AIクローラー
AIクローラーを、トレーニングボット、AI検索インデクサー、ユーザー起点のフェッチャーという3種類に分け、SEOを損なわずにそれぞれを制御する方法を解説します。
言語
このページには証拠シグナルが 2 件あります
- リンクされたソースデータ公開IPリスト
- 関連するライブツールLog File Analyzer
AIクローラーは3種類あり、それらを混同することが最大の誤りです。(1) GPTBot、ClaudeBot、CCBotなどのトレーニング/モデル改善ボット、(2) OAI-SearchBot、PerplexityBot、ApplebotなどのAI検索インデクサー、(3) ChatGPT-User、Perplexity-User、Claude-Userなどのユーザー起点フェッチャーです。制御はプロバイダーとエージェントごとに異なります。GPTBotをブロックしてもOAI-SearchBotはブロックされず、OAI-AdsBotには別の広告用途があります。Google-ExtendedとApplebot-Extendedは独立したクローラーではなく、製品/制御トークンです。Google-ExtendedはGemini/Vertexのモデル改善とグラウンディングを対象にしますが、Google検索への掲載、ランキング、AI Overviews、AI Modeは対象外です。Applebot-ExtendedはAppleの基盤モデルでの利用を制御しますが、Apple検索からページを削除しません。llms.txtは広く採用された制御標準ではなく、今も提案段階です。
OpenAIは、トレーニング、検索、ユーザー操作のボットについて別々の制御を公開しています。 Evidence for this claim OpenAI publishes separate controls for GPTBot, OAI-SearchBot, and ChatGPT-User, and says each setting is independent. Scope: OpenAI-declared crawlers and user agents; their purposes and robots behavior are platform-specific. Confidence: high · Verified: OpenAI: Crawlers Anthropicも同様に、トレーニング、検索、ユーザー要求のエージェントを別々に文書化しています。 Evidence for this claim Anthropic documents ClaudeBot, Claude-SearchBot, and Claude-User separately and says its bots honor robots.txt directives. Scope: Anthropic-declared bots; user-initiated retrieval has additional product-specific conditions. Confidence: high · Verified: Anthropic: Bot information
Evidence for this claim Cloudflare Radar reports worldwide Cloudflare-observed HTTP request trends for the five most active AI bots during the 28 days ending 2026-07-30. Scope: A dated Cloudflare Radar context chart; it is not site-specific traffic and is not a census of all web requests. Confidence: high · Verified: Cloudflare Radar: HTTP traffic by AI botThe chart compares request trends for the five most active AI bots observed by Cloudflare during the selected four-week period, including Googlebot, ClaudeBot, Meta-ExternalAgent, GPTBot, and Bingbot.
TL;DR — 「AIクローラー」は1つではなく、3種類あります。AIモデルをトレーニングするためにサイトをスクレイピングするボット(GPTBotやClaudeBotなど)、AI検索があなたのサイトを引用できるようにインデックスを作るボット(OAI-SearchBotやPerplexityBotなど)、そして人が質問したためにページをリアルタイムで取得するボット(ChatGPT-Userなど)です。それぞれに固有の名前があり、
robots.txtで個別に許可またはブロックできます。トレーニングボットをブロックしてもGoogleのランキングには影響しませんが、AI検索ボットをブロックするとAIの回答から見えなくなる可能性があります。
AIクローラーとは
検索クローラーについてはすでにご存じでしょう。GooglebotやBingbotのようなクローラーは、ページを検索結果に表示できるように訪問します。AIクローラーは新しい種類の存在で、OpenAI、Anthropic、Google、Apple、PerplexityなどのAI企業が運用し、自社の目的でページを取得するボットです。
何かをブロックする前に理解すべき重要な点は、すべてが同じ仕事をするわけではないことです。3種類あります。
- トレーニングボットは、AIモデルの構築と改善に役立てるためにページを読み取ります。GPTBot(OpenAI)とClaudeBot(Anthropic)が代表例です。 2. AI検索ボットは検索可能なインデックスを作るためにページを読み取り、誰かがChatGPTやPerplexityで質問したときに、回答とあなたへのリンクを表示できるようにします。OAI-SearchBotとPerplexityBotがこれを行います。 3. ユーザー起点のフェッチャーは、人が質問したために特定の1ページをリアルタイムで取得します。ChatGPT-Userが例です。自律的にウェブを巡回しているのではなく、ユーザーの用事を代行しています。
違いが重要な理由
各ボットには固有の名前(ユーザーエージェント)があり、robots.txtファイルでは名前ごとに許可またはブロックできます。つまり、次のことを別々に決められます。
- AI企業が自分のコンテンツでトレーニングすることを気にするか? → それはトレーニングボットの問題です。
- ChatGPTやPerplexityの回答に表示したいか? → それはAI検索ボットの問題です。多くの人はこれらを許可したいはずです。
ここで退けるべき大きな誤解があります。AIボットをブロックしてもGoogleのランキングには影響しません。 Googleはそう明言しており、AIトレーニングボットをブロックしたパブリッシャーも問題なくランキングしています。ただしAI検索ボットをブロックするとAIの回答から消える可能性があるため、誤って別のカテゴリをブロックしないでください。
ログで目にする名前
- GPTBot — OpenAI、トレーニング。
- OAI-SearchBot — OpenAI、ChatGPT検索を動かすボット。
- ChatGPT-User — OpenAI、ユーザーが質問したときのリアルタイム取得。
- ClaudeBot — Anthropic、トレーニング。
- PerplexityBot — Perplexity、検索/引用。
- CCBot — Common Crawl。データが多くのAIモデルのトレーニングに使われる非営利団体です。
- Bytespider — ByteDance(TikTokの親会社)、トレーニング。
- Applebot — Apple、Siri/SpotlightとApple Intelligenceを動かします。
もう2つ、Google-ExtendedとApplebot-Extendedもログに現れますが、実際のクローラーではありません。robots.txt内で*“don’t use my content to train your AI.”* (翻訳)「自分のコンテンツをAIのトレーニングに使わないでください」と指定するスイッチにすぎず、何かを取得することはありません。
ボットごとの完全な表、robots.txtのレシピ、「本当にrobots.txtに従うのか」という論争、そもそもブロックすべきかどうかを知りたいなら、Advancedタブに切り替えてください。
OpenAIは、GPTBot、OAI-SearchBot、ChatGPT-Userの設定は独立していると説明しています。 Evidence for this claim OpenAI publishes separate controls for GPTBot, OAI-SearchBot, and ChatGPT-User, and says each setting is independent. Scope: OpenAI-declared crawlers and user agents; their purposes and robots behavior are platform-specific. Confidence: high · Verified: OpenAI: Crawlers AnthropicもClaudeBot、Claude-SearchBot、Claude-Userを別々に識別し、robots.txtの扱いを文書化しています。 Evidence for this claim Anthropic documents ClaudeBot, Claude-SearchBot, and Claude-User separately and says its bots honor robots.txt directives. Scope: Anthropic-declared bots; user-initiated retrieval has additional product-specific conditions. Confidence: high · Verified: Anthropic: Bot information
TL;DR — AIクローラーは3つのカテゴリに分かれます。これを混同することがほぼ全員のする誤りです。トレーニングボット(GPTBot、ClaudeBot、CCBot、Bytespider、Amazonbot、Meta-ExternalAgent)はモデルのコーパスを作るためにスクレイピングします。AI検索ボット(OAI-SearchBot、PerplexityBot、Applebot、Amzn-SearchBot)は引用用のインデックスを作ります。ユーザー起点フェッチャー(ChatGPT-User、Perplexity-User、Claude-User)は、人が質問したときにページをリアルタイムで取得します。それぞれに固有のユーザーエージェントと
robots.txtルールがあるため、GPTBotをブロックしてもOAI-SearchBotには影響しません。Google-ExtendedとApplebot-Extendedはボットではなくトークンで、クロールせず、トレーニング/グラウンディングからオプトアウトするだけです。トレーニングボットのブロックはGoogleのランキングに影響しません(Google自身がそう述べ、実証データも一致します)が、AI検索ボットをブロックするとAI回答での可視性は低下します。robots.txtをめぐる論争は、ユーザーフェッチャー(運営者が「適用されない場合がある」と述べる)とPerplexity(ステルスクロールが報告されている)で現実に存在します。llms.txtは提案段階で、ほとんど読まれておらず、大手には採用されていません。
3つのカテゴリ — このテーマ全体の背骨
Training crawlers such as GPTBot, ClaudeBot, and CCBot collect data for model corpora. AI-search crawlers such as OAI-SearchBot and PerplexityBot build indexes used for answers and citations. User-triggered agents such as ChatGPT-User and Claude-User fetch a page for a live request. Blocking one category does not automatically block the others.
