Machine Relations Index（以下、Index）は、マシンリレーションズ（Machine Relations、以下MR）の提唱者側が公開しているデータセットです。AI検索の回答は、どのサイトを引用しているのか。この問いに実測で答えようとするもので、中身は、AI回答エンジンが購買や検討の質問（「最適な〜は？」「〜の選び方」「AとBのどちらが良いか」など）に答える際、どのサイト（ドメイン）を引用したかという観測記録です。収められているのは回答文そのものではなく、引用の痕跡のほうです。ただし、実際に投げた質問文（プロンプト）そのものは含まれていません。公開されているのは、カテゴリと質問の形、件数、そして引用の集計結果までです。本記事では、Indexの公開データ本体（JSON）を入手し、エンジン別・カテゴリ別・質問の形別に集計し直したうえで、その中身を詳しく読み解きます。
このデータの位置づけ：MRの観点で作られた実測基盤
AIがどのサイトを引用するかを示すデータはいま、大量にあります。可視性ツールのダッシュボード、調査会社のレポート、コンサルティング各社の資料。それらの多くは、自社ツールやサービスの販売と結びついた形で提示される数字であり、質問の束や分母、計測の経路といった内側が閉じているものも少なくありません。数字だけが独り歩きし、検証のしようがない。この状況は、当社がLLMO関連資料を精読した際にも繰り返し見てきたものです。
Indexは、その中では異質な出自を持ちます。作っているのはツールベンダーではなく、MRという考え方の提唱者側です。Indexは、MRの主張を裏づけるための実測基盤として設計され、観測結果は生データに近い形で誰にでも開かれています。
ではMRとは何か。一言でいえば、メディアリレーションズの機械版です。記者との関係を築き、メディアにどう取り上げられるかを整えるのがメディアリレーションズだとすれば、MRは、その相手が機械（AI回答エンジン）に置き換わった営みを指します。提唱者のJaxon Parrott氏（AuthorityTech CEO）の言葉に「人間はもはや最初の読者ではありません。機械が最初の読者です」があります。記事や資料を最初に読み、引用する価値があるかを判定するのは機械であり、人間はその結果を受け取る側です。ならば、機械がどの情報源に届き、どう認識しているかを観測し、整えていくことが広報の仕事になる。この考え方がMRの骨格です（考え方そのものの解説は、当社の記事「マシンリレーションズとは」にまとめています）。
この観点から見ると、Indexが測っているものの意味が変わります。Indexは「AI検索で何位か」を競うためのランキングではありません。機械の側に広がる情報環境、つまりどの情報源が機械に届き、引用という形で残っているかを継続観測する記録です。MRの実践が効いているかどうかを確かめる物差しとして作られている、と言い換えることもできます。
ただし、発行者がMRの提唱者自身である以上、立場の非対称はあります。本記事でも、発行者自身のドメインがデータの中に現れる点を含め、その前提で読み進めます。それでも、生データが公開され、第三者が集計し直して検証できる。この一点が、他の多くのデータとIndexを分ける決定的な違いです。
当社自身も、この流れの当事者です。当社は2026年5月9日付で、MRの提唱者であるMachine Relations Researchが運営する採用事業者レジストリに掲載されています。2026年11月時点で、このレジストリに載っている日本企業は当社のみです。提唱者側の公式な記録に日本の実践者として名が載っていることは、MRが日本でも実務として始まっている証しだと考えています。本記事は、その実践側の立場からデータを読み解くものです。
この記事の集計で分かる範囲には、はっきりした線引きがあります。質問文が非公開である以上、率の絶対水準を読むことに意味はありません。質問の言い回し次第で率はいくらでも動くからです。意味があるのは、同じ質問の束の中での対比（エンジン間、カテゴリ間、時点の間）と、発行者の集計が公開データと一致するかどうかの検証に限られます。以下の集計も、その範囲で読んでください。
Indexが示すのは「AI検索全体の引用ランキング」ではありません。「決まった質問の束を、決まった条件で投げ続けたときの引用ランキング」です。 そして、その条件の置き方次第で、同じドメインの引用率が0%にも18%にもなる。この「条件で結論が反転する」という事実こそ、Indexから読み取るべき最大の教訓です。
1. Machine Relations Indexとは何か
Indexは、Jaxon Parrott氏が創設したMachine Relations Researchが、machinerelations.aiで公開している一次データセット（一次データ＝発行者自身が観測して作る原データ）です。提唱者側が「AI回答エンジンが実際にどの情報源を引用しているか」を継続観測し、結果をリリース単位で公開しているものです。
公開の形式が特徴的です。
