サイトの中のAEO対策はAIの答えへの登場と関係するか:62事業者を計測
今回の調査では、関係は見られませんでした。日本の地域事業者62件で、サイトの中のAEO対策(構造化データ・llms.txt・クローラー許可など)を測る当社のスコアと、おすすめを尋ねる質問にPerplexityがその事業者の名前を挙げる・サイトを引用する割合との間に、関係は見つかりませんでした(Spearmanのρ=0.03、95%信頼区間 −0.23〜0.28、p=0.834)。62件で確実に検出できるのはおよそ|ρ|≥0.35の相関だけなので、それより弱い関係までは否定できません。
公開:2026年10月28日。計測日:2026年10月24日。Nurevoはここで検証したスコアを含むAEOツールを作っています(下の「利益相反と、私たちの対応」を参照)。
要点
- 問い:NurevoのAI読みやすさスコア(0〜100点)が高いサイトの事業者ほど、店名を含まない質問へのAIの回答に登場しやすいか。
- 答え:支持されませんでした。全体でρ=0.03、業種・都市を調整しても0.03。
- 発見系の質問への回答のうち、事業者が登場したのは全体で21.0%。62件中25件が少なくとも1回登場しました。
- スコアの構成要素(構造化データ・llms.txt・網羅性など)も、多重検定の補正後はどれも関係が見られませんでした。
- 私たちの受け止め:構造化データはAIが事実を正しく読む助けになりますが、それだけで名前が挙がるかは決まりません。ほかの要因、おそらく他のサイトがその事業者について何を書いているかが、より大きく効いています。ただし最後の点は今回検証していない仮説です。
調査の目的
当社を含むAEO(回答エンジン最適化)の助言は、サイトをAIに読みやすくすれば(schema.orgの構造化データ、llms.txt、AIクローラーの許可、サーバー側での表示)、AIの回答に出やすくなると言ってきました。Nurevoはまさにその要素で作ったスコアを提供しています。そのスコアが、事業者が本当に気にしていること、つまりAIに名前を挙げてもらえるかと連動しているのか、正直な証拠を得るために調べました。仮説・分析方法・判定基準はAIの回答を集める前に決め、結果がどちらでも公開すると決めていました。
方法
- 対象:自社の公式サイトを持つ地域事業者72件。Web検索で(ポータルサイトを除いて)選び、5業種(歯科・飲食・美容・士業〈税理士〉・宿泊)×4都市(東京・大阪・福岡・札幌)に分けました。スコアを計算できなかった10件を除き、62件を分析しました。
- スコア:各サイトのトップページ・robots.txt・llms.txtを、Nurevoの公開スコアと同じコードで採点しました。構造化データ(30点)・網羅性(25)・読みやすさ(20)・llms.txt(15)・一貫性(10)と、クローラー許可・エッジでのブロック・サーバー側表示のゲート(不通過なら15点が上限)です。
- AI:PerplexityのAgent API、プリセット「fast」(Web検索1回のあと回答)。Nurevoの有料プランがAI表示状況の計測に使うのと同じアダプターです。エンジンは1つだけです(限界を参照)。
- 質問:1事業者あたり、地域と業種は含むが店名は含まない「発見系」の質問を3問(例:「梅田で歯医者のおすすめを教えてください。」。同じ地域・同じ業種の事業者は同じ質問を共有)と、店名を挙げて所在地と営業時間を尋ねる「名指し」の質問を1問。各質問を3回ずつ尋ねました。
- 指標:回答に名前が含まれる、または引用元に自社ドメインがあれば「登場」とし、発見系の回答のうち登場した割合を「登場率」としました。
- 検出の確認:名指しの質問への回答で名前が検出された割合は84.3%で、検出器を信頼する目安として事前に決めた70%を上回りました。
- 分析:Spearmanの順位相関(並べ替え検定のp値、ブートストラップの信頼区間)、業種・都市を固定効果とした偏相関、層内での並べ替え検定、業種・都市の固定効果つきロジスティック回帰(同じ質問への繰り返し回答は独立でないため準二項で補正)。構成要素の6つの検定はHolm法で補正しました。
「支持」の基準は事前に決めました:ρ≥0.3、p<0.05、95%信頼区間の下限が0より上、調整後の相関も正。回答本文は保存せず、名前が出たか・自社ドメインが引用されたか・引用順位だけを記録しました。
結果
判定は「支持されない」です。スコアと登場の関係を見たどの検定でも、相関は0に近い値でした。
| 検定 | 結果 | p値 |
|---|---|---|
| スコア×登場率(Spearmanの順位相関、主分析) | 0.03(95%信頼区間 −0.23〜0.28) | 0.834 |
| 同上、業種・都市を調整した偏相関 | 0.03 | 0.845 |
| 同上、層内での並べ替え検定 | 0.03 | 0.829 |
| スコア×名前の登場(発見系の質問) | −0.04 | 0.782 |
| スコア×自社サイトの引用(発見系の質問) | 0.18 | 0.149 |
| スコア×自社サイトの引用(名指しの質問) | −0.03 | 0.813 |
| 業種・都市の固定効果つきロジスティック回帰(準二項):スコア1標準偏差(18.81点)あたりのオッズ | ×1.01(95%信頼区間 0.62〜1.64) | 0.972 |
最も大きい係数(スコアと自社サイトの引用の0.18)も0と区別できず(p=0.149)、発見として読むべきではありません。
スコア帯ごとの結果
Nurevoはスコアを赤・黄・緑で示します。対象サイトの大半は赤で、緑に届いたサイトはなかったため、非常に高いスコアについては今回の調査から何も言えません。
| スコア帯 | 事業者数 | 平均登場率 | 1回以上登場 |
|---|---|---|---|
| 赤 | 54 | 20.8% | 22 |
| 黄 | 8 | 22.2% | 3 |
