column

GEO(生成エンジン最適化)とは?SEOとの違いと、研究論文が示した9つの手法

GEO(生成エンジン最適化、Generative Engine Optimization)とは、生成AIが検索と要約を組み合わせて答えをつくる「生成エンジン」の回答の中で、自社のコンテンツが引用され、目立つ位置で言及される度合いを高める取り組みのことです。2023年11月にarXivに掲載された論文が初出の言葉です。SEO、つまり検索エンジン最適化が検索結果の中でのページの位置を扱うのに対し、GEOは「生成された答えの中に入れるか、出典として示されるか」を扱います。

論文は1万件の質問を集めたベンチマークで9つの手法を検証し、回答内での可視性が最大で約40%高まったと報告しました。ただし、その後の追試では効果が限定的だという結果も出ています。Googleも2026年の公式ガイドでGEOという語を定義しつつ、「ハック」より効果的なSEOを優先せよと促しています。研究の成果と限界を正確に知ることが、GEO対策を判断する出発点になります。

本記事の読者として想定するのは、GEOという言葉を社内や取引先から聞き、何が根拠で何が推測なのかを確かめたい、企業でマーケティングを担う責任者・担当者の方です。論文の定義と検証方法、9つの手法と測定値、順位別の結果と限界、2024年以降の研究、GoogleとOpenAIの立場、SEOとの違い、市場の数字、企業サイトでの実務手順、計測と費用の順に進めます。

目次
  1. GEO(生成エンジン最適化)とは:論文の定義と、Googleが使う意味
  2. GEOの研究論文の全体像:誰が、いつ、何を使って検証したか
  3. 研究論文が示した9つの手法と測定結果
  4. 論文の読み方:順位別・分野別の結果と、論文自身が認める限界
  5. 2024年以降の研究が示したこと:GEO対策の効果はどこまで再現されたか
  6. GoogleとOpenAIの立場:GEO対策について公式に言っていること
  7. GEOとSEOとの違い:最適化の対象と評価の単位、共通する土台
  8. GEOが語られる市場環境:2026年のデータ
  9. GEO対策の実務:9つの手法を企業サイトに落とす手順
  10. GEO対策の計測・費用・90日の進め方
  11. よくある質問(FAQ)
  12. まとめ:GEOは「根拠を文章に置く」研究の成果であり、計測で確かめる対策である
  13. 出典・参考資料
「GEO(生成エンジン最適化)とは?SEOとの違いと、研究論文が示した9つの手法」のアイキャッチ。生成AIの回答の中で、根拠を示した一文に出典番号[1]が付き、出典欄に自社サイトが表示される様子を表した模式図と、2023年の論文、2025年の追試、Googleの見解、企業サイトでの手順という記事の流れ

GEOを数字で先取りする5つの要点

  • GEOという言葉は、プリンストン大学を中心とする研究者が2023年11月16日にarXivで公開した論文「GEO: Generative Engine Optimization」で提案されました。同論文は、2024年8月のデータマイニング分野の国際会議KDD 2024で発表されています。
  • 論文は1万件の質問からなる評価用データセット「GEO-bench」を作り、9つの手法を検証しました。回答内の可視性を測る指標で、最も効いた手法は基準値から41%、主観的な印象を測る指標では28%の改善でした。
  • 効果が大きかったのは「引用文の追加」「統計の追加」「出典の明記」の3つで、論文は30〜40%の改善と述べています。従来のSEOで使われた「キーワード詰め込み」は、指標が19.3から17.7へ下がり、逆効果でした。
  • 恩恵は検索順位が低いサイトほど大きく、出典の明記では検索5位のサイトの可視性が115.1%増え、1位のサイトは30.3%減りました。
  • 2025年に公開された追試(NeurIPS 2025採択)では、54の条件のうち統計的に有意な改善は3つだけで、文脈内の位置を上げる従来型の対策のほうが効果的でした。Googleの公式ガイドも「AEO / GEOハック」より効果的なSEO戦略を優先せよと促しています。

