小さな会社が実際にAI検索に引用された施策は何か — 効いたもの・効かなかったもの

小さな会社がAI検索に引用されるには、構造化データ(schema)・著者名の一貫性・質問に直答する記事構成が効きます。海外のソロ運営者はschema整備で引用率を19%から32%へ、記事の4部構成化で+67%引き上げました。一方llms.txtはAI botアクセスの0.1%しか集めず、過信は禁物という検証結果もあります。実測データのある施策だけを選び、「効いた・効かなかった」に仕分けました。

要点(TL;DR)

• 効いた施策: schema整備・著者名の一貫性・質問に直答する4部構成
• ソロ運営者の50記事×6週間のA/Bテストで、Article+Person schemaの記事は引用率32%(schemaなし19%)
• 記事を「問題→解決→手順→検証」の4部構成に書き換えると引用率+67%、19日後に初引用
• 週末制作の単機能無料ツールが、宣伝ゼロでトラフィックの約48%をChatGPT経由で獲得
• 効かなかった施策: llms.txtへの直接アクセスは全AI botアクセスの0.1%(90日の自社ログ検証)

実際に「効いた」施策は何か(実例表)

検証データ付きで「効いた」と報告されている施策を並べます。すべて海外の外部事例です。

共通項は、どれもSEO専門チームなしのDIY施策だという点です。AIdeazzの運用者は完全にソロで、施策の中身はschemaタグの追加・著者名表記の統一・記事構成の書き換えで、どれも技術的には1人で実行できる範囲です。それでもPerplexityの12の回答に引用され、月約200のorganic訪問から企業商談3件・5万ドルのパイロット契約1件につながったと報告されています。

逆に「効かなかった」施策は何か

話題の施策が常に効くわけではありません。代表例がllms.txt(AI向けのサイト案内ファイル)です。

貴重なのは、GEOモニタリングを本業とするOtterly.aiが自社の本番ドメインで行った90日間のログ検証です。結果は明快でした。期間中の全AI botアクセス62,100件のうち、llms.txtを直接リクエストしたのは84件、わずか0.1%です。llms.txtのページはサイトの平均的なページより約3倍もAIクローラーの注目が低く、同社はこの結果を受けて、自社のGEO監査チェックリストからllms.txtを外しました。GEO施策を売る側の企業が「効かなかった」と公表した、信頼性の高い一次データです。

補足として、llms.txtを「設計の工夫」として使った例もあります。米国の家具ECのScout & Nimbleは、数千の商品ページを全部載せる代わりにカテゴリ階層とFAQに絞ったllms.txtを構築しました(定量成果は非公表)。害はなく設置コストも低いものの、引用を動かす主因ではありません。外部業者に「llms.txtを置けばAIに載ります」と提案されたら、この0.1%という実測値を思い出してください。

なぜ小さな会社でもこれが効くのか

AI検索が見ているのは、ドメインの知名度ではなく、コンテンツの構造と根拠の密度だからです。質問に第一文で直答しているか、著者が実在の人物として一貫しているか、数値と検証方法が書かれているか。これらはすべて、会社の規模と無関係に整えられます。だからソロ運営のブログが、施策の実行から19日で引用され始めるのです。この根拠密度は一夜では作れません。日々の判断や実例をナレッジDBに残しておくと、記事に書ける具体の量そのものが増えます(なぜAIエージェントは、ナレッジDBから作るべきなのか)。書き続ける仕組みを発信以外の業務判断にも広げる考え方はセカンドブレインで扱っています。

AI検索がPageRankに依存せず、根拠の密度で順位が逆転する仕組みは、なぜ小さな会社が大手よりAI検索に引用されるのかが数値で実証しています。本記事はその実行編です。

今日からできる施策の優先順位

1. 記事を「質問→直答→根拠→検証」の構成にする。実測で最も効果が大きかった施策です(+67%)。新しく書くより、既存の主要記事の書き換えから始めます。
2. Article/FAQ/Personのschemaと著者名の一貫性を整える。引用率19%→32%の差を作った施策です。著者名はサイト・SNS・外部寄稿で表記を統一します。
3. 高意図の質問に単機能で答えるページかツールを1つ作る。「〜を確認するには?」にワンステップで答える無料ページは、それ自体が引用の入口になります。
4. llms.txtは余力があれば。害はありませんが、0.1%という実測を踏まえ、1〜3を終えてからで十分です。

よくある質問(FAQ)

Q. llms.txtを置けばAIに引用されますか? A. 期待しすぎは禁物です。GEOモニタリング企業が自社の本番サーバーログで90日間検証したところ、llms.txtへの直接アクセスは全AI botアクセス62,100件のうち84件(0.1%)でした。害はありませんが、優先度の低い施策です。

Q. 構造化データ(schema)は本当に効きますか? A. ソロ運営者による50記事×6週間のA/Bテストでは、ArticleとPersonのschemaを付けた記事の引用率が32%と、schemaなしの19%を大きく上回りました。著者名の一貫性を直しただけでも5日以内に引用が増えています。

Q. 小さな会社でも大手に勝てますか? A. ニッチに絞れば実例があります。米国の1拠点の商業ドア施工会社は、約6ヶ月間の的を絞った質問応答コンテンツで、その分野でChatGPTが最初に引用する会社になりました。なぜ小が大に勝てるのかの原理は親記事で解説しています。

---

出典・参考

• dev.to(実践記事): AIdeazz — schema・著者一貫性・4部構成の自己計測A/B — https://dev.to/elenarevicheva/why-perplexity-started-citing-my-blog-5-changes-that-actually-worked-2894
• Indie Hackers: authenticimage.site — トラフィックの約48%がChatGPT経由 — https://www.indiehackers.com/post/unexpected-lessons-from-30-daily-users-how-chatgpt-became-my-top-traffic-source-e57d9a2967
• Otterly.ai(自社ログ一次データ): llms.txtの90日検証 — 全AI bot訪問62,100件中84件(0.1%) — https://otterly.ai/blog/the-llms-txt-experiment/
• Netkodo(実装事例): Scout & Nimble — カテゴリ+FAQに絞ったllms.txt設計(定量成果は非公表) — https://netkodo.com/case-studies/llmstxt
• Beyond Blue Media(代理店公表事例): 商業ドア施工会社 — 約6ヶ月でChatGPT引用の第1位 — https://beyondbluemedia.com/services/answer-engine-optimization/
• 本記事の事例はすべて海外の外部事例であり、当社の実績ではありません。自己計測・代理店公表の数値は、統制された学術研究ではない点に留意してください。

監修: Kazuya Hibara(株式会社Automate&Augment 代表) — 業務フロー再設計とAIエージェント常駐運用を専門とする。