Claudeがどのページを引用するかの選定基準は、Anthropicから公式に公開されていません。しかし公式の技術文書と、独立系調査会社が公開した大規模な観測データを付き合わせると、選定に影響しうる要因がいくつか浮かび上がります。本記事は、それらを「確認済みの事実」と「観察にもとづく仮説」に明確に分けて整理する試みです。
01研究の結論（3行）
引用されやすい定義文Claudeの引用は、Web検索ツールとCitations機能という2つの公式技術の上に成り立っています。
このうちCitations機能は、文章を一文単位で区切って扱う設計だと公式に明記されています。独立調査会社Otterly.aiの観測データは「ブランド」カテゴリが引用の大半を示しますが、Anthropicはこれを選定ロジックの説明と認めておらず仮説にとどまります。
02原典情報
本記事は特定の1本の論文やレポートを解説するものではありません。Anthropicの公式技術文書と、独立調査会社による大規模な観測データを付き合わせ、Claudeの引用元選定に影響しうる要因を仮説として整理します。参照した一次情報は次の5点です。
- Web検索ツール仕様: Anthropic公式ドキュメント（2026年更新）
- Citations機能仕様: Anthropic公式ドキュメント
- Contextual Retrieval: Anthropicエンジニアリングブログ（2024年9月公開）
- クローラー仕様: Anthropic公式ヘルプ（2026年4月更新）
- Claude AI Citations Study: Otterly.ai社による独立調査（2026年6月公開）
WEBMARKS独自の実験ではなく、既存の一次情報を横断整理した記事です。
03研究手法の平易な解説
AIO Journal 編集部は、次の3段階で整理しました。まずAnthropicが技術文書で明言している「確定事実」を洗い出します。次に、Otterly.aiの観測データという「第三者の実測」を重ね合わせます。最後に、両者が重なる部分から「Claudeの引用に影響しうる要因」を仮説として抽出します。
この手順は学術的な実験ではありません。公開情報を組み合わせた編集上の整理であり、因果関係を証明するものではないことに注意してください。
確定している事実は主に2つです。1つ目は、Citations機能が文章を一文単位でチャンク化(分割)して扱う設計だと公式に明記されていることです。同機能の公式ドキュメントは、プレーンテキストとPDFを一文ごとに区切り、1文または連続する複数文を引用の最小単位にすると説明しています。RAG(検索して回答を生成する仕組み)の基本原理は『RAGの仕組みとは？AI検索で引用される文章の原理を徹底解説』で解説していますが、この一文単位のチャンク化はその具体的な実装例にあたります。
一方、Web検索ツールの公式ドキュメントには一文単位という記述はありません。引用文(cited_text)は最大150文字の抜粋と規定されているのみで、一文単位で区切られるかどうかは公式に明言されていません(仮説の領域)。
2つ目は、Anthropicがエンジニアリングブログで公開している「Contextual Retrieval」という手法です。文章の断片(チャンク)に前後の文脈を補う説明文を付加してから検索用に変換する手法で、開発者がRAGアプリケーションを構築する際の推奨技術として2024年9月に公開されました。Anthropicの検証では、この手法とリランキング(再評価)を組み合わせることで、検索の取りこぼし率が5.7%から1.9%へ、67%改善したと報告されています。
ただしこの手法は、開発者向けRAG構築の推奨技術として公開されたものです。Claude.aiやWeb検索APIの引用選定に、この手法がそのまま使われているとAnthropicが明言しているわけではありません。この点は仮説の域を出ません。
04主要な発見（データ付き）
確定事実に加えて、独立調査会社Otterly.aiが2026年6月に公開した観測データを見ていきます。同社は、SaaS・テクノロジー分野の監視対象プロンプトを対象に、Claudeが引用したドメインを1か月間追跡しました。
調査の母数は37万9,321件の引用、対象ドメインは1万6,406件です。6月9日から13日の間はデータ取得に欠測があり、Otterly.ai自身がサンプリング上の欠落と説明しています。
| カテゴリ | シェア | ユニークドメイン数 |
|---|---|---|
| ブランド（企業公式） | 64.0% | 10,842 |
| ニュース・メディア | 14.9% | 1,688 |
| 個人ブログ | 5.4% | 1,041 |
| 教育機関 | 2.7% | 518 |
| 政府・NGO | 2.4% | 596 |
| 百科事典 | 2.1% | 142 |
| ソーシャルメディア | 0.9% | 37 |
