GeminiとAIモード、AI Overviewの引用元の違い

「引用元は同じ」という前提が、AI検索対策を空振りさせる

GoogleのAI Overviews（AIによる概要）に引用されたページがAI Mode（AIモード）やGeminiアプリでも引用されるとは限らず、3つの面は参照する土台そのものが違います。

本記事が比較するのは、機能の役割の差ではありません。同一のクエリに対して、それぞれの面が実際に引用したドメインの差です。「AI Overviewsは検索結果の上部に出る要約、AI Modeは対話型、Geminiは汎用の対話アプリ」という役割の整理は、すでに多くの記事が扱っています。ここで扱うのは一段下の層、つまりその役割差の結果として、引用元リストの中身がどこまで重なり、どこから分岐するのかという問題です。

この記事を読んでいただきたい方は、SEOの実務経験はあるものの、AI検索の観測はこれから始めるという担当者です。順位計測のようにツールを入れれば数字が出る領域ではないため、最初に必要になるのは施策リストではなく、何をどう測れば自社の判断材料になるのかという設計です。

先に射程を明確にしておきます。重なり率はクエリの種類・観測時期・アカウント条件によって変動するため、他社が公開した数値をそのまま自社の前提には使えません。同一プロンプトを同じ日に再実行しても引用元は完全には一致せず、非再現性が常につきまといます。本稿は数値そのものではなく、自社のクエリで同じ観測を再現するための設計と、出てきた数値の読み方を提示します。観測できなかった項目は「観測不能」と記録し、推測で補完しない前提で進めます。

引用元が絞り込まれるまでの全体像を先に押さえたい場合は、関連記事『AI検索の仕組みを図解』で詳しく解説しています。

押さえるべきは、3つの面を1つの「AI検索」として束ねないことです。参照する土台が違う以上、ある面での引用獲得は別の面での引用を保証しません。判断軸は、「どの面で」「どのクエリで」「いつ観測したか」を常にセットで記録できているかどうかに置きます。この3点が欠けた観測結果は、施策の根拠として使えません。

3つの回答面は、参照している土台が違う

まず前提として、3つの面は同じGoogleの技術系列にありながら、情報を取りに行く場所が異なります。

AI Overviewsは、検索結果ページの上部に自動生成される要約です。旧称であるSGE（Search Generative Experience）から名称が変わったもので、ユーザーが何かを選択しなくても、クエリに応じて自動的に発火します。回答は短く、引用リンクの枠も限られています。

AI Modeは、Google検索の中に用意された対話型のタブです。ユーザーが自分で選んで入り、フォローアップ質問を重ねて深掘りできます。米国では2025年5月に発表され、英語版が2025年8月に各国へ展開されたのち、日本語での提供は2025年9月9日に始まりました。回答は長く、対話が進むほど参照されるページも増えていきます。

Geminiアプリは、検索の外にある独立した対話アプリです。土台になっているのはモデル内部の知識（事前学習）であり、検索連携は条件付きで働きます。つまり、質問の内容によっては検索インデックスを見に行かず、事前学習の範囲だけで答えることがあります。ここが、引用元の集合が3面でずれる最も大きな原因です。

モデル世代の統合も進んでいます。AI Modeには2025年11月にGemini 3が導入され、AI Overviewsについても2026年1月27日に既定モデルがGemini 3へ切り替わったことがGoogleの公式ブログで発表されています。同じ発表で、AIによる概要から続けて質問するとそのままAI Modeの対話へ移れる導線も追加されました。

ここで誤解されやすい点があります。モデルが同じ世代に揃ったからといって、引用元の集合まで同一になるわけではありません。モデルは回答を組み立てる側の部品であり、どのページを候補として集めてくるかは、その手前の検索処理で決まります。

使い分けの判断は、目的で決まります。自社サイトが検索経由でどれだけ露出しているかを見たいなら、見るべきはAI OverviewsとAI Modeです。モデルが自社をどう記憶しているか、つまりリンクなしでブランド名が出てくるかを見たいなら、Geminiアプリを見ます。「どっちを見ればいいのか」という問いは、リアルタイム回答の話なのか事前学習の話なのかを分けた時点で答えが出ます。

