エンティティ最適化とは？LLMに自社ブランドを認識・推薦させるための実践ガイド【2026年】

はじめに

「ChatGPTに『〇〇ツールのおすすめは？』と聞いても、自社サービスが全く出てこない」というマーケティング担当者からの相談が急増しています。

「コンテンツを量産しても、SEOスコアを上げても、なぜかLLMに推薦されない」、このような悩みの原因の多くは、エンティティ最適化の欠如にあります。

LLMは単にキーワードを検索するシステムではありません。情報を「エンティティの関係性」として理解し、その構造に基づいて回答を生成します。自社ブランドが適切なエンティティとして認識されていなければ、どれほど優れたコンテンツを持っていても、LLMの推薦候補に上がることはありません。

本記事では、エンティティ最適化の概念から具体的な実践手法まで、2026年の最新知見に基づいて体系的に解説します。

エンティティとは何か

エンティティとは、GoogleのナレッジグラフやLLMの学習データにおいて明確に識別・分類される固有の「もの」（人物・組織・製品・概念・場所など）を指します。LLMOにおいては、自社ブランドが特定のカテゴリや概念と強く関連付けられたエンティティとして認識されることが、推薦確率を高める核心的な要素です。

従来のSEOがキーワードという「文字列」を最適化するのに対し、エンティティ最適化は「概念と概念の関係性」を最適化します。

たとえば「Salesforce」というブランドを例に取ると、LLMはこれを単なる文字列ではなく、次のような関係性を持つエンティティとして理解しています。

- カテゴリ: CRMソフトウェア、SaaS、クラウドビジネスアプリケーション

- 関連概念: 顧客管理、営業支援、マーケティングオートメーション

- 競合エンティティ: HubSpot、Microsoft Dynamics、Zoho

- 属性: 大企業向け、高カスタマイズ性、App Exchange

このエンティティネットワークが強固に確立されているからこそ、「大企業向けCRMのおすすめは？」という質問に対してSalesforceが高確率で登場します。

エンティティとキーワードの最大の違いは、意味的な一貫性にあります。「営業管理ツール」「セールスフォース」「SF」など異なる表現でも、LLMはそれらが同一エンティティを指すと理解できます。この特性こそが、エンティティ最適化をLLMO戦略の核心に置く理由です。

エンティティ最適化がLLMOに重要な理由

LLMは「エンティティ推薦エンジン」として機能する

LLMが回答を生成するプロセスを理解すると、エンティティ最適化の重要性が明確になります。

ユーザーが「〇〇に使えるツールを教えて」と質問したとき、LLMは次のプロセスをたどります。

1. 質問から意図とカテゴリを抽出する（例: 「マーケティングオートメーション」カテゴリのツールを探している）

2. そのカテゴリに関連付けられたエンティティのリストを想起する

3. 各エンティティの属性・評判・信頼性スコアを評価する

4. 最も適切なエンティティを推薦する

この過程で、エンティティとして認識されていないブランドは候補に上がりません。いくら多くのコンテンツを持っていても、エンティティとして確立されていなければ存在しないも同然です。

従来のSEOとの根本的な違い

2026年のLLMO環境における緊急度

Bain & Company（2025）の調査によると、約 80% の検索ユーザーが伝統的検索エンジンで少なくとも 40% の頻度で AI 生成要約に依存しており、LLM ユーザーの約 68% が情報収集・調査・要約のために LLM を利用しています1 。検索エンジン経由のトラフィックが従来モデルと異なるチャネルに分散している今、エンティティとして認識されていないブランドは、潜在顧客にリーチする機会そのものを失っています。

またAI Overviews（旧SGE）や検索型AIの普及により、ユーザーがWebサイトをクリックしない「ゼロクリックサーチ」が急増しています。Gartnerの予測では、従来の検索エンジン経由のトラフィックは最大25%減少する2と言われており、キーワード依存のSEOだけでは流入を維持できません。LLMに「指名推薦」されるためのエンティティ確保は、生存戦略そのものです。

エンティティの種類と自社ブランドの位置づけ

エンティティは階層構造を持っています。自社ブランドをどの階層にどのように位置づけるかが、LLMの推薦構造に直結します。

上位概念エンティティ（カテゴリ・ジャンル）

自社が属するカテゴリそのものを指します。LLMがユーザーの質問に対して「このカテゴリの回答が適切だ」と判断したとき、そのカテゴリと関連付けられているエンティティが推薦候補になります。