© Patrick Stox LLC · CC BY 4.0 ·
名前の付いたAIボットはすべて、3つのバケットのいずれかに入ります。バケットを正しく分類すれば、以降の判断(ブロックするか、許可するか、SEOに何が起きるか)は自然に決まります。
1. トレーニング/データ収集クローラー。 これらはLLMのトレーニングとファインチューニング用のコーパスを作るため、大規模にクロールします。パブリッシャーが最もブロックしたがるボットであり、ブロックしても検索ランキングには影響しません。該当するのは、GPTBot(OpenAI)、ClaudeBot(Anthropic)、CCBot(Common Crawl)、Bytespider(ByteDance)、Amazonbot(Amazon)、Meta-ExternalAgent(Meta)、AI2Bot(Allen Institute)、cohere-training-data-crawler(Cohere)、Diffbot、Timpibot(Timpi)、webzio-extended(Webz.io)です。さらに、独立したクローラーではない2つの制御トークン、Google-ExtendedとApplebot-Extendedがあり、後述します。
2. AI検索/インデックスクローラー。 これらは、引用とあなたへのリンク付きで質問に答えるためのライブインデックスを作ります。ブロックするとAI検索結果から消える可能性があります。該当するのは、OAI-SearchBot(OpenAI — GPTBotとは別)、PerplexityBot(Perplexity)、Applebot(Apple — Spotlight/Siri/Safariの候補を動かす)、Amzn-SearchBot(Amazon)です。
3. ユーザー起点/オンデマンドのフェッチャー。 ボットが巡回しているからではなく、ユーザーが質問したために、特定のページをリアルタイムで取得します。運営者は一般に、ユーザー起点の取得にはrobots.txtが拘束力を持たないと主張しており、議論が続いています。該当するのは、ChatGPT-User(OpenAI)、Perplexity-User(Perplexity)、Claude-UserとClaude-SearchBot(Anthropic)、Amzn-User(Amazon、Alexa用)、Meta-ExternalFetcher(Meta)です。
ユーザーエージェントトークンとrobots.txtへの準拠を含む完全な表は、Cheat Sheetsタブにあります。この表がこの記事の中心です。
「トークンであってボットではない」という罠(Google-ExtendedとApplebot-Extended)
これはこの分野で最も誤解されている事実なので、正確に説明します。Google-ExtendedとApplebot-Extendedは何もクロールしません。 独立したユーザーエージェントはなく、クロールトラフィックも発生させません。既存のクロールがコンテンツに対して何をしてよいかを変える、robots.txtの制御トークンです。
- Google-Extendedは、Google検索外でのグラウンディングを含め、Gemini AppsとVertex AI生成モデルの改善に向けた利用を制御します。Google検索のAI OverviewsやAI Modeは制御しません。これらはGooglebotのアクセスを使います。Googleは明確に次のように述べています。 “Google-Extended does not impact a site’s inclusion in Google Search nor is it used as a ranking signal in Google Search.” (翻訳)「Google-ExtendedはサイトがGoogle検索に掲載されるかどうかに影響せず、Google検索のランキングシグナルとしても使われません。」 Google-ExtendedをブロックしてもGooglebotやランキングには何も起きません。
- Applebot-ExtendedもAppleについて同じ考え方です。Appleは次のように述べています。 “Applebot-Extended does not crawl webpages. Webpages that disallow Applebot-Extended can still be included in search results.” (翻訳)「Applebot-Extendedはウェブページをクロールしません。Applebot-Extendedを許可しないウェブページも検索結果に含まれます。」 これはAppleの基盤モデル(Apple Intelligence)のトレーニングからオプトアウトするものであり、実際のクローラーであるApplebotを通じてページがSpotlight/Siriに表示されることは変わりません。
したがって、Disallow: Google-ExtendedとDisallow: Applebot-Extendedは、独立したクロールブロックではなく、製品での利用を制御するものです。公開された適用範囲は対応する検索インデックスからページを削除しませんが、両者は互換ではなく、どちらも単に「トレーニングボット」と短縮して扱うべきではありません。
主な運営者をボットごとに見る
OpenAIは、宣言された4つのボットを独立して運用しています。GPTBot(トレーニング — “used to make our generative AI foundation models more useful and safe” (翻訳)「生成AIの基盤モデルをより有用で安全にするために使われます」)、OAI-SearchBot(検索 — “used to surface websites in search results in ChatGPT’s search features” (翻訳)「ChatGPTの検索機能の検索結果にウェブサイトを表示するために使われます」)、ChatGPT-User(ユーザーフェッチャー — “used for certain user actions in ChatGPT” (翻訳)「ChatGPTで特定のユーザー操作に使われます」)、OAI-AdsBot(独立した広告範囲で、トレーニングでも検索インデックスクローラーでもありません)です。OpenAIの方針は、この分野全体のモデルになる一文です。 “Each bot setting is independent, allowing webmasters granular control over how their content interacts with different OpenAI systems.” (翻訳)「各ボットの設定は独立しているため、ウェブマスターはコンテンツが異なるOpenAIシステムとどう関わるかをきめ細かく制御できます。」 GPTBotをブロックすると、“signals that future data from these materials should be excluded from model training datasets” (翻訳)「これらの素材から将来得られるデータをモデルのトレーニングデータセットから除外すべきだと示します」し、OAI-SearchBotをブロックすると、サイトは*“won’t appear in ChatGPT search results.”* (翻訳)「ChatGPTの検索結果に表示されません」。
Anthropicは3つのボットを運用しています。ClaudeBot(トレーニング)、Claude-SearchBot(検索インデックス)、Claude-User(ユーザーフェッチ)です。Anthropicは自社ボットが*“respect
‘do not crawl’ signals by honoring industry standard directives in robots.txt”* (翻訳)「robots.txtの業界標準ディレクティブに従い、「クロールしない」シグナルを尊重する」と説明しています。現在のサポートページは、Anthropic固有の検証用に公開IPリストも案内しています。このプロバイダー固有のリストは身元の証拠であり、すべてのボットに適用できる普遍的なIPまたは逆引きDNS検証ルールではありません。
Google — 重要な事実は上で述べた通り、Google-Extendedはボットではなくトークンです。GoogleはGoogle-CloudVertexBot(サイト所有者が要求したVertex AI Agent用にクロールし、ランキングには影響しない)や、Gemini-Deep-Research、Google-NotebookLMのようなユーザー起点エージェントも運用しています。
AppleはApplebot(Spotlight/Siri/Safariの候補を動かす実際のクローラーで、“may also be used to help train Apple foundation models” (翻訳)「Appleの基盤モデルのトレーニングに役立てるためにも使われる場合があります」)と、Applebot-Extendedトークンを運用しています。ApplebotをブロックするとApple検索から消えますが、Applebot-Extendedのブロックはトレーニングからのオプトアウトにすぎません。
Perplexityは2つのボットを宣言しています。PerplexityBot(検索/引用 — “not used to crawl content for AI foundation models” (翻訳)「AI基盤モデルのためのコンテンツのクロールには使われません」と明記されており、Perplexityには宣言されたトレーニングクローラーがありません)と、Perplexity-User(ユーザーフェッチ)です。文書では、取得がユーザー起点であるためPerplexity-Userは*“generally ignores robots.txt rules”* (翻訳)「一般にrobots.txtのルールを無視する」と述べています。Perplexityは報告されたステルスクローリングの対象でもあります。論争については後述します。
Amazonは3つを運用しており、これは有用な例外です。Amazonbot(製品を改善し、“may be used to train Amazon AI models” (翻訳)「Amazon AIモデルのトレーニングに使われる場合があります」)、Amzn-SearchBot(検索)、Amzn-User(Alexaのユーザー取得)です。Amazonの文書によると、Amzn-SearchBotとAmzn-Userは、生成AIモデルのトレーニング目的では明確にクロールしません。したがって「すべてのAI企業がトレーニングのためにスクレイピングする」は誤解です。Amazonはnoarchiveメタタグにも特別な意味で従います。つまりページをモデルのトレーニングに使わないという指定で、ページ単位のトレーニングオプトアウトとしては珍しいものです。
Amazonのrobots.txt処理には、通常と異なる運用上の特徴が2つあります。クローラーは過去30日以内にキャッシュされたrobots.txtのコピーを使う場合があり、ファイルを取得できない場合は存在しないものとして動作するとAmazonは説明しています。ただし、監査時の取得失敗がAmazonが全許可状態を見た証拠になるわけではありません。監査とAmazonが異なる時刻または異なるネットワーク経路でホストに接続している可能性があります。 Evidence for this claim Amazon says its crawlers may use a robots.txt copy cached within the previous 30 days. Scope: Amazon crawler behavior only; a current audit fetch cannot identify which cached copy Amazon used. Confidence: high · Verified: Amazon: Amazonbot Evidence for this claim Amazon says its crawlers behave as if robots.txt does not exist when they cannot fetch it. Scope: Amazon crawler behavior only; a tool-side fetch failure is not proof that Amazon observed the same failure. Confidence: high · Verified: Amazon: Amazonbot
MetaはMeta-ExternalAgent(LlamaとMeta AI向けのトレーニング/インデックス)、Meta-ExternalFetcher(ユーザーフェッチ)、そして別系統のFacebookbot(リンクプレビュー用で、AIクローラーではありません)を運用しています。Meta-ExternalAgentをブロックしてもFacebookのリンクプレビューには影響しません。
**Common Crawl(CCBot)**は、オープンなウェブアーカイブを維持する非営利財団によって運用されています。これは隠れた層です。Common CrawlのデータセットはChatGPT、Claude、LLaMAなど多くのモデルのトレーニングに使われているため、CCBotをブロックすると、あなたを直接クロールしないモデルにも下流で影響する可能性があります。Common CrawlはCCBotになりすます偽物にも注意を促しています。
**ByteDance(Bytespider)**は積極的なボットです。robots.txtを尊重すると宣言されていますが、非常に多いリクエスト量でルールに違反すると広く報告されています。その他に知っておきたいものとして、AI2Bot(Allen Institute、オープンモデル/Dolmaデータセット)、Cohere、Diffbot(構造化データ抽出を行い、その出力が多くの下流AIパイプラインに入る)、Timpibot/webzio-extendedがあります。
AIボットは本当にrobots.txtに従うのか?