引用元が選ばれる前に、質問は分解されている

3面で引用元がずれる理由を理解するには、回答が作られる手前で何が起きているかを押さえる必要があります。

AI OverviewsもAI Modeも、入力されたクエリをそのまま1回検索しているわけではありません。QFO（クエリファンアウト）と呼ばれる処理によって、1つの質問を複数のサブクエリに分解し、それぞれを並列検索したうえで、結果をまとめて統合回答を作ります。ユーザーが打ったのは1本のクエリでも、裏側では複数の検索が走っています。

この流れはRAG（検索拡張生成）の考え方に沿っています。回答を生成する前に外部の情報を取りに行き、その内容に接地させたうえで文章を組み立てる、というグラウンディングの構造です。実務で言えば、押さえるべきは次の一点です。取りに行かれる単位はページ全体ではなく、見出しとその直後の回答ブロックに近い粒度、つまりパッセージだということです。

ここから、SEO実務者が持ちやすい誤解を3つ外しておきます。

①検索順位が上位なら引用される、とは限らない

検索順位と引用確率には相関がありますが、一致はしません。上位10件に入っていないページが引用される圏外引用も一定数発生します。逆に、1位を取っていても引用枠に入らないことがあります。引用枠は数が限られており、順位の連続的な序列とは別の希少性を持っています。

順位を上げれば引用が付いてくるという前提で施策を組むと、順位は維持できているのに引用が増えないという状態を説明できなくなります。順位と引用は、別々に観測する指標として扱ってください。

②AI Overviewsに出たページが、AI Modeにも出るとは限らない

両者は同じ検索インデックスを参照していますが、サブクエリの本数と深さが違います。AI Overviewsは短い要約を作るため分解の幅が狭く、AI Modeは対話が進むほど追加のサブクエリを発行します。分解の幅が違えば、候補として集められるページの母集団も変わります。

3面のうちAI Modeだけ引用元が広くなる現象は、この差から説明できます。裏を返せば、AI Overviewsで引用されていないからといって、AI Modeでも引用されていないとは判断できません。片方だけを見て「引用ゼロ」と結論づけるのは、観測範囲の取り違えです。

③Geminiアプリは、そもそも検索を見ていない場合がある

Geminiアプリはさらに前提が異なります。検索連携が発火しなければ、そもそも検索インデックスを見ていません。事前学習の範囲で答えているとき、そこに出てくる社名はリンクを伴わない言及であり、引用ではありません。

つまり、Geminiアプリで自社名が出てこないことは、ページ側の構造の問題とは限りません。モデルが学習した時点で自社の情報が外部にどれだけ存在していたか、という別の要因が効いています。この区別は後段のKPI設計に直結します。

1つの質問の裏で何本のサブクエリが発行されているのかを数値で把握したい段階にある場合は、関連記事『【国内最大規模のクエリファンアウト調査】AIは1つの質問の裏で最大33回検索する』を参照してください。

3面の引用元を突き合わせる観測手順

ここからが実際の観測設計です。特別なツールは必要ありません。

順に見ると、手順は次のようになります。

まず、クエリを固定します。5件以上を目安に、情報収集型・比較検討型・指名検索の3種類を混ぜて用意します。1種類だけだと、後で「クエリ特性による差」なのか「面による差」なのかを分離できません。

例えば

• 情報収集型「LLMOのやり方は？」
• 比較検討型「LLMO対策のおすすめ会社は？」
• 指名検索「Queue株式会社のLLMO対策の費用は？」

次に、条件を揃えます。同一の端末・ブラウザで、同じ時間帯に3面へ投入します。ログイン状態、パーソナライズ設定、地域、言語、そして無料アカウントかGoogle AI Proかは、必ず記録します。ここが揃っていない観測は、差の原因を特定できないため破棄することになります。

投入したら、引用元をドメイン単位で書き出します。最初からURL単位で追うと揺らぎが大きく、集合比較が成立しません。ドメイン単位で重なりを把握してから、必要に応じてURL単位・パッセージ単位へ降ります。

そのうえで、同一プロンプト再実行を各面3回行います。3回とも出たドメインだけを「安定引用」とみなし、1回だけ出たものは別枠で記録します。回答の揺らぎを分離しないまま重なり率を計算すると、実態より低い数字が出ます。

