Perplexityで検索すると、答えの下に小さな数字がついた出典が並びます。「①」「②」というあの表示です。自社の記事がそこに入るかどうかで、読者に届くかどうかがまったく変わってきます。
ところが、Perplexityがどんな基準でその出典を選んでいるのか、公式にはくわしく説明されていません。「対策のしようがないのでは」と感じてしまう方もいると思います。社内で「Perplexity対策、どうしましょうか」と聞かれても、公式な正解がない以上、何から答えればいいか困ってしまう方も多いはずです。
実は、引用選定の基準そのものは非公開のままですが、「どんな書き方をした記事が、実際にPerplexityの回答の中で引用されやすいか」を検証した学術研究はあります。この記事は、その研究データをもとに、Perplexityに引用されやすい文章の型を知りたい方に向けて書きました。専門用語は出てきたその場で言い換え、図解と会話をはさみながら、最後は「今日から見直す3つのこと」まで持っていきます。
こんなふうに調べていませんか
- Perplexityに引用されるには、どんな文章を書けばいいですか？
- Perplexityの引用の選び方の基準は、公式に公開されていますか？
- 統計データを入れれば、Perplexityに引用されやすくなりますか？
この記事を読み終えたときに手に入るもの
- Perplexityの実機検証で確認された、引用されやすい3つの書き方の型が分かります
- 改善率の数字が、どの検証方法から出たものかを説明できるようになります
- 今日の執筆から避けたほうがいい書き方も分かります
結論30秒でわかる、この記事の結論
- Perplexityの引用選定基準は、公式には非公開です。 ただし「どんな書き方が引用されやすいか」を検証した学術研究があります。
- プリンストン大学などが発表したGEO論文は、Perplexity.ai実機を使って、書き方を変えた記事の引用され方を検証しました。
- 確認された型は3つ。①統計データを数字で示す ②信頼できる情報源からの引用句を添える ③出典を明記する。逆にキーワードを詰め込む書き方は、実機検証でベースラインを下回りました。
この記事では、ある会社のマーケティング部の2人と、専門家の会話をはさみながら進めます。
- 若葉さん（Web担当2年目）— 「そもそも、それって何ですか？」を聞く役
- 高梨課長（マーケ課長）— 「実際どう直せばいいんですか？」を聞く役
- 鈴木さん（AIO/SEOの専門家・本誌監修）— 答える役
01そもそもPerplexityは、何を基準に引用先を選んでいるんですか？（AI検索対策の前提）
若葉さんあの、そもそもの質問なんですが……Perplexityって、どうやって「この記事を出典にしよう」って決めているんでしょうか。
鈴木さん実は、そこはPerplexity自身も詳しくは公開していないんです。ただ、決め方の手前にある「情報の集め方」は公式に説明されているので、そこから見ていきましょう。
Perplexityは、検索結果に番号付きの出典を示しながら答えを返す検索エンジンです。「①」「②」と並ぶあの表示の中に自社の記事が入るかどうかで、読者に届くかどうかが変わります。
Perplexity公式のクローラー資料によると、Perplexityは役割の異なる2種類のクローラーを使い分けています。
- PerplexityBot — 検索結果への掲載・引用のために、あらかじめサイトを巡回して情報を集めるクローラーです。robots.txt（クローラーの巡回可否を示すファイル）のルールに従います。
- Perplexity-User — ユーザーが実際に質問したときに、その場でページを取得しにいくクローラーです。公式には、robots.txtのルールを基本的に無視すると明記されています。
02クローラーの違いは、Perplexityに引用される書き方とAI検索でどう関係しますか？
PerplexityBotとPerplexity-Userの役割の違いは、実務上おさえておく価値があります。たとえばrobots.txtでPerplexityBotをブロックしても、ユーザーが実際に質問したときにPerplexity-Userがそのページを取得しにいく可能性は残る、ということです。逆に言えば、「検索結果に載せてほしいが、学習には使ってほしくない」といった細かい要望を、この2種類のクローラーを個別に扱うことで整理できる余地がある、とも読めます。
どの文章が引用として選ばれやすいかという基準は、この公式資料には記載がありません。分かるのはここまでです。この先は、実際にPerplexityを使って検証した研究データを見ていきます。
この章のまとめ
PerplexityBotはrobots.txtに従い、Perplexity-Userは基本的に従いません。この非対称性があるため、「検索には載せたいが学習には使わせたくない」という要望は、2種類を個別に扱って整理します。
03じゃあ、書き方を工夫しても意味がないんですか？AI検索最適化の研究データはあるんですか？
高梨課長選び方の基準が公開されていないなら、うちの記事の書き方を見直しても、正直手応えが見えにくい気がするんですが……。