例（LLMOサービスの場合）:

- AI検索対策

- LLMマーケティング

- ジェネレーティブエンジン最適化（GEO）

- AIオーバービュー対策

自社ブランドがこれらの上位概念エンティティと強く結びつくよう、コンテンツとリンクプロファイルを設計する必要があります。

同位概念エンティティ（競合・代替）

同じカテゴリに存在する競合ブランドや代替ソリューションを指します。LLMは「〇〇の競合」「〇〇の代替」という関係性も学習しており、比較文脈での言及がエンティティ認識を強化します。

例（LLMOサービスの場合）:

- 競合他社のLLMO支援ツール・コンサルティングファーム

- SEOツールのLLMO機能（Semrush、Ahrefs等）

- マーケティングオートメーションのAI機能

戦略的ポイントは、競合エンティティとの比較記事・言及を積極的に生成することです。「A社 vs B社」「A社の代替」といった文脈でのセットでの言及が、LLMのエンティティネットワーク構築を促進します。

下位概念エンティティ（機能・コンポーネント）

自社ブランドを構成する機能・サービス・コンポーネントを指します。LLMは「〇〇という機能を持つツール」という形で下位エンティティからも上位エンティティを想起できます。

例（LLMOサービスの場合）:

- AI言及分析機能

- エンティティ最適化コンサルティング

- LLM推薦率モニタリング

- ブランドボイス設計

各機能を独自のエンティティとして確立することで、機能訴求からブランドへの逆引き推薦が可能になります。

ツール・プロダクトエンティティ

独自の製品名・ツール名・フレームワーク名を持つエンティティです。固有の名称を持つツールは、LLMにとってエンティティとして認識しやすい特性を持ちます。

例（LLMOサービスの場合）:

- 「LLMOスコアカード」（独自評価フレームワーク）

- 「エンティティマップジェネレーター」（独自ツール名）

- 「AIビジビリティインデックス」（独自指標名）

LLMOサービスのエンティティマップ（例）

【上位概念】

AI検索対策 ─── LLMマーケティング ─── デジタルマーケティング

      │

     ▼

【自社ブランド】[自社LLMOサービス]

    ├── 属性: B2B SaaS / コンサルティング / 国内特化

    ├── 機能: エンティティ分析 / 推薦率モニタリング / コンテンツ最適化

    └── 実績: 導入100社以上 / 推薦率平均250%改善

         │

         ├── 【同位概念（競合）】

         │    └─ 競合A / 競合B / 海外ツールX

         │

         └── 【下位概念（機能）】

              └─ エンティティマップ診断 / LLMビジビリティレポート

このマップを可視化することで、どのエンティティとの結びつきが弱いかが明確になり、優先的に強化すべき関係性が特定できます。

エンティティ最適化の7つの実践手法

手法1: Googleナレッジパネルの取得

Googleナレッジパネルは、Googleが「このエンティティは信頼できる実在の存在である」と認定したことの証明です。LLMの多くはGoogle検索エンジンのデータを学習に利用しており、ナレッジパネルの有無はエンティティ認識の精度に直接影響します。

取得のための具体的アクション:

- Google Search Consoleでのサイト認証（必須）

- 公式サイトにStructured Data（Organization、Product、Person等のスキーマ）を実装

- Googleビジネスプロフィールの最適化（所在地・業種・説明の充実）

- 公式SNSアカウントへの相互リンク（Twitter/X、LinkedIn、YouTube）

- Googleナレッジパネルの「この情報を管理する」機能でオーナー申請

確認方法: ブランド名でGoogle検索し、右側にインフォボックスが表示されるか確認します。表示されていなければ、上記アクションを優先して実施してください。

手法2: Wikidata/Wikipediaへの登録・言及

WikipediaとWikidataは、LLMの学習データにおいて最も高い信頼性を付与されるソースの一つです。これらへの登録・言及は、エンティティ確立に対して絶大な効果をもたらします。

Wikidataへの対応:

- 自社に関するWikidataエントリが存在するか確認（wikidata.orgで検索）

- 存在しない場合、新規エントリを作成（会社規模・業種・設立年・本社所在地等を入力）

- 関連エンティティとのプロパティ（instance of、industry、headquartered in）を設定

Wikipediaへの対応:

