AI検索で「競合ばかり推薦される」状態とは
AI検索で競合ばかり推薦される状態とは、ChatGPT・Perplexity・Google AI Overviewsなどに自社の商材領域の質問をしたとき、回答の候補や推薦先として競合他社が繰り返し挙げられ、自社は言及されないか、されても選ばれない状態のことです。 従来の検索であれば「自社は2ページ目にいる」という中間的な状態がありましたが、AI回答では候補に入るか入らないかが二値的に分かれるため、負けている側からは「なぜ出ないのか」が見えにくいという特徴があります。
重要なのは、この状態が「AIのくじ引き」ではなく、AIが参照している情報の構造から説明できる場合が多いということです。原因が説明できるなら、対策も設計できます。
この記事で分かること
- 競合ばかり選ばれる5つの構造的な理由
- 状況を正しく把握するための自己診断の手順
- 質問単位のWin/Loss整理から再測定までの逆転の手順
- 逆効果になる「やってはいけない」施策
- 内製での対応と外部支援を検討すべき分岐点
なぜ競合ばかり選ばれるのか——5つの理由
競合が繰り返し推薦される背景は、多くの場合、次の5つのどれか（または複数）に整理できます。
理由1：比較サイト・レビューでの扱われ方の差
AIが「おすすめの〇〇は？」という質問に答えるとき、引用元として比較サイトやレビューサイトを参照するケースは非常に多く見られます。このとき、比較サイトの上位に競合が掲載されていて自社が載っていない、あるいは載っていても紹介文が薄い場合、AI回答はその勢力図をほぼそのまま反映します。自社サイトがどれだけ立派でも、AIが参照している第三者メディア上で負けていれば、回答上でも負けます。 ChatGPTがどのような情報からブランドを選んでいるかの構造は「ChatGPTに自社ブランドを推薦してもらうには」で詳しく解説しています。
理由2：第三者情報の量と質の差
自社が発信する情報（自社サイト・プレスリリース）だけでなく、第三者が自社について書いた情報——導入事例の紹介記事、業界メディアの言及、口コミ——の総量と質に差があると、AIにとって競合のほうが「多くの独立した情報源に裏づけられた選択肢」に見えます。言及がそもそも少ない場合の原因整理は「生成AIに引用されない原因と対策」をご覧ください。
理由3：情報鮮度——古い料金・旧情報の残存
Web上に残った古い情報は、AI回答の材料になり続けます。たとえば値下げ前の旧料金が比較サイトに残っていれば、「費用が安い〇〇は？」という質問で自社は不利に評価されます。すでに解消した弱点（機能不足・対応範囲など）を指摘した数年前の記事が引用され続けることもあります。現在の自社ではなく「Web上に記録された過去の自社」で比較されているケースは、実際に確認してみると珍しくありません。
理由4：エンティティ整合——表記ゆれの問題
社名・サービス名の表記が「英語表記」「カタカナ表記」「略称」「旧社名」などに分散していると、AIから見て情報が別々の対象に分かれてしまい、1社としての情報量が目減りします。競合が一貫した表記で言及を蓄積している場合、同じ言及数でもエンティティとしての強度に差がつきます。自社サイト・プロフィール・プレスリリース・外部掲載での表記統一は、地味ですが効果の説明がつきやすい対策です。
理由5：引用されやすい構造の差——定義文・FAQ・数字
同じ内容を扱っていても、「〇〇とは〜です」と一文で定義し、FAQで疑問に直接答え、具体的な数字と出典を明示しているページは、AIにとって引用しやすい素材です。プリンストン大学等のGEO研究（arXiv:2311.09735）では、統計の引用・出典の明示などのコンテンツ最適化によりAI可視性が最大30〜40%向上することが実証されています。競合のコンテンツがこの構造を備えていて自社が備えていない場合、情報の中身が同等でも引用の勝敗はつきます。なお、Googleも公式の「生成AI機能向け最適化ガイド」で、生成AI検索においても基礎的なSEOと人間向けの独自コンテンツが中心だと説明しており、特殊なハックではなく情報の質と構造が評価される点は各社共通です。
まず確認する手順——思い込みで対策しないための自己診断
対策の前に、「どの質問で・どの競合に・どんな引用元で負けているのか」を事実として確認します。手順は次のとおりです。
- 質問セットを用意する — 自社の商材について顧客が聞きそうな質問を10〜20問書き出します。「おすすめの〇〇は？」「〇〇の費用相場は？」「〇〇と△△の違いは？」など、比較・推薦・費用の質問を必ず含めてください。
