MENU
  • 料金
  • 会社案内
  • コンサル
  • お問い合わせ
  • 無料で1ページ頼む
AIO・LLMO・GEO対策の記事制作
合同会社謙虚
  • 料金
  • 会社案内
  • コンサル
  • お問い合わせ
  • 無料で1ページ頼む
  • 料金
  • 会社案内
  • コンサル
  • お問い合わせ
  • 無料で1ページ頼む
合同会社謙虚
  • 料金
  • 会社案内
  • コンサル
  • お問い合わせ
  • 無料で1ページ頼む
  1. ホーム
  2. LLMO
  3. LLMO論文
  4. 【LLMO論文解説】AIの推薦に入るブランドは業界でどれだけ偏るのか|5業種50ブランドを3つのAIで2回測定(論文誌2026)

【LLMO論文解説】AIの推薦に入るブランドは業界でどれだけ偏るのか|5業種50ブランドを3つのAIで2回測定(論文誌2026)

2026 11/10
2026年11月10日
中野輝規
AIの推薦に入るブランドは業界でどれだけ偏るのか

「AIに『おすすめは?』と聞くと、有名な会社ばかりが挙がる」と感じている方は多いと思います。

では、挙がる会社の顔ぶれは質問ごとにどれだけ変わり、業界によって偏りはどれだけ違うのでしょうか。

この記事で扱うのは、2026年6月にarXivへ公開され、改訂を経て論文誌(Journal of Marketing Analytics)にも掲載された研究です。

5つの業界の50ブランドについて、3つのAIに250の質問を各5回ずつ聞きました。2026年の2月と9月の2回行い、ブランドが回答に入る割合と、その偏りを測っています。

合同会社謙虚は、3つのドメインを並行して運用し、何を変えると数字が動くかを測り続けています。この論文は、AIの回答に自社が入るかどうかを「測る側」の考え方を知るうえで、読んでおく価値があると考えました。

目次

結論:3行で言うと

  • 10ブランドのうち、どれが入るかの偏りは思ったより小さい(業界ごとの偏りの指標の平均は0.30。0が完全に均等で、大きいほど集中。10ブランドでの上限は0.90)。一方で、質問の約8割では、少なくとも1ブランドが回答の8割以上に入っていました
  • 質問に合うブランドがサンプルに無い「空白」は、250問のうち7.6%でした。その多くは、誰も推薦していないのではなく、調査対象の外にいた専門ブランドが挙がっていたと著者は読んでいます
  • 3つのAIが「いちばん多く挙げるブランド」で一致したのは、250問のうち57.2%(2月)でした。約4割の質問では、AIによって筆頭が違います

著者は、この数字は「AIの出力の記述」であり、売上や購買への効果、対策の効き目は何も測っていないと明記しています。

この論文の基本情報

項目 内容
題名(arXiv版) Who Owns the AI Recommendation? A Multi-Industry Empirical Map of Brand Category Ownership Across Large Language Models
題名(誌面版) Crossrefの登録名は「The synthesised consideration set: brand inclusion and concentration in large language model recommendations across five industries and three systems」
著者 Dmitrij Zatuchin(1人。所属はエストニアの大学と、AIブランド分析ツールを開発する企業)
公開 arXiv v1は2026年6月22日、確認したv2は2026年9月23日(分野はcs.IR、情報検索)
掲載状況 Journal of Marketing Analytics(査読のある論文誌)。Crossrefに2026年10月31日付で登録あり(DOI 10.1057/s41270-026-00562-3)。arXiv発行のDOIも別にあります
この記事が読んだ版 arXiv版のv2(本文30ページ、補足資料31ページ)。誌面版の中身は未確認です。
種類 観察による測定研究。著者自身が「探索的」と位置づけています
データ・コード Zenodoに公開(バージョン2.0、DOI 10.5281/zenodo.22693819)。9月分の解析と著者の確認作業は「次のバージョン」で公開する予定で、本文には「まだ公開されていない」と書かれています