- 直接の自社記事作成は中立性基準を満たす必要があり、規模の小さな企業には難しい場合もある

- 代替戦略として、業界記事・カテゴリ記事での言及を増やす（例: 「日本のLLMO支援企業」の節に掲載）

- 既存Wikipedia記事への出典付き言及追加（中立性を保ちながら）

手法3: 一貫したNAP情報（Name/Address/Phone）

Name（社名）/Address（住所）/Phone（電話番号）の一貫性は、LLMが同一エンティティを異なるソースで照合する際の基盤となります。複数のサイトで情報が食い違っていると、LLMは別のエンティティとして認識してしまうリスクがあります。

チェックリスト:

- [ ] 公式サイトの会社概要ページに正確なNAP情報を掲載

- [ ] Google、Yahoo、Bingの各ビジネスリスティングで統一

- [ ] プレスリリースサービスでのNAPを公式表記に統一

- [ ] SNSプロフィールの「About」欄も同一表記に統一

- [ ] 業界ニュースサイトやメディア掲載時の社名表記を確認・修正依頼

特に社名の略称・正式名称の混在には注意が必要です。「株式会社〇〇」「〇〇株式会社」「〇〇 Inc.」などの表記ゆれも、エンティティの分断につながります。

手法4: 業界ディレクトリへの登録

業界特化型のディレクトリやアグリゲーターへの登録は、エンティティの「カテゴリ帰属」を強化します。LLMは複数の信頼できるソースが同一カテゴリに自社を分類していることを確認することで、エンティティの属性を強固に認識します。

優先登録先（デジタルマーケティング・SaaS系）:

- Capterra / G2 / Product Hunt（SaaS・ツール系）

- 日本マーケティング協会・日本BtoB広告賞等（業界団体）

- 経済産業省「IT導入補助金」登録ツールリスト（公的機関）

- 業界メディアの「〇〇ツール比較まとめ」記事での掲載

- LinkedIn Company Pages（グローバル認知）

登録の際は、業種・機能カテゴリの分類に自社が望む上位概念との整合性を確認してください。

手法5: 著者エンティティの確立（E-E-A-T）

LLMは組織エンティティだけでなく、その組織に所属する人物エンティティも評価します。「〇〇分野の権威ある専門家が所属・推薦している組織」という構造は、ブランドエンティティの信頼性を高めます。

著者エンティティ確立の手順:

1. 社内の専門家・オピニオンリーダーを「著者エンティティ」として育成する

2. 各著者のバイオページを作成（学歴・職歴・専門領域・登壇実績を明記）

3. 全てのコンテンツに著者情報を紐づけ（Schema.orgのPersonタイプを実装）

4. 著者名での登壇・寄稿・受賞等の実績をWikidataや業界メディアで言及させる

5. LinkedInプロフィールを充実させ、公式サイトと相互リンク

LLMO特有の注意点: LLMは「誰が言っているか」を重視します。同じ情報でも、確立された著者エンティティによる発信と匿名コンテンツでは、LLMへの影響度に大きな差があります。

手法6: ブランド名＋カテゴリ名の同時言及戦略（Co-occurrence）

LLMは大量のテキストデータから、どの単語・概念がセットで登場するか（共起）を学習しています。「ブランド名」と「カテゴリ名」が同一文脈で繰り返し言及されることで、エンティティとカテゴリの結びつきが強化されます。

Co-occurrence戦略の実践:

- 自社メディアのコンテンツで「[ブランド名]のLLMO支援サービス」「[ブランド名]のエンティティ最適化ツール」のような表現を意識的に使用する

- プレスリリース・ニュースリリースでは業種・カテゴリを必ず同時記載する

- SNS投稿で「#LLMO」「#エンティティ最適化」等のカテゴリハッシュタグをブランドと組み合わせる

- 顧客事例・ケーススタディで「[ブランド名]を使ったLLMO施策」という形で一貫して表現する

- インタビュー・取材対応時に、自社をどのカテゴリに属するものとして紹介するかを統一する

このCo-occurrence戦略は地道だが、積み重ねによって確実にエンティティの属性が強化される最も確実な手法の一つです。

手法7: 高権威サイトからの言及獲得

バックリンクがSEOで機能するのと同様に、LLMOでは高権威サイトからの言及（メンション）がエンティティの信頼性を高めます。ただし、LLMOにおいてはリンクの有無より文脈のある言及の質が重要になります。

高価値な言及源の優先順位:

