LLM引用ランキング要因：2026年フレームワーク

生成型検索はページを「順位付け」するのではなく、「根拠」を選びます。引用ランキングを理解するには、従来の PageRank だけでなく、情報検索（IR）の知見を借りる必要があります。

5 要因引用モデル（Visora 内部ベンチマーク、n=2,400 URL）

1. **Answerability density（回答可能性密度）** — 宣言的な文とマーケティング上の冗長表現の比率。監査で citation-ready スコアが 0.62 を超えるページは、Perplexity のソースリストに登場する確率が 3.1 倍高い。

2. **Structured fact completeness（構造化事実の完全性）** — Product スキーマのフィールド（価格、在庫、ブランド、SKU、GTIN）と FAQPage マークアップ。スキーマが不完全な場合、対照 A/B テストで引用確率が 47% 低下する相関が見られる。

3. **Entity coherence（エンティティ一貫性）** — タイトル、H1、JSON-LD、本文でのブランド／商品名の統一。エンティティのドリフト（例：「Pro Max」と「ProMax」の混在）は LLM 検索パイプラインの信頼スコアを下げる。

4. **Freshness & provenance（鮮度と出所）** — `dateModified`、目に見える更新タイムスタンプ、著者／組織の帰属。古い価格情報はショッピング系クエリで引用が途切れる最大の原因。

5. **Cross-lingual signal integrity（多言語シグナルの整合性）** — hreflang ペアとローカライズされた事実情報。UI のみの翻訳では不十分。ロケールグラフが壊れたグローバル事業者は、非英語の AI セッションで引用を失う。

運用上の示唆

GEO を *evidence engineering（根拠エンジニアリング）* として扱いましょう。各ページは教科書の引用可能な段落のように — 具体的で、構造化され、検証可能であるべきです。Visora はこの 5 要因をスコア化し、期待される引用向上幅付きの優先修正項目を出力します。