---
title: "AI検索の流入実態調査2026｜GA4で3ヶ月592件を実測"
description: "AI検索経由の流入は本当に増えているのか。自社サイトのGA4で2026年5〜7月に実測した592セッションの生データと、GA4の計測設定・CVR差分の見方まで公開します。"
canonical: https://curumi.co.jp/blog/ai-search-traffic-survey-2026
date: 2026-09-01T04:07:57.282Z
---

# AI検索の流入実態調査2026｜GA4で3ヶ月592件を実測

## AI検索の流入実態調査2026: 全体の3.2%、滞在時間は自然検索の1.4倍

こっそり出します。私たちが自社サイト curumi.co.jp のGA4で実測したAI検索経由の流入は、2026年5月1日〜7月31日の3ヶ月で **592セッション**。サイト全体18,370セッションの **3.2%** でした。一方で平均セッション時間は160秒、自然検索の118秒に対して約1.4倍です。量は小さく、滞在は長い。この非対称が今のAI検索流入の実態です。

この数字を社外に出している会社はまだ少なく、多くの現場が「たぶん増えている気がする」で止まっています。実際、私たちも最初はそうでした。

この記事では、その592セッションの内訳と集計手順、GA4の参照元定義の作り方、AI検索に拾われる記事構造、そしてCVR（コンバージョン率）差分とオフラインCVの突合までを、実行の記録として開示します。読み終える頃には、AI検索流入を「話題」ではなく「経営会議に持ち込める数字」として扱う手順が手元に残ります。

> トレンド論はしません。「SEOが終わる」「AI検索の時代が来る」といった話に紙面は使わず、明日から計測できる形だけを書きます。

### この記事で扱うAI検索流入の定義と調査条件

本記事の「AI検索流入」とは、ChatGPT・Gemini・Copilot・Perplexity・ClaudeなどのAIアシスタントの回答画面に提示されたリンクから自社サイトへ到達したリファラルセッションを指します。Google検索結果内のAI Overviews（AIによる概要）は、クリックしてもリファラが通常の自然検索として計上されるため、本調査の592セッションには含めていません。

集計条件は、期間が2026年5月1日〜7月31日、参照元に openai / chatgpt / gemini / copilot / perplexity / claude を含むリファラルを対象とし、広告経由（medium=paid）は除外。計測環境はGA4です。条件を先に固定しておかないと、他社の調査数値と比べたときに「どこまでを含めた数字なのか」で議論が止まります。私たちは社内レポートでも、必ずこの3行（期間・対象参照元・除外条件）をレポート冒頭に置くようにしています。

## AI検索の流入実態でよくある3つの誤解

![GA4でAI検索流入を分けて計測するための3ステップを示した図解](https://assets.curumi.co.jp/articles/ai-search-traffic-survey-2026/section-1.png)

AI検索流入の議論が噛み合わない原因は、ほぼ3つの誤解に集約されます。誤解を先に潰しておくと、後半の計測手順の意味が通ります。

| 誤解 | 実測で見えたこと | 打ち手 |
| --- | --- | --- |
| 標準チャネルで実態がわかる | 標準198件 vs 自前定義592件（約3倍差） | 参照元regexで自前定義を作る |
| クリック減＝負け | ゼロクリック回答が多く、引用と流入は別指標 | 引用回数と流入を分けて見る |
| 週次で変化を追える | 月次でも157→249→186件と揺れる | 四半期のCVR差分で判断する |

### 誤解1: GA4のチャネルグループ「AI Assistant」を見れば実態がわかる

2026年5月1日〜7月31日の同一期間で、GA4のチャネルグループ「AI Assistant」が分類したセッションは198件でした。参照元ベースで定義した592件と比べて約3倍の差があります。差分の394件は、Organic Search・Direct・Referralに分散して計上されていました。

分散の理由はシンプルで、AIアシスタント側のリファラ表記が一定ではないためです。アプリ経由や一部ブラウザ経由ではリファラが落ちてDirectになり、検索連動型のAI機能経由ではOrganic Searchに入ることもあります。標準定義だけを見て「AI検索からはほとんど来ていない」と結論を出すと、実態の3分の1しか見ていないことになります。

### 誤解2: AI Overviewsでクリックが減った＝負けている

GoogleのAI Overviews（AIによる概要）は、回答内で完結してリンククリックが発生しないゼロクリック型の応答を多く含みます。ここで見るべきは「引用された回数」と「クリックされた回数」を分けることです。両者を混ぜて1本の折れ線にすると、流入減をそのまま順位低下と読み違えます。

