AI参照元別流入記事のジャンルとは、ChatGPT・Gemini・Perplexity等のAIサービス経由でWebサイトに着地するページの種類のことです。当社が別途運営するWeb制作者向けメディアの30日分GA4データでは、参照元AIごとに流入する記事のジャンルが明確に分かれて観測されました。ただし1サイト・短期間のスナップショットであり、業界一般の傾向としては扱えません。
観測の要点
ジャンルの具体名（A〜Kが何のジャンルか）は当社が別途運営する観測元サイトの競合状況に配慮して伏せている。AI参照元とジャンルの対応関係・割合のみを共有する。
- 1ChatGPT経由の流入は単一ジャンル（ジャンルA）が約64%を占め、次点（ジャンルB）が約28%。上位2ジャンルで9割超に集中する分布が観測された。
- 2Gemini経由の流入は別の単一ジャンル（ジャンルE）が約58%を占め、残りは複数ジャンル（A・F・C・G）に分散した。
- 3OpenAI Search経由の流入はさらに別のジャンル（ジャンルH）が約71%を占め、上位1ジャンルへの集中度がもっとも高かった。
- 4Perplexity経由の流入は3つのジャンル（I・J・K）だけに分布し、A〜Hのいずれの主要ジャンルへの着地もゼロだった。
- 5ChatGPTとGeminiの両方から流入が観測された記事は2ジャンル（A・C）に限定。それ以外のAI同士では、同じ記事への流入はほぼ重複していない。
- 6ジャンル分布はAIごとに明確に分かれた。ただし、これが「AIの選好」なのか「自サイト構成の写像」なのかは現データだけでは切り分けできない。
計測条件（再現できる粒度で開示）
観測対象は、当社が別途運営するWeb制作者・フロントエンド開発者向けメディアのGA4プロパティ。本ブログ（seo.codequest.work）とは別サイトであり、トラフィック規模や具体的なURLは公開していない。代わりに、計測手法と分類軸を再現可能な粒度で開示する。
GA4クエリ条件
- 期間：
- 30日間（2026年4月18日〜2026年5月17日）
- ディメンション：
sessionSource×landingPagePlusQueryString- メトリクス：
totalUsers,sessions,eventCount- フィルタ：
- sessionSource ∈ { chatgpt.com / openai.com / openai / perplexity.ai / gemini.google.com / gemini.com / claude.ai / copilot.microsoft.com / you.com / phind.com }
- 観測されなかった参照元：
- claude.ai / copilot.microsoft.com / you.com / phind.com
得られたランディングページを、URLパターンとページタイトルから合計11ジャンルに手作業で分類した。1記事は1ジャンルに排他的に割り当てている。各ジャンルの具体名は観測元サイトの競合状況に配慮して伏せ、本記事ではA〜Kの記号で参照する。
AI参照元別の流入ジャンル分布
ジャンル特定が可能だったランディングのみを母数として、AI別の分布割合を集計した。割合はおおまかな構成比として読んでほしい。
ジャンルラベルはA〜Kの記号に統一して匿名化している。記号が同じなら同じジャンルを指し、AI間で共通の記号が出てくる場合は両方のAIが同じジャンルに流入していることを示す（例：ジャンルAはChatGPTでもGeminiでも観測されている）。ジャンルの具体名（A〜Kが何のジャンルか）は、観測元サイトの競合状況に配慮して伏せている。
ChatGPT
単一ジャンル（ジャンルA）への集中度が高い。上位2ジャンルで全体の9割超を占めた。
Gemini
別の単一ジャンル（ジャンルE）が過半を占めた。ChatGPTの主要ジャンル（A）も二番目に出現するが、ChatGPTほどの集中ではない。
OpenAI Search
さらに別のジャンル（ジャンルH）が大半を占めた。同じOpenAI系列でも、ChatGPTとは集中先がはっきり違うことが観測された。
Perplexity
他のAI参照元では一切観測されなかった3ジャンル（I・J・K）だけに分布。他AIの主要ジャンル（A〜H）への着地はゼロだった。
クロスAI観測
ChatGPTとGeminiの両方から流入が観測された記事は2ジャンル（A・C）に限られた。それ以外のAI同士では、同じ記事への流入はほぼ重複していない。AIごとに参照される記事ジャンルだけでなく、参照される記事そのものも分かれている可能性が示唆される。
なぜジャンルが分かれて見えるのか（仮説）
観測されたパターンの背景には複数の仮説が考えられる。いずれも本データだけでは検証できない。本節は仮説の整理であり、結論ではない。
訓練データ・回答ロジックの違い説
各AIは異なる訓練データセット・引用ロジックを持つ。コードに強いとされるモデル・ツール推薦に強いとされるモデルなど、得意領域の差が引用パターンに反映されている可能性。検証には複数サイトでのクロス集計が必要。
UI動線の違い説
Geminiの検索画面はWorkspace連携や機能発見的な動線を持ち、Perplexityは下調べ・比較用途を前面に出している。UI設計の違いが「どのジャンルへ着地しやすいか」を間接的に方向付けている可能性。
利用シーン・ユーザー層の違い説
