ダブルクリックで英日反転
Applied Sciences · Engineering
Citation Overlap — How Much Do AI Engines Reference the Same Domains?
Citation Overlap measures what fraction of domains are shared across multiple AI search engines. High-overlap domains are cited by every engine; low overlap means a fragmented market with little cross-engine agreement.
Formula
- Pairwise (Jaccard): |Domains_A ∩ Domains_B| ÷ |Domains_A ∪ Domains_B|
- Overall rate: unique domains cited by ≥2 engines ÷ all unique domains
- 6 engines → 15 pairwise combinations (6C2)
Worked Example
- ChatGPT × Copilot: Jaccard 0.58 — high, due to shared Bing index
- Claude × AI Overview: Jaccard 0.18 — very different citation spaces
- Overall rate 0.30 → 30% are multi-engine staples; 70% are engine-specific
Business Angle
- High-overlap domains (Wikipedia, official sites, industry associations) are the benchmark targets
- Goal: place client content on high-overlap domains or raise the client's own domain into that group
- Low overall overlap signals a fragmented market — no clear citation consensus
Role in the AI-Search Project
- Applied across all 600 target queries
- Used as an input to C2 Source Trustworthiness Bias and C3 Brand Visibility analyses
- Also used for engine clustering — grouping engines that cite similar sources
→ Target domains cited by every engine; citation overlap quantifies exactly which those are.
Applied Sciences · Engineering
引用重複率 — 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。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」、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（Jaccard係数）: |A∩B| ÷ |A∪B|
- 全体重複率: 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
- 6エンジンの場合、ペア組み合わせは15通り（6C2）
具体例
- ChatGPT × Copilot: Jaccard 0.58 — Bingインデックス共有で高い一致
- Claude × AI Overview: Jaccard 0.18 — 参照空間が大きく異なる
- 全体重複率0.30 → 30%が複数エンジン共通の定番、70%はエンジン固有
ビジネス的意義
- 高重複ドメイン（Wikipedia・公式サイト・業界団体サイト）がベンチマーク目標
- クライアント情報を高重複ドメインに掲載、または自社サイトをその群に引き上げることが戦略目標
- 全体重複率が低い市場は引用合意が薄く、特定ドメインへの集中投資効果が限定的
プロジェクト内での役割
- 対象クエリ600問すべてに適用
- C2「情報源の信頼性バイアス」・C3「ブランド可視性」の派生分析へのインプット指標
- 引用傾向が近いエンジンのクラスタリング（グループ化）にも活用
→ 全エンジンから引用されるドメインを狙え——引用重複率がその対象を定量的に特定する。
Applied Sciences · Engineering
Citation Overlap — How Much Do AI Engines Reference the Same Domains?
Citation Overlap measures what fraction of domains are shared across multiple AI search engines. High-overlap domains are cited by every engine; low overlap means a fragmented market with little cross-engine agreement.
Formula
- Pairwise (Jaccard): |Domains_A ∩ Domains_B| ÷ |Domains_A ∪ Domains_B|
- Overall rate: unique domains cited by ≥2 engines ÷ all unique domains
- 6 engines → 15 pairwise combinations (6C2)
Worked Example
- ChatGPT × Copilot: Jaccard 0.58 — high, due to shared Bing index
- Claude × AI Overview: Jaccard 0.18 — very different citation spaces
- Overall rate 0.30 → 30% are multi-engine staples; 70% are engine-specific
Business Angle
- High-overlap domains (Wikipedia, official sites, industry associations) are the benchmark targets
- Goal: place client content on high-overlap domains or raise the client's own domain into that group
- Low overall overlap signals a fragmented market — no clear citation consensus
Role in the AI-Search Project
- Applied across all 600 target queries
- Used as an input to C2 Source Trustworthiness Bias and C3 Brand Visibility analyses
- Also used for engine clustering — grouping engines that cite similar sources
→ Target domains cited by every engine; citation overlap quantifies exactly which those are.
Applied Sciences · Engineering
引用重複率 — 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。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」、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（Jaccard係数）: |A∩B| ÷ |A∪B|
- 全体重複率: 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
- 6エンジンの場合、ペア組み合わせは15通り（6C2）
具体例
- ChatGPT × Copilot: Jaccard 0.58 — Bingインデックス共有で高い一致
- Claude × AI Overview: Jaccard 0.18 — 参照空間が大きく異なる
- 全体重複率0.30 → 30%が複数エンジン共通の定番、70%はエンジン固有
ビジネス的意義
- 高重複ドメイン（Wikipedia・公式サイト・業界団体サイト）がベンチマーク目標
- クライアント情報を高重複ドメインに掲載、または自社サイトをその群に引き上げることが戦略目標
- 全体重複率が低い市場は引用合意が薄く、特定ドメインへの集中投資効果が限定的
プロジェクト内での役割
- 対象クエリ600問すべてに適用
- C2「情報源の信頼性バイアス」・C3「ブランド可視性」の派生分析へのインプット指標
- 引用傾向が近いエンジンのクラスタリング（グループ化）にも活用
→ 全エンジンから引用されるドメインを狙え——引用重複率がその対象を定量的に特定する。
Related notes
- Agentic Commerce — ACP and Visibility into Being 'Bought by AI'
- AI Search Evaluation: The 12 Metrics — Gateway
- AI Search Evaluation ①Citation Rate — How Many URLs Are Pulled In Per Answer
- AI Search Evaluation ②Source Diversity — How Unskewed the Cited Sources Are
- AI Search Evaluation ③Accuracy Score — How Often It Answers Factual Questions Correctly
- AI Search Evaluation ④Answer Length — How Many Characters It Returns to the User on Average