- 結果はWebページのランキング表示だけでなく、生データに近いJSONファイル（machine-relations-index.json）として配布されている
- ライセンスは CC BY 4.0（出典明記で再利用可）で、推奨引用表記までファイル内に明記されている
- リリースごとに release ID が振られ、方法論の版（methodology version）とセットで管理されている
- 特定テーマの切り抜きリリースは学術アーカイブZenodoにも登録されている（例：後述するChatGPT編のDOIは10.5281/zenodo.23764753）
本記事の集計対象は、執筆時点で最新の release mri_score_v2.1+2026-11-12+a13391e29889（2026-11-12生成、方法論バージョン mri_score_v2.1）です。観測窓は 2026-05-10〜2026-11-12の180日間、総ラン数 38,832、引用イベント（source events）262,614件、引用されたドメインは 37,253件にのぼります。以後の数字は、断りがない限りこのリリースの実データから当社が集計したものです。
2. 測り方：質問バスケットの設計
Indexの計測は「固定した質問バスケット」を繰り返し投げる方式です。用語を定義します。
- ラン（run）：1つの質問を1つのエンジンに1回投げ、1つの回答を得る観測の単位
- 引用率：そのドメインが引用されたラン数 ÷ 観測ラン数。ドメインはラン単位で最大1回までしか数えません（同じ回答の中で何度リンクされても1回）
- ストラタム（stratum）：「カテゴリ × 質問の形」の組。Indexの集計の最小単位です
カテゴリ：25ノード
質問は 25のカテゴリ（taxonomy version mri_taxonomy_v2.0）に分類されます。内訳は、購買・検討を主題とする24カテゴリと、ニュース系の旧バケット（Legacy News Topics）1つです。24カテゴリは、AI Infrastructure、Cybersecurity、Fintech、Enterprise Software、Healthcare Services、Consumer Finance、Consumer Health、Industrial、Martech & Advertising、AI Visibility & GEO など、英語圏のB2B・B2Cの購買検討テーマで構成されています。医療・金融・産業機械まで含む一方で、日本市場固有のテーマは入っていません。この点は後の「留保」で効いてきます。
対象クエリ数はリリースごとに台帳（source ledger）に記録され、2026-10-20リリースでは 1,227件、本記事が使う2026-11-12リリースでは 1,255件（eligible queries）です。
質問の形：7種類
各カテゴリの質問は、購買検討の「形」で6種類に分かれ、ニュース系を加えて計7種類あります。2026-11-12リリースの全38,832ランを形別に集計すると次のとおりです。
| 質問の形 | 意味 | ストラタム数 | ラン数 |
|---|---|---|---|
| best_x | 「最適な〜は？」型 | 25 | 5,630 |
| how_choose | 選び方・選定基準型 | 25 | 5,610 |
| news_topic | ニュース・時事型 | 7 | 5,581 |
| is_x_worth | 「〜は価値があるか」型 | 25 | 5,579 |
| problem_first | 課題起点型（困りごとから聞く） | 25 | 5,542 |
| x_vs_y | 比較型 | 25 | 5,467 |
| top_list | 「トップN」列挙型 | 25 | 5,423 |
形ごとのラン数がほぼ均等なのは、バスケットが設計として均等に配分されているためです。25カテゴリ × 6形 ＝ 150ストラタムに、ニュース系7ストラタムを加えた 157ストラタム が全体像になります。
分母の作法：公開しないラインと、除外の開示
Indexの方法論で注目すべきは、数字を「出さない」条件まで文書化している点です。
- エビデンスフロア：ストラタムは、観測ランが10以上かつ観測日が7日以上にならないと引用率を公開しません。薄いデータは「collecting（収集中）」として率を伏せます。2026-11-12リリースでは、157ストラタムのうち151が公開され、収集中は0件でした。残る6件は収集不可（not collectable）で、証拠を蓄積できないため全ての率から除外されています
- 分母からの除外：エンジンが回答を返せなかった日（engine-day）は分母から外し、その一覧と除外理由をリリース内に全件開示しています。同リリースでは 85エンジン日・988ラン が除外されました