トレーニングと検索のクローラーについては、主要な運営者(OpenAI、Anthropic、Google、Apple、Amazon)はいずれも文書でrobots.txtを尊重すると述べています。論争があるのはユーザー起点フェッチャーです。複数の運営者が、人がリクエストを開始したためrobots.txtが適用されない場合があると明言しています。OpenAIは*“these actions are initiated by a user, robots.txt rules may not apply”* (翻訳)「これらの操作はユーザーが開始するため、robots.txtのルールが適用されない場合があります」と述べ、PerplexityはPerplexity-Userについて*“generally ignores robots.txt rules.”* (翻訳)「一般にrobots.txtのルールを無視します」と述べています。これは明示された方針であり、違反とは別の話です。
Perplexityの論争は大きな争点ですが、確定事項ではなく報告されたものとして扱います。2024年6月、Wiredと開発者のRobb Knightは、Perplexityがブロックしたサイトのコンテンツに、未掲載のIPを使ってアクセスしたようだと報告しました。2025年8月、Cloudflareは、PerplexityがmacOS上のChromeになりすますステルスユーザーエージェントを使い、ブロックを回避するためIPとASNをローテーションし、完全なDisallow: /を持つ新規作成のテストドメインからコンテンツを取得したと報告しました。その後CloudflareはPerplexityを検証済みボットとしてのリストから外しました。これらの情報は各ソースによる文書化された報告として示してください。Perplexity自身の文書では、PerplexityBotはrobots.txtを尊重すると維持しています。
一部のボットが何らかの形でrobots.txtを無視するため、Cloudflareが実務上の強制レイヤーになっています。ネットワークレベルのブロック、ワンクリックの「AI Scrapers and Crawlers」切り替え、管理対象robots.txt、robots.txt違反の追跡、従量課金クロールのベータ版などです。2025年7月時点では、新しいCloudflareドメインは既知のAIクローラーをデフォルトでブロックします。
AIクローラーを制御する方法
- ユーザーエージェントごとのrobots.txtが主な手段で、細かく制御できます。
GPTBotをブロックしてもOAI-SearchBotやChatGPT-Userはブロックされません(トレーニングボットをすべてブロックするレシピとAI検索ボットをブロックするレシピはScriptsタブにあります)。 - トレーニングトークンである
Google-ExtendedとApplebot-Extendedは、検索へのコストなしにGemini/Apple Intelligenceのトレーニングからオプトアウトできます。 - **Amazonの
noarchive**メタタグは、Amazonに対するページ単位のトレーニングオプトアウトです。 - Cloudflare AI Crawl Control — ネットワークレベルでブロック、許可、課金でき、管理対象
robots.txtとContent Signalsディレクティブ(search、ai-input、ai-train)も使えます。デフォルトはsearch=yes, ai-train=noです。 - llms.txtは提案です(Jeremy Howard/Answer.AI、2024年9月)。採用された標準ではなく、主要クローラーにも尊重されません。推論時に読むためのキュレーション済みMarkdownマップですが、137Kサイトを対象にしたAhrefsの調査では公開済みllms.txtの97%がリクエストゼロで、主要なLLMプロバイダーは正式採用していません。AI検索ツールではなく、ドキュメント用のツールとして扱ってください。
- ai.robots.txtコミュニティプロジェクトは、150以上のAIボットユーザーエージェントを列挙した包括的な
Disallow: /ファイルを保守しており、一括ブロックの参考になります。
可視性を優先したクローラーポリシー
AI検索での可視性を望む公開の教育サイトまたは商用サイトなら、私のデフォルト方針は次の通りです。
- 従来の検索クローラーを許可する。 GooglebotやBingbotなど、表示したい検索面に情報を提供するクローラーを許可します。
- 文書化されたAI検索/インデックスクローラーを許可する。 公開コンテンツでは、
OAI-SearchBot、Claude-SearchBot、PerplexityBotなどを許可します。 - 意図したユーザー向けフェッチャーを許可する。
ChatGPT-User、Claude-User、Perplexity-Userなどを許可しますが、プロバイダーごとにrobotsの動作が異なることは認識してください。 Evidence for this claim OpenAI publishes separate controls for GPTBot, OAI-SearchBot, and ChatGPT-User, and says each setting is independent. Scope: OpenAI-declared crawlers and user agents; their purposes and robots behavior are platform-specific. Confidence: high · Verified: OpenAI: Crawlers Evidence for this claim Anthropic documents ClaudeBot, Claude-SearchBot, and Claude-User separately and says its bots honor robots.txt directives. Scope: Anthropic-declared bots; user-initiated retrieval has additional product-specific conditions. Confidence: high · Verified: Anthropic: Bot information Evidence for this claim Perplexity documents PerplexityBot for search indexing separately from Perplexity-User for user-requested fetches, with different robots behavior. Scope: Perplexity-declared crawlers and published IP ranges; a user-agent string alone does not verify identity. Confidence: high · Verified: Perplexity: Crawlers - トレーニング/モデル開発へのアクセスについては、別に権利判断をする。
GPTBot、ClaudeBot、Google-Extendedなどのトレーニング制御は検索ポリシーと共通にする必要がありません。その用途が公開方針に合う場合だけ許可します。 - 非公開と運用上のルートを認証で保護する。
/admin/、プレビュー、アカウントデータ、非公開APIはサーバー側の認可の背後に置きます。Disallowはクローラーへの希望を示すだけです。 - WAF制御を迂回させる前に身元を検証する。 文書化されたユーザーエージェントを、現在のプロバイダーIP範囲、逆引きDNS検証、またはサポートされたボット認証と組み合わせます。偽装可能なユーザーエージェントだけで広範なWAF許可ルールを作らないでください。
特定のクローラーにAllow: /を言わせるだけのために、特定のユーザーエージェントグループを追加しないでください。そのクローラーに引き続き適用したい制限はすべて繰り返す必要があります。robotsのマッチング規則では、特定グループがワイルドカードグループを上書きし、プロバイダー固有の解析では非公開パスの除外を継承しないことがあります。最も安全なファイルは、独立して安全なワイルドカードグループ1つと、範囲を絞ったトレーニングオプトアウトだけである場合が多いでしょう。
このサイトの現在の公開方針は、検索、AI入力、AIトレーニングを明示的に許可しつつ、admin、preview、API、trap、gatewayのルートを除外する姿勢です。検索とユーザー起点の取得は許可したままにします。ai-train=yesを変更するなら、それは編集上の権利判断であり、AI可視性の施策ではありません。トレーニングへのアクセスに引用上の効果があることは実証されていないからです。
AIクローラーへのアクセスはAI対応を意味しない
許可ルールが証明できるのは、宣言されたrobotsポリシーの下で、名前の付いたエージェントがURLを要求できることまでです。運営者がポリシーに従ったか、ページを取得したか、レンダリングしたか、重要情報を抽出したか、モデルのコンテキストに入れたか、引用したか、操作を完了したかは証明しません。
5つの層を分けて考えます。
| 層 | 問い | 証拠 |
|---|---|---|
| Permission(許可) | 宣言されたポリシーの下で、この名前付きエージェントはURLを要求できるか? | 有効なrobotsとネットワークアクセスのテスト |
| Extractability(抽出可能性) | 重要なコンテンツは安定したテキスト、リンク、メタデータ、構造化データに存在するか? | フィールド抽出を含む生データとレンダリング済みキャプチャ |