- **引用されているのに流入していない**: 回答内で情報が完結している状態。打ち手は、クリックしないと得られない情報（実測値・詳細条件・テンプレート）をページ側に残すこと
- **そもそも引用されていない**: 打ち手は、定義と数値を見出し直下に置き、引用可能なブロックを作ること

打ち手がまったく違うので、この2つを分けずに「AI検索対策」と一括りにすると施策が空回りします。

### 誤解3: 母数が小さいから週次で追えば変化がわかる

実測の月次推移は5月157件→6月249件→7月186件でした。母数が小さいため、週次に割ると1週あたり30〜60件程度で、記事1本の公開や1件のバズで簡単に上下します。この粒度で「先週比+20%」を議論しても、意思決定には使えません。

私たちは週次でのセッション数比較をやめ、四半期単位でAI経由セッションのCVR差分を見る運用に切り替えました。母数が小さいときは、率だけでなく実数を必ず併記します。CVR 6.0%と書かれていても、分母が30セッションなら実数は2件です。この併記ルールを入れてから、社内の過大解釈がほぼなくなりました。

> 関連記事: [Google Analytics 4 使い方｜計測を4段階で検収する](/blog/ga4-setup-guide)

## なぜAI検索の流入は「少なくて長い」のか: 到達の仕組みを分解する

![AI検索経由の流入が「答えを検証する入口」である構造を、回答提示・出典リンク・比較検討中盤・滞在160秒などの要素で示した概念図](https://assets.curumi.co.jp/articles/ai-search-traffic-survey-2026/section-2.png)

AI検索経由のセッションは、量が小さく滞在が長いという構造を持ちます。自社実測では平均セッション時間160秒に対し、自然検索は118秒（約1.4倍）でした。理由は、AI側で比較検討がある程度済んだ状態でページに着地するためです。

検索の入口が「情報を探す」から「答えを検証する」に移っている、と言い換えられます。従来の自然検索は複数ページを開いて情報を集める行動でしたが、AI検索では回答が先に提示され、その裏取りとしてリンクが踏まれます。同じ1セッションでも、行動の意味が違います。

### LLMは要約で答え、リンクは裏取りのために出す

ChatGPTやPerplexityの応答は、回答生成が先で出典提示が後という順序です。ユーザーは回答を読んだうえで「この数字の出どころを確認したい」「条件が自社に当てはまるか見たい」と考えてクリックします。つまりクリックした時点で、比較検討フェーズの中盤以降にいる可能性が高い。

この前提に立つと、セッション数を自然検索と同じ物差しで比べる意味は薄くなります。自然検索の1セッションが「候補を1つ知った」だとすれば、AI検索の1セッションは「候補を1つ検証しに来た」に近い。私たちは社内レポートで、AI経由と自然検索のセッション数を並べて増減を語ることをやめ、CVRと滞在時間を主指標に置き換えました。

> ここで重要なのは、AI検索を「新しい流入チャネル」ではなく「検討後半の検証チャネル」として扱う判断です。指標の選び方が変わります。

### 着地はトップページではなく記事ページに分散する

実測では、AI検索経由の着地ページの **87.7%がブログ記事** で、着地先は **147ページ** に分散していました。1ページあたり平均約4セッションという、極端なロングテール型です。トップページやサービスページへの直接着地は全体の1割強にとどまりました。

これが意味するのは、AI検索がブランド指名の入口ではなく、課題単位の入口として機能しているということです。「AI検索 流入 実態調査」のような具体的な課題に対して、その課題を扱ったブログ記事の該当セクションが引用され、そこに着地する。会社名を知られた結果ではありません。

したがって施策も、トップページのブランディング改修ではなく、課題単位の記事群の構造を直す方向に寄ります。着地ページの分散度合いは、GA4の「ランディングページ」レポートに自前のAIチャネル定義でセグメントをかければすぐ確認できます。計測タグの設定に不安がある場合は、[GTMの導入手順](/blog/what-is-gtm)を先に整えておくと、その後の分析が早くなります。

## 自社サイト3ヶ月実測の全記録: 592セッションの内訳と気づき

![AI検索経由592セッションのサービス別内訳と構成比3.2%、平均滞在160秒、月次推移157→249→186件を示した内訳グラフ](https://assets.curumi.co.jp/articles/ai-search-traffic-survey-2026/section-3.png)