論文はこちらで読めます。arXiv(2606.23057)、論文誌のDOI。

この論文が答えた問い

AIに「どれを選べばいいか」と聞いたとき、回答に名前が挙がるブランドは、同じ業界の中でどれだけ偏り、AIが変わるとどれだけ違うのか。

論文は、AIの回答を「買い手に手渡される短い候補リスト」と見ています。買い物の世界では、買い手が最初に思い浮かべる数ブランドを「考慮集合」と呼びます。

AIはその集合を、買い手の代わりに作る立場にあります。

従来のSEOの順位は「何番目に出るか」でした。ここで測るのは、回答の中にそのブランドの名前が1回でも出るかという、入る・入らないの二択です。

順位や、好意的かどうかは対象外です。

どうやって調べたのか

項目 設定
業界 SaaS、コンサルティング、フィンテック、EC(ネット通販)、医療ITの5つ
ブランド 各業界10、計50。売上上位と、北欧・バルト地域に拠点を持つ挑戦者から、著者が目的に合わせて選んだもの
質問 各業界50、計250。直接の推薦、比較、選択肢の探索、困りごと、信頼の5種類。著者の研究チームが作成
聞いたAI GPT-5.2、Gemini 3 Flash、Perplexity sonar-pro。前の2つは検索機能なし、最後の1つは毎回検索
回数と時期 各質問を各AIに5回ずつ。1回目は2026年2月23〜24日、2回目は9月9〜10日
回答の数 各回3,750件。2月はGPT-5.2の空の回答136件を除き、3,614件を採点
設定 ランダムさの設定(温度)は0.3、出力の上限は1,024トークン(文章を数える単位)、指示文は1種類

ブランド名が回答に出たかどうかは、あらかじめ決めた文字列のルールで機械的に判定しています。短い略称が別の単語に当たらないよう、単語の境界などの条件を付けています。

主な指標は次の4つです。いずれも「空の回答は数えず、答えのあった回答を分母にする」と定義されています。

  • 入る率:あるブランドが、ある質問の回答のうち何割に入ったか
  • 推薦シェア:その業界の質問全体での、入る率の平均
  • 偏りの指標:10ブランドの推薦シェアの不均等さ(ジニ係数。ほかに上位3ブランドの合計シェアも使用)
  • 空白:サンプルのどのブランドも、回答の半分未満にしか入らなかった質問

結果

推薦の偏りは、規模の偏りより小さい

表は、業界ごとの偏りを、売上などの規模で見た偏りと並べたものです(論文の表6と補足の表)。ジニ係数は0に近いほど均等です。

業界 推薦の偏り(ジニ) 規模の偏り(ジニ) 推薦の上位3ブランド合計 規模の上位3ブランド合計
EC 0.42 0.83 60.8% 96.9%
フィンテック 0.34 0.63 52.1% 77.9%
医療IT 0.33 0.61 53.5% 83.8%
コンサルティング 0.23 0.45 41.7% 59.8%
SaaS 0.19 0.81 43.0% 93.6%

どの業界でも、推薦の偏りは規模の偏りより小さくなっています。特にSaaSは、規模では最大手が10ブランドの売上の85%を占めます。

それでも推薦の偏りは、5業界でもっとも小さい値でした。

規模と推薦シェアの順位の相関(スピアマン)は、47ブランドをまとめると0.635です。大きいブランドほど入りやすい傾向はあります。

ただし、5業界のうち首位が規模の首位と一致したのは2業界だけでした。

1つのブランドが「ほぼ毎回」入る質問が多い

平均すると偏りが小さいのに、個々の質問を見ると様子が違います。少なくとも1つのサンプルブランドが回答の8割以上に入る質問は、250問のうち204問(81.6%)ありました。

そのうち2つ以上のブランドが8割以上に入る質問が137問、ちょうど1つだけの質問が67問です。論文は、この指標が表すのは「繰り返し入ること」で、独占とは別だと述べています。

著者の解釈では、AIは複数の候補を並べるよう調整されているので、リストには何社か入ります。

一方で、どのブランドが入るかは学習データでの目立ち方に左右されるので、質問に合うブランドはほぼ毎回入り、合わないブランドはほぼ外れます。それを質問全体で平均すると、均等に近く見えるという説明です。