- 収集方式が変わったら別系列にする：Google AI Modeは2026年8月10〜30日に収集方式が変わり、以後の引用数が大きく減りました。Indexは8月31日以降を「別の収集レジーム」として分離し、「前後をトレンドとしてつながない」と明記しています
つまりIndexは、率だけでなく 「その率が成立する条件」まで同じファイルに同梱する 作りになっています。当社が計測に求める「モデル名・バージョン、地域、ペルソナ（前提条件）を開示し、再現可能にせよ」という標準と、発想が重なります。
3. 全体像：メディアは主役ではない
2026-11-12リリースの全38,832ランで、引用率の上位は次の顔ぶれです。
| 順位 | ドメイン | 分類 | 引用ラン数 | 引用率 |
|---|---|---|---|---|
| 1 | reddit.com | コミュニティ | 2,689 | 6.92% |
| 2 | youtube.com | プラットフォーム | 2,284 | 5.88% |
| 3 | linkedin.com | コミュニティ | 1,736 | 4.47% |
| 4 | forbes.com | 編集メディア | 1,274 | 3.28% |
| 5 | techradar.com | 編集メディア | 1,089 | 2.80% |
| 6 | medium.com | コミュニティ | 1,084 | 2.79% |
| 7 | arxiv.org | 学術・公的 | 971 | 2.50% |
| 8 | g2.com | 市場データベース | 827 | 2.13% |
| 9 | nih.gov | 学術・公的 | 727 | 1.87% |
| 10 | yahoo.com | 編集メディア | 709 | 1.83% |
首位はニュースメディアではなくRedditです。編集メディアの最上位はForbesで全体4位。「AI検索の引用＝メディア掲載の勝負」という単純な図式は、このデータでは成り立ちません。
なお、2026-10-20リリース（観測窓2026-05-10〜10-20、28,201ラン）では、Forbesの引用率は 1,076ラン＝3.82%、Redditは 8.81% と公表されていました。リリースが進むと分母（観測ラン数とその内訳）が変わり、率も動きます。Indexの数字を引用するときは、必ずリリースと観測窓をセットで書く。これが発行者自身の作法であり、本記事もそれに従います。
分類（source role）で見る構成比
Indexは引用ドメインを9つの「役割」に分類しています。2026-11-12リリースの実データから集計した構成は次のとおりです。分母は「ドメイン×ラン」の引用総数232,174件です。この232,174件は、§1の「引用イベント262,614件」とは数え方が違います。引用イベントは台帳（source ledger）に記録された引用の総数で、同じ回答の中で同じドメインが複数回引用されれば、その都度数えます。対して232,174件は、§2の作法どおり「1ランで同じドメインは1回まで」に丸めたうえで、全ドメイン分を積み上げた総数です（差は30,440件）。
| 役割 | ドメイン数 | 引用数 | 引用シェア |
|---|---|---|---|
| 未分類（Other observed source） | 32,502 | 156,775 | 67.52% |
| ベンダー所有（自社サイト等） | 1,621 | 22,786 | 9.81% |
| 編集メディア | 1,439 | 21,874 | 9.42% |
| コミュニティ・SNS | 75 | 7,860 | 3.39% |
| 学術・公的機関 | 742 | 7,711 | 3.32% |
| 市場・企業データベース | 171 | 5,958 | 2.57% |
| アナリスト・調査 | 630 | 5,886 | 2.54% |
| 検索・メディアプラットフォーム | 34 | 2,546 | 1.10% |
| ワイヤー・配信 | 39 | 778 | 0.34% |
読みどころは3つあります。
- 編集メディアの引用シェア9.42%は「下限」である。 引用ドメイン37,253件のうち分類済みは4,751件（12.75%）にすぎず、 87.25%が未分類 です。未分類の中に編集メディアが含まれていれば、実態のシェアは9.42%より高くなります。「メディアの引用は約1割」と断定はできず、「少なくとも約1割」が正確な言い方です
- ベンダー所有（企業の自社サイト）が編集メディアを上回る。 9.81%対9.42%。AIの回答は、メディアの記事と同じくらい、企業自身のページを直接引用しています
- プレスリリース配信（ワイヤー）は0.34%しかない。 配信したリリースそのものがAIに引用される割合は、少なくともこの分類ではごく小さい。「配信すればAIに引用される」という売り文句への反証材料です
Muck Rackの「84%」と食い違う理由
PR業界では、Muck Rackが2026年5月に公表した「AI引用リンクの84%がアーンドメディア分類、27%がジャーナリズム」という数字も知られています。Indexの9.42%と大きく食い違いますが、これはどちらかが間違っているのではなく、測っているものが違うためと考えられます。
