何が起きたか:ChatGPTの根拠付けは3層に分かれていた
Search Engine Landの記事は、ChatGPTがブラウザへ送る生のデータストリームをChrome拡張で記録する手法で、インターフェースには表示されないフィールドまで観測したと説明しています。そこから見えたのが次の3層です。1つ目はページを発見する探索インデックス、2つ目は取得したページの完全なコピーを保持する読み取りキャッシュ、3つ目は「その場で開かれる少数のページ」です。
記事はこの3層を「それぞれ独自のルール、独自の古さ(staleness)、独自の死角を持つ(“Each layer has its own rules, its own staleness, and its own blind spots.”)」と表現しています。RESONEOは加えて、複数の契約プラン・国のアカウント群で同じプロンプトを再実行し、OpenAIのAPIでも同じ質問を投げ、自社ドメインにサーバーログ付きの「カナリアページ」を設置して、OpenAIのロボットが実際に何を取得したかを推測ではなくログで確認したとしています。
3つのパイプラインと、消えた「result_source」フィールド
記事によると、7月21日までデータストリームには result_source というフィールドが含まれ、検索結果1件ごとに背後の内部パイプライン名が記録されていました。繰り返し現れた値は labrador、bright、oxylabs、serp の4つで、いずれもOpenAIは公式に文書化しておらず、公には「サードパーティの検索プロバイダー」としか語っていないとされています。
そのフィールドは、監視していた全アカウントで一夜にして消えました。RESONEOは現在、スニペットの長さやタイトルの形といった書式上の指紋で各パイプラインを再識別しており、その分類器の正解率は約98%だと記事は述べています。
各パイプラインの役割は次のように整理されています。labradorはOpenAI自身の検索ハブで、ウェブ検索のほかニュース、arXivなどの学術、Reddit、YouTubeの結果も返す「自社インデックス＋公開リポジトリ＋ニュース提携」のオーケストレーターとして機能します。brightとoxylabsは、その場で買い付けたスクレイピング済みGoogle結果です。ショッピングはP1/P2/P3がOpenAI自身のマーチャントフィードから、ローカルはB1/B3・Yelp・TripAdvisorが担い、ユーザーに表示されるリンクはGoogleマップを指すという「ひねり」があるとされています。記事は「ショッピングとローカルはウェブ検索に一切触れない(“Shopping and local never touch web search.”)」と明記しており、商品を売る事業者や飲食店の勝負どころは、通常の引用に加えてマーチャントフィードとビジネスリスティングだという整理になっています。
8月の変化:無料の「Think」は、見に行くウェブそのものが違う
7月の調査から6週間後、RESONEOは無料・有料、Instant・Think・Thinking、努力度(effort)の各設定で同じプロンプトを再実行しました。記事が「最初の驚き」と呼ぶのは、取得ソースの量と出自が別問題になったことです。
無料アカウントでThinkを押すと、取得プールは1会話あたり15.1 URLから35.3 URLへ、異なるドメイン数は9.8から16.3へと倍以上に増えます。これは有料Thinking(努力度medium)とほぼ同じ量です。ところが両者は同じウェブを検索していません。
| 設定 | 1会話あたりURL | labrador(自社インデックス) | スクレイピングGoogle | oxylabs(ニュース系) |
|---|---|---|---|---|
| 無料 Think | 35.3 | 74.7% | 3.1% | 22.2% |
| 有料 Thinking(medium) | 35.1(調査本編の記載) | 24.7% | 75.3% | 0.0% |
記事はこの対比を「ほぼ鏡像(“almost the mirror image”)」と表現しています。つまりGoogleで上位に出ていることは有料Thinkingでは依然重要ですが、無料Thinkの取得セットに入る保証にはならず、そこではOpenAI自身のインデックスが主要な門番になる、という指摘です。RESONEOの調査本編では、無料Thinkの35.3 URLに対し有料Thinking(medium)は35.1 URLと記載されており、量がほぼ並ぶことが確認できます。