ただし、この説明は著者が事後に組み立てたもので、論文が直接測ったのは結果の分布だけです。

「空白」の質問の多くは、調査対象の外のブランドが挙がっていた

空白は250問のうち19問(7.6%、区間は4.9〜11.6%)でした。業界別では医療ITが50問中9問、ECが7問、SaaSが2問、コンサルティングが1問、フィンテックが0問です。

質問の種類別では、困りごとの質問が50問中9問、直接の推薦が75問中7問でした。

19問について、サンプルの制限を外して回答を読み直すと、18問では最多のブランドがサンプルの外にいました。そのうち15問では、回答の半分超に入っています。

著者は、7.6%は「本当の空白」の上限であり、残りは「ブランド一覧と質問の細かい分野とのずれ」だと読んでいます。

この読み直しはAIによる判定で、著者の確認は未了とされています。また、「サンプルの外」にいたのは狭い専門分野の特化型ブランドが多くなっています。

論文は、これを「空いている市場の機会」と読むことをはっきり戒めています。

3つのAIで、筆頭ブランドは一致しにくい

指標 2月 9月
3つのAIの筆頭が一致した質問(250問) 57.2%(143問) 60.8%
2月と9月の差(9月-2月) +3.6ポイント[区間 -1.6〜8.8]
偶然に近い基準(各AIが質問に関係なく、いつものブランドを挙げた場合) 5.9% 5.7%
2つのAIの組み合わせ(2月) GPT-5.2とGemini 74.0%、GeminiとPerplexity 64.0%、GPT-5.2とPerplexity 63.6%

表の3つのAIの一致率は、偶然に近い基準(5.9%)を大きく上回っています。ブランドの選び方には、AIをまたいで共通する部分があります。

そのうえで、検索なしの2つのAI同士は、検索ありのAIとの組み合わせより一致率が高くなりました(回答があった質問を分母にした一致率の差で0.141と0.110。

上の表とは分母が違います。2月の区間はどちらも0より上)。

著者は「学習した知識を共有している可能性」と読んでいますが、原因までは特定できないと述べています。

質問の種類で、入りやすさが変わる

ブランドが入る確からしさ(オッズ比)を、直接の推薦の質問と比べた結果です(2月)。1より大きければ入りやすく、小さければ入りにくくなります。

  • 選択肢の探索:1.70。入りやすい
  • 比較の質問:0.73。入りにくい
  • 困りごとの質問:0.75。入りにくい
  • 信頼の質問:0.99。ほぼ同じ

AI別では、GPT-5.2に比べてGemini 3 Flashは0.64、Perplexity sonar-proは0.66でした。この2つは、サンプルのブランドを挙げる回数が少なめです。

9月も向きはおおむね同じでした(探索2.00、比較0.78、困りごと0.88)。

2月と9月で、推薦の顔ぶれはほとんど変わらなかった

  • 推薦シェアの順位の相関は0.994(スピアマン)。5業界すべてで首位は同じでした
  • 偏りの平均は0.303から0.297へ(差 -0.006、区間は0をまたぐ)。空白率は7.6%のまま
  • AIごとに筆頭ブランドが変わらなかった質問は、GPT-5.2で86.4%、Gemini 91.6%、Perplexity 73.6%。検索を使うPerplexityは、ブランドの顔ぶれの重なり(0.672)も、他の2つ(0.886と0.882)より小さくなりました