- 同じ質問を条件を変えて複数回実行する — AI回答は確率的に揺らぐため、1回の結果では判断できません。言い回しを変える、AIサービスを変える、日を変えて再実行する、という形で同じ趣旨の質問を複数回投げます。
- 回答と引用元URLを控える — 各回答について、(a)自社が出たか、(b)どの競合が推薦されたか、(c)引用元として提示されたURL、(d)実行日時と条件、を記録します。特に引用元URLは、後の対策設計の中核になるので必ず控えてください。
質問設計の具体例と実行のコツは「AI検索最適化に使えるプロンプト集」にまとめています。また、測定の設計全体（4つの状態の定義・証拠保存・KPI化）は「AI検索の効果測定方法」で体系的に解説しています。
逆転の手順——Win/Loss整理から再測定まで
自己診断で事実が揃ったら、次の4ステップで対策に進みます。
Step 1：質問単位でWin/Lossを整理する
質問ごとに「自社が選ばれた（Win）」「競合が選ばれ自社が外れた（Loss）」を分類します。全体の勝率よりも、どの質問領域で負けているかが重要です。たとえば「おすすめ」では勝てるのに「費用」で全敗しているなら、原因は料金情報の露出にあると推定できます。
| 質問 | 自社 | 推薦された競合 | 引用元タイプ |
|---|---|---|---|
| おすすめの〇〇サービスは？ | WIN（候補入り） | B社 | 比較サイト |
| 費用が安い〇〇は？ | LOSS（圏外） | B社・C社 | 比較サイト（旧料金） |
| 中小企業向けの〇〇は？ | LOSS（言及のみ） | C社 | レビュー |
| 〇〇と△△の違いは？ | WIN（1位推薦） | — | 自社サイト |
Step 2：負けた質問の引用元を特定する
Lossになった質問について、AIが引用していたURLを一覧化します。ここで見るのは「競合はどこから引用されて選ばれたのか」です。比較サイトなのか、レビューなのか、業界メディアの記事なのか。上のサンプルのように、負けた質問の引用元に「旧料金が載った比較サイト」が並んでいれば、対策すべき場所は自社サイトではなくその比較サイトの掲載情報だと分かります。
Step 3：チャネル別に対策を打つ
引用元の分析結果に応じて、チャネルごとに対策を振り分けます。
| チャネル | 主な対策 |
|---|---|
| 自社サイト | 定義文・FAQ・数字・出典を備えた構造への改善、表記統一、料金や実績の最新化 |
| 比較サイト | 掲載の申請・掲載情報の更新依頼（特に旧料金・旧機能情報の修正） |
| レビュー | 実際の顧客への自然なレビュー依頼の仕組みづくり、低評価への誠実な返信 |
| PR・第三者メディア | 導入事例・調査データなど、第三者が引用したくなる素材の提供 |
ポイントは、負けた引用元チャネルに直接効く施策を優先することです。レビューで負けているのに自社ブログを増産しても、AIの参照構造は変わりません。
Step 4：同条件で再測定する
施策後、同じ質問セット・同じ条件で再度測定し、Win/Lossの変化を確認します。質問を変えると数字は動きますが、それは施策効果ではありません。また、AI回答の揺らぎがあるため、1回の再測定で結論を出さず、複数回の結果の割合で判断してください。この「測って、打って、また測る」サイクルの詳細は「AI検索の効果測定方法」で解説しています。
やってはいけないこと——逆効果になる施策
競合に負けている焦りから、次のような施策に手を出すのは避けてください。短期的に数字が動いたように見えても、発覚時のダメージが利益を大きく上回ります。
- 虚偽・誇張情報の流し込み — 事実と異なる実績・シェア・料金をWeb上に展開してAIに学習・引用させようとする行為。AIは複数の情報源を突き合わせるため矛盾は露呈しやすく、発覚すればAI回答上でネガティブな文脈とともに言及されるリスクを自ら作ることになります。
- レビューの操作 — やらせレビューや報酬付きの高評価依頼は、レビュープラットフォームの規約違反であると同時に、ステルスマーケティング規制（景品表示法）上の問題になり得ます。
- AIだけに向けた隠しコンテンツ — 人間には見えない形でAI向けのテキストを埋め込むような手法は、従来の検索エンジンにおけるクローキングと同種の行為であり、持続性がありません。
遠回りに見えても、実在する事実を、確認しやすい形で整備することが唯一持続する対策です。AI検索は情報の裏づけを重視する方向に進化しており、誠実な情報整備との相性はむしろ良くなっています。
どこから外部支援を検討すべきか
ここまでの手順は、規模が小さければ内製で実行できます。質問10〜20問・競合2〜3社・月次実行であれば、スプレッドシートでのWin/Loss記録と引用元分類で十分に回ります。