GEO(生成エンジン最適化)とは:論文の定義と、Googleが使う意味

GEOとは、論文の定義に従えば、コンテンツの作り手が「生成エンジンの回答の中での自社の可視性(または印象)を高めることを目指す新しい枠組み」です。原文では、a new paradigm where content creators aim to increase their visibility (or impression) in generative engine responsesと表現されています。可視性とは、回答のどの位置で、どれだけの分量で自社の情報が使われ、出典として示されるかを指します。最適化の相手は検索結果の一覧ではなく、AIが文章として組み立てた答えそのものです。

生成エンジンが答えをつくる流れの図。01質問を受け取る、02検索語に組み替える、03候補ページを読み込む(検索上位の数件)、04答えを生成する、05出典を示すの5段階で、02と03が検索、04と05が生成にあたる。GEOが働きかけるのは03の材料になるページ。Googleは02の展開をクエリ ファンアウト、03の取得をRAG(グラウンディング)と呼ぶ

図:生成エンジンが答えをつくる流れと、GEOが働きかける場所(GEO論文とGoogle 検索セントラルのガイドをもとに作成)

「生成エンジン」とは何か:検索と生成を組み合わせたシステム

生成エンジンとは、論文の定義では、生成モデルと検索エンジンを組み合わせたシステムです。利用者の質問を受け取り、検索で集めた情報源に基づいて自然な文章の答えを返し、文中に出典を示します。処理は5段階です。

  1. 利用者の質問を受け取る
  2. 必要なら、質問を複数の検索語に組み替える
  3. 検索エンジンから候補ページを取得し、上位の数件を読み込む
  4. 読み込んだ内容を材料にして、答えの文章を組み立てる
  5. 材料にしたページを、文中の番号やリンクで出典として示す

2026年10月9日に更新されたGoogleのAI検索向けの公式ガイドは、この仕組みを2つの言葉で説明しています。1つは「関連性の高い最新のウェブページをGoogle検索インデックスから取得することで、AIの回答の品質、精度、最新性を向上させるために使用される手法」と定義されるRAG(グラウンディング)です。もう1つは、1つの質問に答えるためにモデルが同時に実行する関連クエリの集まりを指す「クエリ ファンアウト」です。

Googleの定義:「生成エンジン最適化」の略と明記している

Googleの同じガイドには、「AEO」は「回答エンジン最適化」、「GEO」は「生成エンジン最適化」の略だと書かれています。どちらも、AI検索での視認性を高める作業を説明するために使われることがある用語だ、という位置づけです。ただしGoogleは、GEOを独立した分野とは見ておらず、Google検索の立場では生成AI検索への最適化も検索体験への最適化の一部、つまりSEOの範囲にあると説明しています。

業界での使われ方:LLMOやAIOとほぼ同じ意味で使われる

国内の実務では、GEOはLLMO、すなわち大規模言語モデル(LLM)を相手にした最適化や、AIO(AI最適化)と置き換え可能な言葉として使われています。出どころが研究論文か、言語モデルか、AI全般かの違いだけで、企業が行う作業に大きな差はありません。4つの呼び名の整理と取り組みの全体像はLLMOの定義と5つの領域にまとめています。本記事では、研究用語の「GEO」と実務の「GEO対策」を分けて書きます。

GEOの研究論文の全体像:誰が、いつ、何を使って検証したか

GEOの論文は、プリンストン大学とインド工科大学デリー校の研究者を中心とする6名が執筆し、2023年11月にarXivで公開、2024年8月の国際会議KDD 2024で発表されました。実験に使われたのは、GPT-3.5とGoogle検索を組み合わせた独自の生成エンジンと、1万件の質問からなるベンチマークです。

