WEBサイト
LCRS（LLM Citation Rate Score）。自サイトのコンテンツが ChatGPT や Perplexity に引用されているかを、定量的に測定する指標だ。当サイトでは 2026 年 3 月から週次計測を始め、先週で 7 回目の測定を終えた。
結果を先に言う。7 回連続、0%。
毎回 28 クエリ（14 テーマ × 2 AI）を投げ、返ってきた引用件数: 0。引用率: 0 / 28 = 0%。それが 7 週、積み上がっている。
7 回分の記録を、正直に置く
まずデータを見てほしい。省略も補正もない、生の記録だ。
| 測定回 | 時期 | クエリ数 | 引用数 | 引用率 |
|---|---|---|---|---|
| 第 1 回 | 2026 年 3 月中旬 | 14 | 0 | 0% |
| 第 2 回 | 2026 年 3 月下旬 | 28 | 0 | 0% |
| 第 3 回 | 2026 年 4 月中旬 | 28 | 0 | 0% |
| 第 4 回 | 2026 年 4 月下旬 | 28 | 0 | 0% |
| 第 5 回 | 2026 年 4 月下旬 | 28 | 0 | 0% |
| 第 6 回 | 2026 年 5 月上旬 | 28 | 0 | 0% |
| 第 7 回 | 2026 年 5 月上旬 | 28 | 0 | 0% |
合計: 182 クエリ投入、引用件数 0。
第 1 回〜第 5 回の記録と分析は、「LCRS 5 回連続 0% の現在地」で公開済みだ。今日はその続き、第 6・7 回を経て言葉にできたことを書く。
「やめたほうがいいんじゃないか」と思ったことが、なかったわけじゃない。むしろ何度も考えた。そのたびに、俺は続けることを選んだ。今日は、なぜ続けるのかを言葉にしたい。
「成果ベース思考」という罠
「結果が出たら続ける。出なかったらやめる。」
合理的に聞こえる。でも、これは新しい施策を殺すための発想だと今は思っている。
なぜか。成果が出るまでの時間と、施策の正しさは、別の変数だからだ。
SEO を例に取る。現在の通説では、SEO の成果が出始めるまでに 3〜6 ヶ月、本格的な成長フェーズは 6〜12 ヶ月、本来の潜在力に達するのは 12 ヶ月以降だとされている（First Page Sage 調査）。では「3 ヶ月でやめた人」の施策は間違っていたのか。違う。タイムラグの中にいたにすぎない。
さらに言えば、SEO を 3 年続けたプログラムの ROI 中央値は、1 年目の約 12 倍になると報告されている（OnwardSEO、複数プログラム分析）。やめた瞬間に、複利がリセットされる。
AI 引用には、構造的なタイムラグがある
LCRS が 0% であることと、「施策が無効だ」ということは、イコールではない。それには具体的な理由がある。
LLM の学習周期は 3〜12 ヶ月だ。
ChatGPT（OpenAI）は新モデルを 3〜6 ヶ月ごとにリリースするが、コアな学習データは継続的に更新されるわけではない。学習コストと安全性テストの兼ね合いで、常に 3〜12 ヶ月の遅延が存在する（Otterly.ai, 2026）。
つまり、今日書いた記事が ChatGPT の知識ベースに入るのは、早くて数ヶ月後だ。LCRS 7 回（約 2 ヶ月弱）は、学習周期の前半にいるにすぎない。
一方、Perplexity は RAG（検索拡張生成）を採用しており、クエリごとにリアルタイム検索を実施する。こちらは今日書いた記事を今日見に来ている可能性がある。それでも引用されていないのは、コンテンツ構造の問題であり、「見られていない」わけではない。
鮮度の観点から補足すると、AI ボットトラフィックの 65% は過去 1 年以内に公開されたコンテンツに向かい、過去 30 日以内に更新されたコンテンツは、古いものより 3.2 倍多く引用されるという報告もある（Superprompt.com, 2025）。毎日書き続けること、addview で記事を更新し続けることは、この「30 日以内」の状態を維持するための動きと完全に一致している。