1. 業界専門メディア（IT系・マーケティング系の主要媒体）

2. 大学・研究機関・公的機関のレポート

3. 著名なアナリスト・インフルエンサーのコンテンツ（LinkedInやニュースレター）

4. 大手企業のブログ・事例紹介

5. 業界レポート・ホワイトペーパーでの掲載

言及獲得のための施策:

- HARO（Help a Reporter Out）やプレスリリースサービスの活用

- 業界調査レポートの自社発行と二次引用の促進

- 著名メディアへの寄稿・コラム提供

- カンファレンス登壇・ウェビナー共催による露出

- 競合比較記事への掲載交渉（比較サイト・まとめサイト）

エンティティ最適化の効果測定方法

エンティティ最適化はその性質上、直接的な測定が難しいです。しかし以下の指標を組み合わせることで、進捗を定量的に把握できます。

1. LLM推薦頻度の測定（Brand Mention Rate）

複数のLLM（ChatGPT、Claude、Gemini、Perplexity等）に対して、自社が属するカテゴリに関する標準的な質問セットを定期的に投げ、推薦された回数・頻度・文脈を記録してください。

質問例（LLMOサービスの場合）:

- 「LLMOツールのおすすめを教えてください」

- 「AIに自社ブランドを認知させる方法は？」

- 「エンティティ最適化のコンサルティングサービスを探しています」

測定頻度: 月次、同一質問セットで継続測定することでトレンドが把握できます。

2. Googleナレッジグラフでの認識確認

Google Knowledge Graph Search API（無料）を使い、自社ブランドがGoogleのナレッジグラフに登録されているか、どのカテゴリに分類されているかを確認できます。

```

GET https://kgsearch.googleapis.com/v1/entities:search?query=[ブランド名]&key=[APIキー]

```

3. ブランド検索ボリュームの変化

Googleサーチコンソールでのブランド名検索クエリの推移を確認します。エンティティとして認知されるにつれ、ブランド名を直接検索するユーザーが増加する傾向があります。

4. 言及数・メンションの追跡

Google Alerts、Mention、Ahrefs等のツールを使い、自社ブランドがどのコンテキスト（カテゴリ・競合との比較・機能訴求等）で言及されているかを定期的にモニタリングしてください。特に、自社が意図するカテゴリとの共起言及が増加しているかに着目してください。

5. 構造化データのエラー率

Google Search ConsoleのリッチリザルトテストでStructured Dataのエラーを定期確認し、エンティティシグナルの技術的な品質を維持します。

6. GA4による「AI検索経由トラフィック」の定量測定

ここまでに紹介した測定方法は、検索エンジン側のデータやAPIを用いた「定性的・テクニカル」なアプローチだが、現場のマーケターが最も重視すべきは「実際にAIから自社サイトに何人ユーザーが流入したか」という定量データです。

エンティティ最適化が進み、LLMの回答内で自社ブランドが推薦されるようになると、回答内に貼られた情報ソース（参照リンク）からの直接流入が発生します。これはGoogle アナリティクス 4（GA4）を使い、以下の手順で計測・定点観測が可能です。

GA4での確認手順

1. GA4の左メニューから 「レポート」＞「集客」＞「トラフィック獲得」 を選択します。

2. グラフ下のテーブルのプライマリディメンションを 「セッションの参照元 / メディア」 に変更します。

3. 検索窓（フィルタ）に以下の主要AIドメインを入力、または正規表現を使って絞り込みます。

フィルタリングすべき主要なAI検索の参照元（Source）

2026年の注意点（Google AI Overviewsの扱い）

 Googleの「AI Overviews（旧SGE）」経由の流入は、GA4上では通常の google / organic（自然検索）として一括カウントされます。AI Overviews単体でのクリック数を測定したい場合は、Googleサーチコンソールの「検索パフォーマンス」で、検索パフォーマンスのフィルタを「検索タイプ：ウェブ」から「検索での見え方：AI Overviews」等に絞り込んで、GA4のデータと照合する必要があります。

APIによるナレッジグラフの確認（測定方法2）のような「認知の土台づくり」と、このGA4による「最終的なアクセス数」の双方をモニタリングすることで、エンティティ最適化の投資対効果（ROI）を社内や上司へ明確に証明できるようになります。