項目 内容
論文名 GEO: Generative Engine Optimization
著者 Pranjal Aggarwal、Vishvak Murahari、Tanmay Rajpurohit、Ashwin Kalyan、Karthik Narasimhan、Ameet Deshpande
所属(初版時) インド工科大学デリー校、プリンストン大学、ジョージア工科大学、アレン人工知能研究所
公開 arXiv 2311.09735。初版2023年11月16日、第3版2024年6月28日
発表の場 KDD 2024(2024年8月25〜29日、バルセロナ)。DOI 10.1145/3637528.3671900
検証した生成エンジン gpt-3.5-turboとGoogle検索を組み合わせた自作のエンジン。追加実験でPerplexity.ai
ベンチマーク GEO-bench。1万件の質問(学習8,000、検証1,000、テスト1,000)
指標 位置調整後ワード数(Position-Adjusted Word Count)、主観的印象(Subjective Impression)
手法 9つ。コンテンツをLLMで書き換え、可視性の変化を測る

著者と発表の場:査読を経てKDD 2024に採択された

著者6名と初版時の所属は上の表のとおりで、arXivの論文の初版(2023年11月16日)の1ページ目に記載があります。2024年6月28日の第3版では、Tanmay Rajpurohit氏とAshwin Kalyan氏の所属が「Independent, Seattle」に変わりました。

第3版には、国際会議「KDD '24」(2024年8月25〜29日、スペイン・バルセロナ)の予稿集に収録されたことが記されています。KDDは、ACMのデータマイニング分科会であるSIGKDDが主催する査読付きの国際会議で、2024年は第30回でした。GEOの論文は査読を経た研究で、後述する追試の一部(査読前のプレプリント)とは区別して読む必要があります。

検証に使った生成エンジン:GPT-3.5とGoogle検索の組み合わせ

論文の第3版の全文によると、主な実験には研究者が自作した生成エンジンが使われました。回答の生成にはOpenAIのgpt-3.5-turbo(temperature 0.7)を用い、1つの質問につき5通りの回答を生成し、情報源はGoogle検索の上位5件を要約せずに全文で読み込ませました。商用サービスでの検証は、Perplexity.aiを使った200件の追加実験に限られ、情報源はURLではなくファイルとして与えられました。現在のGoogleのAIモードやChatGPTの検索機能そのものを検証した研究ではありません。

GEO-bench:1万件の質問を9つの出どころから集めた

GEO-benchは、GEOの効果を測るために論文が作成したベンチマーク(評価用データセット)です。質問は1万件で、学習用8,000件、検証用1,000件、テスト用1,000件に分かれ、主要な結果はテスト用1,000件を5回の試行で平均したものです。

質問の出どころは9種類です。MS MARCO、ORCAS-1、Natural Questionsといった検索研究の既存データに、AllSouls、LIMA、Davinci-Debate、ELI5、Perplexity.aiのDiscover機能、GPT-4で生成した質問が加わります。質問は25の分野、9つの質問タイプ、7つのタグカテゴリに分類され、約8割が情報収集型、取引型と案内型がそれぞれ約1割です。各質問には、Google検索から集めた5件の情報源が付いています。

2つの指標:位置調整後ワード数と主観的印象

1つめの位置調整後ワード数は、ある情報源を引用した文のワード数を、引用の位置が前にあるほど重くなるように調整し、回答全体のワード数で割った値で、回答の前半で長く引用されるほど高くなります。2つめの主観的印象は、LLMを評価者として、関連性、影響力、独自性、位置の印象、引用回数の印象、クリックされそうか、多様性の7つの観点で採点し、1つめの指標に合わせて正規化した値です。どちらも「どのくらい引用されたか」をとらえる指標で、順位やクリック率ではありません。

研究論文が示した9つの手法と測定結果

論文が検証した9つの手法のうち、効果が大きかったのは「引用文の追加」「統計の追加」「出典の明記」で、最も効いた手法は位置調整後ワード数を基準値の19.3から27.2へ、41%押し上げました。キーワードの詰め込みは17.7へ下がり、唯一の逆効果でした。

