Answerこの記事の要点
- 学習知識型と検索連動型は、サービスの名前ではなく、Web 検索を使う画面・設定かどうかで分かれます
- 検索連動型では、答えが変わった理由を引用元からたどれますが、学習知識型ではたどれません
- 効く打ち手も違い、検索連動型は比較記事への掲載や SEO、学習知識型は長期の露出の積み上げが中心になります
学習知識型と検索連動型とは、何ですか？
「ChatGPT なら学習知識型」「Gemini なら検索連動型」と、サービスの名前で分かれるわけではありません。同じサービスでも、Web 検索を使う画面・設定かどうかで型が変わります。LLMO で打ち手を考えるときに見るべきなのは、名前ではなく型です。各サービスの違いは ChatGPT・Gemini・Claude・Perplexity・Copilot の違い で比べています。
| 学習知識型 | 検索連動型 | |
|---|---|---|
| 答えの作り方 | 学習済みの知識から | 質問を受けてから検索し、その結果から |
| 根拠の提示 | しない | 引用元のページを示す |
| 回答が変わるきっかけ | モデルの更新（学習し直し） | 検索で見つかるページの変化 |
| 主な例 | Web 検索を使わない設定で呼び出した AI など | Perplexity、Google の AI 概要・AI モード、各サービスの検索機能 |
実測では、2 つの型で何が違いましたか？
当方は、両方の型で計測を行っています。
| 検索連動型（上の計測） | 学習知識型（下の計測） | |
|---|---|---|
| 根拠の提示 | 毎回、複数の引用元を示した（1 回目は 10 件） | 270 回で、根拠としての URL は 0 件 |
| 回答の揺らぎ | 同じ質問 3 回で、対象社は圏外 → 1 位 → 1 位 | 3 回とも同じ顔ぶれが挙がった組は 75 組中 4 組 |
| 揺らぎと連動していたもの | その回の引用元（対象社のサイトが引用された回だけ 1 位） | 外から観測できるものはない |
どちらの型でも回答は揺らぎますが、検索連動型では「何が変わったから回答が変わったか」を引用元から追えるのに対し、学習知識型では追えません。この違いが、打ち手の違いにそのままつながります。
なぜ、効く打ち手が型によって違うのですか？
回答の材料をどこから持ってくるかが違うからです。
| 学習知識型 | 検索連動型 | |
|---|---|---|
| 材料 | 学習データ（中身は公開されないことが多い） | その回の検索で見つかったページ |
| 考えられる打ち手 | 広く参照される場所での露出を長く積み上げる（Wikipedia、利用者の投稿の多い場など） | AI が根拠にしている比較記事への掲載、通常の検索での上位表示、自社サイトの整備 |
| 効くまで | 長い（次の学習を待つ） | 比較的短い（検索結果が変われば変わる） |
| SEO との関係 | 弱い | 強い |
検索連動型について、Google は 2026 年 5 月に公開した生成 AI 機能向けのガイドで、AI 概要や AI モードは通常の検索の順位づけと品質評価の仕組みをもとに作られている、と説明しています。通常の検索での評価が、そのまま土台になるということです。
検索連動型の中でも、何を引用するかはサービスごとに違い、しかも変わります。
- 5W 社の調査（2026 年 5 月発表・米国の 2026 年 1〜2 月のデータ）では、ChatGPT が示した引用元のうち Wikipedia が 13.15%、Reddit が 11.97% で、両者で全体の 25% を超えていました
- Semrush 社の調査（2025 年 11 月発表）では、ChatGPT の検索回答で Reddit を引用した割合が、2025 年 8 月上旬の約 60% から 9 月中旬には約 10% まで下がりました。同じ期間、Google の AI モードと Perplexity では大きな変化は見られませんでした
特定の場に書けば効く、という施策は、その場が来月も同じ比率で引用される保証がないという前提で考える必要があります。
| 主張 | 根拠の強さ | 根拠 |
|---|---|---|
| Web 検索をしない AI は、根拠 URL を返さない | ◎ 実証 | 当方の実測（270 セッション） |
| 検索連動型の回答は、その回の引用元と連動する | ◎ 実証 | 当方の実測（3 回）。連動の観測であり、因果の証明ではない |
| Google の AI 概要・AI モードは、通常の検索の仕組みをもとに作られている | ◎ 実証 | Google の公式ガイド（2026 年 5 月公開・7 月更新） |
| 引用元の構成は、数週間で大きく入れ替わる | ◎ 実証 | Semrush 社（2025 年 11 月） |
| 学習知識型には、広く参照される場での長期的な露出が効く | △ 仮説 | 学習データの中身は公開されておらず、確かめられていない |
根拠の強さは、◎ 実証（当方の実測、または複数の独立した調査が同じ結論）／○ 有力／△ 仮説／✕ 否定されつつある、の 4 段階で示しています。
計測では、2 つの型をどう扱えばいいですか？
| やること | 理由 |
|---|---|
| 両方の型を計測に入れる | 学習知識型だけでは根拠が追えず、検索連動型だけでは「素の知識での見え方」が分からない |
| エンジン名・モデル名に加えて、Web 検索の有無を記録する | 同じサービスでも設定で型が変わる |
| 2 つの型の結果を平均しない | 仕組みが違うものを混ぜると、どちらの実態も消える |
| 引用元の分析は検索連動型で行う | 学習知識型では根拠が返らない（検索しない AI からは、引用元を取得できない） |
短期で変化を確かめたいなら検索連動型、長期の積み上げを見るなら学習知識型、と役割を分けて見るのが実務的です。
※ 外部の調査・公式ドキュメントの内容は、記載した発表時点のものであり、当方が独自に検証したものではありません。