AIに引用されるサイト構造とは？今日から直せる5原則とllms.txtの真実

AIに引用されるサイト構造とは、一言で言えば「AIが安心してコピーできるページ」です。具体的には、結論が冒頭にあり、見出しと箇条書きで整理され、構造化データを備え、検証可能な一次情報を含み、更新日と著者が明示されているページが、AI回答の根拠として選ばれやすいことが複数の調査で確認されています。

逆に、よく話題になるllms.txtは、2026年7月時点でGoogleが「検索でもAI回答でも使っていない」と公式に明言しており、設置だけで引用が増える根拠はありません。優先すべきはファイル1枚ではなく、ページ本体の構造です。

本記事では、今日から直せる5つの構造原則、AIクローラーの受け入れ設定、そしてllms.txtの正直な現在地を解説します。

AIが回答を作るとき、Web検索で候補ページを取得し、その中から回答に使う情報を抽出し、根拠として引用する——という流れをたどります。このとき選ばれるのは「SEO順位が高いページ」とは限りません。AIにとって重要なのは、内容を誤解なく抽出できるかです。

結論がどこに書いてあるか分からないページ、長い前置きの後に答えが埋まっているページ、装飾や画像でしか情報を伝えていないページは、人間には読めてもAIには「使いにくい情報源」です。引用の獲得は、この抽出のしやすさの設計から始まります。

各セクションの冒頭で、まず答えを言い切ってください。

• 記事の冒頭1段落で、タイトルの問いに直接回答する
• 各H2見出しの直後の1文で、そのセクションの結論を述べる
• 1文は短く。長文・複文はAIの抽出精度を下げます

「〜については諸説ありますが」「まず背景から説明すると」で始まるセクションは、引用の候補から外れていきます。結論→根拠→具体例の順は、AI時代の文章の基本形です。

海外の大規模な引用分析では、AI引用の2割以上をリスト形式の記事が占め、引用されやすいページはH2/H3見出しが規則的に使われているという傾向が報告されています。実装のポイントは次のとおりです。

• 1見出し=1トピック。H2の中に複数の話題を詰め込まない
• 並列情報は箇条書きに、比較情報は表にする。文章に埋めない
• 見出しは「質問」または「結論」の形にする。「〜とは」「〜の方法」はAIの質問と噛み合いやすい

構造化データは、ページの内容を機械可読な形で宣言するマークアップです。海外調査では、AIに引用されたページの6〜7割が構造化データを実装していたと報告されており、もはや「上級者向けの任意項目」ではありません。

優先度の高いスキーマは、記事ならArticle、よくある質問にはFAQPage、ランキング・比較にはItemList、会社情報にはOrganizationです。特にリスト記事×ItemListの組み合わせは引用との相関が高いという調査もあります。実装方法の詳細は別記事「構造化データって何？」で解説します。

プリンストン大学等の研究チームによるGEO研究では、統計・引用・出典の追加によって生成エンジン上の可視性が最大40%向上することが実験で示されています。AIは「検証可能な情報」を根拠として好むためです。

• 自社調査のデータ、導入実績の数値、具体的な事例を本文に入れる
• 外部の統計を使うときは、まとめ記事ではなく原典（政府統計・論文・公式発表）へリンクする
• 「業界最高水準」のような形容ではなく、数字と固有名詞で語る

ここは他社が真似できない差別化ポイントでもあります。自社にしか出せないデータを持つページは、そのテーマの引用元として独占的な地位を築けます。

引用されやすいページは、内容以外の部分でも「信頼してよい根拠」を機械可読に示しています。

• 更新日を明示する。AIは新しい情報を優先する傾向が強く、日付のないページは不利
• 著者情報・運営者情報を載せる。誰が書いたか分からない情報は根拠に使いにくい
• FAQセクションを設ける。質問と回答のペアはAIの回答形式とそのまま噛み合う

構造を整えても、AIのクローラーがページを取得できなければ引用は起きません。2026年時点の注意点は2つです。

1. 学習用と検索用のクローラーを区別する。主要AI事業者は、モデル学習用のクローラー（GPTBot、ClaudeBotなど）と、回答時の検索用クローラー（OAI-SearchBot、Claude-SearchBot、PerplexityBotなど）を分けています。学習利用は避けたいが引用は獲得したい場合、robots.txtで学習用のみを制御し、検索用クローラーをブロックしない設定が基本です。誤って検索用まで塞ぐと、AI回答への引用資格自体を失います。

2. JavaScript依存のコンテンツに注意する。AIクローラーの多くはJavaScriptの実行に制約があります。重要な情報はHTMLとして出力される状態（サーバーサイドレンダリング等）にしておくのが安全です。

llms.txtは「AIにサイトの重要ページを案内する」提案仕様ですが、実態を正直に共有します。

• Googleは検索・AI回答ともにllms.txtを使用していないと公式に明言しています
• 海外の大規模モニタリングでは、設置サイトは1年で約9倍に増えた一方、設置されたllms.txtの97%はAIクローラーに取得すらされていないと報告されています
• 一方で、開発者向けAIツール（コーディングアシスタント等）では実際に参照されており、技術系サービスでは一定の実用性があります

結論：llms.txtは「作成コストが小さい保険」としての設置は妥当ですが、優先度は本記事の5原則より明確に下です。llms.txtを書く時間があるなら、まず主要ページの結論先出しとFAQ整備に使ってください。

構造改善の効果は、引用の変化で測ってこそ意味があります。LLMOinsight（LLMOインサイト） は、AI回答の引用元を自動収集し、自社サイトのどのページが引用されているか、競合はどの情報源から引用を獲得しているか、引用が回答内容へ実際に反映されたかまでを分析する、国内最高峰の分析精度を追求するLLMO分析プラットフォームです。

「構造を直す→引用の変化を計測する→次に直すページを特定する」という改善ループを、データで回せます。自社サイトが今どれだけ引用されているかは、無料デモで確認できます。

引用されるサイト構造の5原則を、そのまま点検リストとして使ってください。

• 記事冒頭と各H2直下で、結論を先に言い切っている
• 並列情報は箇条書き、比較情報は表になっている
• Article / FAQPage / ItemList / Organizationの構造化データを実装している
• 統計・実績・一次データが本文に含まれ、外部統計は原典へリンクしている
• 更新日・著者情報・FAQが明示されている
• 検索用AIクローラーをrobots.txtでブロックしていない
• 重要情報がJavaScriptなしでもHTMLとして読める

構造の改善は地味ですが、AIの引用選択に直接効く、費用対効果の高いLLMO施策です。