GEO論文の9つの手法の測定値を示す横棒グラフ。位置調整後ワード数は基準値(最適化なし)19.3に対し、引用文の追加27.2(+40.9%)、統計の追加25.2(+30.6%)、流暢さの改善24.7(+28.0%)、出典の明記24.6(+27.5%)、専門用語の追加22.7(+17.6%)、平易な表現22.0(+14.0%)、権威的な文体21.3(+10.4%)、独自の語彙20.5(+6.2%)で、キーワード詰め込みは17.7(−8.3%)と唯一基準値を下回った。最良の手法は基準値から+41%

図:GEO論文が測った9つの手法の可視性(Aggarwal et al.「GEO: Generative Engine Optimization」表1、KDD 2024をもとに作成。基準値比は本記事の計算)

9つの手法の一覧と、論文が測った数値

9つの手法はいずれも、情報源となるページの文章をLLMで書き換えるものです。意味は変えず、表現や根拠の示し方だけを変えて、回答内の可視性がどう動くかを測りました。下の表は、論文の第3版(PDF)の表1の値で、変化率は表の値から本記事が計算したものです。基準値(最適化なし)は2つの指標ともに19.3です。

手法(英語名) 書き換えの内容 位置調整後ワード数 変化率 主観的印象 変化率
引用文の追加(Quotation Addition) 信頼できる情報源からの引用文を加える 27.2 +40.9% 24.7 +28.0%
統計の追加(Statistics Addition) 定性的な記述を、可能な箇所で数値データに置き換える 25.2 +30.6% 23.7 +22.8%
流暢さの改善(Fluency Optimization) 文章の流れと読みやすさを整える 24.7 +28.0% 21.9 +13.5%
出典の明記(Cite Sources) 関連する出典を文中に加える 24.6 +27.5% 21.9 +13.5%
専門用語の追加(Technical Terms) 可能な箇所に専門用語を加える 22.7 +17.6% 21.4 +10.9%
平易な表現(Easy-to-Understand) 言葉を簡単にし、理解しやすくする 22.0 +14.0% 20.5 +6.2%
権威的な文体(Authoritative) 説得力があり、権威を感じさせる文体にする 21.3 +10.4% 22.9 +18.7%
独自の語彙(Unique Words) 可能な箇所に独自性のある語を加える 20.5 +6.2% 20.4 +5.7%
キーワード詰め込み(Keyword Stuffing) 質問に含まれる語を文章に増やす 17.7 −8.3% 20.2 +4.7%

論文の本文は、引用文の追加、統計の追加、出典の明記の3つが位置調整後ワード数で30〜40%の相対改善を達成したと述べています。表の値から計算すると出典の明記は約28%にとどまりますが、上位3つが他の手法を引き離している点は共通です。3つに共通するのは「主張の根拠を、文章の中に見える形で置く」書き換えだという点で、回答に「〜という調査では〇%でした」と書くには元のページにその数値がなければなりません。

逆効果だった手法:キーワード詰め込み

論文は、従来のSEOで使われてきたキーワード詰め込みのような単純な手法はうまくいかない、と書いています。質問に含まれる語を増やしても回答に採用される分量は増えず、位置調整後ワード数は19.3から17.7へ下がりました。主観的印象ではわずかに上がっており(20.2)、2つの指標で結果が割れた唯一の手法でもあります。文体に関わる手法(流暢さの改善、権威的な文体、平易な表現)は改善したものの、根拠を足す手法には届きませんでした。

組み合わせとPerplexity.aiでの追加実験

論文は、効果の高かった4つの手法(出典の明記、流暢さの改善、統計の追加、引用文の追加)を2つずつ組み合わせる実験も、テスト用データの200件で行っています。最も高かったのは流暢さの改善と統計の追加の組み合わせで、単独の手法を5.5%以上上回りました。組み合わせごとの数値は図(ヒートマップ)で示され、最良の組み合わせの改善率は35.8%と読み取れます。