著者は、一致率の3.6ポイントの差は区間が0をまたぐので「同等だと証明されたわけではない」とも書いています。

論文自身が書いている限界

  • 対象が少なく、選び方も偏っています。3つのAIの、特定の時点のバージョンが対象で、ブランドも質問も著者が選びました。偏りの数値が表すのは「この10ブランド」の性質で、業界全体の性質とは別物です
  • 質問の一部に、ブランド名が含まれていました。当初は「ブランド名を含まない250問」としていましたが、誤りでした。比較の質問50問のうち49問が個別のブランド名を挙げ、ほかに6問も名前を含んでいます。論文は全250問と、比較を除く200問の両方を報告しています
  • 空の回答136件がGPT-5.2に偏っていました。無作為ではないため、結果の分母を2通りで示しています。9月は空の回答が0件で、原因は不明のままです
  • 仮説は事前登録なしで立てられました。当初の5つの仮説は、基準を著者が決めたものです。主な期待(E1・E2・E5)は2月の結果を見たあとに作られ、9月は「部分的に事前に決めた再現」と位置づけられています
  • ブランド名の判定の検証は暫定です。精度の確認は、2月は2つ、9月は1つの言語モデルによる判定で、著者の手作業による確認は未了とされています
  • 2回の測定は、条件が食い違っています。2月は実行環境の地域が記録されておらず、9月は北ヨーロッパの自宅回線から実行されました。Perplexityは9月に回答が短くなっています(平均2,343字から1,551字)。因果の特定はできないと書かれています
  • 回答者の属性を示す質問の言い回しの影響や、ブランドの出身国の影響は、この研究の範囲の外です

原文を読んで気づいた点

ここからは、論文自身の限界の欄には書かれていない、私が読んで気づいた点です。

  • 日本語・日本市場の検証は、原文の範囲の外です。原文を全文検索すると、日本語や日本のブランドへの言及は0件でした。掲載されている質問例はすべて英語で、ブランドも米国・欧州・北欧が中心です。言語による差を調べた別の研究は、こちらの解説記事にあります
  • 実際のサービスとの差があります。APIを直接呼び出し、指示文は1種類で、2つのAIは検索機能が無効の状態でした。画面で使うサービスとは条件が違う可能性があります
  • 採点は自動です。ブランドが入ったかどうかは機械判定で、文字列の一致だけを見ています。「入る」は、推薦や好意的な評価とは別の概念です
  • この記事が読んだのは改訂後のarXiv版で、誌面版は未確認です。誌面版の数値として引用しないでください
  • 初版の結果が、改訂で大きく入れ替わっています。論文は、初版に4つの誤りがあったと書いています。その例が、短い略称が他の単語に当たる照合のせいで、コンサルティング業界の首位ブランドが誤っていたことと、一致率が41.6%から57.2%に直ったことです。初版で唯一「支持された」とされた仮説は、空の回答から生じた見かけのまとまりによるもので、改訂後は5つの仮説すべてが支持されていません。数値は改訂版を信頼しつつ、今後の版でも変わりうると考えておくのが安全です
  • 著者の所属企業は、AIブランド分析ツールを開発しています。論文は、研究への影響は無かったと開示しています。

この論文から、言えること・言えないこと

言えること 言えないこと
この5業界・50ブランド・3つのAI・2026年2月と9月の範囲では、推薦への入りやすさは規模の偏りより均等で、2回の測定で結果がほぼ再現した 日本語の質問や日本のブランドでも同じになること
質問ごとに、ほぼ毎回入るブランドと、ほぼ入らないブランドが分かれていた 入ることが売上や購買につながること
3つのAIの筆頭ブランドは、約4割の質問で一致しなかった 一致しない原因が検索機能の有無にあること(3つのAIは複数の点で違い、原因の切り分けは未了)
空白に見える質問の多くで、サンプル外の専門ブランドが挙がっていた(著者の読み取り。確認は未了) 空白が、新規参入者に空いている機会であること
一部のブランドの組は、入る率の組み合わせから予想されるより、同時に挙がりやすかった(相関のみ) あるブランドの存在が、別のブランドを押しのけていること

