ChatGPT・Perplexity・GeminiはどうやってWebの情報を選ぶのか

はじめに

LLMOに取り組むためには、まず「AIがどのようにWebの情報を取得・選択・引用するか」を理解する必要があります。仕組みを知らずに施策を行っても、的外れな対応になってしまう。

本記事では、ChatGPT・Perplexity・Geminiという主要なAIツールが、Webコンテンツをどのように扱うかを解説します。

AIの知識の2つのソース

AIが回答を生成する際に参照する情報源は大きく2つあります。

ソース1：学習データ（訓練時の知識）

大規模言語モデルは、インターネット上の大量のテキストデータ（書籍・ウェブページ・論文等）を学習して知識を習得しています。この学習は特定の時点（カットオフ日）までのデータに基づいており、それ以降の情報はモデル自体は持っていません。

学習データに含まれた情報は、モデルの「記憶」として回答に使われるが、最新の情報・ニッチな情報・非公開情報は含まれません。

ソース2：リアルタイム検索（ウェブ参照）

現在の主要AIツールの多くは、回答生成時にリアルタイムでWebを検索し、取得した情報を参照する機能を持つ。

• Perplexity：設計上、常にWebを参照して回答を生成します

• ChatGPT：ウェブ検索機能を有効にした場合にリアルタイム参照

• Gemini：Google検索と統合してリアルタイム情報を参照

• Claude：ウェブ検索ツールを使った場合にリアルタイム参照

LLMOが重要なのは、このリアルタイム検索によるウェブ参照の部分で「自社コンテンツが選ばれるか」が問題になるからです。

Perplexityの情報選択の仕組み

Perplexityは「AI搭載の検索エンジン」として最もわかりやすくウェブ参照のプロセスを示しているため、詳しく解説します。

ステップ1：クエリの分析と検索

ユーザーが質問を入力すると、PerplexityはまずWeb検索クエリを生成して検索エンジンを通じてウェブを検索します。複数の関連クエリを生成して並列で検索するケースもあります。

ステップ2：コンテンツの取得と評価

検索結果の上位ページにアクセスしてコンテンツを取得します。この段階で以下の要素が評価されます。

コンテンツの関連性：質問に対してどれほど直接的・具体的に答えているか

ソースの信頼性：ドメインの権威性・著者の専門性・引用の有無

情報の鮮度：最新の情報かどうか（特に時事的なトピックで重要）

コンテンツの読み取りやすさ：HTMLの構造が整理されているか・机上情報が明確か

ステップ3：複数ソースの統合と回答生成

取得した複数ページの情報を統合して、LLMが回答を生成します。この際「どの情報を引用するか」の選択がLLMによって行われます。

引用源として選ばれやすいコンテンツの特徴

• 質問に対して直接的に答えている箇所があります

• 数値・固有名詞・具体的な事例が含まれています

• 情報の信頼性を裏付ける要素がある（専門家・公式機関等への言及）

• テキストが明確に区切られ、引用しやすい形式になっています

ChatGPTの情報選択の仕組み

GPTの学習データとの関係

ChatGPTは膨大な学習データを持っており、一般的な知識については学習データから回答します。しかし最新情報・特定企業の情報・ニッチな専門知識については、ウェブ検索機能を使ってリアルタイム参照を行います。

Bing経由の検索

ChatGPTのウェブ検索はMicrosoft Bingと統合されています。Bingの検索インデックスに含まれていないページは参照されません。つまりBingへのインデックスが前提条件の一つになります。

ChatGPTが参照するページの特徴

• Bingの検索結果で上位に表示されるページ（SEOと連動）

• ページの読み取りに障壁がない（過度なJavaScript依存・robots.txtでのブロックがない）

• コンテンツが明確に構造化されています

Geminiの情報選択の仕組み

Google検索との統合

Gemini（Google）は当然ながらGoogle検索のインデックスを活用します。GoogleのSEO評価が高いページは、Geminiに参照される可能性も高いです。

Googleが「品質が高い」と評価するページ（E-E-A-T・Core Web Vitals等の観点で）は、Geminiの回答でも引用されやすいという相関関係があります。

AIオーバービューへの選出

GoogleのAIオーバービューで引用されるページは、Googleが「この質問に最も信頼性の高い回答を持つページ」と判断したものです。従来のSEOランキングとは完全に一致しないため、LLMO固有の対策が有効になります。

共通する「AIに選ばれやすいコンテンツ」の条件

3つのAIツールに共通して、以下の特徴を持つコンテンツが参照・引用されやすくなります。

条件1：質問に直接答える形式

「○○とは何ですか」という質問に対して、冒頭で直接的な定義・答えを提示するコンテンツが選ばれやすい。AIは回答の該当部分を抽出して使うため、情報が分散していると引用されにくい。

条件2：具体的な数値・事実・事例

「大きく改善した」より「30%改善した」、「多くの企業が使用している」より「日本のWebサイトの40%が使用している」という具体的な情報の方が、AIに引用されやすい。

条件3：信頼性の裏付け

著者の専門性・会社の実績・第三者機関のデータ・学術的な根拠——これらが含まれるコンテンツは、AIが「信頼できる情報源」と判断する確率が上がる。

条件4：FAQ・Q&A形式

FAQやQ&A形式のコンテンツは、ユーザーの質問と直接対応する形式であるため、AIに引用されやすい。「よくある質問：○○ 答え：△△」という明確な対応関係がAIの理解を助ける。

条件5：構造化されたHTMLと清潔なコード

robots.txtでブロックされていないこと・JavaScriptに過度に依存していないこと・意味的に正しいHTMLの使用——これらが、AIクローラーがコンテンツを正確に読み取るための前提条件です。

AIに「読まれない」コンテンツの特徴

逆に、AIに参照されにくいコンテンツの特徴も理解しておきましょう。

• robots.txtでブロックされている：LLMのクローラーをブロックしているサイトは参照されない（ただし意図的にブロックする場合もある）

• コンテンツがJavaScriptでのみ生成される：一部のAIクローラーはJavaScriptを実行せずにコンテンツを取得するため、JS依存のコンテンツが読み取れない場合がある

• 情報が画像・動画に埋め込まれている：AIはテキストを主に参照するため、画像・PDFにのみ存在する情報は読み取れないことが多い

• コンテンツが極めて薄い・一般的すぎる：深みのない一般情報は、より詳細・専門的な同テーマのコンテンツに負ける

まとめ

ChatGPT・Perplexity・GeminiはいずれもWebをリアルタイムで参照して回答を生成する機能を持ち、「質問に直接答える形式・具体的な数値と事例・信頼性の裏付け・FAQ形式・構造化されたHTML」を持つコンテンツが選ばれやすくなります。

これらの条件を理解することが、LLMOの具体的な施策を設計する出発点です。次の記事では、LLMOと関連する用語「AEO」「GEO」の違いを整理します。