商用サービスのPerplexity.aiを使った200件の追加実験では、位置調整後ワード数で引用文の追加が基準値より22%高くなり、主観的印象では統計の追加が最大で37%改善しました。キーワード詰め込みは、ここでも基準値を10%下回りました。ただし、情報源をファイルとして与える特殊な条件での200件なので、商用サービスでの一般的な効果を示したとは言い切れません。

論文の読み方:順位別・分野別の結果と、論文自身が認める限界

論文の結果でもっとも実務に関係が深いのは、検索順位が低い情報源ほどGEOの恩恵が大きく、1位の情報源は可視性を失う、という発見です。あわせて、論文は検証の範囲が限られていることを自ら認めており、2023年の実験環境と現在のAI検索には違いがあります。

順位別の結果:5位のサイトは115.1%増、1位のサイトは30.3%減

論文の第3版の表2は、検索結果の順位ごとに、1つの情報源だけを最適化したときの可視性の変化を示しています。出典の明記を施した場合、検索5位のサイトの可視性は115.1%増え、1位のサイトは30.3%減りました。

手法 検索1位の情報源 検索5位の情報源
出典の明記 −30.3% +115.1%
引用文の追加 −22.9% +99.7%
統計の追加 −20.6% +97.9%
権威的な文体 −6.0% +6.1%
流暢さの改善 −2.0% +2.2%

生成エンジンの回答では、「検索1位の座」が従来ほど安全ではありません。順位で下にいるページが根拠を充実させると、回答内の分量を上位のページから奪う形で増えます。論文のプロジェクトページも、GEOは今後、検索順位の低いサイトにより大きく役立つと記しています。ただし、これは1つの情報源だけを最適化した場合の数値で、競合もすべて同じ最適化を施したときに同じ差が残るかは分かりません。この点は後述の2025年の追試が扱っています。

分野別の結果:手法の効き目は質問の分野で変わる

論文の表3は、各手法がとくに効いた分野を上位3つずつ挙げています。権威的な文体は討論、歴史、科学で、流暢さの改善はビジネス、科学、健康で効果が高く出ました。出典の明記は事実の確認や法律・行政に関する質問で、引用文の追加は人と社会、説明、歴史で、統計の追加は法律・行政、討論、意見を問う質問で上位でした。論文はこの結果から、分野ごとに手法を選ぶ「分野特化の最適化」が必要だと結論づけています。分野別の改善率は表3に記載がありません。

論文が自ら挙げる5つの限界

論文の第9節には、研究の限界が明記されています。整理すると次の5点です。

  1. 検証した生成エンジンは2つ(自作エンジンとPerplexity.ai)に限られ、エンジンの進化に合わせて手法の調整が必要になる
  2. 質問の分布は時間とともに変わるため、ベンチマークは継続的な更新が必要になる
  3. 検索エンジンの内部の仕組みはブラックボックスであるため、書き換えが検索順位に与える影響は評価していない
  4. モデルのコンテキストウィンドウ、つまり一度に読める文章量が大きくなると、検索順位の影響そのものが小さくなる可能性がある
  5. 質問のタグ付けはGPT-4で行い人手で確認したが、誤りや主観的なぶれが残り得る

とくに3点目は注意点で、論文は書き換えが検索順位に影響する可能性は低いと考えていますが、検証はしていません。

論文の実験環境と、2026年のAI検索の違い

論文の実験は2023年に、gpt-3.5-turboと検索上位5件という条件で行われました。その後、OpenAIのChatGPT searchの発表ページによれば、ChatGPTに検索機能が加わったのは2024年10月31日で、2025年2月5日には登録なしの利用者にも開放されました。GoogleのAIによる概要とAIモードも、論文の公開後に本格展開された機能です。Googleはクエリ ファンアウトで複数の関連クエリを同時に実行しており、情報源の集め方も論文の実験のように上位5件に固定されていません。論文の数値は「2023年時点の、ある条件でこうだった」と読むのが正確です。

