「記事は長いほうがAIに引用されるのか、それとも短いほうがいいのか」。コンテンツ制作の現場で、この質問を受ける機会が増えました。
会議では「厚みのある記事のほうが強い」という声と「AIは短い答えを好む」という声がぶつかります。どちらも実感で語られるため、決着がつきません。
この記事は、その問いに正面から答えている一次研究を2つ選び、原典から読み込んで整理したものです。結論を先に言うと、効いていたのは長さではなく構造でした。数字が苦手な方でも追えるよう、図解と会話をはさみながら進めます。
こんなふうに調べていませんか
- 「AI検索 文字数」で調べて、何字書けばいいのかの答えを探している
- 上司に「記事をもっと長くしろ」と言われたが、根拠が分からない
- AI引用されやすい文章の型を、社内の執筆ルールに落としたい
この記事を読み終えたときに手に入るもの
- 「長ければ引用される」という思い込みを、データで手放せます
- AI引用を左右する構造の三つの層が、図1枚で分かります
- 明日どこから直すかが、見出しと段落に絞り込めます
結論30秒でわかる、この記事の結論
- AI引用されやすい文章を決めていたのは、長さではなく構造でした。
- AI Overviewsを大規模に分析した調査では、文章の長さと引用順位の相関はほぼゼロでした。
- 意味を変えず見出しと段落の組み方だけを変えた研究では、引用率が17.3%向上したと報告されています。
- ただし2つとも英語圏のデータです。日本語での再現は、まだ確かめられていません。
この記事は会話をはさみながら進みます。若葉さん（Web担当）が前提と用語を、高梨課長（マーケ課長）が工数と体制を聞き、鈴木さん（AIO/SEOの専門家・本誌監修）が答えます。
01AI検索のデータで見ると、AI引用されやすい文章は長さと構造のどちらで決まるんですか？
若葉さん記事の文字数って、結局どれくらいがいいんでしょうか。長いほうがAI検索に引用されると聞いたことがあって…。
鈴木さんそこは、まとまった調査が出ています。長さと引用のされやすさは、ほとんど関係がなかったと報告されているんですよ。
若葉さんえ。じゃあ、これまでの「とにかく書き足す」は…。
鈴木さん効かないと言い切れる話ではありません。ただ、先に手を入れる場所は別にある、という理解が近いと思います。
この記事で扱う2つの研究は、性質がまったく違います。片方は「すでに起きたこと」を大量に観察した調査、もう片方は「文章を作り変えて」効果を測った実験です。
観察した側が示したのは、文章の長さと引用順位の相関がほぼゼロだったという結果です。作り変えた側が示したのは、意味を変えずに構造だけを整えると引用率が上がったという結果です。
2つを重ねると、方向が見えてきます。字数を積み増す作業と、骨格を整える作業は、同じ「記事を良くする」でも効き方が違うということです。
この章のまとめ
長さは、引用のされやすさをほとんど説明しませんでした。説明していたのは構造のほうです。
02そもそもAI引用って、AI検索の中で何が起きていることなんですか？
若葉さんそもそもの話なんですが、「引用される」って、AI検索の中では何が起きているんでしょうか。
鈴木さんレポートの参考文献を思い出すと近いですよ。AIは答えを書くとき、下敷きにしたページを何本か示します。あれが引用です。
AI検索は、質問を受け取ると、まず関連しそうなページを探します。次に、集めた内容をもとに答えの文章を組み立てます。最後に、根拠として使ったページを示します。この「示された側」に入ることが、引用されるということです。
ここで大事なのは、AIがページを丸ごと読んで丸ごと使うわけではない、という点です。AIは文章を小さな塊に区切って扱い、質問に合う塊だけを引き出します。塊ごとの評価が、そのまま引用の分かれ目になります。
塊で扱われるという前提に立つと、長さが効きにくい理由も見えてきます。塊が取り出しやすければ、記事全体が短くても使われます。逆に長い記事でも、どこからどこまでが一つの話なのか分からなければ、取り出す手がかりがありません。AIが探してから答えを書く仕組みそのものは、RAGの解説記事で詳しく扱っています。
この章のまとめ
AIはページ全体ではなく、区切られた塊を引きます。だから「取り出しやすさ」が引用の入口になります。
03AI検索の2つの調査は、AI引用と文章の長さ・構造をどうやって測ったんですか？
数字を読む前に、それぞれの出どころを確認します。根拠の性質が違うものを、同じ強さで受け取らないためです。
調査①: Short vs. Long Content in AI Overviews: The Data Says Both Work
