II-C2 Perplexityの特徴を押さえる

Perplexityは「引用ファースト」を掲げるAI検索です。出典を明示する体験を製品の中心に据えている点が、他のAI検索と大きく違うところです。数十件のソースから最終的な数件の引用元へどう絞り込んでいるか、そして2025年に登場した自律型ブラウザ「Comet」がAIOにどう関わってくるか。この2点を押さえておきましょう。

基本の流れはほかのAI検索と共通

Perplexityも、多くのAI検索エンジンと同様に「①質問を検索文字列に変換→②候補ページを取得→③関連性・鮮度・権威性で再ランキングし絞り込み→④LLMが統合生成し引用を付与」という基本的な流れを踏んでいます(出典: ZipTie.dev, 2026年7月確認)。この共通アーキテクチャの理解は編II-Aで扱った内容ともつながります。Perplexityがこの中でも際立つのは、③の絞り込みが特に厳しい点です。

「引用ファースト」という設計思想

Perplexityは質問のたびにライブ検索を実行し、回答の根拠を明示することを製品の中心に据えています。通常の検索では60件以上のソースを取得しますが、実際にLLMが読み込むのは10件程度、最終的に画面に表示される引用は3〜5件まで絞り込まれます(出典: ZipTie.dev, 2026年7月確認)。「たくさん検索の対象になる」ことと「実際に引用される」ことの間には大きな絞り込みの壁がある、という前提を持っておく必要があります。なお、この土台となるRAG(検索拡張生成、外部情報を検索してから回答する仕組み)自体は編II-Bで扱った内容と共通です。ランキングの詳細な計算式そのものは公開されておらず、断片的に分かっている傾向から逆算して対策を組み立てる必要があります。

Deep Researchという別モード

通常検索とは別に、Perplexityには数百件規模のソースを読み込む「Deep Research」というモードがあります(出典: ZipTie.dev, 2026年7月確認)。通常検索向けの短い解説記事と、Deep Research的な使われ方を想定した長文の深掘り記事を、意図的に使い分けて用意しておくと取りこぼしが減ります。「浅く速く」と「深く遅く」の両方に対応できる記事構成を意識しておくと、どちらのモードで読まれても対応しやすくなります。

関連性と鮮度という2つの判断軸

情報系のクエリでは関連性が最も強い単独のシグナルとされ、鮮度はクエリの種類を問わず重視される傾向があると分析されています(出典: Five Blocks, 2026年7月確認)。更新日を明示し、古いまま放置しない運用が特に効いてくるエンジンだと理解しておきましょう。

Cometというもう一つの顔

2025年7月には自社ブラウザ「Comet」が公開されました。ブラウザ自体がAIエージェント化しており、上位プランでは19種類のAIモデルを統合したエージェントツールでローカルPCの操作にまで対応するとされています(出典: Uravation, 2026年7月確認)。検索エンジンとしてだけでなく「ブラウザとして情報を読みに来る」存在にもなりつつあるという変化は覚えておいて損はありません。ブラウザ経由でページを読みに来る以上、通常の検索対策(構造化データ・鮮度管理・一次情報の明示)がそのまま効いてくると考えてよいでしょう。

実践ステップ

1. 1
   Perplexityで自社名・商品名を検索し、引用の有無と引用元を確認する
2. 2
   各ページの更新日を明示し、定期的に内容を見直す
3. 3
   短い解説記事に加え、Deep Research向けの深掘り長文記事も用意しておく
4. 4
   一次情報・独自データを含むページを優先的に整備する
5. 5
   robots.txtでPerplexityBotの許可方針を明示する

User-agent: PerplexityBot
Allow: /

このレッスンはテキストとスライドで学べます。スライドは上のビューアからご覧ください。