2024年以降の研究が示したこと:GEO対策の効果はどこまで再現されたか

2024年以降の研究を総合すると、GEOの9つの手法は「すでに回答の材料に選ばれているページ」の引用のされ方を変える力はあるものの、効果は論文の数値より小さいことが分かってきました。条件によっては逆効果で、競合が同じ手法を使うと差は縮みます。主要な研究を表で整理し、順に見ていきます。

2024年以降の研究の数字を示す4つのタイル。C-SEO Bench(NeurIPS 2025採択)では54条件のうち有意な改善は3件、トロント大学の研究者の研究では米国自動車分野のAI検索の引用の81.9%が第三者メディア(Google上位10件では45.1%)、Semrushの調査では引用されたURLで明快さと要約が+32.83%、AhrefsではChatGPTの引用上位1,000ページの28.3%がGoogleで順位を持たない

図:2024年以降の研究が示した数字(C-SEO Bench、トロント大学の研究、Semrush、Ahrefsの各公開資料をもとに作成)

研究(発表) 検証の規模 主な結果
C-SEO Bench(NeurIPS 2025採択、2025年6月公開) 2タスク×3分野、質問1,900件超、文書1万6,000件超、4つの商用モデル 54の条件で有意な改善は3件。統計の追加は24条件中19で順位が低下。文脈内の位置を上げる従来型の対策が有効
トロント大学の研究(2025年9月、プレプリント) 消費者向けの質問1,000件、米国とカナダ、ウェブ検索付きのGPTとGoogle AI検索は第三者メディアを強く優先。自動車分野(米国)では引用の81.9%が第三者で、Googleの45.1%を大きく上回る
GEO研究の批判的サーベイ(2026年7月、プレプリント) 2023年11月〜2026年7月の45研究を整理 再現性が高いのは話題との関連性と文脈内の位置。横断的・長期的に流入を増やした手法は確認されていない
対話型検索の順位操作の研究(EMNLP 2024) 実際の消費者向け製品サイトを集めたデータセット モデルによって製品名、本文、文脈内の位置の重みが大きく異なる。攻撃的な手法で下位製品を押し上げられ、商用サービスにも転移
AI可視性の統計的枠組み(2026年3月、プレプリント) 3つの生成検索、3テーマ、9日間の日次取得と10分間隔の取得 引用の分布はべき乗則に従い、取得ごとに大きく変動。1回の測定による比較は誤差の範囲に入りやすい

C-SEO Bench(2025年):54条件のうち有意な改善は3件

GEO論文の手法を最も体系的に追試したのが、C-SEO Bench: Does Conversational SEO Work?です。ドイツのダルムシュタット工科大学やテュービンゲン大学、NAVER AI Labなどの研究者が2025年6月に公開し、機械学習の国際会議NeurIPS 2025にポスター発表として採択されました。論文の全文(第3版)は、質問応答と商品推薦の2タスクに各3分野を設け、質問1,900件超、文書1万6,000件超のベンチマークを作りました。GEO論文の8手法に「Content Improvement」と「LLM Guidance」を加えた10手法を、gpt-4o-mini、Claude 3.5 Haiku、o3、o4-miniの4モデルで検証しています。

54の条件のうち統計的に有意な順位の改善は3件だけで、いずれもGEO論文にはない2手法(LLM GuidanceとContent Improvement)によるものでした。統計の追加は、評価した24の条件のうち19で順位を下げました。著者らは、現在のC-SEO(対話型検索向けSEO)の手法は「おおむね効果がなく、文書の順位に悪影響を与えることも多い」と結論づけています。

従来型の対策のほうが効く:文脈内の位置が決める

同じ研究は、GEOの手法と、文書を文脈の先頭に置く従来型の対策を比べました。gpt-4o-miniで文書を1番目に置いた場合、小売分野では順位が平均2.77改善し、LLM Guidanceの0.36を大きく上回りました。著者らは、従来のSEO戦略は引き続き不可欠であり、C-SEOはその補完であって代替ではないと述べています。同じ手法を使う競合が増えるほど1社あたりの利得は減ってゼロに近づく、「混雑したゼロサムゲーム」だという指摘もあります。