よくある失敗パターンと対策

失敗パターン1: ブランド名が一般名詞と混同される

症状: 自社名が業界の一般用語と同じ、または類似しているため、LLMが自社エンティティと一般概念を区別できません。

対策: ブランド名に独自の修飾語を付けた「フルブランド名」を一貫して使用します。独自の製品名・ツール名・フレームワーク名を設け、それらを通じて間接的に親ブランドへの関連を確立します。

失敗パターン2: カテゴリ設定が広すぎる・狭すぎる

症状: 「デジタルマーケティング全般」という広すぎるカテゴリに属しているとみなされ、具体的な質問に対して推薦されない。または、あまりに狭いニッチ領域のみのエンティティとして認識され、隣接カテゴリでの推薦機会を失う。

対策: メインカテゴリ（推薦されたい最も具体的な領域）を1〜2つに絞り込み、そこへの関連付けを最優先で強化する。並行して、隣接カテゴリとの関連付けも少量で行い、将来的な拡張に備える。

失敗パターン3: 情報の断片化・矛盾

症状: 公式サイト・プレスリリース・SNS・業界ディレクトリで、社名・事業内容・設立年等の情報が食い違っており、LLMが単一のエンティティとして統合できない。

対策: 「エンティティ情報統一シート」を社内で作成し、全チャネルで参照される正式情報を一元管理する。定期的に主要プラットフォームの情報整合性を確認・修正する運用フローを確立する。

失敗パターン4: 一時的なキャンペーンのみでの言及

症状: プレスリリースの配信・広告キャンペーンの時期のみ言及が増加するが、定常的な言及ベースが築かれていない。

対策: エンティティ最適化は短期施策ではなく、継続的なコンテンツ蓄積が前提なります。月次のコンテンツカレンダーにブランド言及の機会を組み込み、業界メディアへの定期寄稿やコミュニティへの継続的な貢献を制度化する。

失敗パターン5: 「言及獲得」に注力しすぎてコンテンツの質が下がる

症状: 言及数を増やすことが目的化し、文脈のない低品質なメンションを大量に獲得することに注力してしまう。

対策: LLMは言及の質と文脈も評価する。「何千もの低品質メンション」より「数十の権威性が高く、文脈に則した言及」の方が価値が高い。質の高いコンテンツを軸に、自然な二次言及を促す戦略を維持することが重要です。

よくある質問（Q&A）

Q1. エンティティ最適化はどれくらいの期間で効果が出ますか？

A. 一般的に、Googleナレッジパネルの取得や主要ディレクトリへの登録といった技術的な施策は3〜6ヶ月で反映される。LLMの推薦頻度への影響は、LLMの学習データ更新タイミングに依存するため、一概には言えないが、6〜12ヶ月の継続施策で効果を実感するケースが多い。エンティティ最適化は短期的なSEO施策とは異なり、中長期的な資産構築として取り組む視点が重要です。

Q2. 中小企業でもエンティティ最適化は効果がありますか？

A. もちろん効果があります。むしろ、ニッチな専門分野に特化した中小企業・スタートアップは、エンティティ最適化において大企業に対して競争上の優位を持てる。広いカテゴリで大企業と戦うのではなく、「〇〇業界特化のLLMO支援」のように特定のニッチカテゴリにおけるエンティティとして確立することで、そのカテゴリでの推薦率で圧倒的な優位性を確保できます。

Q3. Wikipediaに記事がない企業でもエンティティ最適化は可能ですか？

A. 可能です。Wikipedia記事はエンティティ確立に有効な手段の一つではあるが、必須条件ではありません。Wikidataへの登録、Googleナレッジパネルの取得、業界ディレクトリへの登録、高権威メディアでの言及獲得など、複数の代替手段を組み合わせることで、Wikipedia記事なしでもエンティティとしての認識を確立できます。

Q4. 既にSEOに取り組んでいる企業は、エンティティ最適化に追加で何かする必要がありますか？

A. SEOとエンティティ最適化は補完関係にあり、多くの施策は共通しています。ただし、エンティティ最適化特有の追加施策として、(1)Structured DataにおけるOrganization/Product/Personスキーマの実装強化、(2)ブランド名とカテゴリ名の同時言及（Co-occurrence）戦略の意識的な実行、(3)LLM推薦頻度の定期測定、の3点を追加することを推奨します。