- 著者は Despina Gavoyannis 氏と Xibeijia Guan 氏
- 掲載先はAhrefs公式ブログ（2025年12月3日公開）
- 自社データベースにもとづく観測研究で、査読は経ていません
調査②: Structural Feature Engineering for Generative Engine Optimization: How Content Structure Shapes Citation Behavior
- 著者は Junwei Yu 氏、Mufeng Yang 氏、Yepeng Ding 氏、Hiroyuki Sato 氏（所属機関はarXiv掲載ページに明記がありません）
- 掲載先はarXiv（2026年3月31日投稿）
- 査読前のプレプリントです
調査①は、実際に発生したAI Overviewsを大規模に集める手法です。集めた検索結果は56万346件、そこに含まれる引用URLは167万7,876件でした。ナビゲーションなどの定型部分を取り除いたうえで、有効な17万4,048ページの本文語数を測っています。
調査②は、文章を作り変えて効果を測る介入実験です。GEO-benchという既存のベンチマークから200記事を選びました。6つの分野におよそ33記事ずつという内訳です。
この200記事それぞれについて、見出し階層・段落構成・強調表現といった構造だけを変えた版を作りました。意味内容が変わっていないことを担保するため、埋め込みベクトルによる意味の同一性を検証しています。文単位の類似度の閾値は0.95以上に設定され、文書全体の達成平均は0.843と報告されました。
用意した200記事の2つの版を、6つのAI検索エンジンへ投入しています。対象はGoogle SGE・Bing Chat・Perplexity AI・Phind・ChatGPT・Claudeで、テストケースの総数は2,400件でした。
この章のまとめ
片方は観測、もう片方は実験です。前者は「関係の有無」を、後者は「変えたら動くか」を示します。
04文章の長さとAI引用の順位に、AI検索最適化で言われるほどの関係はあるんですか？
調査①の中心的な結果は、ひとことで言えます。文章の長さと引用順位の相関は、Spearman相関係数0.04でほぼゼロでした。
引用された文章の平均語数は1,282語です。AI Overviewsで発生した全引用のうち、53.4%は1,000語未満のページへの引用でした。350語未満のページへの引用も16.6%を占めています。
| 引用順位 | 平均語数 |
|---|---|
| 1位 | 1,270語 |
| 2位 | 1,291語 |
| 3位 | 1,291語 |
| 4〜10位 | 1,690語 |
表を見ると、順位が下がるにつれて平均語数がやや増える傾向はあります。ただし1位と2〜3位の差は、ごくわずかです。「上位に引用されるほど長い」という関係は、ここからは読み取れません。
この章のまとめ
長さは引用順位をほとんど説明しませんでした。字数の目標値に、この調査は根拠を与えていません。
05短い記事を量産すれば、AI検索でのAI引用は増えるんですか？
高梨課長長さが関係ないなら、いっそ短い記事を数で回すほうが効率的では、という話にもなりますが。
鈴木さんそこは踏みとどまってください。この調査は「短いほうが有利」とは言っていません。長さで説明がつかない、と言っているだけなんです。
高梨課長なるほど。有利不利ではなく、無関係だと。
引用されたページの語数の分布は、次のように報告されています。
350語未満が16.6%、350〜1,000語が36.8%、1,000〜2,000語が30.6%、2,000語以上が16.0%です。短い側にも長い側にも引用は分布しています。調査①が結論づけたのは、短い記事も長い記事も同じように引用される可能性がある、ということでした。
つまり、字数は打ち手になりません。短くすることも、長くすることも、それ自体では引用を動かす理由にならないと考えられます。動かせる余地があるのは、次に見る構造のほうです。
この章のまとめ
「短く量産する」も「長く書き足す」も、この調査からは支持されません。字数は打ち手から外して構いません。
06AI引用を左右する文章の構造とは、AI検索最適化でいうとどこを指すんですか？
ここからが調査②です。同じ意味内容のまま構造だけを整えた結果、総合的な引用率が17.3%向上しました（p<0.001、効果量Cohen's d=0.64）。
