AIが最も多く引用するページは、読み込みの81％で良好なLCPを記録し、最も引用されないページでは78％——すでに健全なベースラインの上に、控えめながら相関関係のある優位性が見られます。
Largest Contentful Paint（LCP）は、ページのメインコンテンツがどれだけ速く読み込まれるかを測定する指標です。GoogleのChrome UX Report（CrUX）フィールドデータで測定した場合、ほとんどの実ユーザーに対して2.5秒以内に読み込まれると、ページはLCPを「合格」とみなされます。このレポートでは、フィールドデータとAmICitedの引用追跡を組み合わせて、シンプルな問いを投げかけます。AIエンジンがより頻繁に引用するページは、LCPにおいても優れているのか？
フィールドデータを持つすべての引用ドメイン において、78％が良好なLCPを記録——これは確かなベースラインです。しかし、最も多く引用されるドメインはさらにわずかに優れており、10回以上引用されたページの**81％が良好な閾値に達しているのに対し、1〜2回しか引用されていないページでは78％**です。
良好なLCP率と引用頻度の関係
この傾向は、このデータセットにおける他のすべてのCore Web Vitals シグナルと一致しています。AIがより頻繁に引用するページは、Googleの良好なLCP基準をクリアする可能性が控えめながら高くなっています。その差は、最も引用されるグループと最も引用されないグループの間で3パーセントポイント——実際にあり、一貫しているが、小さい差です。これは、LCPが補助的なシグナルであり、ゲートキーパーではないことを示しています。頻繁に引用されるページの多くはLCPが不完全であり、技術的に優れたページでもほとんど引用されないものが多く存在します。
基礎となる数値
| 引用頻度 | データのあるドメイン数 | 良好なLCP |
|---|---|---|
| 10回以上引用 | 659 | 81% |
| 3〜9回引用 | 1,584 | 78% |
| 1〜2回引用 | 4,313 | 78% |
LCPと他のCore Web Vitalsの比較
引用されたページの中で、すべてのバイタルが同じように合格しやすいわけではありません。全引用セットの中で、INP が最も強く（88％が良好）、FCP が最も弱く（75％が良好）、LCPは78％です。この順序自体が有益です。自サイトの修正優先順位を決める際、AIに引用されるセットが最も頻繁に失敗する指標こそが、競合との差を埋めやすい領域であることが多いからです——そこは誰にとってもハードルが低いのです。
AI検索の可視性への影響
実用的な結論は、Core Web Vitals全般と同じです。LCPの修正は行う価値があるが、それは参加条件（テーブルステークス）であり、AI引用の成長レバーではないということです。軽度の不利を解消し、さらに重要なこととして、すでに獲得しているトラフィックに対する実ユーザー体験を向上させます。しかし、このエビデンスから言えるのは、優れたLCPスコアだけでは、それだけでAIエンジンの引用セットに加えられるわけではないということです。コンテンツの関連性と、これらのエンジンが統合する情報源に存在することの方がはるかに重要です。順序に従って進めましょう。LCPを「良好」な範囲に衛生要因として収め、その後、労力の大半を関連性と網羅性に注ぎましょう。
Stay Updated on AI Visibility Trends
Get the latest insights on AI mentions, brand monitoring, and optimization strategies.
AI検索の可視性にとってLCPが重要な理由
Largest Contentful Paintは、Core Web Vitalsの中で最も直接的に知覚される読み込み速度に関連する指標です——ページのメインコンテンツがユーザーに表示されるまでの時間を測定します。AIクローラーにとっては、人間のユーザーとは異なる話ですが、両者は関連しています。実ユーザーに対して高速に読み込まれるページは、ほぼ間違いなく、クローラーに対してもHTML を効率的に配信しているページです。
ChatGPT、Perplexity、GeminiなどのAIエンジンは、ブラウザのようにページを「見る」わけではありません——基礎となるHTMLを解析し、テキストコンテンツを抽出し、検索パイプラインを通じて処理します。メインコンテンツを素早く読み込むページ（良好なLCP）は、一般的に、軽量なHTML構造、レンダリングをブロックするリソースの最小化、効率的なサーバー応答を備えています——これらはすべて、クローラーが取り込みやすくインデックスしやすい特性です。データに見られる相関関係（最も引用されるグループと最も引用されないグループの間の3パーセントポイント）は、これを部分的に反映している可能性があります。AIエンジンがあなたのLCPスコアをチェックしているわけではなく、良好なLCPを生み出す同じアーキテクチャ上の判断が、クロール可能で解析可能なページも生み出しているということです。