| Rendering(レンダリング) | エージェントの実際のブラウザ/JavaScript能力でコンテンツが維持されるか? | 利用できる場合はプロバイダー固有の取得証拠、そうでなければ明記したテスト上の限界 |
| Operability(操作可能性) | エージェントは意図した操作を識別し、安全に実行できるか? | 文書化されたツール/インターフェース契約と管理されたエンドツーエンドテスト |
| Commerce readiness(商取引の準備状態) | 身元、価格、在庫状況、ポリシー、フルフィルメント、カート、チェックアウトは一致しているか? | フィード/ページ/バックエンド/注文の照合 |
したがって、クローラーアクセスチェッカーは「AI対応」ではなく、ポリシーについて許可、ブロック、不確定を報告すべきです。ログのリクエスト成功はそのリクエストが発生した証拠であって、ページが回答で使われた証拠ではありません。有効なフィードやツール宣言も、公開ページが正しくレンダリングされることや、チェックアウトが掲載されたオファーを履行できることの証明にはなりません。
How AI Search Worksでは取得と引用の層を、AI Shopping Optimizationではカタログと取引の準備状態を扱っています。層を分けておけば対策も具体的になります。アクセスブロックならアクセス方針、抽出ならページ出力、欠落状態ならレンダリング、操作ならインターフェース契約、購入失敗なら商取引データを直します。
Eコマースページでは、抽出可能性テストで、商品の中核となる身元と選択されたオファー(SKU、グループID、価格、通貨、在庫状況)が初期レスポンスに存在し、レンダリング後も一致することを確認します。生データとレンダリング済みの商品ページの基準では、何をサーバーから見える状態にすべきかを定義しています。クローラーの許可だけでは、その契約について何も分かりません。
トラフィックを失わせる神話:トレーニング ≠ AI検索
ここは正しく理解してください。トレーニングボットをブロックすることは、AI検索ボットをブロックすることと同じではありません。 それぞれrobots.txtの別ルールで、結果も逆です。
- トレーニングボット(GPTBot、ClaudeBot、CCBot、Bytespider、Google-Extended/Applebot-Extendedトークン)をブロック → Googleランキングへの影響はなく、Googleとパブリッシャーの実証データが確認しています。モデルのトレーニングからオプトアウトする、それだけです。
- AI検索ボット(OAI-SearchBot、PerplexityBot)をブロック → ChatGPTとPerplexityの回答での可視性を失います。これは本当のトレードオフであり、無料ではありません。
広くブロックしすぎる、たとえばトレーニングを止めたいだけなのにOAI-SearchBotまで捕捉する包括的なブロックをすると、AI検索から静かに自分を外してしまいます。各ルールがどのカテゴリに当たるかを正確に指定してください。
パブリッシャーがブロックする理由:社会契約
この議論が起きる理由は、トラフィックに集約されます。私がAIボット分析で述べたように、“there’s a cost to bots crawling your websites and there’s a social contract between search engines and website owners, where search engines add value by sending referral traffic to websites. Google sends traffic (for now), so they don’t get blocked.” (翻訳)「ボットがウェブサイトをクロールするにはコストがかかり、検索エンジンとウェブサイト所有者の間には、検索エンジンが紹介トラフィックをサイトへ送って価値を加えるという社会契約があります。Googleは(今のところ)トラフィックを送るため、ブロックされません。」AIクローラーはこれまでのところ、ほとんどトラフィックを送り返しておらず、データも不安を裏付けています。Cloudflare Radar分析では、AIボットはすでに検索エンジンに次ぐ第2位のクローラーとして定着し、追い越す勢いです。詳しくはStatsタブを参照してください。
開示:私はAhrefsの元従業員で、Ahrefsへの無償アクセスを受けています。リンク先のクローラー分析はその役割で公開した私の著作であり、Ahrefsはこのサイトの現在の編集上の結論を確認も承認もしていません。この大きなパイプライン(発見、クロールスケジューラー、レンダリング、クロールとインデックスの違い)の中での位置づけについては、クロールハブと、一般的なクローラー、ユーザーエージェント、Googlebot、Bingbot、robots.txtに関する姉妹トピックを参照してください。
AIによる要約
Advanced版を短くまとめます。
- AIクローラーは1種類ではなく3カテゴリであり、混同が核心的な誤りです。
- トレーニング: GPTBot、ClaudeBot、CCBot、Bytespider、Amazonbot、Meta-ExternalAgent、AI2Bot、Cohere、Diffbot — モデルのコーパスを作るためにスクレイピングします。
- AI検索/インデックス: OAI-SearchBot、PerplexityBot、Applebot、Amzn-SearchBot — 引用用のインデックスを作ります。
- ユーザー起点フェッチャー: ChatGPT-User、Perplexity-User、Claude-User — 人が質問したときにページをリアルタイムで取得します。
- 各ボットには固有のユーザーエージェントとrobots.txtルールがあります。 GPTBotをブロックしてもOAI-SearchBotやChatGPT-Userはブロックされません。
- Google-ExtendedとApplebot-Extendedはボットではなくトークンで、クロールせず、トレーニング/グラウンディングからオプトアウトするだけです。これらをDisallowにしても検索上のコストはゼロです。
- トレーニングボットをブロックしてもSEOを損ないません。 GoogleはGoogle-Extendedについて*“does not impact a site’s inclusion in Google Search.”* (翻訳)「サイトがGoogle検索に掲載されるかどうかには影響しません」と述べ、パブリッシャーの実証データも一致します。
- AI検索ボットをブロックするとChatGPT/PerplexityでのAI可視性は実際に低下します。これは本当のトレードオフです。
- AmazonのAmzn-SearchBotとAmzn-Userはクロールしたコンテンツでトレーニングしません(Amazonによる)。「すべてのAIボットがトレーニングする」は誤解です。
- robots.txt論争: ユーザー起点フェッチャーは「適用されない場合がある」と自ら例外を設け、Perplexityは報告によれば(Wired/Robb Knight 2024年、Cloudflare 2025年)ステルスクローラーを使用しています。確定事項ではなく報告として示してください。
- llms.txtは提案であり、採用されていません。 ファイルの97%は読まれておらず、主要LLMはサポートしていません。Cloudflareが実務上の強制レイヤーです。
公式ドキュメント
AI運営者と関連提案による一次資料の文書です。
OpenAI
- OpenAI bots / crawlers — GPTBot、OAI-SearchBot、ChatGPT-User、OAI-AdsBotと、「each bot setting is independent」方針。 (翻訳)「各ボットの設定は独立しています。」
Anthropic
- AnthropicはWebのデータをクロールするか — ClaudeBot、Claude-SearchBot、Claude-User、robots制御、現在のIPリスト検証。
- AnthropicクローラーIPリスト — プロバイダー固有の検証データ。
- Google common crawlers (incl. Google-Extended) — 製品トークンとユーザーエージェント。
- AI features and your website — AI OverviewsとAI Modeへの掲載を制御するのはGoogle-ExtendedではなくGooglebotです。
Apple
- Applebotについて — ApplebotとApplebot-Extended、および「Applebot-Extendedはウェブページをクロールしない」という区別。
Amazon
- Amazonbot — Amazonbot、Amzn-SearchBot、Amzn-User、
noarchiveトレーニングオプトアウト、トレーニングしないボット。
Perplexity
- Perplexity crawlers — PerplexityBotとPerplexity-User、および「generally ignores robots.txt rules」という記述。 (翻訳)「一般にrobots.txtのルールを無視します。」
Common Crawl
- CCBot — 多くのLLMトレーニングデータの背後にある非営利クローラーと、なりすましへの警告。
Allen Institute for AI
- AI2 crawler notice — AI2Botとそのフィルタリング方法。
Cloudflare(AIクローラー制御)
- AI Crawl Control — ブロック、許可、課金、監視、robots.txt違反の追跡。
- 管理対象robots.txt — 自動管理されるAIクローラーディレクティブ。
- AIトレーニングにおけるコンテンツ利用を制御する — 管理対象robots.txt、Content Signals、クロール課金。