有料Thinkingは7月から8月にかけて、むしろ範囲が狭くなりました。同じmedium努力度のプロンプトで、ファンアウト(1つの質問から派生する複数検索)は1会話あたり3.56回から1.90回へ、URLは47.2から33.9へ、異なるドメインは21.9から15.5へ減少。advanced努力度では67 URLが40.5に、29.5ドメインが14.7に縮んでいます。RESONEOの取得記録では、この変化は7月26日から7月31日の間に起きており、OpenAIが8月6日に行ったモデル更新より前だとされています。
無料Instantは取得量に検知できる変化はなかったものの、周辺の挙動は大きく変わりました。8月の回答では96.7%に推論(reasoning)が現れており、7月の0.6%と対照的です。クエリ自体もよりナビゲーショナルになり、site:演算子の出現率は無料Instantで3.5%、無料Thinkで10.8%、有料Thinking(medium)で41.9%、高努力度で58.1%。高努力度では7月下旬の40.8%から8月中旬の58.1%へ上昇しており、記事は「ChatGPTは幅広く検索するのをやめ、有用だと既に期待しているドメイン・ブランド・公式情報源へ直行する頻度が上がっている」と読み解いています。
ベンチマークをAPIで行っている担当者向けの注意も明記されています。4つのChatGPT製品モードと4つのAPIモデルで同じプロンプトを再実行し、回答が言及したブランド集合の重なりをJaccard類似度で測ったところ、API同士は0.32〜0.39、ChatGPTのモード同士は0.25〜0.37でしたが、製品とAPIの間は0.23〜0.27まで下がりました。記事の結論は「APIはモデル一族がブランドについて何を知っているかを探るには有用だが、ChatGPTの回答を予測するには使えない」というものです。
自社インデックスの中身:全文タイトルと約200字――メタディスクリプションは無視される
記事は、OpenAIが独自のウェブインデックスを持ち、それはBingが供給しているものではないと3つの方法で確認したとしています。第一に、同じファンアウトに対してlabradorのURLがBingの上位20位に現れる割合はわずか1.5%。第二に、labradorのスニペットはBingのスニペットと一致しない。第三に、Bingはタイトルを75文字で厳密に打ち切るのに対し、labradorのタイトルは24%がその上限を超えており、観測された最長のタイトルは289文字だったと報告されています。
そのインデックスの検索結果に含まれるのは3つだけです。URL、絶対に切り詰められない完全なページタイトル、そして約200文字のスニペット。記事はこのスニペットの作り方こそ精査に値するとしています。スニペットはH1を起点(記事の表現では大文字表記のH1)に、その直後に見えているテキストを足して作られるため、カテゴリラベル、直下の画像のalt属性、著者名(byline)、公開日、目次までが入り込みます。RESONEOは「スニペットが100%目次、本文0%だった事例を1件計測した」と報告しています。
さらに重要なのは、このスニペットがクエリに依存しないことです。同じURLは、ユーザーが価格について尋ねても、沿革について尋ねても、副作用について尋ねても、同じ凍結されたスニペットを返します。インデックス時に切り出され、次のクロールまでそのまま配信されるためです。そしてメタディスクリプションは完全に無視されます。記事は「現代の検索の基準では、これはかなり粗い(“By modern search standards, this is pretty crude.”)」とし、クエリ非依存のスニペットは20年ほど前にウェブ検索が捨てた仕組みだと評しています。
比較として、bright(スクレイピングGoogle)の結果はGoogleらしく振る舞います。タイトルは約60文字で省略記号付きに切られ、スニペットは約160文字、メタディスクリプションは約3回に1回使われる。つまりメタディスクリプションはlabradorには効かず、Google系パイプラインには依然効くという整理です。
経路を決めているのは技術ではなくコスト
なぜOpenAIは両方を維持するのか。記事の答えは「コスト」です。Instantモードでは数秒で答える必要があり、ユーザーは通常何も支払っていないため、OpenAIが既に自前で持っているlabradorハブだけに問い合わせます。ページは開かれません(観測したInstant回答の93%でページを開いた数はゼロ)。回答はタイトルと200文字のスニペットだけを根拠に組み立てられます。