鈴木さんそう思われるのも当然です。ただ、選定基準そのものは非公開でも、「どんな書き方をした記事が実際に引用されやすいか」を検証した研究はあるんですよ。
その研究が、プリンストン大学・IITデリーらの研究チームが発表したGEO（Generative Engine Optimization）論文です。GEOは、日本語ではAI検索最適化やLLMOと呼ばれることもある考え方です。論文の全体像は姉妹記事『Princeton GEO論文を読む』で1つずつ数値まで確認していますが、この記事ではPerplexityに関わる部分に絞って扱います。
この研究がほかの検証と違うのは、シミュレーションだけでなく、Perplexity.ai実機を使って、書き方を変えた記事が実際にどう引用されるかを確認した点です。
ここで1つ、数字を読むときに知っておきたいことがあります。同じ「改善率」という言葉でも、検証方法がちがうということです。
- ラボ検証・シミュレーション評価 — 模擬的な環境で、統合指標（Position-Adjusted Word Count）を使って評価したものです。実際のPerplexity.aiそのものは介していません。
- Perplexity.ai実機検証 — 実際のPerplexity.aiを使い、書き方を変えた記事が本当に引用されるかどうかを確認したものです。
次の章では、この2つの検証方法を踏まえたうえで、実際に確認された3つの型を見ていきます。
この章のまとめ
選定基準そのものは非公開のままでも、書き方による違いを検証した研究データは存在します。ただし数字を見るときは、どの検証方法によるものかを分けて読む必要があります。
04実機検証で、実際に確認された書き方は何ですか？（AIOで効いた3つの型）
若葉さん実機で確認された、というのは、けっこう信頼できそうですね。具体的にはどんな書き方だったんでしょうか。
鈴木さん表にまとめると分かりやすいので、見てみましょう。3つの型が確認されています。
研究チームが確認した型を整理すると、次のとおりです。
| 型 | 確認された効果 | 検証方法 |
|---|---|---|
| 統計データを数字で示す | ラボ検証で約31%向上・実機でも改善を確認 | GEO論文（ラボ＋実機） |
| 信頼できる情報源からの引用句を添える | Position-Adjusted Word Countが24.1→29.1（約21%）向上 | Perplexity.ai実機検証 |
| 出典を明記する | 約27%向上（統合指標基準） | シミュレーション評価 |
05Perplexityに引用される書き方の数字は、AI検索最適化でどこまで信じていいんですか？
研究チームが確認した3つの型のうち、Perplexity.ai実機で改善が確認されているのは「統計データを数字で示す」書き方と「信頼できる情報源からの引用句を添える」書き方です。ここまでの検証で言えるのは、この2つが実機でも有効だったという点です。「出典を明記する」の約27%はシミュレーション評価の数値であり、実機での再現は今後の確認事項として残ります。
いずれの数値も、GEO論文の統合指標（Position-Adjusted Word Count）を基準にしたものです。表の生値まで1つずつ確認したい方は、姉妹記事『Princeton GEO論文を読む』をご覧ください。
この章のまとめ
確認された型は3つ。数字の重みは検証方法によって違いますが、いずれもプラスの効果が報告されています。
06具体的に、どう書けば「引用されやすい書き方」になるんですか？（AI対策の実例）
高梨課長型は分かりました。ただ、実際にどう直せばいいのか、もう少し具体的に教えてもらえますか。
鈴木さんでは、ビフォーアフターで見てみましょう。
3つの型を、実際の文章に落とし込むと次のようになります。
- ①統計データを数字で示す — 「多くの」「大幅に」のような曖昧な言い回しより、具体的な数字のほうが、引用のときに抜き出されやすいと考えられます。
- ②信頼できる情報源からの引用句を添える — 第三者の発言や公的データを、引用符つきで本文に含めます。
- ③出典を明記する — 自分の主張の根拠として、一次情報へのリンクを添えます。
たとえば「多くの企業が対応を進めています」という一文は、「〇〇の調査によると、対応している割合は約〇%です（出典：△△）」という形に置きかえられないか、見直してみる価値があります。
この章のまとめ
統計データを数字で示す・信頼できる引用句を添える・出典を明記する。この3つを、既存の文章の言い回しから見直すだけで着手できます。
07AI検索対策のつもりが、逆効果になる書き方はありますか？
若葉さん気をつけたほうがいい書き方って、逆にあるんでしょうか。うちの記事、大丈夫か心配になってきました……。
鈴木さんあります。キーワードを機械的に詰め込む書き方は、研究データ上、むしろ逆効果でした。
研究では、キーワードを不自然に繰り返す従来型SEOのような書き方は、Perplexity実機検証でベースラインを下回ったと報告されています。
この章のまとめ