逆の側面も注目に値します。LCPが悪いページ——たとえばメインコンテンツの配信に5秒以上かかるページ——には、多くの場合、基礎的な問題があります。画像のサイズ超過、サーバー応答の遅延、過剰なJavaScript、またはレンダリングをブロックするCSSなどです。これらの同じ問題は、AIクローラーがページのコンテンツを完全に抽出するのを遅らせたり、妨げたりする可能性があります。特にクローラーがタイムアウトや限られたフェッチ予算の下で動作する場合はなおさらです。したがって、LCP自体がAI検索 の直接的なランキングシグナルではありませんが、LCPが表す技術的な健全性は、あなたのコンテンツが何を引用するかを決定するシステムに対して完全に利用可能かどうかに、ほぼ確実に下流効果をもたらします。
AIに引用されるページとウェブ全体の比較
これらの数値を文脈に位置づけるため、より広範なウェブを考えてみましょう。Googleの公開CrUXデータセットによると、ウェブ上の全URLのおよそ50〜55％がCore Web Vitalsを通過しています——つまり、AIに引用されるセットの78％という良好なLCP率は、インターネット平均よりも大幅に健全であることを意味します。これは直感的にも理解できます。AIエンジンが引用するページは、技術的なパフォーマンスに投資してきた、確立されたよく管理されたドメインからのものである傾向があります。大規模パブリッシャー、SaaS 企業、主要メディアサイト——AI引用を支配する種類の情報源——は、通常、パフォーマンス最適化のための専任のエンジニアリングリソースを有しています。
しかし、最も引用されるページの間でも19％が依然としてLCPに不合格であるという事実は、示唆に富んでいます。AIエンジンが遅いページをフィルタリングしていないことを示しています。厳格なパフォーマンスのゲートを適用しているのであれば、最も引用されるグループの間でほぼ普遍的なLCP遵守が見られるはずです。しかし実際には、健全だが不完全な分布が見られます——これはまさに、パフォーマンスが厳格な要件ではなく、緩やかな二次的要因である場合に予想される姿です。
これはまた、競合差別化の余地があることも意味します。あなたが直接の競合他社が平均的または平均以下のLCPである分野で活動している場合、ページを「良好」な範囲に引き上げることで、わずかな優位性が生まれます。それだけで引用を勝ち取ることはできませんが、2つのページがそれ以外の点で同等に関連性が高い場合、より高速なページの方が完全に取り込まれて引用される可能性がわずかに高くなるかもしれません。
実践的な推奨事項
より広範なAI可視性戦略の一環としてサイトのLCPを改善したい場合、以下が実践的な順序です。
まずベースラインを測定する。 主要なページをGoogle PageSpeed InsightsまたはCrUX APIで実行し、LCPの現状を確認しましょう。すでに「良好」な範囲（≤2.5秒）なのか、「改善が必要」な範囲（2.5〜4.0秒）なのか、「不良」な範囲（>4.0秒）なのかを把握する必要があります。
LCP要素を特定する。 ほとんどの場合、LCPはヒーロー画像、大きなテキストブロック、または背景画像になります。PageSpeed Insightsはどの要素がLCP候補かを教えてくれます——それが最適化の主要ターゲットです。
クリティカルレンダリングパスを最適化する。 最も一般的なLCP修正は以下の通りです。LCP画像のプリロード、遅延読み込み（lazy-loading）の回避、サーバーの応答時間 （TTFB ）の短縮、レンダリングをブロックするリソースの排除。これらは十分に文書化された、ROIの高い最適化です。
過剰最適化はしない。 「良好」な範囲に入ったら、それ以上のLCP改善による限界的なリターンは急激に低下します——ユーザーにとっても、AI引用の可能性にとっても。最も引用されるページの81％という良好なLCP率は、「十分に良好」であれば十分であることを示唆しています。サブ秒のLCPを追い求める必要はありません。
パフォーマンス改善とコンテンツ改善を組み合わせる。 AI引用のための最大のレバーは、依然としてコンテンツの関連性です。内容が薄く一般的なページが高速でも、引用されることはありません。より広範なサイト品質向上イニシアチブの一環としてLCPを修正しましょう。しかし、主要な投資は、AIエンジンが参照したいと思うような、具体的で権威あるコンテンツの作成に注ぎ続けてください。
方法論
LCPの「良好」な割合は、Google CrUXフィールドデータとAmICitedの引用追跡を1,905件の追跡プロンプト（2026年6月24日〜2026年7月23日）にわたって結合したものです。CrUXデータは8,845の引用ドメイン中6,556（74％） で利用可能でした——トラフィックが少なすぎてCrUXの対象外のページは除外されており、サンプルは訪問数の多いサイトにやや偏っています。ドメインは、追跡プロンプトの応答で引用された回数によってグループ化され、良好なLCPの割合は各グループ内で平均化され、全体・比較の数値はグループ間でボリューム加重されています。これは引用ページ間の関連性であり、証明された因果関係ではありません——より良いLCPがより多くの引用を引き起こすと主張しているわけではありません。本レポートに外部リンクは含まれていません。