- 単位の違い：Muck Rackはリンク数ベース、Indexは「ドメイン×ラン」ベース（同じ回答で何度出ても1回）
- 分類の広さの違い：Muck Rackの「アーンド」はフォーラムや企業コンテンツまで含む広い定義、Indexの「編集メディア」は報道・編集媒体に限る狭い定義
- 分母の違い：Indexでは未分類が引用の67.52%を占め、分類済みだけの世界で割合を出すMuck Rackとは土台が異なる
数字の大小を比べる前に、単位・分類・分母を確認する。これは当社が常々述べている「数字は出典・分母・期間・計測条件とセットで読む」という読み方の、格好の実例です。
4. エンジン別の顔ぶれ：同じ質問でも「誰を引用するか」が違う
Indexの6エンジンの観測ラン数は、ChatGPT 9,228、Claude 9,268、Perplexity 9,348、Gemini 7,417、Google AI Mode 2,211、Google AI Overviews 1,360です（合計38,832）。なおGoogle AI Modeの2,211ランは、§2で触れた収集方式の変更（2026年8月）をまたいだ全期間の合算です。発行者のエンジン別ハイライトは変更後の1,005ランだけで切っており、分母の置き方次第で率の顔つきが変わる点には注意が要ります。エンジン別に引用率の上位を見ると、顔ぶれがはっきり分かれます。
| エンジン | 1位 | 2位 | 3位 |
|---|---|---|---|
| ChatGPT（9,228ラン） | techradar.com 9.02%（832ラン） | youtube.com 6.96% | tomsguide.com 2.39% |
| Claude（9,268ラン） | arxiv.org 3.74%（347ラン） | medium.com 2.69% | yahoo.com 1.83% |
| Perplexity（9,348ラン） | reddit.com 16.68%（1,559ラン） | linkedin.com 9.48% | youtube.com 7.34% |
| Gemini（7,417ラン） | reddit.com 7.05%（523ラン） | youtube.com 4.62% | medium.com 3.88% |
| Google AI Mode（2,211ラン） | linkedin.com 21.39%（473ラン） | reddit.com 16.19% | youtube.com 11.76% |
| Google AI Overviews（1,360ラン） | youtube.com 25.66%（349ラン） | reddit.com 18.31% | linkedin.com 13.16% |
同じドメインでも、エンジンによって引用率は桁違いに動きます。
- techradar.com：ChatGPTでは9.02%（832/9,228ラン）で首位なのに、Google AI Modeでは0.05%（1/2,211ラン）
- linkedin.com：Google AI Modeでは21.39%なのに、Geminiでは0.01%（1/7,417ラン）
- youtube.com：Google AI Overviewsでは25.66%なのに、Claudeでは0.04%（4/9,268ラン）
「AI検索で引用されるには」という一般論が成り立ちにくい理由がここにあります。引用の構造はエンジンごとに別物 であり、対策も計測も、エンジンを分けて考えなければ意味を持ちません。
5. カテゴリで様相が変わる：Industrialの実例
カテゴリ別に見ると、様相はさらに変わります。各カテゴリの首位ソースは次のとおりです（2026-11-12リリース、カテゴリ別ラン数と首位ドメインの引用ラン数）。
| カテゴリ | ラン数 | 首位ソース（引用ラン数） |
|---|---|---|
| Cybersecurity | 2,279 | paloaltonetworks.com（272） |
| Fintech | 2,128 | stripe.com（244） |
| Enterprise Software | 2,124 | erpresearch.com（296） |
| Healthcare Services | 2,068 | nih.gov（250） |
| HR & Talent | 2,057 | peoplemanagingpeople.com（238） |
| AI Visibility & GEO | 1,888 | hubspot.com（293） |
| AI Security & Privacy | 1,875 | arxiv.org（411） |
| Consumer Products | 1,848 | youtube.com（252） |