キーワードの機械的な詰め込みは避けます。研究データが示しているのは、読みやすさと引用されやすさが、多くの場合両立するということです。
08今日から、AI検索でPerplexityに引用される書き方へ何をどう変えればいいですか？
高梨課長分かりました。では、今日からうちの記事で始めるとしたら、何から手をつければいいでしょうか。
鈴木さん3つとも、新しい記事を書き起こす必要はありません。既存の記事を見直すところから始められます。
今日この順で見直します
曖昧な表現を、具体的な数字に置きかえる
「多くの」「大幅に」を、出典のある数字に直せないか、既存記事を見直します
信頼できる情報源からの引用句を、本文に添える
第三者の発言や公的データを、引用符つきで加えられないか探します
主張と数字に、出典リンクを添える
一次情報へのリンクがない箇所を洗い出し、追加します
WEBMARKSでは、Perplexity向けの対策を個別に考えるより、根拠のある一次情報を淡々と積み重ねる姿勢が、結果的に有効だと考えています。ここで紹介した3つの型は、特別な小細工ではなく、読者にとっても読みやすい書き方です。引用対策と読者への分かりやすさは、多くの場合両立します。
09この結果は、Perplexity以外のClaudeなど他のAI検索にも当てはまりますか？
若葉さんこの3つの型って、Perplexity以外のAI検索でも同じように効くんでしょうか。ChatGPTとかClaudeとか……。
鈴木さんGEO論文は、Perplexity以外のエンジンでも近い傾向を報告しています。ただし、エンジンごとに検証結果は異なります。
GEO論文はPerplexity以外の生成エンジンでも検証を行っており、近い傾向が報告されています。ただし効果の大きさはエンジンによって違いがあり、すべてのAI検索エンジンで同じ効果が再現されるとは限りません。
Claudeに引用される書き方については、別記事『Claudeに引用されるための条件と設定』で個別に扱っています。Anthropicが公式に公開しているクローラー仕様や設定方法も含めて解説していますので、あわせてご覧ください。
この章のまとめ
研究の傾向はエンジンをまたいで似ていますが、数値はエンジンごとに異なります。Claude向けの詳細は姉妹記事で扱っています。
10よくある質問
Perplexityの引用選定基準は、公式に公開されていますか？
2026年7月時点で、公式ドキュメントに引用の選定基準そのものは明記されていません。公式に確認できるのは、クローラーの種類とrobots.txtへの対応方針までです。
統計データを追加すれば、引用は保証されますか？
保証はされません。研究データは、統計データの追加が改善に寄与したことを示していますが、引用そのものを保証するものではありません。競合状況や情報の独自性など、他の要因も影響すると考えられます。
この記事の改善率の数字は、どの研究のものですか？
プリンストン大学・IITデリーらの研究チームが発表したGEO論文（arXiv:2311.09735）の数値です。数値を1つずつ確認したい方は、姉妹記事『Princeton GEO論文を読む』をご覧ください。
Claudeなど他のAI検索エンジンにも、同じ型は当てはまりますか？
GEO論文はPerplexity以外のエンジンでも近い傾向を報告していますが、エンジンごとに検証結果は異なります。Claudeに引用される書き方は、別記事で個別に扱っています。
3つの型は、既存記事のどこから直せばいいですか？
すべての記事を一度に直す必要はありません。アクセスの多い記事から数本を選び、曖昧な表現・引用句・出典の3点を見直すところから始めるのがおすすめです。1本で試して、社内で手応えを確認してから広げる進め方が現実的です。
11まとめ｜今日やる3つのこと
Perplexityの引用選定基準そのものは、公式には非公開です。ただし、プリンストン大学などのGEO論文がPerplexity.ai実機を使って検証した結果、引用されやすい書き方の型は分かっています。
もう一度、今日やる3つ
曖昧な表現を、具体的な数字に置きかえる
出典のある数字に直せないか、既存記事を見直します
信頼できる情報源からの引用句を、本文に添える
第三者の発言や公的データを引用符つきで加えます
主張と数字に、出典リンクを添える
一次情報へのリンクがない箇所に追加します
AI検索では、こう聞かれています
Perplexityに引用されるには、どんな文章を書けばいいですか？
「具体的に、どう書けば『引用されやすい書き方』になるんですか？」の章で、ビフォーアフターの例を挙げています
Perplexityの引用の選び方の基準は、公式に公開されていますか？
「そもそもPerplexityは、何を基準に引用先を選んでいるんですか？」で答えています
統計データを入れれば、Perplexityに引用されやすくなりますか？
「実機検証で、実際に確認された書き方は何ですか？」で、研究データを紹介しています
キーワードを詰め込む書き方は、Perplexityでも通用しますか？
「AI検索対策のつもりが、逆効果になる書き方はありますか？」で答えています（結論：逆効果でした）
次に読むなら、この記事です