提案
- llms.txt specification — 推論時に読むためのマップ提案(採用された標準ではありません)。
- ai.robots.txt project — AIボットのユーザーエージェントをコミュニティが保守するリスト。
ソースからの引用
運営者と提案の一次資料にある記録済みの発言です。各リンクは、検証済みの引用箇所へ移動するディープリンクです。
OpenAI — 独立したボット、独立した目的
- “Each bot setting is independent, allowing webmasters granular control over how their content interacts with different OpenAI systems.” (翻訳)「各ボットの設定は独立しているため、ウェブマスターはコンテンツが異なるOpenAIシステムとどう関わるかをきめ細かく制御できます。」 — OpenAIのボット文書。 引用へ移動
- GPTBotは*“used to make our generative AI foundation models more useful and safe.”* (翻訳)「生成AIの基盤モデルをより有用で安全にするために使われます」。OAI-SearchBotは*“used to surface websites in search results in ChatGPT’s search features.”* (翻訳)「ChatGPTの検索機能の検索結果にウェブサイトを表示するために使われます」。ChatGPT-Userについては、“these actions are initiated by a user, robots.txt rules may not apply.” (翻訳)「これらの操作はユーザーが開始するため、robots.txtのルールが適用されない場合があります」。 引用へ移動
Anthropic — robots制御と検証範囲
- AnthropicはClaudeBot、Claude-SearchBot、Claude-User、それらのrobots制御、共有IPリストによる検証方法を文書化しています。 ソース
Google — ボットではなくトークン
- “Google-Extended does not impact a site’s inclusion in Google Search nor is it used as a ranking signal in Google Search.” (翻訳)「Google-ExtendedはサイトがGoogle検索に掲載されるかどうかに影響せず、Google検索のランキングシグナルとしても使われません。」 引用へ移動
Apple — Applebot-Extendedはクロールしない
- “Applebot-Extended does not crawl webpages. Webpages that disallow Applebot-Extended can still be included in search results.” (翻訳)「Applebot-Extendedはウェブページをクロールしません。Applebot-Extendedを許可しないウェブページも検索結果に含まれます。」 引用へ移動
Perplexity — ユーザーフェッチャーの例外
- PerplexityBotは*“designed to surface and link websites in search results on Perplexity. It is not used to crawl content for AI foundation models.”* (翻訳)「Perplexityの検索結果にウェブサイトを表示してリンクするために設計されています。AI基盤モデル用のコンテンツのクロールには使われません」。Perplexity-Userは*“Since a user requested the fetch, this fetcher generally ignores robots.txt rules.”* (翻訳)「ユーザーが取得を要求したため、このフェッチャーは一般にrobots.txtのルールを無視します」。 引用へ移動
Common Crawl — 隠れたトレーニング層
- CCBotは*“democratizing access to web information by producing and maintaining an open repository of web crawl data.”* (翻訳)「ウェブクロールデータのオープンなリポジトリを作成・維持して、ウェブ情報へのアクセスを民主化する」ために存在します。注記:“we are aware of crawlers falsely identifying themselves as CCBot.” (翻訳)「CCBotを偽って名乗るクローラーがあることを認識しています」。 引用へ移動
llms.txt — 自身の説明でも提案
- “A proposal to standardise on using an
/llms.txtfile to provide information to help LLMs use a website at inference time.” (翻訳)「LLMが推論時にウェブサイトを使えるよう情報を提供するため、/llms.txtファイルを使う方法を標準化する提案です。」 — llms.txt仕様。 引用へ移動
私 — 社会契約
- “There’s a cost to bots crawling your websites and there’s a social contract between search engines and website owners, where search engines add value by sending referral traffic to websites. Google sends traffic (for now), so they don’t get blocked.” (翻訳)「ボットがウェブサイトをクロールするにはコストがかかり、検索エンジンとウェブサイト所有者の間には、検索エンジンが紹介トラフィックをサイトへ送って価値を加えるという社会契約があります。Googleは(今のところ)トラフィックを送るため、ブロックされません。」 — Patrick Stox、Ahrefs。 記事を読む
AIクローラー総合表
中心となる表です。主要AIボット、ユーザーエージェントトークン、運営者、カテゴリ、robots.txtへの準拠をまとめています。トークンはスペルと大文字小文字がrobots.txtで重要なので、正確にコピーしてください。
| ボット | UAトークン | 運営者 | カテゴリ | robots.txtに従うか? |
|---|---|---|---|---|
| GPTBot | GPTBot | OpenAI | トレーニング | はい(明記) |
| OAI-SearchBot | OAI-SearchBot | OpenAI | AI検索 | はい(明記) |
| ChatGPT-User | ChatGPT-User | OpenAI | ユーザーフェッチ | 「適用されない場合がある」(ユーザー起点) |
| OAI-AdsBot | OAI-AdsBot | OpenAI | 広告(トレーニングではない) | はい(明記) |
| ClaudeBot | ClaudeBot | Anthropic | トレーニング | はい(明記) |
| Claude-SearchBot | Claude-SearchBot | Anthropic | AI検索 | インデックスでははい |
| Claude-User | Claude-User | Anthropic | ユーザーフェッチ | はい(Anthropicはすべてのボットがrobots.txtを尊重すると説明) |
| Google-Extended | Google-Extended (トークンのみ — 別UAなし) | トレーニング/グラウンディング制御 | はい(オプトアウトトークン) | |
| Google-CloudVertexBot | Google-CloudVertexBot | 所有者が要求したVertex AI | はい | |
| PerplexityBot | PerplexityBot | Perplexity | AI検索 | インデックスでははい(ただし論争あり) |
| Perplexity-User | Perplexity-User | Perplexity | ユーザーフェッチ | 「一般に無視」(明記) |
| Applebot | Applebot | Apple | AI検索(+トレーニング) | はい |
| Applebot-Extended | Applebot-Extended (トークンのみ — クロールしない) | Apple | トレーニング制御 | はい(オプトアウトトークン) |
| Amazonbot | Amazonbot | Amazon | トレーニング | はい(明記) |
| Amzn-SearchBot | Amzn-SearchBot | Amazon | AI検索(トレーニングなし) | はい(明記) |
| Amzn-User | Amzn-User | Amazon | ユーザーフェッチ(Alexa、トレーニングなし) | はい(明記) |
| Meta-ExternalAgent | meta-externalagent | Meta | トレーニング/インデックス | はい(明記) |
| Meta-ExternalFetcher | meta-externalfetcher | Meta | ユーザーフェッチ | 明記あり |
| CCBot | CCBot | Common Crawl | トレーニング(オープンデータ) | はい、なりすましあり |