上記は11カテゴリ中、主要7カテゴリ(計92.4%)の抜粋です。残りはOthers 3.7%・未分類(Unclassified)2.3%・Community/Forum 1.3%・Video 0.3%で、合計は100.0%です(出典再確認済み・2026-07-25)。
上位10ドメインが占めるシェアは、全体のわずか9.5%でした。特定の少数サイトに引用が集中する構造ではなく、裾野の広い分布であるとOtterly.aiは指摘しています。
同社の調査では、他のAIエンジンで一定の存在感を持つRedditが、観測期間中は1件も引用されなかったと報告されています。この特徴が観測期間・対象分野に限定されたものか、Claude全般の傾向かは追加データが必要です。
これらの数値を、Citations機能の一文単位チャンク化という確定事実と重ね合わせると、次の仮説が浮かび上がります。Claudeは断片的な引用元よりも、公式な一次情報としての立ち位置が明確なページを選びやすいのではないか、という仮説です。ただしOtterly.ai自身も明記する通り、これは記述的な観測であり、なぜそのページが選ばれたかを証明する統制実験ではありません。
05限界と注意点
この整理には、少なくとも3つの限界があります。
- Otterly.aiの調査は、SaaS・テクノロジー分野で監視されたプロンプトが対象です。母数の業種が偏っており、全ジャンルに一般化できるかは未検証です。
- Otterly.ai自身が「記述的研究であり、統制実験ではない」と明記しています。相関関係の観察であり、Claudeが特定のページを選んだ理由を証明するものではありません。
- Contextual Retrievalは開発者向けRAG構築の推奨技術として公開されたものです。Web検索・Citationsの内部で同じ手法が使われているかは、Anthropicから公式に確認できていません。
06日本市場・実務への示唆
Otterly.aiの調査は英語圏・SaaS分野を中心にした観測であり、日本語コンテンツでの傾向を直接示すものではありません。Citations機能の一文単位チャンク化という技術的な確定事実は言語を問わず共通しますが、カテゴリ別のシェアが日本語圏でも同様になるとは限りません。
とはいえ、実務に持ち帰りやすい方向性はあります。結論を自己完結した一文で示す書き方と、公式な一次情報としての情報開示を優先する姿勢は、日本語コンテンツでも取り入れやすい施策です。この考え方は『Claudeに引用されるための条件と設定を、公式情報から読み解く』でも共通の推奨事項として整理しています。
07追試・検証の視点（WEBMARKSならこう検証する）
WEBMARKSは、AI検索可視性を診断する自社ツール「aio-scan」と、月次でAI言及量を計測する「aio-report」を保有しています。Otterly.aiと同様の手法で、日本語コンテンツを対象にした簡易的な追試が設計できると考えます。
具体的には、自社および関連ジャンルの記事を対象に、Claudeの引用有無を一定期間モニタリングし、ブランド系・メディア系などのカテゴリ別シェアを集計する設計です。ただし大規模調査ではないため、傾向をつかむ参考検証と位置づけるべきだと私たちは考えます。
なお、Google AI Overviewsの引用元選定は、別記事『AI Overviewsに引用されるページの実例比較｜公開データで検証』で扱っています。両者を比較すると、Google側は検索順位との重複率という切り口の公開データが豊富です。一方でClaude側は、本記事で扱ったような引用ドメインのカテゴリ分析が中心である違いが見えます。
08FAQ
Q. Claudeの引用元選定ロジックは、Anthropicから公式に説明されていますか？
公式に説明されているのは、Citations機能の一文単位のチャンク化や、Web検索の最大150文字の抜粋規定など、技術仕様までです。どのページを優先的に引用するかという選定ロジックそのものは、公式に公開されていません。
Q. 「Claudeは公式サイトを優先して引用する」と断定できますか？
Otterly.aiの観測データは、ブランド系ドメインの引用シェアが高いことを示していますが、これは1か月・特定分野の観測結果です。断定はできず、参考データとして扱うべきです。
Q. Contextual RetrievalはWeb検索の引用選定に直接使われていますか？
Anthropicはこの手法を開発者向けRAG構築の推奨技術として公開していますが、Web検索・Citationsの引用選定に同じ手法が使われているとは明言していません。技術的な親和性はありますが、確認されていません。
09この分野を体系的に学ぶ
この記事は研究解説です。Claudeの引用元選定に影響しうる要因を基礎から体系的に学びたい方は、AI検索最適化講座「コンテンツ編 IV-A 引用のメカニズムと原則」をご覧ください。