最後に、3面の集合を並べて重なりとズレを整理します。エンジン横断一致率は「3面すべてに出たドメイン数 ÷ いずれかに出たドメイン総数」で計算できます。差分観測はこの段階で行い、どのドメインがどの面にだけ出たかを列で残します。

観測結果を社内で共有するときは、範囲を必ず併記します。「本稿の観測は5クエリ・3回反復・2026年◯月◯日実施の範囲に限られる」という形で、件数・期間・実施日を先に書きます。これがないと、読み手は数値を一般則として受け取ってしまいます。

そして、1回の観測で断定しないことです。定点観測として月次で回し、同じクエリの推移を見て初めて、仕様変更なのか自社の変化なのかが切り分けられます。実測と推測の切り分けを維持するために、観測が成立しなかった項目は空欄ではなく「観測不能」と明記します。

重なりとズレをどう読むか

数字が出たあと、そこから何を判断するかが本題です。パターンは大きく4つに分かれます。

ここで分けておくべきなのが、引用と言及です。回答内に出典URLが載るのが引用、本文中に社名や製品名が出るのが言及です。この2つは効く施策が違います。引用はページ側の構造と検索インデックスへの登録が前提になり、言及はモデルが持つ知識と外部メディアでの書かれ方に左右されます。混ぜて集計すると、施策と結果の対応が取れなくなります。

観測結果を自社の記事設計に戻すときは、次の順で見ます。

引用された記事が、自社記事のどの見出し配下だったかを特定します。見出し単位の引用検証を行うと、引用されているのが定義の段落なのか、判断軸を示した段落なのかが分かります。定義部分ばかり引用されている場合、露出は増えても行動には繋がりにくくなります。

観測で見えたサブクエリの傾向と、自社記事のH2構成を突き合わせます。分解された質問のうち、自社記事が答えていない範囲がサブクエリ被覆率の穴です。ここを埋めるのが、網羅性の実務的な意味になります。

構造化データについては、期待値を調整しておく必要があります。schema.orgによるマークアップは機械可読性を助ける補助であり、引用の必要条件ではありません。マークアップを入れれば引用されるという因果はありません。一方で、結論を先に置く構成、検証できる一次情報、経験・専門性・権威性・信頼性（E-E-A-T）を示す著者情報や出典表記は、候補として拾われる確率に効きます。

挙動が「出ない」ときの切り分け

観測を始めると、最初につまずくのは「そもそも回答が出ない」ケースです。多くの解説は表示される前提で書かれているため、非発火に直面すると異常だと判断しがちですが、正常な非発火が相当数あります。

BtoBのクエリで挙動が出ないことは珍しくありません。検索ボリュームが小さく、一次情報の発信主体が限られる領域では、そもそも要約を生成するだけの材料が集まっていません。この場合、施策の方向は「引用されるための最適化」ではなく「引用され得る一次情報を作る」ことに変わります。順序を間違えると、材料がないまま構造だけを整える作業に時間を使うことになります。しかし現在のAI回答では多くのクエリでAIの回答が表示されるようになりました。

なお、AI回答内で自社の情報が誤った形で扱われている状況を先に処理したい場合は、関連記事『AI対策で誤情報を防ぐための回避術』を参照してください。

引用されても流入が増えないときのKPIの分け方

観測が回り始めると、次に出てくるのが「引用は取れたのにアクセスが増えない」という問題です。これは施策の失敗ではなく、指標の粒度が粗いことによる見え方の問題であることが多くあります。

分解すると、間には3つの層があります。

露出の層は、そのクエリでAI回答自体が表示されたかどうかです。ここが立たなければ、引用の話は始まりません。

引用の層は、表示された回答の中に自社ドメインが引用元として含まれたかどうかです。露出があっても引用枠に入らなければゼロです。

クリックの層は、その引用リンクが実際に踏まれたかどうかです。回答内で疑問が解消されていれば、引用されていてもクリックは起きません。これがゼロクリック検索と呼ばれる状態です。

計測面には制約があります。Search Consoleの表示回数やクリック率（CTR）には、AI回答経由のデータが混在しており、AI Mode単体として分離することはできません。GA4側でも、参照元が明確に分かれるとは限りません。つまり、露出と引用の層には計測不能領域が残ります。ログの分離不可を前提に置かないまま「流入が減った原因はAI検索だ」と結論づけると、根拠のない断定になります。