| Consumer Health | 1,807 | healthline.com（446） |
| Consumer Finance | 1,780 | nerdwallet.com（430） |
| Industrial | 1,145 | linkedin.com（58） |
| VC & Private Equity | 574 | vcbeast.com（71） |
（全25カテゴリ中、ラン数の多い順に抜粋）
Cybersecurityの首位はベンダーの自社ドメイン、Consumer Financeの首位は比較メディアのNerdWallet、Consumer Healthの首位は健康メディアのHealthlineと、カテゴリごとに「勝っている情報源の種類」が違います。
対照的なのが Industrial（産業分野） です。1,145ランで首位はLinkedInの58ラン（5.07%）。続くのはiqsdirectory.com（53ラン）、oxmaint.com（52ラン）といった業界ディレクトリや保守管理の専門サイトで、Forbes、New York Times、Wall Street Journalはいずれも引用ゼロ でした。全体では首位級の大手メディアが、産業分野の購買質問ではまったく現れない。カテゴリをまたいだ「メディアの強さ」という概念が、実務では通用しないことの実例です。
なお、当社の事業領域に近い AI Visibility & GEO カテゴリ（1,888ラン）では、首位がhubspot.com（293ラン）、次いでreddit.com（234ラン）、youtube.com（232ラン）、semrush.com（193ラン）、seranking.com（137ラン）、tryprofound.com（133ラン）などでした。このカテゴリでの引用は「AI可視性のツールやメディア自身が、AI可視性の質問で引用される」という入れ子構造になっており、発行者であるAuthorityTechのドメイン（authoritytech.io）自体も全期間で72ラン引用されています。データの発行者がデータの中に現れる。一次データを読む際には、こうした立場の非対称も頭に入れておく必要があります。
6. 最大の発見：Redditの「反転」
Index全体の首位であるRedditは、実は 6エンジン中2つでは一度も引用されていません。2026-11-12リリースの全期間（180日）で、Redditの引用はPerplexity 16.68%（1,559/9,348ラン）、Google AI Overviews 18.31%（249/1,360ラン）、Google AI Mode 16.19%（358/2,211ラン）、Gemini 7.05%（523/7,417ラン）に分布し、ChatGPT（9,228ラン）とClaude（9,268ラン）ではゼロ です。
ChatGPTについては、発行者自身が切り抜きリリースで理由の手がかりを示しています。2026-10-29リリースのChatGPT編（観測窓2026-05-10〜10-29、7,656ラン）では、計測が OpenAIのAPI経由 で行われ、使用モデルはgpt-4.1-mini（5,087ラン）、gpt-4o-mini-search-preview（1,969ラン）、gpt-4o-mini（384ラン）等と開示されています。この条件ではreddit.comの引用は ゼロ、首位はtechradar.comの687ラン（9.0%）でした。同じリリースでPerplexityのReddit引用率は19.7%（1,533/7,772ラン）です。
一方、Semrushが2025年11月に公表した調査（23万件超のプロンプトを2025-07-14〜10-12の13週間、ChatGPT search・Google AI Mode・Perplexityで観測）では、RedditとWikipediaは下落傾向にありながらも「ChatGPTの最頻出引用ドメインの2つ」と結論づけられています。消費者向けのChatGPT（検索機能つきの製品版）を観測した調査と、API経由で観測したIndexとで、Redditの位置づけが 真逆 になるわけです。
観測時期が異なる（2025年と2026年）という留保は必要ですが、発行者がモデル名まで開示している以上、「計測経路（APIか、消費者向け製品か）の違いが結論を反転させ得る」という読みが最も素直だと考えられます。「ChatGPTはRedditを引用する／しない」という命題は、経路を指定しなければ真にも偽にもなります。 計測条件を開示しない数字は信用できない。当社がAI検索計測の標準として掲げてきた考え方は、この反転によって裏付けられたと考えています。
7. リリースの版管理と、数字の引用の作法
Indexのもう一つの特徴は、版管理の厳密さです。
- リリースIDは「方法論バージョン＋生成日＋ハッシュ」の形式（例：mri_score_v2.1+2026-11-12+a13391e29889）
- 方法論の変更は methodology_version として刻まれる（現行 mri_score_v2.1）
