AI検索評価 ⑦ 引用重複率​（Citation Overlap）​— AIエンジン間で​どれだけ​同じ​ドメインを​引用しているか

Citation Overlap​（引用重複率）は、​複数の​AI検索エンジン間で​共通して​引用される​ドメインの​割合を​測る​指標である。​重複率が​高い​ドメインは​全エンジンから​引用される​「勝者」であり、​低ければ​各エンジンの​引用傾向が​分散した​市場を​意味する。

計算式

• ペア比較にはJaccard係数​（＝2つの​集合の​類似度を​測る​指標。​共通部​分 ÷ 和集合で​求める）を​用いる。​式は​ |A∩B| ÷ |A∪B| である。
• 全体​重複率は、​2つ以上の​エンジンで​引用された​ユニークドメイン数 ÷ 全ユニークドメイン数で​求める。
• 6エンジンを​比較する​場合、​ペアの​組み合わせは​15通り​（6C2）に​なる。

具体例

• ChatGPT × Copilot の​ Jaccard係数は​0.58と​高く、​両者が​ Bing の​検索インデックスを​共有している​ことが​原因である。
• Claude × AI Overview の​ Jaccard係数は​0.18にとどまり、​参照する​情報​空間が​大きく​異なる。
• 全体​重複率は​0.30。​つまり​全ユニークドメインの​うち30%が​複数エンジン共通の​定番ドメインであり、​残り70%は​特定エンジンに​固有である。

ビジネス的意義

• Wikipedia・​公式サイト・業界団体サイトのような​高重複ドメインは、​GEO/AIO​（＝生成エンジン最適化・AI最適化）​施策の​ベンチマーク目標に​なる。
• 戦略上の​目標は、​クライアントの​情報を​高重複ドメインに​掲載する​こと、​あるいは​クライアント自身の​ドメインを​その群に​引き上げる​ことである。
• 全体​重複率が​低い​市場は​引用の​合意が​薄く、​特定ドメインへの​集中投資だけでは​効果が​限定的に​なる。

プロジェクト内での​役割

• 対象クエリ600問すべてに​引用重複率を​適用する。
• C2​「情報源の​信頼性バイアス」​および​C3​「ブランド可視性」の​派生分析の​インプット指標と​して​使う。
• 引用傾向が​近いエンジンを​まとめる​クラスタリング​（＝似た​特徴を​持つものを​グループ化する​手法）にも​活用する。

全エンジンから​引用される​ドメインを​狙うべきであり、​引用重複率は​その​対象を​定量的に​特定する​指標である。