ここからは私たちが実際に回した3ヶ月の全記録です。数字は加工していません。伸びなかった月も含めてそのまま出します。

### 集計方法と月次推移: 5月157件→6月249件→7月186件

**集計条件**

1. 対象サイト: curumi.co.jp（GA4で計測）
2. 期間: 2026年5月1日〜7月31日
3. 対象: 参照元に openai / chatgpt / gemini / copilot / perplexity / claude を含むリファラルセッション
4. 除外: 広告経由（medium=paid）

**結果**

| 項目 | 実測値 |
| --- | --- |
| AI検索経由セッション | 592件（5月157 / 6月249 / 7月186） |
| サイト全体セッション | 18,370件 |
| 構成比 | 3.2% |
| 平均セッション時間 | 160秒（自然検索118秒） |
| 着地がブログ記事の割合 | 87.7%（147ページに分散） |

**サービス別内訳**

| サービス | セッション数 |
| --- | --- |
| ChatGPT系（openai＋chatgpt.com） | 全体の83% |
| Copilot | 47件 |
| Gemini | 30件 |
| Perplexity | 14件 |
| Claude | 10件 |

ChatGPT系が83%を占め、残りを4サービスで分け合う構造でした。6月に249件まで伸びた後、7月は186件に落ちています。この落ち込みの一部は、後述する参照元表記の変化による取りこぼしでした。

### 3ヶ月回して何を判断し、何を追うのをやめたか

計測上いちばん効いた発見は、**7月に参照元表記が openai から chatgpt.com へシフトした** ことです。regexを固定したままにしていると、この時点でChatGPT経由の一部が未分類のReferralに落ちます。私たちは7月の減少を見て「AI検索流入が減った」と一度誤読しかけました。正直、そのまま週次レポートに載せていたら判断を間違えていたところです。原因が定義側にあると分かってからは、四半期に一度、未分類Referralの上位を目視して定義に追加する運用に変えました。

判断としては、この3ヶ月で2つのことを決めました。1つ目は、AI検索専用のコンテンツ施策に予算を割かないこと。母数3.2%に対して専用施策を立てるより、既存記事の構造を直すほうが費用対効果が高いと判断しました。2つ目は、週次のセッション数追跡をやめたこと。代わりに四半期のCVR差分と着地ページのカテゴリ別集計に絞りました。追う指標を減らしたことで、レポート作成の時間が短くなり、議論が「増えた/減った」から「どの記事群が引用されているか」に移りました。

## GA4でAI検索流入を分けて見る: 参照元定義とカスタムチャネル設定

GA4のデフォルト設定のままでは、AI検索経由の流入はOrganic Search・Direct・Referralに分散計上されます。実態を掴むには、参照元リストに基づくカスタムチャネルグループの定義とregex（正規表現）設定が必要です。これはトラフィック分析の話ではなく、コンバージョンデータ基盤の話として扱っています。チャネル定義が曖昧なままCVを積み上げても、後から「どの入口が効いたか」を戻せないためです。

### 参照元regexの作り方と、表記ゆれで壊れないメンテナンス方法

設定の考え方は次の3ステップです。

1. **対象ドメインを列挙する**: openai.com / chatgpt.com / gemini.google.com / copilot.microsoft.com / perplexity.ai / claude.ai を含む条件式を作る。サブドメインや表記ゆれを吸収するため、完全一致ではなく部分一致（含む）で組む
2. **広告流入を除外する**: medium=paid を除外条件に入れる。入れないと、AI関連サービス面への広告出稿分が混ざり、オーガニックなAI流入を過大評価する
3. **未分類の棚卸しを定例化する**: 四半期に一度、未分類Referralの参照元上位を目視で確認し、新しい表記を定義に追加する

3つ目が実務では最も効きます。私たちは openai → chatgpt.com のシフトで実際に取りこぼしを出しました。regexは書いて終わりではなく、四半期ごとにメンテナンスする対象だと考えたほうが安全です。設定変更のたびにタグの発火確認が必要になるので、[Google Tag Assistantでの検証手順](/blog/google-tag-assistant-guide)を合わせて運用に組み込んでいます。

### デフォルトチャネルと自前定義を並走させて差分を見る

GA4標準の「AI Assistant」チャネルと自前定義は、どちらかに寄せず両方残します。同期間で198件 vs 592件という差分そのものを監視指標にするためです。