「既完の観察は、結果がゼロでも完了しているから」
今週、自分の中から出てきた言葉がある。
「既完の観察は、結果がゼロでも完了しているから」
7 回連続 0% という数字の前で、俺がやっと言語化できた覚悟だ。
観察（= LCRS 測定）は、行為として完結している。引用されたかどうかは、その先に起きることだ。0% という結果は、観察の失敗ではなく、観察の記録だ。捨てる必要も、恥じる必要もない。
この発想は、心理学の研究とも一致する。追跡した習慣は、追跡しないものより 2.5 倍継続されやすいことが報告されている（Psychology Today, 2025）。測定し続けること自体が「自分はこれをやっている人間だ」というアイデンティティを強化し、行動を継続させる。
LCRS 0% を毎週記録することは、引用されていないことの確認ではなく、観察者であり続けることの証明だ。
この市場から目を離せない理由
なぜ AI 引用にこだわるのか。数字を見ると、その理由は明らかだ。
- ChatGPT の週間アクティブユーザーは 9 億人（2026 年 2 月、OpenAI 公表）、1 日 25 億プロンプトを処理している
- Perplexity の月間アクティブユーザーは 4,500 万人（2026 年、BusinessOfApps）、2025 年内で 100% 成長
- AI 引用経由のコンバージョン率は 14.2%（Google オーガニックの約 5 倍、Superprompt.com）
- AI Overview の表示率は全業種の 48%（2026 年 2 月、前年比 +58%）
検索結果の入り口が変わっている。AI に引用されるかどうかが、新しい可視性の軸になっている。LCRS が 7 回 0% でも続けるのは、この流れに乗り遅れないためだ。7 回 0% は敗北ではなく、試験場に立ち続けている記録だ。
WEBディレクターへ：あなたの「0% 施策」は何か
LCRS に限らない。AI 対応、SNS 運用、動画コンテンツ——効果が見えないまま続けている施策が、あなたのサイトにもあるはずだ。
そのとき、問いはひとつだ。「これはタイムラグの中にいるのか、それとも方向が間違っているのか。」
方向が正しければ、0% は通過点に過ぎない。今日の観察は、今日完了している。引用されるかどうかは、明日以降の話だ。
今日からできる 3 つのアクション
- まず測定を始める — LCRS がゼロでも、測定しなければ何もわからない。10 キーワード × 2 AI からスタートできる。SC のデータを正しく読む方法と組み合わせると、AI と Google 両軸の変化が見えてくる
- 鮮度を維持する — 過去 30 日以内の更新が引用率 3.2 倍の差を生む。週 1 本の更新、addview による記事強化を習慣にする
- 観察を記録する — 0% が続いても、記録を残す。いつ引用が始まったかを後から振り返るために。追跡は継続率を 2.5 倍にする
当サイトでは AI 対応診断ツールで自サイトの AI 引用対応状況を無料で確認できる。自サイトの LCRS が今どこにあるか、測定の入り口として活用してほしい。
LCRS 以外の AI 引用計測手段 — 代替ツールと手動チェック法
LCRS は当サイトが独自に構築した仕組みだが、類似の手法は他にもある。参考として整理しておく。
| 手法 | 費用 | 特徴 | 向いているケース |
|---|---|---|---|
| 手動チェック（ChatGPT / Perplexity に直接質問） | 無料 | すぐ始められる。ツール不要 | 初めて試す、月 1〜2 回でよい |
| Google Search Console「参照元: AI」フィルタ | 無料 | 実際の流入を可視化できる | AI 経由のクリックが始まった段階 |
| Perplexity Pages Tracker（Perplexity 公式） | 無料〜有料 | 自サイトが Perplexity に引用された頻度を確認 | Perplexity 経由の流入を重視 |