そのため、KPIの置き換えが必要になります。流入数そのものを主指標に置き続けると、施策が正しくても数字は下がります。置き換える先は、行動深度とコンバージョン率です。AI回答で判断が済む層が減った結果、サイトに来る人は比較検討の後半にいる層へ絞り込まれます。この流入の質的変化は、セッション数では捉えられません。

社内での期待値調整も、観測を始める前に済ませておく項目です。引用獲得数を成果指標として報告するなら、それが最終的な成果とどう繋がるのかという経路を、あらかじめ合意しておきます。経路を決めずに引用数だけを追うと、数字は動くのに評価されないという状態になります。

この観測が使えない条件と、結論が出せなかったケース

ここまでの手順は、条件が揃わなければ結論に到達しません。うまくいかない典型を先に把握しておくと、無駄な観測を避けられます。

サンプルが足りず、揺らぎに埋もれる場合。 クエリ3件を1回ずつ投げただけでは、面ごとの差なのか回答の揺らぎなのかを判別できません。この条件下では、重なり率を計算しても意味のある数字になりません。最低ラインの目安は、クエリ5件以上を3回以上反復することです。

条件を揃え損ねた場合。 片方はログイン状態、片方は未ログイン、あるいは片方だけが有料プランという状態で観測すると、差が環境差なのか機能差なのか分離できません。この場合は補正せず、観測不能として破棄し、条件を揃えて取り直します。差の原因を推測で埋めた時点で、そのデータは社内判断に使えなくなります。

引用は増えたが、流入もコンバージョンも動かない場合。 引用されたパッセージが、判断の手前にある定義や用語説明であることが多くあります。読者はそこで疑問が解け、クリックする理由を持ちません。この状態は引用獲得の失敗ではなく、引用されている箇所の選択の問題です。判断軸や条件分岐を示した段落が引用されるよう、構成側を変える必要があります。

時事性の高いクエリを対象にした場合。 情報の鮮度が数日単位で変わる領域では、月次の定点観測が成立しません。前月との差が仕様変更なのか話題の移り変わりなのかを切り分けられないため、観測対象からは外します。

母数の小さい指名クエリだけで観測した場合。 3面のうち1面しか発火せず、集合として比較する前提が崩れます。指名検索は言及の観測には使えますが、引用元の重なりを見る用途には向きません。

これらはいずれも、観測手順そのものの限界です。条件に当てはまるときは、結論を出すのではなく「この条件では観測できない」と記録することが、次の判断を守ります。

よくある質問

AI Modeは無料で使えますか

Googleアカウントがあれば、基本的な利用は無料です。ブラウザおよびAndroid版・iOS版のGoogleアプリから使えます。ただし、多数のページを横断して詳細なレポートを作るDeep Searchのような高度な機能は、Google AI Proなどの有料プランが前提となる場合があります。観測を行う際は、無料と有料のどちらのアカウントで実施したかを必ず記録してください。引用元の集合が変わる可能性があるためです。

AI Modeの使い方と起動手順を教えてください

PCの場合は、Google検索の結果ページで検索タブの左端に表示される「AIモード」を選ぶか、検索窓の近くに表示されるボタンから入ります。スマートフォンの場合は、Googleアプリを開くと下部または上部に「AIモード」のタブが表示されます。加えて、AIによる概要の下部から続けて質問することで、そのまま対話へ移る導線も用意されています。表示位置はUIの更新で変わるため、観測時のスクリーンショットを残しておくと後で条件を再現しやすくなります。

AI Modeを非表示にしたり、オフにしたりできますか

タブそのものを恒久的に消す公式な設定は用意されていません。通常の検索結果を見たい場合は「すべて」タブに戻る、あるいはWebフィルタを使うといった運用で対応することになります。ここは仕様変更が入りやすい領域のため、社内マニュアルに書き込む前に、その時点の挙動を各自の環境で確認してください。

音声や画像で質問した場合も、引用元の挙動は同じですか

マルチモーダル入力では、質問がテキストへ変換される過程が加わるため、同じ意図でもサブクエリの分解が変わる可能性があります。テキスト入力での観測結果を、そのまま音声・画像入力の結果として扱わないでください。両方を扱う場合は、入力形式を記録列として分けます。