> レポートを1本に絞ると「どちらが正しいのか」で議論が止まります。2本並べて差の理由を説明できる状態にしておくほうが、社内の合意形成は速く進みます。

差分が急に開いた月は、AIサービス側のリファラ仕様が変わったサインとして扱います。逆に差分が縮まっていれば、標準定義側が新しい表記に追随したと読めます。どちらも、自社サイトの数字が動いたのではなく計測環境が動いたケースです。この切り分けができていないと、施策評価が毎回ノイズに引きずられます。タグ管理の基本設計から見直す場合は、[GA4連携を含むタグマネージャーの導入手順](/blog/what-is-google-tag-manager)から着手すると全体の整合が取りやすくなります。

> 関連記事: [Google Tag Managerとは？設定方法と使い方を徹底解説](/blog/google-tag-manager-guide)

## 引用されるのはページではなくブロック: AI検索に拾われる記事構造

LLM（大規模言語モデル）に引用されやすいのは、網羅的な長文ページではなく、定義・数値・比較条件が明示されたセクション単位のコンテンツです。引用の単位はページではなくブロックである、という前提に立つと、記事の作り方が変わります。

一般的なLLMO/GEO対策のチェックリスト（構造化データを入れる、E-E-A-Tを高める）はここでは並べません。私たちが自社サイトで試して、実際に引用と着地が確認できた形だけを書きます。

### 定義・数値・条件をセクション冒頭に置く書き方

私たちが記事テンプレートに入れているのは、次の3要素をH2/H3の直下に配置することです。

1. **定義**: 「◯◯とは、△△を指します」を1文で完結させる
2. **数値**: 「実測値は592セッション」「全体の3.2%」のように、丸めない実数を置く
3. **条件**: 「2026年5月1日〜7月31日、medium=paid除外」のように、その数値が成立する条件を明示する

この3点が揃ったブロックは、前後の文脈がなくても単独で意味が通ります。LLMは回答生成時に、文脈依存の記述より自己完結した記述を扱いやすい。「前述のとおり」「上記の表では」といった指示語を減らすだけでも、ブロックの自己完結性は上がります。

もう1つの解釈として、実測データと調査条件を持つ記事は、他社記事の要約でできた二次情報記事より引用されやすいと考えています。同じテーマの記事が並んだとき、固有の数値と期間を持つブロックのほうが、回答の裏取りとして提示しやすいためです。これは私たちの解釈であり、AIサービス側が公開しているアルゴリズムに基づくものではありません。

### 147ページに分散した着地から見えたロングテールの扱い方

実測では、AI検索経由の着地が147ページに分散し、1ページあたり平均約4セッションでした。この数字を単独ページのPV評価にかけると、ほぼ全ページが「効果なし」に分類されてしまいます。

そこで評価単位を変えました。ページ単位ではなく、テーマ単位（カテゴリ）で束ねて集計します。たとえば計測・分析カテゴリの記事20本を1つの束として、束ごとのAI経由セッション数と滞在時間を比較する。この見方にすると、どのテーマ領域が引用されているかが見えます。

| 評価単位 | 判断できること | 使いどころ |
| --- | --- | --- |
| ページ単位 | ほぼ判断不能（平均4セッション） | 個別記事のリライト優先度付けには不向き |
| テーマ単位 | 引用されている領域が特定できる | 投資領域の絞り込み |

伸びている束にだけ手を入れ、伸びていない束は放置する。全記事をLLMO対応で書き直すような投資はしていません。母数が小さいうちは、対象を絞って構造を直すほうが早く効きます。

## AI検索流入を事業判断に接続する: CVR差分とオフラインCVの突合

AI検索流入を事業判断に接続する指標は、セッション数ではありません。**AI経由セッションのCVRと自然検索CVRの差分を四半期で比較すること**、そして **フォームCVで止めず商談化・受注まで突合すること** の2点です。ここまで繋がって初めて、経営会議の判断材料になります。

B2Bは購買頻度が低く関与度が高いため、想起されやすさだけでは勝てません。LinkedIn B2B Institute と Ehrenberg-Bass Institute が提示したCEP（Category Entry Points／カテゴリー参入ポイント）のフレームでは、Commonality（その発火状況がどれだけ頻繁に起きるか）× Credibility（その状況で信じてもらえるか）で「乗るCEP」を選び、Competitiveness（独自の選ぶ理由が効くか）で「勝つCEP」を絞ります。AI検索を新しい入口として扱うときも同じで、闇雲に全テーマを網羅せず、自社が信じてもらえて差別化が効く発火状況に絞る。私たちはこの3Cの視点で、投資するテーマ領域を決めています。

