Perplexityに引用されるのは、Googleで1位だからではなく、段落が抽出しやすいからかもしれません。私たちはPerplexityの回答300件を分解し、実際に引用されたページを一つずつ確認しました。そこで見えてきた最も明確な傾向は、構造化コンテンツの効果がどの領域でも一様ではなく、テーマによって大きく変わるということです。製品比較、金融、医療・健康など、正確な事実が求められるテーマでは、ひとまとまりで抽出できる表や定義文が引用候補に入るための「入場券」に近い役割を果たします。一方、ニュースやオピニオンを扱う質問では、同じ工夫をしても効果ははるかに小さくなります。本記事では、こうした領域ごとの差を解説します。
300件の回答をどう分類したか
B2Bと消費者の意思決定でよく見られる10領域を選び、それぞれ約30件の実際の検索クエリを用意しました。質問は意図的に「比較型」「定義型」「実行型」の3種類を含めています。各回答について調べたのは、検索順位の1位がどこかではありません。引用元のページを一つずつ開き、引用箇所が表なのか、箇条書きなのか、あるいは説明文の中ほどに埋もれた一文なのかを確認しました。このPerplexity引用データで一貫して注目したのは、順位ではなく情報の形式です。
- 引用箇所の形式：表、箇条書き、定義文、一般的な説明文
- 引用元ページにFAQPage、HowTo、Productなどの構造化データが実装されているか
- 引用文の表現がユーザーの質問とどの程度直接対応しているか
- 引用元ページに表示されている最終更新日時
- 同じ回答が引用しているドメインの数
先に明記しておくと、これはインターネット全体を網羅した調査ではなく、Tentenが独自に抽出したサンプルです。クエリの組み合わせを変えれば、数値にも変動が生じます。ただし、10領域を同じ基準で比較すると、領域間の差はノイズとは考えにくいほど大きく、その傾向も非常に安定していました。
構造化コンテンツの重要度が高い5領域
引用箇所の形式を領域別に分解すると、5つの領域では、表や箇条書きから引用される割合がほかより明らかに高くなりました。ここでの順位は、検索流入や商業的価値を基準にしたものではありません。「コンテンツが構造化されているかどうかが、引用の可否にどれほど影響するか」を基準に、影響度の高い順で並べています。
- B2B SaaSの製品比較・ツールレビュー：引用箇所の70%以上が仕様表または料金表から抽出されており、文章だけの説明は回答に採用されにくい傾向があります。ユーザーが「AとBは何が違うのか」と尋ねると、Perplexityは比較表の特定の列をそのまま抜き出すことがよくあります。
- 金融、保険、金利：金利、手数料、利用条件に関する質問では、回答のほとんどが表やその列から抽出されています。文章の途中に料率を埋め込むよりも、3列程度の小さな表にまとめるほうが効果的です。
- 医療・健康：定義文、症状の一覧、用量、手順は、段落単位で引用されやすい情報です。ただし、この領域では情報源の権威性が特に厳しく問われます。構造はあくまで入場券であり、どの情報源が優先されるかは権威性によって決まります。
- 法規制、税務、コンプライアンス：条文、適用対象、施行日は、いずれも抽出されやすい情報です。「誰が対象か」「いつ施行されるか」「どのような準備が必要か」を3つの明確な文に分けると、引用される可能性が目に見えて高まります。
- 開発・技術ドキュメント：コードブロック、パラメータ表、手順を追った説明が有効です。Perplexityは、技術文書を構造化されたデータベースのように読み取る傾向があります。
よくあるツール比較記事を例に見てみましょう。本文では2製品の違いを詳しく解説しているものの、すべて文章で書かれていました。Googleでは3位に表示されていても、Perplexityには一度も引用されません。そこで、ユーザーが実際に質問する6つの観点に合わせて、主な違いを6列の仕様表に整理しました。すると2週間以内に、同じ一連のクエリでこの記事が引用され始めました。情報量は一言も増やしていません。回答を、モデルがひとまとまりで取り出せる器に移しただけです。
この5領域には、わかりやすい共通点があります。質問に標準的な答えが存在することです。ユーザーが求めるのは検証可能な事実であり、Perplexityが必要とするのは、誤りを生じさせずにそのまま転用できる情報です。表と定義文は、この2つの要件を同時に満たします。
なぜ、この5領域なのか
重要なのは、その領域自体の重要度ではなく、問いに一意の答えがあるかどうかです。ユーザーが検証可能な事実を求める場合、モデルは曖昧さが少なく、質問との対応関係が明確な箇所を引用元として選ぶ傾向があります。表、箇条書き、定義文は、まさにその曖昧さを最小限に抑える形式です。モデルの立場から考えても合理的です。ある一節を引用することは、その内容の妥当性を事実上支持することに相当します。定義文や表は意味の境界が明確で、抜き出しても誤りが生じにくい一方、前後の文脈がなければ成立しない説明文は、引用によって意図が変わるおそれがあります。リスクが低い情報ほど、引用率が高いともいえます。反対に、読者自身の判断が必要で標準的な答えがないコンテンツでは、モデルは構造よりも、情報源の権威性や情報の新しさを重視します。
構造化の効果が限定的な領域
今回のサンプルで構造化による効果が最も小さかったのは、ニュース・時事、オピニオン・ソートリーダーシップ、ライフスタイル・旅行の3領域です。ニュースでは速報性とメディアの権威性、オピニオンでは独自の視点と語り、旅行では当事者による体験が重視されます。こうしたテーマを無理に表へ落とし込んでも、引用率の向上にはつながりにくく、本来の読みやすさや説得力まで損なう可能性があります。投資すべきなのは、更新頻度、著者の信頼性、そして他者には書けない視点です。
実行できる施策に落とし込む
- まず、各コンテンツの性質を見極めます。正確な事実を伝える記事なのか、意見やストーリーを伝える記事なのか。この判断によって、構造を変えるべきかどうかが決まります。
- 記事で最も重要な答えを、ひとまとまりで抽出できる定義文や短いリストに凝縮し、段落の冒頭に配置します。
- 比較コンテンツには必ず仕様表または料金表を用意します。項目名には社内用語ではなく、ユーザーが実際に質問で使う表現を採用します。
- Product、FAQPage、HowToなど、内容に対応する構造化データを追加します。ただし、構造化データの実装自体を目的にせず、ページ上に実在する内容とマークアップを一致させます。
- Perplexityが自社コンテンツのどの段落を実際に引用したか、定期的に振り返ります。文字数を増やすのではなく、引用されなかった箇所を書き直します。
構造化は万能薬ではなく、成果を増幅するレバーです。適した領域に使えば、小さな表が数か月にわたる引用につながることもあります。一方、使いどころを誤れば、良質な記事を細切れにするだけです。自社のテーマがどちらに当てはまるのか、どの箇所がAIに一度も採用されていないのか判断できない場合は、TentenのGEO監査でデータを可視化できます。まずは課題を把握するために、30分間のGEO診断をご予約ください。