AI引用されやすい文章構造とは、見出し階層と段落配分を整理し、AIが情報を抽出しやすい形に整えた文章構成を指します。
研究チームは、文章の構造を三つの層に分けています。文書全体の骨格を指すマクロ構造、章の中の組み方を指すメソ構造、語のレベルを指すマイクロ構造です。
貢献度がもっとも大きかったのはマクロ構造で44.9%でした。メソ構造が39.7%、マイクロ構造が15.4%と続きます。
| 構造の層 | 何を指すか | 引用率向上への貢献度 |
|---|---|---|
| マクロ構造 | 見出し階層・セクション配分・内部リンク | 44.9% |
| メソ構造 | 段落の長さ・箇条書き・表の使用比率 | 39.7% |
| マイクロ構造 | 強調表現・キーワードの配置 | 15.4% |
数字の並びが伝えているのは、優先順位です。強調やキーワードの置き方をいじる前に、見出しの立て方を直すほうが大きい、という順番になっています。
具体的な目安として、段落の長さは150〜300語程度、見出しの階層は3〜5段階が報告されています。表や箇条書きで情報を区切るやり方は、AIに引用されるコンテンツの共通条件としても挙げられているものです。
この章のまとめ
構造は三層に分かれ、効き目が大きいのは上流の見出し設計でした。作業の順番をここに合わせます。
07構造を整えると、AI検索エンジンごとにAI引用の増え方は違うんですか？
同じ構造の改善でも、エンジンの作りによって効き方は変わったと報告されています。
- 検索してから統合する型（Google SGE・Bing Chat）では19.2%
- 検索と生成が一体化した型（ChatGPT・Claude）では19.7%
- 反復的に検索を繰り返す型（Perplexity・Phind）では14.0%
反復して探し直す型で効き幅が小さいのは、一度の取り出しやすさの影響が薄まるためだと解釈できます。ただしこれは数字からの推測で、研究がそう説明しているわけではありません。
実務上の読み方はシンプルです。どの型でもプラスの方向に動いているので、エンジンごとに書き分ける必要はないと考えられます。書き分けを始めると運用が破綻します。
この章のまとめ
効き幅には差がありましたが、向きはどの型でも同じでした。書き分けではなく、共通の骨格を整えます。
08AI引用の観点で、この2つの研究は、AI対策の根拠としてどこまで信用できるんですか？
高梨課長上に説明するときに聞かれるのが「その数字、どこまで信じていいの」なんです。ここは正直に知りたいところで。
鈴木さん大事な質問です。弱いところも一緒に持っていくほうが、結果的に通ります。 順番に挙げますね。
調査①は、査読を経ない自社ブログでの発表です。分析対象はGoogle AI Overviewsに限られ、ChatGPTやPerplexityなど他のAI検索エンジンでの相関は検証されていません。相関を示す観測研究なので、長さ以外の要因が同時に働いている可能性までは排除できません。
調査②は査読前のプレプリントで、査読付き学術誌への掲載は確認できていません。データセットは200記事・2,400件のテストケースにとどまり、母集団として大きいとは言えません。研究チーム自身が明示した限界の記載も、確認できませんでした。
AIO Journal 編集部としては、もう1点を挙げておきます。調査②が検証しているのは静的な構造の最適化だけで、ユーザーとのやり取りが続く対話的な検索での再現性は確かめられていません。
さらに、2つの研究は対象言語も対象クエリも異なります。調査①は実際に発生した多様なクエリを扱い、調査②は英語圏のベンチマークで構成された記事群を扱っています。単純に並べて比較することにも、留保が必要です。
この章のまとめ
どちらも決定版ではありません。方向を示す材料として使い、幅の数字は条件つきで扱います。
09日本語の記事でも、長さや構造は、LLMOとして同じやり方が通用するんですか？
両研究とも英語圏のデータにもとづいており、日本語コンテンツでの検証ではありません。ここは正直にお伝えしておきます。
とくに、段落の長さを150〜300語とする目安は、そのまま日本語へ持ち込めません。英語の1単語と日本語の1文字では、抱えている情報量が違うためです。数値だけを移植すると、かえって不自然な区切りになります。
それでも、方向としての示唆は残ります。「記事を長くすれば引用されやすくなる」という思い込みは、調査①のデータからは支持されません。字数を稼ぐことより、見出し階層を整理し、段落や箇条書きで情報を区切ることに力を割くほうが、投資対効果は高いと考えられます。