| 緑 | 0 | - | - |
構成要素ごとの結果
スコアのどの要素も登場との関係は見られませんでした。Holm法で補正したp値はすべて1.000です。これらは探索的な分析です。
| 構成要素 | 登場率とのSpearmanのρ |
|---|---|
| 構造化データ(schema) | 0.08 |
| 網羅性(coverage) | 0.12 |
| 読みやすさ(legibility) | −0.17 |
| llms.txt | −0.02(オッズ比1.41、95%信頼区間 0.79〜2.52) |
| 一貫性(consistency) | 0.06 |
| ゲート(クローラー許可・エッジ・サーバー側表示) | 通過61件:登場率21.3%/不通過1件:0% |
業種別・都市別
登場率は、スコアよりも業種や都市によって大きく違いました。小さなグループの記述的な数字で、差を検定したものではありません。
| グループ | 事業者数 | 平均スコア | 登場率 |
|---|---|---|---|
| 士業(税理士) | 13 | 27.92 | 10.3% |
| 宿泊 | 13 | 21.08 | 23.9% |
| 歯科 | 13 | 40.15 | 25.6% |
| 美容 | 8 | 24.25 | 8.3% |
| 飲食 | 15 | 24.20 | 30.4% |
| 大阪 | 15 | 26.27 | 15.6% |
| 札幌 | 17 | 29.41 | 9.8% |
| 東京 | 15 | 25.53 | 31.1% |
| 福岡 | 15 | 29.27 | 28.9% |
この調査の限界
- 横断研究:多くのサイトを1回測っただけなので、示せるのは関連であって因果ではありません。サイトを改善すると登場が変わるかは、同じサイトの改善前後を比べる研究が必要です。
- 検出力:62件では、|ρ|がおよそ0.35より弱い相関は見逃すことが多くなります。同じ地域・業種の事業者は同じ回答を共有するため、実質的な情報量はさらに少なくなります。「見つからない」は「存在しない」という意味ではありません。
- 1つのエンジン・1時点:Perplexity(プリセット「fast」)で2026年10月24日に計測した結果です。ChatGPT・Gemini・GoogleのAIによる概要・Copilotは検索インデックスもモデルも違うため、この結果は当てはまりません。
- 観測していない交絡要因:口コミ、知名度、広告、開業年数、他サイトへの掲載状況は測っていません。調整できたのは業種と都市だけです。
- サンプル:事業者はWeb検索で選んだため、もともと見つかりやすい事業者に偏っています。緑のサイトはありませんでした。日本の5業種・4都市の結果で、他の業種・地域・言語に当てはまるとは限りません。
事業者のサイトにとっての意味
構造化データ・llms.txt・クローラー許可には、今も役割があります。AIが事業者の事実(住所・営業時間・電話番号・サービス)を推測せず、正しく読めるようにすることです。これはやる価値のある仕事ですが、「おすすめされること」とは別の仕事です。今回の調査では、よく読まれるサイトが、よく名前を挙げられるサイトではありませんでした。
私たちの作業仮説は、AIがおすすめを答えるときに名前を挙げるかどうかには、サイトの外の情報源(口コミや地図の掲載、地域メディア、業種別のディレクトリ、その事業者に触れている他のサイト)が大きく効いている、というものです。今回の調査はこれらを測っていないので、これは検証すべき仮説であって結果ではありません。
実務としては、AIが語る内容を正確にするためにサイトの中の基本は整えたうえで、AIに実際に名前を挙げられているかは、読みやすさのスコアから推測せず直接測ることをおすすめします。
利益相反と、私たちの対応
NurevoはAEOツールを作っており、ここで検証したスコアは当社の製品です。「スコアは登場を予測しない」は私たちが望んだ結果ではありませんが、判定基準をデータを見る前に決めていたこと、そしてスコアで分かること・分からないことを事業者が知るべきだと考えることから、公開します。
対応として、AI読みやすさスコアを「AIの回答に登場するかの予測」としては示しません。代わりに登場を直接測ります。Proプランでは、Perplexityが名前を挙げる・サイトを引用する割合を計測しています(ベータ)。FreeとStandardのサイト向けにも、月1回の小さな登場チェックを追加しています。また、サイトの中の要素だけに頼らず、実際に計測したAIでの表示状況を組み合わせるスコアの第2版を開発しています。
計測した事業者の名前とサイトは公開しません。
よくある質問
構造化データを入れるとAIに名前を挙げてもらえますか?
Perplexityで地域事業者62件を調べた今回の調査では、構造化データなどサイトの中の要素と、名前が挙がる割合との間に関係は見られませんでした(ρ=0.03)。構造化データはAIが事実を正しく読む助けになりますが、それだけで登場を予測するものではありませんでした。
llms.txtはAIの回答への登場に効きますか?
今回の調査では関係は見られませんでした(llms.txtの要素と登場率のρ=−0.02、Holm補正後のp=1.000)。小規模で1つのエンジンだけの調査なので、llms.txtが決して効かないことの証明ではありません。
AEO対策は意味がないということですか?
いいえ。サイトの中のAEO対策は、AIが事業者について語る内容を正確にします。今回の結果は、それだけではおすすめされるのに十分でないこと、そして登場しているかは読みやすさのスコアから推測せず直接測るべきことを示唆しています。
どのAIで計測しましたか?
PerplexityのみでAgent API・プリセット「fast」を使い、2026年10月24日に計測しました。ChatGPT・Gemini・GoogleのAIによる概要・Copilotには当てはまりません。