Thinkingモードでは、ユーザーがサブスクリプションを払い、待ち時間を受け入れています。ここで初めて高価な道具が呼ばれます。bright経由のスクレイピングGoogleランキング(thinkingの検索結果の75%)と、ChatGPT-Userロボットによる実際のページ取得です。Thinkingの1会話は約28ドメインにわたって約100件の結果を引き、Instantの約11件と比べて桁が違います。
そして商業的な意味を決める一文が続きます。「ChatGPTユーザーの90%以上は無料プランである(“More than 90% of ChatGPT users are on the free tier.”)」。無料はInstant、Instantはlabradorであるため、半年前まで誰も名前を知らなかったパイプラインが、いま起きているChatGPT会話の大多数で可視性を決めていることになります。
ファネルの数字も具体的です。RESONEOのコーパス全体で、ソースのサイドパネルに現れたURLは61,332件。うち引用の筆頭ソースになったのが5,032件。実際に開かれたページは759件で、すべてthinkingモードでした。開かれたページは74%が引用に至り、取得されたが開かれなかったページは7%です。
この2つの引用率について、RESONEOの調査本編は分母を明記しています。「上記2つの引用率は759ページではなく、結果オブジェクトとして露出した440件で計算している。開かれた440件のうち326件が引用され、単に取得された57,853件のうち4,303件が引用された」。編集部で計算すると326÷440=74.1%、4,303÷57,853=7.4%となり、記事の74%・7%と整合します。数字を引用する際は、この分母の違いまで押さえておくと安全です。
全ユーザー共有の読み取りキャッシュ:30分・Markdown変換・4MBで拒否
記事によれば、インデックスとは別に、ChatGPTは「これまで取得した全ページのキャッシュ」を保持しています。スニペットではなく、HTMLからMarkdownへ変換された完全なページです。キャッシュはURLをキーに、すべてのユーザーとプランで共有されます。記事の例では、先週オハイオの有料ユーザーが取得を発生させたページについてベルリンの無料ユーザーが尋ねると、ベルリンにはオハイオのコピーが返ります。
更新ロジックはエンジニアが「stale-while-revalidate」と呼ぶ方式です。コピーは約30分間は新鮮とみなされ、その間は全員が保存版を受け取り、サーバー側には何も届きません。30分を過ぎると、ユーザーには即座に古いコピーが返され、背後で次の人のために再取得が走ります。つまり自サイトの再クロール頻度を決める信号は「ChatGPTユーザーがそのページについてどれだけ尋ねるか」だけになり、人気ページは新鮮に保たれ、人気のないページは無期限に古くなります。記事は、Oncrawlの Jérôme Salomon 氏が取得から90日以上経ったコピーが配信された事例を記録しており、追い出し(eviction)の上限は見当たらないとしています。Cache-Control: no-store は無視され、noindex も無視されます。
Markdown変換にも癖があります。スクリプト、iframe、JSON-LDは除去されます(記事は「そう、あなたの構造化データはこの経路ではモデルに届かない」と注記しています)。画像のalt属性は残ります。CSSで隠したテキストも抽出されるため、ロボットは人間の訪問者が見ないコンテンツまで読みます。記事はこの点について、クローキング検出はまだOpenAIの得意分野ではなさそうだと述べるにとどめています。
取得を縛る硬い制約が2つあります。ロボットはJavaScriptを実行しないため、クライアントサイドで生成されるコンテンツは見えません。そしてページ容量の上限は正確に4MBで、超えた場合は切り詰められるのではなく、HTTP 400で丸ごと拒否され、モデルは何も読みません。記事の表現では「重すぎるページは部分的に読まれるのではない。存在しないのだ」。
もう1つ、実務に効く発見があります。あるAPIパラメータが、URLの保存コピーのクロール日時を返すというものです。自社ページをそこに通せば、ChatGPTユーザーが最後にそのページを読ませたのがいつかが分かります。記事はこれを「実在し、ほぼ無料の露出指標なのに、誰も見ていない」と表現しています。
計測の盲点:utm_source=chatgpt.com は「読まれた」を数えていない
