AI 的推薦裡，不會出現新網站——從公開第 2 天開始的定點觀測

2026 年 7 月 13 日，在本網站公開後的第 2 天，我們向 ChatGPT 詢問了「能夠研究 AI 搜尋與 LLMO 的推薦網站」。回答中列出了全球性的 SEO 工具供應商、搜尋引擎的官方文件、國內的解說媒體等 10 個網站。本網站並不在其中。

公開第 2 天的網站不被推薦，這件事本身是理所當然的結果。有趣的是其中的內訳。在被推薦的網站當中，也包含了以 robots.txt 廣泛限制自動存取的網站。另一方面，備妥了允許 AI 爬蟲、結構化資料、llms.txt 等機器可讀基礎的剛公開網站，卻沒有出現在清單中。

從這裡可以讀出的，是「處於 AI 讀得到的狀態」與「被 AI 推薦」之間的距離。可讀性只不過是必要條件，而決定推薦的被認為是另一個因素。

這項觀察也與學術研究的見解相符。一項對 AI 搜尋與傳統搜尋進行大規模比較的研究（Koudas, 2025）報告指出，AI 搜尋會系統性地將 Earned media——第三方的提及與具權威性的來源——置於品牌自身的發聲之上而優先採用，並且存在對大型品牌的偏誤。也就是說，AI 的推薦清單，比起該網站寫了什麼，更可能反映的是整個網路對該網站談論了多少。

對新網站而言，這是嚴峻的現實。無論把機器可讀的基礎整備得多麼完善，只要沒有提及的累積，就無法登上推薦的舞台。而提及的累積需要時間。

那麼，新網站應該等待什麼、又應該測量什麼呢？反映到 AI 搜尋，大致有兩條路徑。一條是 AI 進行搜尋時頁面被引用的路徑，另一條是被納入未來模型的訓練資料的路徑。前者可以在某種程度上觀測爬取狀況與引用的出現。

因此，本網站將以本網站自身作為受測對象，開始定點觀測。我們觀測的是以下 3 個系統：(1) 含有網站名稱的指名提問、(2) 本網站的資料庫能夠直接回答的資料提問（例如「大阪有 24 小時提供無痛分娩的院所是哪些」）、(3) 像這次這樣的一般性推薦提問。我們會在多個 AI 搜尋環境中定期投入，並記錄引用出現的時期與脈絡。

剛公開時「不被推薦」的這筆紀錄，是這項觀測的起點。當變化發生時，或未發生時，我們都會以數值報告其經過。

另外，本文並非斷定特定 AI 服務的推薦標準，而是單一時點的觀察紀錄。