参考までに、WEBMARKSのフォーマット標準では1段落3〜4文（おおむね250字前後まで）を基準にしています。調査②が示した段落の目安とは単位が違いますが、「一つの塊を短く保つ」という方向は一致しています。
この章のまとめ
数値はそのまま使えません。使えるのは「区切りを細かく、骨格をはっきり」という考え方のほうです。
10うちのサイトのAI検索対策として、明日は文章構造のどこから直せばいいんですか？
高梨課長具体的に、どこから手をつけるのがいいでしょうか。既存記事を全部書き直す体力はありません。
鈴木さん全部はやらないでください。アクセスの多い記事から、見出しだけを直す。それが一番、費用対効果が合います。
高梨課長見出しだけ、ですか。
鈴木さんはい。貢献度が一番大きかった層です。ここが整うと、下の層の直しも効きやすくなります。
この順番でやります
見出しを立て直す
一つの見出しに一つの論点だけを持たせ、見出しだけを追って話の筋が分かる状態にします
段落と箇条書きで区切る
一つの段落に一つの主張を置き、並列する要素は箇条書きや表へ移します
結論を見出しの直後に置く
その一文だけを抜き出しても意味が通る形にします
強調を整える
最後に、拾ってほしい語だけを目立たせます
WEBMARKSでは、AI検索での可視性を診断する自社ツール「aio-scan」を運用しています。日本語記事を対象にした追試も、仮説としては設計できます。同じテーマ・同じ情報量で「見出し階層を整理した版」と「見出しをほとんど使わない長文一本版」を用意し、引用のされ方を比べる形です。
なお、この記事自体のフォーマットも同じ示唆を踏まえた設計です。ただし仮説にもとづく実践であり、統制された比較実験ではない点は正直にお伝えします。
この章のまとめ
着手は見出しからです。全記事ではなく、アクセスの多い記事から順に手を入れます。
11よくある質問
記事は長ければ長いほど、AI検索に引用されやすいですか？
調査①では、文章の長さと引用順位の相関はほぼゼロ（Spearman相関係数0.04）でした。全引用のうち53.4%は1,000語未満のページへの引用ですが、これは引用の内訳であり、引用される確率ではありません。長さだけを理由に記事を伸ばす根拠は、この調査からは見出せません。
短い記事だけを量産すれば、AI引用は増えますか？
そのような結果は報告されていません。調査①のデータが示しているのは「長さと引用順位に相関がない」ことであり、「短いほうが有利」という主張ではありません。動かせる余地があるのは、見出し階層や段落構成といった構造の設計のほうです。
「17.3%向上」は、どんな条件で測定された数字ですか？
同じ意味内容を保ったまま、見出し階層・段落構成・強調表現などの構造だけを変えた200記事を、6つのAI検索エンジンへ投入して測定した数値です。査読前のプレプリントであり、データセットの規模も限られる点には留意が必要です。
日本語の記事でも、同じ段落の長さを守ればいいですか？
そのまま持ち込むことはおすすめしません。英語の1単語と日本語の1文字では情報量が違うためです。数値ではなく、「一つの塊を短く保ち、区切りをはっきりさせる」という考え方のほうを引き継いでください。
既存記事を直すなら、どこから手をつけるのが早いですか？
見出しからです。調査②で貢献度がもっとも大きかったのはマクロ構造、つまり見出し階層とセクション配分でした。アクセスの多い記事を数本選び、見出しを立て直すところから始めるのが現実的です。
12まとめ｜長さではなく、骨格を直す
AI引用されやすい文章を決めていたのは、長さではなく構造でした。大規模な観測では長さと引用順位の相関がほぼゼロ、構造だけを変えた実験では引用率が17.3%向上しています。
構造は三層に分かれ、効き目が大きいのは上流の見出し設計でした。だから作業も上流から始めます。
もう一度、直す順番
見出しを立て直す
貢献度が最大の層です。ここから始めます
段落と箇条書きで区切る
一つの塊を短く保ちます
結論を見出しの直後に置く
抜き出されても意味が通る形にします
AI検索では、こう聞かれています
AI検索に引用されるには、記事は長いほうがいいですか？
長さと引用順位の相関がほぼゼロだったことを、表と図で示しています
AI引用されやすい文章の構造は、どう作ればいいですか？
構造を三層に分けた図解と、直す順番の手順で説明しています
文字数を増やせば、AI検索で引用されやすくなりますか？
語数の分布の図解と、内訳と確率を取り違えないための注意で答えています
日本語の記事にもそのまま当てはまりますか？
英語圏のデータであること、数値を移植できないことを正直に書いています
次に読むなら、この記事です