| Otterly.ai | 有料（トライアルあり） | ChatGPT・Gemini・Perplexity 横断で引用率を自動計測 | 予算があり自動化したい |
| AI 対応診断ツール（当サイト） | 無料 | URL を入れるだけで AI 対応状況を 20 項目診断 | 構造的な課題を把握したい |
手動チェックの手順は簡単だ。ChatGPT や Perplexity に「（自サイトで扱うテーマ）について教えて」と入力し、自サイトが参照元に出てくるかを確認する。週 1 回でも続ければ、引用が始まるタイミングを見逃さない。Google Search Console の場合は「検索パフォーマンス」→「検索タイプ」→「ディスカバー + AI のオーバービュー」で AI 経由のインプレッションが確認できる。
どのツールを使うにしても、LCRS の本質は「測定を続ける」ことにある。0% であってもデータを積み上げれば、引用が始まった週が明確になる。そこから逆算すれば、どのコンテンツが引用のトリガーになったかを特定できる。
LCRS と SEO — 2 つの指標の違いを整理する
LCRS と従来の SEO 指標は、何が違うのか。実務でよく混同されるポイントを比較表で示す。
| 項目 | LCRS（AI 引用率） | SEO 指標（順位・流入） |
|---|---|---|
| 測定対象 | AI（ChatGPT / Perplexity）に引用されているか | Google 検索での表示順位・クリック数 |
| 測定頻度 | 週次（任意のタイミングで即測定可能） | 週次・月次（Google の反映に数日〜数週間） |
| 成果が出る目安 | LLM 学習周期：3〜12 ヶ月のタイムラグ | SEO 効果：3〜6 ヶ月が通説 |
| 主な改善施策 | 鮮度維持・FAQ 構造・引用されやすい文章形式 | キーワード最適化・被リンク・ページ速度 |
| 計測ツール | LCRS（自作）/ AI 対応診断ツール（当サイト） / Otterly.ai / 手動チェック | Google Search Console / Semrush / Ahrefs |
| メリット | Google 以外の検索行動（AI 質問）を捕捉できる | 実際の流入数・コンバージョンと直結 |
| デメリット | クリック・流入への直接寄与が見えにくい | AI 検索経由の可視性は測定できない |
結論として、LCRS と SEO は競合ではなく補完関係だ。Google からの流入を SEO で稼ぎながら、AI 引用の下地を LCRS で積み上げる。2 軸で並走することが、2026 年以降の検索環境では合理的な選択になる。
AI 引用されやすいコンテンツ構造 — 改善の具体的な手順
「コンテンツ構造の問題」と書いたが、具体的には何を直せばいいのか。AI が引用しやすいコンテンツには共通パターンがある。
1. 見出し構造を階層化する（H2→H3 の明確な入れ子）
AI は見出し構造からコンテンツのトピックを把握する。H2 が大テーマ、H3 が詳細テーマという階層が明確だと、特定の質問に対して「このセクションが答えだ」と判断しやすくなる。見出しにキーワードを含め、問い形式（「〜するには？」「〜とは何か？」）で書くと引用率が上がりやすい。
2. 事実・数字・出典を明示する（引用の根拠を与える）
AI は「引用できる情報」を優先する。統計データ（「〜の 65%」「〜倍向上」）と出典（括弧内に調査元）を組み合わせると、AI が引用しやすくなる。曖昧な表現（「多くの場合」「最近の傾向では」）は引用されにくい。
3. FAQ 構造を明示する（FAQPage スキーマ + 本文の Q&A）
Perplexity はクエリに対する直接回答を重視する。「Q: 〜とは？ A: 〜です。」という明示的な Q&A ブロックを本文に含めると、質問クエリへの引用率が上がる報告がある（Otterly.ai, 2026）。
4. 冒頭 100 字で核心を言う（結論ファースト）
AI のコンテキスト処理では冒頭部分への重み付けが高い傾向がある。「この記事で何がわかるか」を冒頭 100 字以内に圧縮する構造は、引用される確率を高める。