中小企業の視点で、どう受け取るか

ここからは論文の主張とは別の、私の読み取りです。論文は日本の中小企業を調べていないので、あくまで仮の考え方として受け取ってください。

  • 「入るかどうか」は質問ごとに決まるものとして見る。論文では、同じ業界でも質問によって、ほぼ毎回入る質問と、ほぼ入らない質問がありました。名指しされる質問とされない質問を分けて見るとよさそうです
  • 1回の回答だけで判断するのは避ける。著者は、1回の回答は「確率の1回分の引き」にすぎないと述べ、同じ質問を繰り返して区間つきで見ることを勧めています。毎回同じ質問を、同じAIに聞く習慣が、変化と偶然を分ける材料になります
  • 1つのAIの結果は、全体の一部として扱う。3つのAIの筆頭ブランドが一致しない質問が約4割あります。お客様が使いそうなAIを複数確かめるとよさそうです
  • 効果の保証とは切り離して読む。論文は、コンテンツの改善や構造化データの効果を測っていません。変えたときの数字の動きは、自社で測る必要があります

よくある質問

「Who Owns the AI Recommendation?」の論文は、大手ブランドがAIの推薦を独占していると示したのですか

独占の証明は、この論文の結論の外にあります。この研究では、推薦の偏りは規模の偏りより小さく、首位が規模の首位と一致した業界は5つのうち2つでした。

ただし、質問の約8割では、少なくとも1つのブランドが回答の8割以上に入っています。「ほぼ毎回入るブランドが、質問ごとにある」点では、集中して見える質問が多いのも事実です。

推薦に入る率(Category Inclusion Rate)が高いと、売上や問い合わせが増えるのですか

売上や購買への効果は、論文から言えません。消費者の観察も、対策の前後の比較も行っていないためです。

著者自身も、入る率は「AIが持つそのブランドへの目立ちやすさ」であり、買い手の認知や選択を表すものではないと書いています。

この論文の結果は、日本語でAIに質問した場合にも当てはまりますか

この論文では未確認です。質問は英語で、対象ブランドも米国・欧州・北欧が中心です。

日本語での入りやすさは、自社の業界で、日本語の質問を使って同じ測り方を試すのが確実です。

まとめ:今日できる1つのこと

お客様が自社の分野で使いそうな質問を5つ書き出し、それぞれを、お客様が使いそうなAIに3回ずつ聞いてみてください。

自社の名前が回答に入った回数を記録します。論文のやり方を借りた、私からの提案です。

数字は「今の自社の立ち位置」を知るためのもので、対策の効果の証明とは別物です。

この論文は、LLMO論文の一覧の一本です。ほかの論文の解説も、順次公開しています。

この記事に書いたことを、そのまま御社のページに

生成AIに引用されるページを、お話しいただくだけでお作りします。お時間をいただくのは初回15分のヒアリングだけです。まず1ページ、無料でお作りします。

OKが出るまで、何度でも直します。事実が違う、言い回しが硬い、この話は入れないでほしい。どれも遠慮なくおっしゃってください。何度お直ししても、追加の料金はいただきません。

これまでに127社にご利用いただきました。毎月ご依頼いただいている方の6割以上が、月10ページを選ばれています。料金はページに掲載しています。

まず1ページ、無料で作らせてください

ページを増やしても問い合わせが来ないなら、原因はページの外にあります。その場合は、下の入口からご相談ください。

自社のマーケティング課題を根本から解決しませんか?

ウェブサイトから要素を引き算し、訪れた人が迷わず次の一歩に進む形へ組み直す。初回60分のオンラインで御社のサイトを一緒に読み、どこから直すべきかをお伝えします。手順をまとめた無料の診断と解説動画もご用意しています。

まず動画で詳しく見る(約30分)
無料診断を受ける

初回は無料・60分・オンライン完結・その場で契約のお願いはいたしません

LLMO論文
SEO対策 生成AI
よかったらシェアしてね!
  • URLをコピーしました!
  • 【LLMO論文解説】生成AIに引用されない原因を3段階で診断する枠組み|サイト改訂への変換と実験(EMNLP 2026 産業トラック)
  • 【LLMO論文解説】「必ず薦めよ」の指示が裏目に出たAI|Opusで54%が8%に(ICML 2026ワークショップ・非アーカイブ)

この記事を書いた人

中野輝規のアバター 中野輝規

合同会社謙虚 代表社員。20代から、売る言葉だけを仕事にしてきました。電話営業で受話器を握っていた時代から、数千社のWEB集客に関わったいままで。詳しいプロフィールはこちら