分析レポートで utm_source=chatgpt.com を見たことがある担当者は多いはずです。記事はこのパラメータが「ユーザーに表示されるクリック可能なリンクに付与されるもの」であり、外部クリックを追跡するものだと整理します。
問題は、すべての引用がこの追跡パラメータを持つわけではない点です。RESONEOは、thinkingモードでChatGPTが自ら開いたページについて、ユーザーに表示される引用にutm_sourceが付いていないことを観測しています。つまり、モデルが実際に全文を読んだページ――引用率74%のページ群――はUTMの痕跡をまったく残しません。このパラメータで絞り込んでChatGPT露出を測っている場合、クリックは数えられていても「読まれた」は数え漏れていることになります。記事はサーバーログで ChatGPT-User のユーザーエージェントも見るよう促しています。
加えて、説明のつかない現象も報告されています。モデルに届く結果の一部はスニペットを持たず、タイトルとURLだけです。arXivやRedditのようにOpenAIが直接アクセスできるデータベース由来のものは説明がつきますが、それ以外も多いとされています。Instantモードでは、スニペットのないURL(Reddit・YouTube・arXivを除く)の方が、スニペットのあるURLより引用されやすい(14.9%対8.2%)。さらに、どの検索結果とも一致しない引用リンクも存在し、RESONEOはモデルが学習時の重みに焼き付いた記憶(パラメトリックメモリ)から書いている可能性を仮説として挙げています。関連する奇妙な点として、arXivはコーパス内で2,600回以上引かれたのに引用は10回で、Redditも同じ傾向。記事はこれを「取得されることと引用されることは別の市場だ」とまとめています。
今日からできる確認手順
記事が「実測され、今日から実行できる」として挙げている項目は限定的です。第一に、完全なタイトルは切り詰められずモデルに届くため、タイトルは切り詰め対策のラベルではなく、それ自体で意味が完結する一文として書く。第二に、Instantモードでモデルが見る本文はH1直後の約200文字だけなので、H1と最初の意味のある一文の間に挟まっているカテゴリラベル・日付・ウィジェットを下げ、その200文字に中心的なメッセージを載せる。
あわせて、上部に情報量のあるalt属性を置く、Google系パイプラインは依然メタディスクリプションを使うためメタディスクリプションは維持する、4MB未満でJavaScriptなしでも読める状態を保つ、という3点が挙げられています。自社での確認としては、サーバーログでChatGPT-Userのアクセスを抽出し、utm_source=chatgpt.comのセッション数とは別枠で「読まれた回数」を並べて見るところから始めるのが現実的です。
ただし記事は強い留保も付けています。「この記事のすべては、非常に速く進化するシステムを記述したものだ」。result_sourceフィールドは一夜で消え、ショッピングのプロバイダーは同じ週に匿名化され、Google Shoppingのトークンは4日で可読から暗号化に変わった。文書化した個々の仕組みは、実装が終わる頃には消えている可能性がある、という趣旨です。一方で、安全に土台にできる構造的な事実として、LLMには知識のカットオフがあるため検索への依存は恒久的に残ること、そして粗いインデックスは粗い回答しか生まないためどのエンジンもGoogle並みの品質へ押し上げられていくこと、の2点が挙げられています。
所感
Scale Basics編集部としては、この記事の実務的な価値は個々の数値よりも「計測の分解」にあると考えています。AI検索の可視性を追う際、多くの現場は utm_source=chatgpt.com のセッション数という1つの指標に依存していますが、記事の観測が正しければ、その指標はモデルが全文を読んだページを構造的に取りこぼします。まず行うべきは、サーバーログからChatGPT-Userの取得ログを切り出し、「表示されてクリックされた」と「読まれた」を別の指標として並べる作業です。ログの保持期間が短い環境では、この分離ができるようにログ設定を見直すこと自体が最初の投資になります。
コンテンツ側では、H1直下200文字の整理が最も費用対効果の高い作業です。多くのCMSテーマは、H1の直後にカテゴリラベル・日付・著者名・目次を自動挿入します。それらは人間の読者には有用でも、Instantモードのスニペットという限られた枠を食い潰します。テンプレートの並びを変えるだけで、そのページについてモデルが持つ情報が変わるのであれば、記事作成のワークフローよりテンプレートの見直しを先に置くべきでしょう。
