントロールできるリンク」に限って有効な手段だと理解しておきます。
もう1つの手立てが、複数の弱い手がかりを束ねる「三角測量」的なアプローチです。ランディングページ（＝流入先の最初のページ）の傾向、時間帯、デバイス、ダイレクト流入の急増タイミング、そしてサーバーログに残るわずかなリファラー痕跡――これらを組み合わせ、AI検索経由の流入を推定します。単独では決め手に欠ける情報でも、複数を重ねると「この増加はAI検索由来である可能性が高い」という蓋然性（＝確からしさ）を上げられます。リファラーが構造的に欠ける以上、1つの指標で断定せず、複数証拠で推定する姿勢が実務では欠かせません。
リファラー欠落への対処。単独で完結する手段はなく、組み合わせて精度を上げます。| 手立て | 仕組み | 限界 |
|---|
| UTMパラメータ | URLに流入元を明示的に埋め込む | 自社発信リンクにしか付けられない |
| 参照元の名寄せ | 事業者別の表記を1グループに集約 | 新しい表記が出るたび保守が要る |
| 三角測量（複数証拠） | LP・時間・デバイス等を重ねて推定 | 断定でなく蓋然性の推定に留まる |
| AI回答の実測 | 各AIに質問し引用リンクを直接確認 | 流入量そのものは測れない |
横にスクロールできます
なお、リファラーの計測難は「ゼロクリック（＝AI回答上で完結し、サイトへ遷移しない行動）」の増加とも表裏一体です。そもそもリンクを踏まずに答えを得るユーザーが増えれば、リファラーで数えられる流入は母数から減っていきます。リファラーで捉えられるのは「AI回答から実際にクリックして来た人」だけで、AI回答上で自社が引用・言及されたのに来訪しなかった露出は、リファラーには一切現れません。この点でも、リファラーはAI検索の貢献の一部（クリック到達分）しか映さない指標だと割り切る必要があります。
歴史的に見ると、リファラーによる流入元把握が痩せていくのはAI検索が初めてではありません。かつて検索エンジンが暗号化通信（HTTPS）を標準にした際、検索キーワードがリファラーから落ち「（not provided）」として流入元の詳細が見えなくなる変化が起きました。プライバシー保護の流れの中でブラウザ各社がリファラーの送信を段階的に絞ってきた経緯もあります。つまりリファラーは、技術とプライバシー配慮の進展にともなって「送られる情報が年々減る」方向に動いてきた指標であり、AI検索での計測難はその延長線上にあります。この長期トレンドを踏まえれば、「リファラーはいずれ豊かな情報を取り戻す」と期待するより、欠落を前提に代替手段を整える方が現実的だと分かります。
実務者が陥りやすいのは、リファラーの数字をそのまま経営や上司への報告に使ってしまうことです。「AI検索からの流入は月に数件しかない」とリファラー由来の数字だけで報告すると、実態より大幅に少ない印象を与え、AI検索対策の投資判断を誤らせます。報告の際は「これはリファラーで捕捉できた下限値であり、欠落分・ダイレクトに埋もれた分・ゼロクリックで来訪しなかった露出は含まない」と必ず注記します。数字そのものより、その数字が何を含み何を含まないかを正しく伝えることが、リファラーという不完全な指標を扱ううえでの誠実さになります。逆に言えば、注記さえ添えれば下限値としてのリファラーは十分に有用で、時系列で追えばAI検索流入の増加傾向を早期に掴む手がかりになります。
なぜ「Referer」と綴りが誤っているのですか。
初期のHTTP仕様で「Referrer」を「Referer」と綴り誤ったまま標準化され、互換性のため現在もヘッダー名はこの誤綴りで固定されています。概念を指すときは正しい綴りのリファラー（referrer）を使い、ヘッダー名だけがRefererです。
AI検索からの流入がダイレクトに見えるのはなぜですか。
リファラーが付かない流入は参照元が特定できず、多くの解析でダイレクト（直接流入）に合流するためです。AI検索経由の来訪がダイレクトに埋もれている可能性を常に考慮してください。
リファラーだけでAI検索の貢献を測れますか。
測りきれません。欠落や独自表記でAI流入が過小に出やすいため、リファラーは下限の目安とし、UTMパラメータ・サーバーログ・AI回答の実測など複数手段で補完してください。
リファラーポリシーとは何ですか。
リファラーに何をどこまで含めて送るかをページ側で決めるHTTPの設定です。プライバシー配慮でドメインだけに切り詰めたり、まったく送らない設定もでき、これが流入元計測の精度に影響します。