この著者の記事一覧へ

関連記事

  • AI検索と従来検索で出典はどう違うか
    【LLMO論文解説】AI検索と従来検索で出典はどう違うか|6つのAI検索と55,936件の質問を比較(プレプリント)
  • 文章を直接書き換えず統計・出典・見出しの性質から作る仕組み
    【LLMO論文解説】文章を直接書き換えず統計・出典・見出しの性質から作る仕組み|宣伝ページの目立ち方が最大96%増(ACL 2026)
  • 商品情報に仕込んだ文字列でAIの推薦1位は動くか
    【LLMO論文解説】商品情報に仕込んだ文字列でAIの推薦1位は動くか|架空のコーヒーメーカー10台で試した操作実験(プレプリント)
  • AIの回答に入る広告のクリック意図を予測する評価器と料金設計
    【LLMO論文解説】AIの回答に入る広告のクリック意図を予測する評価器と料金設計|模擬の利用者で作った教師の検証(プレプリント)
  • 競合も書き換える前提でLLMO対策を選ぶ「Competitor-Aware GEO」論文を読む
    【LLMO論文解説】競合も同時に最適化する前提でGEO戦略を選ぶ|Beyond the Vacuum(プレプリント)
  • 上位の型に寄せる書き換えを20回重ねると、型と品質の結びつきが弱まる
    【LLMO論文解説】上位の型に寄せる書き換えを20回重ねると、型と品質の結びつきが弱まる|CHASE(COLM 2026)
  • 「一番人気」は効き「残りわずか」は逆効果
    【LLMO論文解説】「一番人気」は効き「残りわずか」は逆効果|認知バイアス10種でAIの商品推薦はどう動くか(EMNLP 2025)
  • 生成AIの好みをAIに説明させてルール化する仕組み
    【LLMO論文解説】生成AIの好みをAIに説明させてルール化する仕組み|AutoGEOは書き換えで目立ち方を最大50.99%上げた(ICLR 2026)
最近の投稿
  • パーセプションチェンジとは 中小企業がホームページで認識を変える4つの手順
  • ドアインザフェイスとは 意味と由来を論文で確かめ中小企業の提案に使う手順
  • プライミング効果とは 例でわかる意味と中小企業のサイトで最初に見せるもの
  • canvasタグとは 使い方とアニメーションと代替の内容を仕様で確かめる
  • smallタグとは 廃止や非推奨の噂と注意書きの大きさを確かめる
最近のコメント
  • ブランド認知度とは 調査会社に頼らず手元の数字で測る指標と上げる手順 に パーセプションチェンジとは 中小企業がホームページで認識を変える4つの手順 - 合同会社謙虚 より
  • ポジショニングマップの作り方 軸の選び方から空白の読み方まで自社サイトに落とす手順 に パーセプションチェンジとは 中小企業がホームページで認識を変える4つの手順 - 合同会社謙虚 より
  • AI Overviews対策とは?CTR低下データと中小企業が取るべき施策 に LLMOとAIOの違いとは 中小企業が最初にすべき対策の優先順位 - 合同会社謙虚 より
  • 【2026年最新】上位表示される記事の書き方|273クエリを実測して分かった「AIに引用される」条件 に SEOライティングのコツ|AI検索時代に評価基準が変わった本当の理由 - 合同会社謙虚 より
  • 返報性の原理とは 例でわかる意味と問い合わせ前に見せる情報の決め方 に ドアインザフェイスとは 意味と由来を論文で確かめ中小企業の提案に使う手順 - 合同会社謙虚 より
  • 記事制作(KCW)
  • 売れるサイトはみな謙虚
  • サービス一覧
  • サイトの無料診断
  • 合同会社謙虚とは
  • 代表プロフィール
  • ブログ
  • お問い合わせ
  • プライバシーポリシー
  • 特定商取引法に基づく表記
  • AIのプロ名鑑

© 合同会社謙虚

目次