- 月別の観測ラン数も開示されており、2026年10月に16,496ランと突出して多いなど、観測の密度が時期によって均一でないことも読み取れる
- 切り抜きリリースはZenodoにDOI付きでアーカイブされ、後から検証できる
この作法に倣えば、Indexの数字を引用する際は最低限、①リリースID（または生成日）②観測窓 ③分母の定義（ラン単位でドメインを1回数える）④エンジンと計測経路 の4点を添えるべきです。本記事の数字はすべてこの形式で提示しています。
8. 留保：このデータの限界
Indexは有用な一次データですが、使い方には明確な限界があります。
- 提唱者自身の一次データであり、独立監査ではない。 発行者のAuthorityTechはMRを事業として提供する側であり、同社の解説記事自体が「一次データセットであり、独立した監査ではない」と明記しています
- 固定バスケットであり、全トラフィックの標本ではない。 質問は発行者が設計した1,255件（2026-11-12リリース）で、実際のユーザー質問の分布とは別物です
- 英語圏の購買質問が中心で、日本の数字としては使えない。 実際に、37,253件の引用ドメインの中に当社（gaaaon.jp）は含まれていません。日本のメディアや日本の実務の引用構造を、このデータから推し量ることはできません
- ChatGPTの計測経路はAPIである。 消費者向けアプリの挙動とは別物として読む必要があります（経路の明示は2026-10-29リリースの解説によるもので、方法論本文にはエンジン別の経路が書かれていない点自体、開示の余地として指摘できます）
- 分類は途上である。 ドメインの87.25%が未分類で、役割別のシェアはいずれも暫定値です
- 質問文そのものは公開されていない。 公開されているのは、カテゴリと質問の形、件数（1,255件）と、質問セットのフィンガープリント（ハッシュ値）までです。集計結果は生データから検算できますが、同じ質問を投げ直して計測自体を再現することはできません。方法論にも、公開版は率とランキングのみで、生の引用URLや内部のクエリ識別子は含まないと明記されています
9. 日本の実務への示唆：借りるべきは「型」である
では、日本の広報・PR実務がIndexから持ち帰るべきものは何か。数字そのものではありません。見せ方の型 です。
- カテゴリ × 質問の形 × エンジン別 に引用ランキングを切る設計（単一の総合ランキングにしない）
- 率には必ず 分母・観測窓・計測条件 を添え、出せない数字は「収集中」として出さない規律
- リリース＋生データ（JSON）公開 で、第三者が検証・再集計できる形にする。この記事自体、その再集計の実例です
日本のAI検索で「どのメディア・どの情報源が、どの質問で引用されているか」の実測は、日本の質問バスケットで測る必要があります。当社はAI Pulseによる実測をその受け皿と位置づけ、計測条件（モデル名・バージョン、地域、質問の設計）を開示する作法で、日本版の数字を蓄積していきます。
Indexは、競合する誰かのスコア表ではなく、「引用を測るとはどういうことか」の設計図 として読むのが正解だと考えます。
参考文献
- Machine Relations Index（データ本体。release mri_score_v2.1+2026-11-12+a13391e29889、観測窓2026-05-10〜2026-11-12。JSONはmachine-relations-index.json）
- Machine Relations Research「Top publications cited by AI search, 2026-10-20 release」
- Jaxon Parrott（AuthorityTech）「Top ChatGPT Citation Domains: Machine Relations Index 2026」（2026-10-29リリース解説）
- Semrush「The Most-Cited Domains in AI: A 3-Month Study」（2025-11-10）
- Muck Rack「What Is AI Reading?」（2026年5月更新版）
- 採用事業者レジストリ（Machine Relations Research）
- 当社記事「マシンリレーションズとは｜LLMO対策の先にあるAI広報論」
集計方法
- 本記事の2026-11-12リリースに関する数字は、2026年11月13日にデータ本体のJSONをダウンロードし、当社がエンジン別・カテゴリ別・質問の形別・役割別に再集計したものです。集計範囲は同ファイルの全量（37,253ドメイン、38,832ラン）です
- 2026-10-20リリースと2026-10-29リリース（ChatGPT編）の数字は、発行者のリリース集計記事とAuthorityTechの解説記事の公表値です
- SemrushとMuck Rackの数字は、各社の公表値です（観測条件は本文に記載）