業務で使うときに注意すべき点はありますか

前提として、生成された回答の正確性は利用者側で検証する必要があります。引用元のリンクを開き、元のページに同じ記述があるかを確認する手順を運用に組み込んでください。また、未公開の情報や顧客情報を入力しない運用ルールも必要です。活用としては、競合の情報発信状況の把握、社内向けの一次調査、記事構成を作る前の論点洗い出しといった、出力をそのまま外に出さない用途から始めるのが扱いやすい範囲です。

AI Overviewsから直接AI Modeへ移れるようになったことで、観測は変わりますか

移行導線が追加されたことで、ユーザーの体験としては両者の境目が薄くなっています。ただし観測上は、AI Overviewsに表示された引用元と、そこから移行したAI Modeの回答に出る引用元を、別の記録として残してください。同じ画面の続きに見えても、参照されているページの集合は同一とは限りません。記録を1つにまとめてしまうと、どちらの面の結果なのかが後から復元できなくなります。

まとめ

3つの面は、参照している土台が違います。AI OverviewsとAI Modeは検索インデックスを見ており、Geminiアプリは事前学習を土台に条件付きで検索を併用します。同じGemini 3世代のモデルに揃っても、候補となるページを集める手前の処理が違う以上、引用元の集合が一致する保証はありません。

そのうえで、判断を誤らないために押さえておく点が3つあります。

他社の重なり率を自社の前提に流用しない

公表されている数値は、その発信者のクエリ・時期・アカウント条件に紐づいた結果です。自社のクエリで取り直さなければ、施策の根拠にはなりません。参考値として社内共有する場合も、射程を併記したうえで「自社では未検証」と明示してください。

引用と言及を混ぜない

リンク付きで参照されることと、回答内に名前が出ることは別の現象です。効く施策もKPIも異なるため、記録の段階から列を分けます。ここを一括で「AIに出た回数」として集計すると、どの施策が効いたのかを後から追えなくなります。

非発火を失敗と読み替えない

データボイド、YMYL、指名検索では、回答が出ないことが正常な結果である場合があります。出ない理由を切り分ける前に対策へ動くと、そもそも発火しない領域に工数を投じることになります。まず切り分け、次に判断してください。

1週間で回す最小の観測

実装としては、次の3ステップで足ります。1日目に観測対象のクエリを5件決めます。2日目から3日目で3面に同一プロンプトを投入し、各面3回ずつ反復して記録シートを埋めます。4日目以降に、重なりとズレを本稿の4パターンに分類し、ズレた面について切り分けの表と突き合わせます。

ここまで進めば、自社が次に手を入れるべきなのがページ構造なのか、外部での言及なのか、それとも一次情報の不足なのかが判別できます。観測を始める前に、検索側の評価がどう積み上がっているかを整理しておきたい場合は、関連記事『SEOとは？効果が出ない原因とAI検索時代の対策をわかりやすく解説』で詳しく解説しています。

自社サイトが現在どの段階にあるかを確認したい場合は、umoren.aiの無料ツール群を利用できます。QFO分析ツールでサブクエリの展開を確認する、LLMO診断で構造面の課題を洗い出すなど、目的に応じて使い分けてください。診断結果は本稿の観測記録と突き合わせる形で使うと、判断材料として機能します。

AI検索の引用元を確認した後に読む実践記事

3面で引用元が違うと分かっても、自社サイトのどこを直すかまでは決まりません。観測結果を実際の設計や計測に落とし込む段階で、次の記事が判断材料になります。

• LLMOとコンテンツマーケティングを統合する実践ガイド｜SEO×AI最適化で引用されるサイト設計：SEOとLLMOを統合して引用を増やすサイト設計法

• AI検索時代にオウンドメディアはどう変わるべきか？ PVに依存しない設計戦略と実践ガイド：PVに依存しないオウンドメディアの構造設計法

• 指名検索が少ない会社がLLMOで先にやるべきこと｜AI検索で引用される一次情報と構造化の実践手順：指名検索が少ない企業のLLMO着手の優先順位

• AI検索の普及で問い合わせ経路はどう変わるのか？流入減でも成果を出す集客戦略：AI検索時代の問い合わせ経路とKPIの整理法

• LLMO対策の成果が出るまでの期間目安と効果を早める施策・タイムラインを解説：LLMOの成果が出るまでの期間と施策の判断軸