ChatGPT、Perplexity、Geminiに自社について尋ねたとき、「実在し、明確に定義された企業」として回答してもらう。そのための有力な情報源の一つがWikipediaです。ただし、Wikipediaは自社の実績や事例を自由に掲載する場所ではありません。掲載内容と検証可能性には厳格なルールがあります。項目を作成できるか、内容を維持できるか、AIに正確に引用されるかを左右するのは、その背後にある独立した検証可能な情報源です。
AIエンジンがWikipediaを重視する理由
中国語版Wikipediaは、主流の大規模言語モデルの学習データにおいて、一般的なウェブコンテンツよりも重く扱われる傾向があります。情報が構造化され、事実の密度が高く、出典も明示されているため、モデルにとってノイズの少ない「事実の基準点」になるからです。さらに重要なのが、その背後にあるWikidataです。Wikidataはエンティティ情報を構造化したデータ層で、Googleのナレッジグラフや各種AIに情報を供給します。ユーザーが「XX社は何をしている会社か」と尋ねると、モデルは通常、企業の定義、設立年、業種、公式URLなどを手がかりに回答を組み立てます。
ここに、GEOと従来のSEOとの大きな違いがあります。SEOでは、ページが狙ったキーワードで検索されるかが重視されます。一方、AIエンジンが見ているのは、「そのブランドを一つのエンティティとして認識できるか」「同名の企業や商品と区別できるか」です。Wikipediaの項目があり、Wikidataにも接続されているブランドは、モデルに身分証を提示しているようなものです。名称、別名、業種、関連性といった属性がひも付きます。この識別情報がなければ、AIが同名の飲食ブランドと混同したり、「そのような企業は確認できない」と回答したりする可能性があります。
まず押さえたい「特筆性」
中国語版Wikipediaで最初の関門となるのが「特筆性」です。端的に言えば、「その対象について、利害関係のないメディアや出版物が十分な分量で取り上げているか」が問われます。企業の公式サイト、公式ブログ、自社発表、プレスリリースは、独立した情報源ではないため根拠になりません。ここを誤解する企業は少なくありません。Wikipediaは企業が自らを紹介する場所ではなく、第三者がその企業について記述し、百科事典の項目としてまとめる場所です。
- 評価される情報源：編集体制のあるメディアによる詳細な取材記事、信頼性の高い業界分析機関のレポート、学術文献や書籍での言及、信用力のある賞の受賞記録。
- 評価されない情報源：自社サイトや公式ブログ、自社のプレスリリース、コンテンツファームによる転載、名簿などに名称が一言だけ掲載された記録。
- グレーゾーン：大手メディアに掲載されていても、編集者から独立した情報源ではないと判断される場合があります。
情報源設計：項目を作る前に、土台を整える
多くのブランドがつまずくのがこの点であり、GEO監査でも頻繁に見つかる課題です。独立した情報源がないまま、先にWikipediaの項目を作ることはできません。まず社外から十分な独立報道や第三者評価を得て、それ自体を情報資産として蓄積する必要があります。私たちはこの取り組みを「情報源設計」と呼んでいます。項目の作成を検討する前に、引用可能な第三者コンテンツを計画的に整えるのです。これらは、Wikipediaの特筆性を裏付けるだけでなく、AIが直接参照する資料にもなります。
- 単なる寄稿文ではなく、編集部の審査を経た業界メディアのインタビューや事例記事を獲得する。
- 自社のデータや知見を、引用される価値のある調査資料や年次レポートとして公開する。
- 信頼できる業界賞の受賞実績や、公に確認できる評価記録を整える。
- 企業の公開登録情報（例：gov.twや公的な業界団体のウェブサイト）が正確であることを確認する。
- 企業名、設立年、所在地、公式URLなどをウェブ全体で統一する。エンティティ情報の食い違いは、ブランドの信頼性を直接損ないます。
編集ルール：越えてはならない3つの一線
情報源がそろっていても、編集方法を誤れば差し戻され、短時間で削除されることがあります。覚えておくべき一線は3つです。1つ目は利益相反です。本人や依頼を受けた編集者が対象企業と金銭的な関係を持つ場合、Wikipediaではその関係を自ら開示し、直接公開するのではなく、草稿を提出してコミュニティの審査を受けることが推奨されます。2つ目は中立的な観点です。記載できるのは検証可能な事実に限られ、「最高のソリューション」といった形容は削除します。3つ目は検証可能性と独自研究の禁止です。記事内の重要な記述には、それぞれ独立した情報源が必要です。「知っているが、どこにも報道されていないこと」を書いてはいけません。
Wikidataとの接続まで完了して、初めて意味がある
AIに正確に引用されやすい項目には、いくつかの共通点があります。まず、冒頭の一文が「台北に本社を置き、B2Bソフトウェアを手がける企業」のように、対象、属性、業種を明確に示す簡潔な定義になっています。右側の情報ボックスには、設立年、業種、公式URLなどの構造化された項目が入力されています。そして最後に、最も見落とされやすいのが、項目に対応するWikidataのエンティティが存在し、正しい属性が登録されているかの確認です。公式サイトやLinkedInなどでも、名称とデータをWikidataと一致させます。この構造化データ層が、ナレッジグラフやAIデータベースに供給される原材料になります。
Wikipediaは自社を紹介するための舞台ではありません。第三者が自社についてどのように記述し、それが百科事典の項目としてどう整理されるか。その前提となる情報環境こそ、企業が実際に整えられるものです。— Tenten GEO consultant team
よくある失敗と推奨する進め方
- 独立した情報源がないまま、急いで項目を作る：先に情報源設計へ取り組み、項目作成は最後に行います。
- 営業資料のような文章で項目を書く：中立的で検証可能な記述に改め、評価や肩書は情報源の表現に委ねます。
- 利益相反を隠す：自ら開示し、コミュニティの審査を受けるほうが項目を維持しやすくなります。
- Wikipediaの項目だけを見て、Wikidataを無視する：構造化されたエンティティがなければ、知識をブランドに正しくひも付けられません。
- ウェブ全体で情報が一致していない：企業名、業種、設立年、公式URLを先に統一し、その後にWikipediaへ進みます。
Wikipediaはゴールではありません。ブランドをAIの記憶に定着させるためのアンカーです。その土台となる独立した情報源は、特筆性を裏付けるだけでなく、ChatGPTやPerplexityなどのAIエンジンが直接参照する資料にもなります。自社に十分な情報源があるのか判断できない、あるいはAIエンジンが現在、自社ブランドをどのように認識し、どこで誤認しているのかを知りたい場合は、30分間のGEO診断をご予約ください。AI可視性モニタリングを通じて、モデル内でのエンティティの見え方と不足している情報を確認します。