| Bytespider | Bytespider | ByteDance | トレーニング | 争いあり — 論争を参照 |
| AI2Bot | AI2Bot | Allen Institute | トレーニング | はい(明記) |
| cohere-training-data-crawler | cohere-training-data-crawler | Cohere | トレーニング | はい(明記) |
| Diffbot | Diffbot | Diffbot | トレーニング/抽出 | デフォルトではい |
| Timpibot | Timpibot | Timpi | トレーニング | はい(明記) |
| webzio-extended | webzio-extended | Webz.io | トレーニング | 明記あり |
表から導ける3つのルール
- トレーニングボット(GPTBot、ClaudeBot、CCBotなど)をブロック → ランキングへの影響なし。
- AI検索ボット(OAI-SearchBot、PerplexityBot)をブロック → AI回答での可視性を失う。
- Google-ExtendedとApplebot-Extendedはクローラーではなくトークン — 検索上のコストなしにトレーニングだけをオプトアウトできます。
早わかり
- GPTBot ≠ OAI-SearchBot ≠ ChatGPT-User — OpenAIの独立した3つのルールです。
- Amazonの
Amzn-SearchBotとAmzn-Userは、クロールしたコンテンツでトレーニングしません。 - Amazonは
noarchiveメタをページ単位のトレーニングなしシグナルとして尊重します。 - llms.txtは提案であり、採用された標準ではありません。主要クローラーも尊重しません。
- IPではなく、
robots.txtのユーザーエージェントでブロックします(IPブロックではボット自体がrobots.txtを読めなくなる可能性があります)。
何を許可するかを監査・判断する方法
AIクローラーを許可、ブロック、または監視だけにするかを決める実務的な確認です。
- サーバーログを取得する。 実際にアクセスしているAIユーザーエージェント(GPTBot、ClaudeBot、CCBot、Bytespider、OAI-SearchBot、PerplexityBot、Applebotなど)と頻度を一覧にします。ログがグラウンドトゥルースです。
- 各ボットをカテゴリに分ける。 トレーニング、AI検索、ユーザーフェッチのいずれかです。判断はブランドではなくカテゴリから導きます。
- トレーニングに対する姿勢を決める。 トレーニングされてもよいなら、トレーニングボットを許可します。嫌ならGPTBot、ClaudeBot、CCBot、Bytespider、Amazonbot、Meta-ExternalAgentをブロックし、
Google-ExtendedとApplebot-Extendedトークンも追加します。どれもGoogleランキングには影響しません。 - AI検索に対する姿勢は慎重に決める。 ChatGPTとPerplexityの回答に表示したいなら、OAI-SearchBotとPerplexityBotを許可したままにします。 AI検索から本当に外れたい場合だけブロックしてください。
- 別のボットを捕まえない。 「トレーニングをブロックする」ルールがAI検索ボットにも当たっていないことを確認します。GPTBot ≠ OAI-SearchBotです。
- IPではなくユーザーエージェントでブロックする。 IPブロックではボットがrobots.txtを読めなくなる可能性があります(Anthropicも明示的に警告しています)。
- 疑わしいボットを検証する。 CCBotなどはなりすまされるため、ユーザーエージェント文字列を信頼する前に公開IP範囲/逆引きDNSを確認します。
- ネットワークレベルの強制を検討する。 robots.txtを確実に守らないボットには、Cloudflare AI Crawl Controlを使います。
- SEO施策としてllms.txtを飛ばす。 提案であり、ほとんど読まれず、主要クローラーにも尊重されません。そこからAI検索の可視性を期待しないでください。
- 四半期ごとに再確認する。 新しいボットは常に現れ、運営者も動作を変えます。ai.robots.txtのリストがよい参考になります。
AI検索トラフィックを失わせる間違い
トレーニングボットとAI検索ボットを混同することは、この分野で最も高くつく間違いであり、上で退けるべき神話として取り上げたものです。モデルのトレーニングを止めるルールと、AI検索での引用を止めるルールは同じではありません。混同すると結果は逆になります。
- 誤り:「AIボット」をひとまとめにブロックする(
Disallowルール一つでGPTBot と OAI-SearchBotまで捕まえる)。 **なぜ誤りか:**トレーニングからのオプトアウトだけのつもりでも、ChatGPTとPerplexityの回答から静かに消えます。 **代わりに:**ボットごとに名前付きのルールを書き、トレーニング目的ではGPTBot/ClaudeBot/CCBot/Bytespiderをブロックし、AI検索から意図的に外れたい場合を除いてOAI-SearchBot/PerplexityBotは許可します。
身元確認とアクセス方針を混同する
プロバイダーが公開するIPリストは、誰がリクエストを送ったかの確認に役立ちます。しかし、どんなポリシーにすべきかは教えてくれず、ネットワークブロックをrobotsルールに変えるものでもありません。
- **誤り:**検証済みの範囲を自動的な許可/ブロック判断とみなす。
**なぜ誤りか:**身元、宣言されたクロール希望、強制されたネットワークアクセスは別々の事実です。
**代わりに:**文書化された
User-agentトークンでクロール方針を表現し、ファイルを確実に尊重しないボットにはネットワークレベルの強制(Cloudflare AI Crawl Control)を重ねます。
llms.txtをAI検索の手段とみなす
llms.txtは「AI検索のrobots.txt」として絶えず売り込まれていますが、その説明は記事自身のソースに照らして誤りです。
- **誤り:**AI検索の可視性や引用を高めると期待して
llms.txtファイルを公開する。 **なぜ誤りか:**採用された標準ではなく提案にすぎません。137Kサイトを対象にしたAhrefsの調査では、公開済みllms.txtの97%がリクエストゼロで、主要LLMプロバイダーは正式採用していません。 **代わりに:**llms.txtはせいぜいドキュメント用ツールとして扱い、実際に可視性を制御するrobots.txtルールとAI検索ボットに労力を注ぎます。
検証せずにユーザーエージェント文字列を信頼する
CCBotはCommon Crawl自身が認める通り特になりすまされやすく、Bytespiderは尊重すると主張するルールを無視すると広く報告されています。
- **誤り:**ログの
User-agent文字列が名乗る通りの相手だと仮定する。 **なぜ誤りか:**偽装または非準拠のボットが、robots.txtルールを守らず大量にアクセスできます。 **代わりに:**大量アクセスや不審なアクセスは、文字列を信頼する前に運営者の公開IP範囲または逆引きDNSで確認します。Toolsタブには、この確認専用のツールがあります。
許可、ブロック、監視の判断
1. まずカテゴリ分けする — すべてがここで決まります。 トレーニング、AI検索、ユーザーフェッチです。カテゴリを正しく分類すれば、結果は明白です。トレーニングのブロックはSEO上安全、AI検索のブロックはAI可視性を失わせ、ユーザーフェッチは議論の対象です。
2. 許可/ブロック/監視のルール。
- 許可 AI検索ボット(OAI-SearchBot、PerplexityBot、Applebot)。AIからの紹介可視性が欲しいなら、ほとんどのサイトは許可すべきです。
- ブロック トレーニングボット(GPTBot、ClaudeBot、CCBot、Bytespider)。トレーニングされたくないなら、ランキングコストなしでブロックします。Gemini/AppleのトレーニングにはGoogle-Extended/Applebot-Extendedトークンを追加します。
- 監視 ユーザー起点フェッチャーと既知の悪質な相手(Bytespider、宣言されていないPerplexityトラフィック)。robots.txtでは止められない場合があるため、実際に確認・制御するにはログとネットワークレベルのルールを使います。
3. 「トークンであってボットではない」確認。 クロールトラフィックを考える前に、これは実際のクローラーか、それとも制御トークンかを確認します。Google-ExtendedとApplebot-Extendedはトラフィックを一切発生させず、すでに発生したトラフィックへの権限を切り替えるだけです。
4. トレーニング ≠ AI検索(高くつく間違い)。 2つのrobots.txtルールは別物で、結果も逆です。「AIボット」をひとまとめにブロックしてはいけません。トレーニングを止められないか、AI回答から自分を誤って削除することになります。
5. robots.txtは要求であり、強制は別。 このプロトコルは準拠するボットには機能します。ユーザーフェッチャーのように自ら例外を設けるものや、無視すると報告されるPerplexityのステルスクローラー、Bytespiderに対しては、実際の強制はネットワークレベル(Cloudflare)で行います。robots.txtだけでは止まりません。
このAIボットをブロックすべきか?
この意思決定ツリーは、Frameworksタブの許可/ブロック/監視ルールを手順ごとにたどります。まずボットが3カテゴリのどれに属するかを特定し、運命を決める1つの質問に答えてください。
Should I block this AI bot?
