ChatGPTやGeminiが「引用する」Webサイトはどこ？—全引用の3分の2を15サイトが独占

この数字の意味を考えてみてほしい。インターネット上には約11億のWebサイトが存在する。そのうちたった15のサイトが、AIエンジンが毎日数十億のユーザーに提供する情報の3分の2以上をコントロールしているのだ。この集中度は、25年にわたってウェブ発見を支配したGoogleのPageRankでさえ達成できなかったものだ。

主要AIエンジンが最も頻繁に引用するトップ10ドメイン

以下のドメインは、ChatGPT、Google AI Mode、Gemini、Perplexity、AI Overviewsのすべてで、一貫して引用ランキングの上位に登場する。

Peec AIが3000万の情報源を分析したところ、全プラットフォームで最も多く引用されたトップ10は次の通り：Reddit、YouTube、LinkedIn、Wikipedia、Forbes、Facebook、Yelp、Amazon、TechRadar、Healthline。

なぜRedditが圧倒的なのか

Redditのユーザー生成ディスカッションやフォーラムは、会話形式の問題解決コンテンツの膨大で多様なデータセットを提供する。2025年6月のStatistaの調査では、Redditが引用全体の40.1%を獲得し、2位のWikipedia（26.3%）に大差をつけた。Perplexityでは、約5回に1回の割合でRedditが引用される。

アナリストは、Redditが伝統的な百科事典的な情報源では扱いにくい「ロングテール型」の意見やHow-to質問に答えられる点が、会話型AIにとって特に価値が高いと指摘している。

ランキングはエンジンによって異なる——同じ核、異なるリーダー

Redditが全体をリードする一方で、個々のエンジンのランキングには重要な違いがある。

• ChatGPT はWikipediaとRedditに大きく依存し、両方で引用の約25%を占める。Similarwebの2026年1月～2月のデータではWikipediaが13.2%でトップ、Redditが12%で続く。
• Google AI Mode はFandom（ゲームとポップカルチャーのWikiプラットフォーム）が1位。他のエンジンではほとんど上位に入らない。
• Perplexity はより分散した分布を示す。引用プロンプトの80%をカバーするには810もの異なるドメインが必要になる。

3つの主要エンジン（ChatGPT、Perplexity、Google AI Overviews）すべてのトップ50に登場するサイトはわずか7つ。ChatGPTとPerplexityの両方で引用されるドメインはわずか11%だ。

訓練データと出力引用の違い——これは「別の話」

ここで重要なのは、LLMが出力で引用するものと、LLMが訓練されるものを区別することだ。訓練データの場合、量的に最も支配的なソースはCommon Crawl——ペタバイト単位の生のWebデータを蓄積するオープンリポジトリで、GPT-3、LLaMA、T5などのモデルにデータを供給している。OpenAIのGPT-3は、訓練トークンの60%をCommon Crawルのフィルタリング版から取得した。

上記の引用リストは、LLMが回答を生成する際に参照するソースを反映している。これは、モデルが「信頼できる」と学習した、はるかに小規模で厳選されたソース群だ。

ブランドとパブリッシャーへの実務的示唆

AIエンジンに引用されることを目標とするなら、データは明白だ。まず「信用される15サイト」のリストに食い込むか、そのサイトから引用されるポジションを築く必要がある。ウェブのロングテールは、ニッチなクエリを除いて、ほとんどのAI出力にとって事実上「見えない」存在なのだ。

具体的な戦略としては、Wikipediaへの寄稿、ForbesやHealthlineでの記事掲載、YouTubeやLinkedInでの強力なプレゼンス構築、そしてRedditで引用されるための投稿が有効だ。また、引用を獲得しやすいフォーマットも判明している。いわゆる「ランキング形式」「リスト形式」の記事は、AIのトップ引用の約50%を占め、順序付き・順序なしリストを含むページは、AIに引用されるページの80%に存在する。

要するに、現時点で主要LLMエンジンが最も多く引用するのはReddit、Wikipedia、YouTubeの3つ。そして、権威あるメディア、健康情報サイト、リファレンスサイトの小さなクラスターがトップ層を構成している。AIに「選ばれる」ということは、まずこれらのドメインに「選ばれる」ことを意味する。