ChatGPTは「コードを書く相棒」、Perplexityは「下調べ」、Geminiは「Workspace連携の生産性ツール」のように、ユーザーが各AIを使う場面そのものが異なる。結果として参照される記事ジャンルも異なる、という解釈。
サイト構成の写像説（最重要の反証仮説）
観測元サイトに特定ジャンルの記事がもともと多い場合、AIが「そのジャンルを参照しに来ている」のではなく「サイトに存在するジャンル分布をそのまま映している」だけかもしれない。この場合、観測されたパターンは「AI側の傾向」ではなく「自サイトの構成」に過ぎない。
この観測で言えないこと（最重要セクション）
本記事はラボの観測共有であり、業界一般の指針ではない。読者が安易に一般化しないよう、現データの限界を明示する。
1サイトのデータである
観測対象は当社が別途運営する1サイトのGA4データに限られる。サイト構成・対象読者層・カテゴリ分布などはサイト固有の事情であり、業界一般を代表しない。
短期間のスナップショットである
30日という観測期間は、AI参照元の動向を語るには短い。各AIのUI更新・回答ロジック変更・季節要因に左右される可能性が高く、傾向の安定性を保証しない。
サイト構成バイアスを切り分けられていない
「Gemini=ジャンルEが過半」という観測も、対象サイトにジャンルE相当の記事が多いことの単純な反映である可能性を排除できていない。AI参照元 × ジャンル分布の交互作用を識別するには、構成の異なる複数サイトでのクロス検証が必要。
GA4側の計測上限がある
AI経由のアクセスはリファラを送らないケース・直接アクセスとして計測されるケース・sessionSourceが (not set) になるケースが混在する。今回の集計でも (not set) のレコードが存在し、AI流入の真値とは差がある可能性が高い。
「AIの選好」と読み替えてはいけない
観測されたジャンル分布の偏りを「AIが○○を好む」と表現してはならない。この記事中で「好む」「prefer」相当の語彙を使っていないのは意図的だ。観測と選好は別レイヤーである。
反対仮説：単なる偶然・分布の写像
観測されたパターンは「AI側の意味のある傾向」ではなく、「短期サンプルの偶然」「サイト構成の単純な写像」である可能性が常にある。これらの反対仮説をデータで棄却できない限り、観測パターンを意思決定の根拠にはできない。
もしこの傾向が一般化できるなら（if構文の実務メモ）
前節までの限界を承知のうえで、「もしこの傾向が一般化できるなら」という条件付きで、AI時代のコンテンツ設計に応用しうる方向を整理する。本記事はジャンルの具体名を伏せているため、ここでも個別ジャンル向けの打ち手は提示しない。代わりに、自サイトのGA4で同じ集計を回して「自サイト版のジャンル分布」を作るための手順を示す。
| AI参照元 | 観測された集中度の型 | 自サイトで確認すべきこと |
|---|---|---|
| ChatGPT | 単一ジャンルに60%超が集中（上位2ジャンルで90%超） | 自サイトでも上位ジャンルに集中するか確認。集中するなら、その上位ジャンル記事の構造化データ型と見出し構造を最優先で点検。 |
| Gemini | 主要ジャンルが過半。ChatGPTとは別ジャンルに集中 | ChatGPT向け改善とは別の記事群が伸びる可能性。「主要ジャンルがChatGPTと一致するか／違うか」を見て、改善対象記事の重複を確認。 |
| OpenAI Search | 1ジャンルへの集中度がもっとも高い（約71%） | 自サイトでも1ジャンル集中が極端に出るかを確認。出る場合、そのジャンル記事の直接回答ブロック・FAQPage構造化データを優先点検。 |
| Perplexity | 3〜数ジャンルに分散。他AIの主要ジャンルへの流入はゼロ | 他AIで主要だったジャンルがPerplexityでもゼロかを確認。ゼロなら、Perplexity経由は別の記事群が担うことになる前提で内部リンク戦略を組む。 |
繰り返すが、いずれも「観測で示唆される」レベルの方向性であって、実行を保証するものではない。自サイトのGA4で逆の傾向が観測されたなら、上記表は無視してよい。
観測を強化するための次のアクション
- 1観測期間を90日・180日に延長し、傾向の安定性を継続観測する。
- 2構成の異なる複数サイト（コンテンツ中心／ツール中心／コーポレート）で同様の手法を回し、サイト構成バイアスを切り分ける。
- 3ランディングのジャンル分類軸を、構造化データの type（HowTo・SoftwareApplication・FAQPage・Article等）でクロス集計する。
- 4リファラなし・(not set) を含む直接流入も母数に加え、AI流入の真値推計に近づける（タイムスタンプ・UA・着地パターンからの推定）。
- 5本サイト（seo.codequest.work）でも同じ計測を回し、コンテンツSEOツール業界での参照パターンを別サンプルとして記録する。
まとめ：観測の共有として読んでほしい
AI参照元別に流入ジャンルが明確に分かれて観測された。これは「事実として観測された」レベルの主張だ。
一方で、「AIがそのジャンルを好むから」と断定する根拠はまだない。サイト構成の写像である可能性、短期スナップショットの偶然である可能性、いずれも棄却できていない。本記事は、観測を業界一般化せず、複数仮説と限界をセットで共有する形にこだわっている。AIエコシステムが急速に動く現在、「観測の正直な共有」自体に意味があると考えている。