一方で、この調査はRESONEOという1社が自社の拡張機能で観測した結果であり、OpenAIが公式に確認したものではありません。パイプライン名も公式には文書化されていないと記事自身が述べています。数値を社内資料に転記する際は「1社の実測」「観測期間は7月と8月中旬」という条件を必ず併記し、4MB上限やキャッシュ30分といった仕様は自社ページで再検証してから運用ルールに落とすことをおすすめします。記事の筆者自身が「特定の仕組みを中心にサイトを作り直すな」と警告している点は、そのまま受け取るのが妥当だと考えます。
まとめ
・RESONEOはChatGPTの回答1,200件・検索結果88,000件・26,900ページを解析し、探索インデックス／全ユーザー共有の読み取りキャッシュ／その場で開かれる少数のページという3層構造を報告した
・無料Thinkは取得URLが15.1件から35.3件へ倍増する一方、74.7%がOpenAI自社インデックスのlabrador由来で、スクレイピングGoogleは3.1%。有料Thinking(medium)は75.3%がGoogleとほぼ鏡像の構成になる
・自社インデックスの結果はURL・全文タイトル・約200文字のスニペットのみで、スニペットはH1起点・クエリ非依存、メタディスクリプションは無視される(Google系パイプラインでは約3回に1回使われる)
・キャッシュはURLキーで全プラン共有、約30分で失効しstale-while-revalidateで更新、noindexとCache-Control: no-storeは無視、JSON-LDは除去、JavaScript非実行、4MB超はHTTP 400で丸ごと拒否
・61,332 URLが露出し、5,032件が引用の筆頭ソース、759ページが実際に開かれた。開かれたページの引用率は74%、開かれなかったページは7%だが、thinkingモードで開かれたページの引用にはutm_sourceが付かないため、UTM頼みの計測では「読まれた」を数え漏らす
よくある質問
Q1: 無料プランのChatGPTでは、Googleでの順位は関係なくなるのですか?
Search Engine Landの記事によると、無料Thinkでは取得結果の74.7%がOpenAI自社インデックスのlabrador由来で、スクレイピングされたGoogle結果は3.1%にとどまります。一方で有料Thinking(努力度medium)は75.3%がスクレイピングGoogleです。記事は「Googleで上位に出ていることは有料Thinkingでは依然重要だが、無料Thinkの取得セットに入る保証にはならない」と整理しており、関係がなくなるのではなく、モードによって門番が変わると理解するのが正確です。
Q2: noindexやCache-Control: no-storeを付ければ、ChatGPTのキャッシュから外せますか?
記事によれば、ChatGPTの読み取りキャッシュは Cache-Control: no-store も noindex も無視します。キャッシュはURLをキーに全ユーザー・全プランで共有され、取得から90日以上経ったコピーが配信された事例も記録されています。除外できる指定として記事が挙げているのはこの2つではないため、キャッシュ対策としては期待できないとみられます。
Q3: ChatGPTでの露出は何を見て測ればよいですか?
記事は、utm_source=chatgpt.com はユーザーに表示されるリンクに付く外部クリックの追跡であり、thinkingモードでChatGPTが自ら開いたページの引用には付かないと報告しています。そのためサーバーログで ChatGPT-User のユーザーエージェントを確認し、クリック数とは別に「読まれた回数」を見る方法が挙げられています。加えて、URLの保存コピーのクロール日時を返すAPIパラメータがあり、これも露出指標として使えると記事は指摘しています。
出典:Inside ChatGPT’s retrieval stack: The index, cache, and pages it actually reads(Search Engine Land、Olivier de Segonzac氏、2026年8月17日)https://searchengineland.com/chatgpt-retrieval-stack-index-cache-pages-485036
参考:What ChatGPT pulls, what it shows, what it cites(RESONEO 調査本編)https://think.resoneo.com/chatgpt-retrieval/