四半期ごとのAIボットrobots.txt監査
新しいAIボットが現れ、運営者の動作が変わる中で、定期的な確認によってrobots.txtルールを現実に合わせ続けられます。Checklistsタブでは「四半期ごとに再確認する」とすでに示しています。ここではその項目を手順に展開します。
- 四半期のAIボットアクセスを取得する。 サイトのLog File Analyzerでサーバーログを処理するか、既知のユーザーエージェント一覧(正確なコマンドはScriptsタブ)で検索し、実際にどのAIボットがどの頻度でアクセスしたかを確認します。
- 各ボットのカテゴリを再確認する。 Cheat Sheetsタブの総合表とすべてのユーザーエージェントを照合し、トレーニング、AI検索、ユーザーフェッチの分類が変わっていないか確認します。新しく認識できないボットはai.robots.txtプロジェクトのリストと照合します。
- 現在のルールをテストする。 実際の
robots.txtをrobots.txt Testerで各ボットのユーザーエージェントに対して実行し、トレーニングルールが誤ってAI検索ボットを捕まえていないか確認します。 - 不審または大量のアクセスを検証する。 ユーザーエージェント文字列を信頼する前に、CCBotやBytespiderなどを運営者の公開IP範囲またはGooglebot Verifierによる逆引きDNSで確認します。なりすましは起こります。
- 四半期のAIボットクロール比率を記録する。 トレーニング、AI検索、ユーザーフェッチのトラフィック分布(How to Measureタブ参照)を記録し、次の四半期の確認で単なるスナップショットではなく、比較できる傾向を持たせます。
robots.txtの編集が意図通りだったか確認する
robots.txtを編集してトレーニングボットをブロックしたら、完了と考える前に次の確認を行います。目的は、AI検索ボットが引き続きページに到達でき、トレーニングボットが実際に拒否されることを証明することです。
テスト1:AI検索ボットが引き続き許可されている
- 実行するテスト: robots.txt Testerで
OAI-SearchBotとPerplexityBotのユーザーエージェントに対してURLを確認するか、Googlebot Verifierで実際のアクセスを確認します。 - 期待する結果: AI回答で引用したいページでは両方が「Allowed」になること。
- 失敗の解釈:「Disallowed」なら、トレーニングブロックのルールが広すぎて別のユーザーエージェントまで捕まえています。
- 監視期間: Testerでは即時、ボット自身がキャッシュしたrobots.txtのコピーが更新されるまで数日かかる場合があります。
- ロールバック条件: 許可するつもりのAI検索ボットがDisallowedになる、または変更後にそのエンジンからの引用/紹介が減る。
テスト2:トレーニングボットが実際に拒否されている
- 実行するテスト: robots.txt Testerで同じURLを
GPTBot、ClaudeBot、CCBot、Bytespiderのユーザーエージェントに対して確認します。 - 期待する結果: それぞれが「Disallowed」になること。
- 失敗の解釈:「Allowed」なら、通常はトークンのタイプミスです。robots.txtではスペルと大文字小文字が重要です。
- 監視期間: 即時。
- ロールバック条件: なし。トレーニングブロックは、最終的にトレーニングを許可してもよいと判断した場合を除き、ロールバック経路を必要としません。
テスト3:Googleのランキングに影響がない
- 実行するテスト: トレーニングボットまたは
Google-Extendedトークンをブロックしてから数週間後に、対象URLのSearch Consoleのパフォーマンス/インデックスカバレッジを確認します。 - 期待する結果: 表示回数やランキングに重要な変化がないこと。Googleは
Google-Extendedについて、“does not impact a site’s inclusion in Google Search.” (翻訳)「サイトがGoogle検索に掲載されるかどうかには影響しません」と述べています。 - 失敗の解釈: 変更と同時に表示回数が大きく下がったなら、通常はGooglebot自体が広すぎるルールに捕まっています。
- 監視期間: 2〜4週間(Search Consoleのレポート遅延)。
- ロールバック条件: 表示回数またはランキングが下がり、クロール可能であるべきURLでGooglebotがDisallowedになる。
AIボットトラフィックの継続的なKPI
これらを四半期ごとに追跡すれば、単一のrobots.txt編集とは別に、AIボットへの姿勢が意図通りに機能しているかを確認できます。
| 指標 | 分かること | 取得方法 | ベンチマーク/現実的な範囲 | 頻度 |
|---|---|---|---|---|
| カテゴリ別(トレーニング/AI検索/ユーザーフェッチ)のAIボット総クロールトラフィック比率 | AIボットが総クロール負荷に占める割合が増えているか、どのカテゴリが原因か | Log File Analyzer、またはCloudflare利用時のCloudflare AI Crawl Control | 普遍的な目標なし — Cloudflare Radarでは2025年の業界全体でAIボットが全ボットリクエストのおよそ18,9%でしたが、重要なのは自サイトの構成です。最初の四半期に自分のベースラインを作り、その後は傾向を追う | 四半期ごと |
| AI検索ボットごとのクロール対紹介比 | AI検索からの紹介トラフィック1単位に対して、どれだけのクロール「コスト」を支払っているか | そのユーザーエージェントのサーバーログのクロール数と、アナリティクスの実際の紹介訪問を照合 | 固定目標なし — Statsタブでは紹介1件につきGoogleのクロールがおよそ14回で、AIクローラーはそれよりはるかに高い比率だとしています。Googleより悪い比率を見込み、絶対値ではなく傾向を追う | 四半期ごと |
| トレーニングブロックの正確性 | トレーニングボットのDisallowルールが、意図せずAI検索またはユーザーフェッチボットも捕まえていないか | Cheat Sheetsタブの総合表とrobots.txtを監査し、robots.txt Testerで確認 | ゼロであるべき — トレーニングボット向けのルールでAI検索ボットがブロックされてはいけない | robots.txt変更ごと、および四半期監査 |
robots.txt — 主要ボットをブロックする
トレーニングクローラーをブロックし、AI検索は維持する。 これによりモデルのトレーニングからオプトアウトしながら、ChatGPT/Perplexityの回答では可視性を維持します。トークンは正確にコピーしてください。
# --- AI training crawlers ---
User-agent: GPTBot
Disallow: /
User-agent: ClaudeBot
Disallow: /
User-agent: CCBot
Disallow: /
User-agent: Bytespider
Disallow: /
User-agent: meta-externalagent
Disallow: /
User-agent: Amazonbot
Disallow: /
# --- Training control tokens (not crawlers) ---
# Opt out of Gemini/Vertex training; search unaffected
User-agent: Google-Extended
Disallow: /
# Opt out of Apple Intelligence training; Applebot search unaffected
User-agent: Applebot-Extended
Disallow: /AI検索インデクサーをブロックする(AI回答での可視性が低下します)。 ChatGPT/Perplexityの回答から本当に外れたい場合だけ行ってください。
User-agent: OAI-SearchBot
Disallow: /
User-agent: PerplexityBot
Disallow: /重要な原則:GPTBotをブロックしてもOAI-SearchBotやChatGPT-Userはブロックされません。それぞれが独立したルールです。
アクセスログでAIボットを見つける
どのAIユーザーエージェントがどの頻度でアクセスしているかを確認します。
macOS / Linux
# Count hits per known AI bot in an Apache/Nginx access log
grep -iE 'GPTBot|OAI-SearchBot|ChatGPT-User|ClaudeBot|Claude-User|Claude-SearchBot|PerplexityBot|Perplexity-User|CCBot|Bytespider|Amazonbot|Amzn-SearchBot|meta-externalagent|Applebot|AI2Bot|Diffbot' access.log \
| grep -oiE 'GPTBot|OAI-SearchBot|ChatGPT-User|ClaudeBot|Claude-User|Claude-SearchBot|PerplexityBot|Perplexity-User|CCBot|Bytespider|Amazonbot|Amzn-SearchBot|meta-externalagent|Applebot|AI2Bot|Diffbot' \
| sort | uniq -c | sort -rnWindows (PowerShell)
# Count hits per known AI bot in an access log
$bots = 'GPTBot','OAI-SearchBot','ChatGPT-User','ClaudeBot','Claude-User','Claude-SearchBot','PerplexityBot','Perplexity-User','CCBot','Bytespider','Amazonbot','Amzn-SearchBot','meta-externalagent','Applebot','AI2Bot','Diffbot'
Select-String -Path .\access.log -Pattern ($bots -join '|') |
ForEach-Object { ($_ -split '"')[5] } |
ForEach-Object { foreach ($b in $bots) { if ($_ -match $b) { $b } } } |
Group-Object | Sort-Object Count -Descending | Select-Object Count, Nameユーザーエージェント文字列は偽装できます(特にCCBot)。重要なボットについては、対応する前に運営者の公開IP範囲または逆引き+正引きDNSで確認してください。
ログのヒットをAIボットのカテゴリに分類する
生のサーバーログ行またはユーザーエージェント文字列の一覧を貼り付け、Cheat Sheetsタブの総合表を使ってAIに分類させます。見慣れないボット名でいっぱいのログファイルを調べるときに便利です。
I have a list of user-agent strings from my server logs. Using this
classification (paste the Cheat Sheets table from this article, or the list
below), classify each user-agent as one of: Training, AI-search, User fetch,
or Control token (not a crawler). Flag any user-agent you don't recognize as
"unknown — verify."