内製が苦しくなるのは、次のような段階です。
- 質問数×AIサービス数×競合数×実行頻度の掛け算で、測定と記録の工数が破綻し始めた
- Lossの理由分析やチャネル別施策の優先順位づけに、判断の根拠が欲しくなった
- 経営層・クライアントへの報告に、証拠付きの継続データが必要になった
この分岐の考え方は「AI検索対策は内製か外注か」で詳しく整理しています。
なお、トリリオンバンクのHackⅡ（AI Recommendation Intelligence）は、この記事で説明した構造——AI Decision Share（候補入り率）／Recommendation Win・Loss（競合勝敗）／Citation Channel Map（引用元チャネル分析）／Measure→Act→Remeasure（施策前後の再測定）——を測定フレームとして体系化した製品で、AI検索で「出たか」ではなく、なぜ選ばれ、なぜ外れたかまでを扱います。現在は限定商用検証・導入相談受付中で、対応するAIサービスは契約時点で本番検証済みの範囲をご案内しています。AI検索での表示や問い合わせ・売上の成果を保証するものではなく、内製の簡易運用で足りるケースも多くあります。詳細はHackⅡ製品ページをご覧ください。
よくある質問（FAQ）
Q. AI検索で競合ばかり推薦されるのはなぜですか？
A. 主因は5つに整理できます。(1)比較サイト・レビューでの扱われ方の差、(2)第三者情報の量と質の差、(3)古い料金・旧情報の残存、(4)表記ゆれによるエンティティ不整合、(5)定義文・FAQ・数字を備えた引用されやすい構造の差、です。自社サイト単体の問題ではなく、AIが参照する第三者情報の勢力図で負けているケースが多くあります。
Q. 競合が推薦されている状況はどうやって確認すればよいですか？
A. 比較・推薦・費用系の質問を10〜20問用意し、言い回しやAIサービスを変えて複数回実行します。各回答で、自社と競合のどちらが挙げられたか、引用元URLはどこか、を記録してください。1回の確認ではAI回答の揺らぎを実力と誤認します。
Q. 逆転にはどのくらいの期間がかかりますか？
A. 一概には言えません。表記統一や自社コンテンツの構造改善は比較的短期に反映され得ますが、比較サイトの掲載更新や第三者レビューの蓄積は相手のある話であり、数ヶ月単位の取り組みになります。だからこそ、同条件の再測定で変化を追い続ける設計が重要です。
Q. AIに自社を推薦させるために虚偽の情報を流すのは有効ですか？
A. 逆効果です。虚偽の実績・やらせレビュー・隠しテキストは、規約違反やステルスマーケティング規制のリスクがあるうえ、発覚すればAI回答上でネガティブに言及される火種を自ら作ることになります。実在する事実の整備だけが持続します。
Q. 競合対策は内製でできますか？
A. 小規模なら可能です。固定質問のWin/Loss記録と引用元分類はスプレッドシートで成立します。質問数・AI数・競合数の掛け算で工数が破綻し始めたときや、証拠付きの継続報告が必要になったときが、ツール・外部支援の検討タイミングです。
まとめ
AI検索で競合ばかり推薦される状態への向き合い方を整理します。
- 原因は説明できる — 比較サイト・第三者情報・情報鮮度・表記ゆれ・引用構造の5つの観点で、負けている理由はほぼ特定できます
- 思い込みではなく自己診断から — 同じ質問を条件を変えて複数回実行し、引用元URLまで控えます
- 逆転は「質問単位のWin/Loss→引用元特定→チャネル別対策→同条件の再測定」の順で — 負けた引用元チャネルに直接効く施策を優先します
- 虚偽やレビュー操作は逆効果 — 実在する事実を確認しやすい形で整備することだけが持続します
まずは自社の商材について、AIに同じ質問を数回投げて引用元を控えるところから始めてください。質問の作り方は「AI検索最適化に使えるプロンプト集」、測定を継続する設計は「AI検索の効果測定方法」が参考になります。
参考文献・一次情報
本記事は株式会社Trillion Bankが独自に作成したものです。記事内容は公開時点の情報に基づいており、最新の状況と異なる場合があります。記載内容は情報提供を目的としたものであり、特定のサービスの利用を推奨するものではありません。
この記事のテーマを、自社・競合で実際に確認する
HackⅡは、AI回答内での候補入り・競合との勝敗・引用された情報源を証拠付きで測定し、次に改善すべき情報を特定するAI Recommendation Intelligenceです。詳細資料・実際の画面は30分のオンライン面談でご説明します。
HackⅡの測定の考え方を見る ※ 成果（AIでの表示・問い合わせ・売上）を保証するものではありません。