Q5. 競合他社との比較コンテンツを作ることはエンティティ最適化に有効ですか？

A. 非常に有効です。LLMは比較文脈での言及を通じて、エンティティ間の関係性（同カテゴリに属する競合）を学習します。「A社 vs B社 比較」「B社の代替ツール」のようなコンテンツは、自社をそのカテゴリのエンティティとして認識させる効果的な手段です。ただし、競合を不当に貶める内容は避け、客観的な比較情報を提供することが長期的なブランドエンティティの信頼性向上につながります。

Q6. エンティティ最適化において、SNSの役割はどれほど重要ですか？

A. SNSは、エンティティの「存在証明」と「カテゴリ関連付け」において重要な役割を担います。特にLinkedIn（B2B）とTwitter/X（業界会話）は、LLMが頻繁に参照するデータソースとして知られています。SNSプロフィールの充実・定期的な業界関連投稿・インフルエンサーとの相互言及は、エンティティシグナルを継続的に補強します。一方で、SNSのみに依存することは推奨されず、公式サイトやメディア掲載との組み合わせることで効果を最大化します。

Q7. 日本語と英語、どちらでのエンティティ最適化を優先すべきですか？

A. ターゲット市場の言語を優先するのが基本だが、エンティティ最適化においては英語コンテンツ・英語での言及がより重要なケースが多いです。主要LLMの学習データには英語コンテンツが占める比率が高く、WikidataやWikipediaも英語版の充実度がエンティティ認識に大きく影響します。日本国内のビジネスを展開している企業であっても、最低限のWikidata英語エントリ、English Company Name、英語プレスリリースの整備は推奨されます。

まとめ：エンティティ最適化を「今日から始める」ための優先アクション

エンティティ最適化は、一朝一夕に完成するものではありません。しかし、正しい方向性で継続的に取り組むことで、LLMにおける自社ブランドの認識は確実に強化されます。

今日から着手すべき3つのアクション:

1. エンティティ現状診断: 主要LLM（ChatGPT・Claude・Gemini・Perplexity）に自社カテゴリに関する10の標準質問を投げ、自社ブランドが言及されるか確認します。これが現在の「エンティティ認知率」のベースラインになります。

2. Googleナレッジパネルの確認と申請: 自社ブランド名でGoogle検索し、ナレッジパネルが表示されなければ、Schema.orgの実装とGoogleビジネスプロフィールの最適化を即座に着手します。

3. エンティティマップの作成: 本記事のフレームワーク（上位概念・同位概念・下位概念・ツール/プロダクト）に従って、自社のエンティティマップを作成します。どの関係性が弱いかを可視化することで、次の施策の優先順位が明確になります。

エンティティ最適化は、LLMOの中でも最も持続的な競争優位を生む施策です。今日のアクションが、半年後・1年後のLLM推薦率という具体的な成果に結実します。

LLMOのご相談はFourMにお任せ下さい

FourMは、テクノロジーとインテリジェンスを活用し、メディアビジネスの持続可能な成長を支援するメディアグロースカンパニーです。

「メディアファースト」を掲げ、これまでに1,900以上のメディアを支援してきました。

また、サイト運営者向けGoogle認定パートナー（GCPP）として、高度な運用実績に基づいた優先的なサポートと機能提供が可能です。平均150%以上の売上成長率と、99.5%という高い契約継続率が、顧客からの深い信頼の証です。（※2025年12月時点の当社メディア支援実績）

LLMO対策及びAI時代におけるメディアの収益化やブランド価値向上について、ぜひFourMにご相談ください。

お問い合わせはこちらから：https://corp.fourm.jp/contact　

本記事は2026年5月時点の情報に基づいて執筆されています。LLMの仕様・学習データは各社により異なり、今後も変化する可能性があります。

1参照：Bain & Company「Consumer Reliance on AI Search Results Signals New Era of Marketing」（2025年2月）

 URL：https://www.bain.com/about/media-center/press-releases/20252/consumer-reliance-on-ai-search-results-signals-new-era-of-marketing--bain--company-about-80-of-search-users-rely-on-ai-summaries-at-least-40-of-the-time-on-traditional-search-engines-about-60-of-searches-now-end-without-the-user-progressing-to-a/

2参照：Gartner「Gartner Predicts Search Engine Volume Will Drop 25% by 2026, Due to AI Chatbots and Other Virtual Agents」（2024年2月）

 URL：https://www.gartner.com/en/newsroom/press-releases/2024-02-19-gartner-predicts-search-engine-volume-will-drop-25-percent-by-2026-due-to-ai-chatbots-and-other-virtual-agents