Categories:
- Training: GPTBot, ClaudeBot, CCBot, Bytespider, Amazonbot, Meta-ExternalAgent,
AI2Bot, cohere-training-data-crawler, Diffbot, Timpibot, webzio-extended
- AI-search: OAI-SearchBot, PerplexityBot, Applebot, Amzn-SearchBot
- User fetch: ChatGPT-User, Perplexity-User, Claude-User, Claude-SearchBot,
Amzn-User, Meta-ExternalFetcher
- Control token (no crawl traffic): Google-Extended, Applebot-Extended
My user-agent list:
<paste your list here>方針からrobots.txtのブロックリストを作る
トレーニングとAI検索に対する姿勢を自然言語で説明し、対応するrobots.txtルールをAIに作成させます。公開前に、出力をrobots.txt Testerで検証してください。
Draft a robots.txt block that does the following, using exact, correctly-cased
user-agent tokens for each rule (one User-agent/Disallow pair per bot, don't
combine bots under one User-agent line):
1. Block all training bots: GPTBot, ClaudeBot, CCBot, Bytespider,
Meta-ExternalAgent, Amazonbot.
2. Also disallow the Google-Extended and Applebot-Extended control tokens
(training/grounding opt-out only — not real crawlers).
3. Leave OAI-SearchBot and PerplexityBot allowed so AI-search visibility is
unaffected.
Output only the robots.txt block, no explanation. AIボットを検証・制御するツール
-
Googlebot Verifier — サーバーログのヒットを貼り付け、「GPTBot」や「ClaudeBot」のリクエストが運営者の公開IP範囲から来たものか、なりすましかを確認します。What Not to Doタブの「ユーザーエージェント文字列を信頼する」という間違いを直接解決するツールです。
-
robots.txt Tester — 特定のボットのユーザーエージェントに対して、特定URLが許可またはブロックされるかを確認します。トレーニングブロックのルールがAI検索ボットまで捕まえていないことを確認できます。
-
robots.txt Generator — ユーザーエージェントトークンを手入力するとタイプミスでルールがひそかに壊れるため、Scriptsタブのトレーニングブロック/AI検索許可ルールを手入力なしで作成します。
-
llms.txt Generator + Validator — それでもドキュメント目的でllms.txtファイルが必要なら、ここで生成・検証できます。ただしAI検索の可視性が動くとは期待しないでください(What Not to Do参照)。
時間を使う価値のあるリソース
私の関連記事
- 新しいWebクローラーに出会う:AIボットが検索エンジンボットに迫る — Cloudflare Radarの分析。AIボットが明確な第2位のクローラーになっていることと、社会契約の考え方。
- 約1億4,000万サイトが最も多くブロックするAIボット — オープンWeb全体のrobots.txtブロック率データと、リクエスト量/ブロック率の相関。
- ChatGPTの検索量はGoogleの12%だが、Googleは190倍多くトラフィックを送る — ブロック論争を生むAIと検索の紹介差。
- LLM検索の最適化について実際に分かっていること — より広いGEOの文脈。
他者による資料
- Cloudflare:Perplexityがステルスで未申告のクローラーを使っている — 2025年8月の調査(報告された発見)。
- Robb Knight:Perplexity AIはユーザーエージェントについて嘘をついている — 2024年6月の最初の調査。
- ai.robots.txtプロジェクト — 150以上のAIボットユーザーエージェントを保守するコミュニティリスト。
- 既知のエージェント(旧Dark Visitors) — AIボットの包括的なディレクトリ。
- Cloudflare:AIの独立性を宣言する(AIボットをワンクリックでブロック) — Cloudflareのワンクリック「AI Scrapers and Crawlers」切り替えの発表。
- Cloudflare:AIトレーニングにおけるコンテンツ利用を制御する — 管理対象robots.txt、Content Signalsディレクティブ、従量課金クロールのベータ版の説明。
- Heise Online:制限のないクローラー — Perplexityはrobots.txtを無視する — Perplexityのrobots.txt回避に関する2024年6月の報道。
- Gizmodo:Perplexity AIはインターネットのルールを無視した — robots.txt準拠をめぐる論争の追加報道。
引用する価値のある統計
- AIボットは明確な第2位のクローラーです。 Cloudflare Radarの私の分析では、検索エンジンボットが今も最も多くクロールしますが、AIボットは確実に第2位で、追い越すペースにあります。AIボットはすでに全ボットリクエストの約18,9%を占めています。 ソース
- ブロック論争を生む紹介差。 ChatGPTがGoogleの検索量の意味ある割合を持つにもかかわらず、GoogleはChatGPTの約190倍のトラフィックをウェブサイトに送っています。この不均衡が「社会契約」の議論の背景です。 ソース
- クロール対紹介比(Cloudflare、2025年)。 紹介訪問1件につきGoogleのクロールはおよそ14回ですが、AIクローラーでははるかに高く、OpenAIは数千回、Anthropicは数万回規模です。こうした数字がパブリッシャーにトレードオフを疑問視させます。
- llms.txtの現実確認。 137Kサイトを対象にしたAhrefsの調査では、約28%がllms.txtファイルを公開しましたが、その97%はリクエストゼロで、主要LLMプロバイダーは正式採用していません。 ソース
- オープンウェブ全体のブロック率。 約1億4000万サイトを対象にした私の調査では、最もブロックされるAIボットはGPTBot、CCBot、ClaudeBot、Amazonbot、Bytespiderの周辺に集中しており、ブロック率はリクエスト量と連動します。 ソース
- Bytespiderの到達範囲と強制。 Cloudflareが2024年7月にブロックを開始する前、BytespiderはCloudflare保護サイト全体の40,40%にアクセスし、その後トラフィックは71,45%減少しました。Meta-ExternalAgentは保護サイトの22,16%にアクセスし、GPTBot(28,97%)に次ぐ第2位でした。 ソース
- AIボットトラフィックの成長。 Cloudflare Radarのデータでは、2025年の6か月間にAIボットトラフィックが65%増加し、GPTBotのリクエストは2024年5月から2025年5月の間に305%増加しました。2025年7月時点で、新しいCloudflareドメインは既知のAIクローラーをデフォルトでブロックし、百万を超えるCloudflare顧客がAIボットブロック機能を有効にしています。 ソース
AIクローラー:理解度テスト
AIクローラーの3カテゴリと、それをめぐる罠についての簡単な5問です。それぞれ答えを選んでから確認してください。
変更履歴
2026年8月6日に更新。
編集概要と記録された変更の詳細。変更の詳細
-
変更の詳細な注記は現在英語でのみ提供されています。
完全な比較は利用できません — この改訂の以前のスナップショットがアーカイブされていません。
2026年7月30日に更新。
編集概要と記録された変更の詳細。変更の詳細
-
変更の詳細な注記は現在英語でのみ提供されています。
完全な比較は利用できません — この改訂の以前のスナップショットがアーカイブされていません。
2026年7月29日に更新。
編集概要と記録された変更の詳細。変更の詳細
-
変更の詳細な注記は現在英語でのみ提供されています。
完全な比較は利用できません — この改訂の以前のスナップショットがアーカイブされていません。
2026年7月29日に更新。
編集概要と記録された変更の詳細。変更の詳細
-
変更の詳細な注記は現在英語でのみ提供されています。
完全な比較は利用できません — この改訂の以前のスナップショットがアーカイブされていません。
2026年7月28日に更新。
編集概要と記録された変更の詳細。変更の詳細
-
変更の詳細な注記は現在英語でのみ提供されています。
-
変更の詳細な注記は現在英語でのみ提供されています。
-
変更の詳細な注記は現在英語でのみ提供されています。
完全な比較は利用できません — この改訂の以前のスナップショットがアーカイブされていません。
2026年7月19日に更新。
編集概要と記録された変更の詳細。変更の詳細
-
変更の詳細な注記は現在英語でのみ提供されています。
完全な比較は利用できません — この改訂の以前のスナップショットがアーカイブされていません。
2026年7月16日に更新。
編集概要と記録された変更の詳細。変更の詳細
- Advanced
変更の詳細な注記は現在英語でのみ提供されています。
完全な比較は利用できません — この改訂の以前のスナップショットがアーカイブされていません。