判断としてもう1つ書いておくと、母数が3.2%の段階では「AI検索専用施策」に予算を割いていません。既存記事の構造を直す側に寄せています。専用チームや専用ページ群を作るのは、CVR差分が四半期で安定して確認できてからで遅くない、という考えです。

### 四半期でCVR差分を見るためのレポート設計

レポートの比較軸は「AI経由 / 自然検索 / その他」の3つに絞ります。サービス別（ChatGPT / Gemini / Copilot…）に分けたくなりますが、Perplexity 14件・Claude 10件という母数では率の比較が成立しません。

- 期間は四半期。月次・週次では有意差が出ない
- 率と実数を必ず併記する（例: CVR 5.0%／実数10件）
- 前四半期比だけでなく、自然検索との同期間差分を主指標にする

実数を併記するルールは、社内で率だけが独り歩きするのを防ぐために入れました。母数30件のCVR 10%を「AI経由は自然検索の2倍」と要約されると、その後の投資判断がずれます。

### 商談化・受注まで戻すオフラインCV突合の考え方

B2Bではフォーム送信がゴールではありません。CRM側の商談レコードに流入チャネルを保持させ、GA4のチャネル定義と同じ粒度で揃えます。GA4側で「AI経由」を定義したなら、CRM側の選択肢も同じ「AI経由」で持つ。粒度がずれていると、後から突合できません。

手順は次の3つです。

1. GA4のカスタムチャネル定義（AI経由 / 自然検索 / その他）を確定させる
2. フォーム送信時に流入チャネル値を隠しフィールドでCRMへ渡す
3. 商談化・受注のステータス変更時に、チャネル値を保持したまま集計する

ここが揃っていないと、AI経由の価値は永遠に「滞在時間が長い気がする」で終わります。逆に揃えば、AI経由10件の問い合わせのうち何件が商談化したかを、自然検索と同じ物差しで比較できます。オフラインCVの基盤設計は、[タグマネージャーの運用ノウハウ](/blog/tag-manager-basics)と地続きの作業です。

## まとめ: AI検索の流入は量ではなく計測設計で判断材料になる

AI検索の流入実態調査2026として、自社サイトの3ヶ月実測（2026年5月1日〜7月31日）で見えた数字を再掲します。AI検索経由は592セッション、サイト全体18,370セッションの3.2%。平均セッション時間160秒（自然検索118秒の約1.4倍）。ChatGPT系が83%、着地の87.7%がブログ記事で147ページに分散。GA4標準の「AI Assistant」分類は198件で、参照元ベース定義との差は約3倍。

この数字から私たちが出した結論は、AI検索流入は「量」で語る対象ではないということです。3.2%という構成比だけを見れば小さい。ただし滞在160秒という質の差と、147ページに分散する課題単位の入口という構造は、既存のコンテンツ資産の評価軸を変える材料になります。

### 今日からできるAI検索流入の計測アクション3つ

1. **参照元regexでチャネルを分ける**: openai.com / chatgpt.com / gemini.google.com / copilot.microsoft.com / perplexity.ai / claude.ai を含む条件で自前定義を作り、medium=paid を除外する
2. **標準定義との差分を監視する**: GA4標準の「AI Assistant」と自前定義を並走させ、差分の増減を計測環境の変化サインとして扱う
3. **記事の見出し直下に定義と数値を置く**: 「◯◯とは〜である」「実測値は◯件」「条件は◯年◯月〜」をH2/H3の直下に配置し、ブロック単位で自己完結させる

この3つは1週間あれば着手できます。そのうえで、四半期のCVR差分とオフラインCV突合まで繋いで初めて、投資判断の材料になります。

AI検索経由の数字を、他チャネルと分けて見られていますか。その差分をCVRまで戻せていますか。商談化・受注までチャネル値を保持できていますか。3つとも「はい」なら、あとは判断するだけです。どれか1つでも詰まっているなら、生データを一緒に見ながら設計を詰めるところから始めましょう。私たちが自社サイトで実際に組んだ定義と、四半期レポートの構成をまとめた「AIグロース実装ステップガイド」を用意しています。資料請求いただければ、そのまま自社の環境に当てはめて検証できます。

**参考文献**

- 株式会社くるみ「AI検索流入実態調査」（自社サイト curumi.co.jp のGA4実測、2026年5月1日〜7月31日）
- LinkedIn B2B Institute / Ehrenberg-Bass Institute「Category Entry Points in B2B」 https://business.linkedin.com/marketing-solutions/b2b-institute/cep-in-b2b