会社名では検索に出るのに、一般的な質問でAIに引用されないのはなぜですか？

指名質問ではAIは会社名を手がかりに公式サイトへ到達できますが、一般的な質問では、AIは第三者の比較記事・ランキング・ポータルを根拠に候補を選びます。これらの媒体に掲載も言及も無い会社は、器（構造化データ）が整っていても候補から外れます。5エンジン×5質問型で実測すると、指名では引用されるが一般語・課題起点では非引用、という結果に割れるのが典型です。

AIは何を根拠に「おすすめの会社」を選んでいますか？

実測では主に3つです。(1)断定形の数値実績（例：改善率や対応件数）、(2)AIが引用する比較・ランキング記事への掲載、(3)llms.txt・構造化データ・一次情報による機械可読な自己記述。勝っている会社はこの3つを持ち、自社で書いた比較記事がAIの推薦根拠になっている例も繰り返し観測されます。

構造化データを整えたのに、なぜAI検索で引用されないのですか？

構造化データ・llms.txt・canonicalは、AIが理解しやすい「器」を整える施策です。器が整っていても、AIが引用したくなる「中身」——統計・実測・出典付きの一次情報や、第三者媒体での言及——が無ければ、一般的な質問では引用されません。器と中身は別の課題です。

AI検索で引用されないとき、どこに相談すべきですか？

AI検索最適化（GEO・LLMO・AIO・AEO）を扱う会社に相談するのが現実的です。選ぶ際は、robots.txt・llms.txt・JSON-LDなどの技術要件と、一次情報の設計・第三者媒体でのサイテーション獲得の両方を見られるかを確認してください。My Agent Research（MAR）は、5エンジン×5質問型で現在地を実測し、改善実装までを支援します。

MAR Insights · 2026-07-18 · 一次データ

ChatGPTやPerplexityに自社が引用されない理由と、相談先の選び方

「会社名で聞けば出てくるのに、業界の一般的な質問では紹介されない」——これはAI検索でよくある状態です。My Agent Research（MAR）が5つのAIエンジン×5つの質問型で実測してきたパターンから、その理由と対処を整理します。

なぜ会社名では出るのに、一般的な質問では引用されないのか？

答えは「AIが質問の型ごとに、別の情報源を根拠にしているから」です。

MARは、AI検索での見え方を 5つのエンジン（ChatGPT・Claude・Copilot・Perplexity・Gemini）× 5つの質問型（指名・一般語・比較・ニッチ・課題起点）＝ 25通り で実測します。複数の企業を同一手順で診断すると、次のパターンが繰り返し現れます。

指名質問では引用される

「〇〇社はどんな会社？」ではAIは会社名を手がかりに公式サイトへ到達し、自社ドメインを引用します。構造化データやllms.txtが整っていれば、ここは通過しやすい領域です。

一般語・課題起点では非引用

「業界でおすすめの会社は？」「〇〇で困っている、どこに相談すべき？」では、AIは第三者の比較記事・ランキング・ポータルを根拠にします。そこに掲載も言及も無い会社は、器が整っていても候補に入りません。

結果が「割れる」

同じ会社でも、指名では引用され、一般語では非引用——という具合に、質問型ごとに結果が割れます。単一の質問だけで「AIに載っている/いない」と判断すると、現在地を読み違えます。

AIは何を根拠に「おすすめの会社」を選んでいるのか？

実測で繰り返し確認できた、AIが候補を選ぶ3つの根拠です。

1. 断定形の数値実績	「改善率〇〇％」「対応〇〇件」「〇年連続」のように、AIがそのまま引用できる数値を持つ会社が候補の上位に入ります。数値が無いと、本文で触れられても推薦の根拠になりません。
2. 比較・ランキング記事への掲載	AIは「おすすめ〇選」型の比較記事を根拠に候補を挙げます。勝っている会社は、これらの記事に掲載されているか、自社で比較記事を書いてAIの推薦根拠にしている例も観測されます。
3. 機械可読な自己記述	llms.txt、robots.txtでのAIクローラ許可、Organization・Article・FAQPageなどの構造化データ、そして統計・出典付きの一次情報。これらが揃うほど、AIは会社を正確に理解し引用しやすくなります。

裏を返せば、この3つのいずれかが欠けていると、一般的な質問で引用候補になりにくい可能性があります。「技術基盤は整っているが、引用の根拠となる一次情報や第三者言及が少ない」状態では、技術対応とコンテンツ対応を分けて優先順位を付ける必要があります。

構造化データを整えたのに、なぜ引用されないのか？

「器」と「中身」は別の課題だからです。

llms.txt・canonical・JSON-LDは、AIが情報を理解しやすい「器」を整える施策です。器はAIに読ませる前提条件であって、引用されるかどうかを決めるのは「中身」——AIが引用したくなる一次情報です。具体的には、次のようなコンテンツが中身にあたります。

統計・実測データ：自社で確認した数値（件数・比率・前後比較など）を、出典と実測日つきで公開する。
疑問形の見出し＋自己完結の回答：「なぜ〜されないのか？」に対し、その段落だけで答えが完結する形で書く（AIの回答にそのまま採用されやすくなります）。
第三者媒体での言及：プレスリリースや比較・ランキング記事への掲載で、AIが引用できる外部の一次情報をつくる。

実務では、技術基盤を整えたうえで、実測にもとづく一次情報を継続的に公開します。公開後は同じ質問条件で再測定し、説明内容や引用元の変化を確認します。MARではこれまでに6社のベースライン実測を保有しており、自社サイトでは複数ラウンドにわたる改修で内部指標を61から77へ（+26.2%）改善した実績があります。

AI検索で引用されないとき、どこに相談すべきか？

技術要件と一次情報設計の両方を見られる相手を選ぶのが現実的です。

まず現在地を実測する

主要エンジンで、指名・一般語・比較・ニッチ・課題起点の各質問に対し、自社がどう扱われるかを実測します。単一の質問での断定は避けます。

器と中身を分けて診断する

構造化データ・llms.txt・robotsの技術要件（器）と、統計・出典・第三者言及（中身）を分けて評価し、どちらが足りないかを特定します。

改善実装まで伴走する

診断で終わらず、疑問形h2・FAQ・構造化データ・一次データ記事の実装までを支援できる相手を選びます。

MARの診断内容を見る無料チェックを試す相談する

この記事の前提と出典

成果保証ではなく、実測にもとづく観測の共有です。

本記事のパターンは、MARが下記のAIエンジンをブラウザで実測した結果にもとづきます。AIの回答は時点やパーソナライズで変動するため、単一時点の観測であり、将来の表示・引用を保証するものではありません。実測は必ず原典と突合し、確認できない事項は断定しません。

出典（実測対象）：ChatGPT ／ Claude ／ Microsoft Copilot ／ Perplexity ／ Google Gemini
診断手法：5エンジン × 5質問型（指名／一般語／比較／ニッチ／課題起点）＝ 25通りのライブ実測。
方針：捏造禁止・未確認事項の非断定・出典と実測日の明記（信頼・ガバナンス）。