トロント大学の研究(2025年):AI検索は第三者メディアを優先する

トロント大学の研究者4名が2025年9月に公開したプレプリント「Generative Engine Optimization: How to Dominate AI Search」は、消費者向けの順位付け質問1,000件(10分野×100件)を米国とカナダで実行しました。ウェブ検索を有効にしたGPTの引用と、Googleの上位10件を比べる実験で、言語や言い回しを変える別の実験ではPerplexity、Claude、Geminiも使っています。

同論文の全文によると、米国の自動車分野では、AI検索の引用のうち第三者メディア(earned media)が81.9%、ブランド自身のサイトが18.1%でした。Googleの上位10件では第三者が45.1%、ブランドが39.5%、SNSが15.4%です。ソフトウェア分野(米国)でも、AI検索の第三者比率は72.7%で、Googleの45.4%を上回りました。AI検索の引用とGoogle上位の重なりも限定的で、スマートフォンの質問ではGoogle上位5件との重なりが15%、上位10件でも20%、地域サービスの自動車修理では2.5%、IT支援では0.1%です。著者らの提言は、根拠の明確な文章、第三者からの言及の獲得、エンジンごと・言語ごとの戦略、大手ブランドが有利になる「ビッグブランド・バイアス」への対処の4つです。

2026年の批判的サーベイ:確認できた効果は「選ばれた後」の話

2026年7月15日にarXivで公開されたGEO研究のサーベイは、2023年11月から2026年7月までの45の研究を整理しました。単著の査読前プレプリントですが、著者の結論は明確で、GEO論文が報告した改善は、その実験条件の中では成り立つものの、「すでに固定された文脈に情報源が入っている場合」に限られます。つまり、回答の材料に選ばれる段階(検索・取得)での効果ではなく、選ばれた後の引用のされ方への効果です。再現性が高い要因としては話題との関連性と文脈内の位置を挙げ、汎用的な書き換えの型は転移しにくいと指摘しています。

順位操作と測定の不確かさ:2つの補助的な研究

2024年のEMNLP(自然言語処理の国際会議)で発表されたRanking Manipulation for Conversational Search Enginesは、実際の消費者向け製品サイトを集めた研究です。対話型検索の順位を敵対的に動かせるかを調べ、モデルごとに製品名、本文、文脈内の位置の重みが大きく異なることを示しました。プロンプトインジェクション(AIへの指示を文章に埋め込む手口)で下位の製品を安定して押し上げられ、攻撃はPerplexity.aiなど商用サービスにも転移したとされています。

2026年3月に公開され8月に改訂された統計的枠組みのプレプリントは、3つの生成検索の引用を9日間の日次取得と10分間隔の取得で繰り返し集めました。引用先の分布は一部のドメインに集中するべき乗則の形で、取得のたびに大きく変わり、ドメイン間の見かけの差の多くは誤差の範囲でした。1回の質問で効果を判断すると誤差を成果と見誤る、という示唆は実務にそのまま当てはまります。

ツール事業者の大規模データ:構造と根拠の明示が引用と相関する

Semrushは2026年1月14日に公開したAI検索で引用されるコンテンツの要素の調査で、2025年7〜8月にChatGPT検索、GoogleのAIモード、Perplexityで1万1,882件の質問を実行しました。引用された30万4,805件のURLと、Googleの上位20位に入りながら引用されなかった92万1,614件のURLを、13の文章要素で比べています。引用されたURLで強く出ていたのは、明快さと要約(+32.83%)、専門性や信頼性を示す要素(+30.64%)、質問と答えの形式(+25.45%)、章立ての構造(+22.91%)でした。論文の方向性と重なりますが、引用されたURLとされなかったURLの差を見た相関であって、因果関係までは分かりません。

Ahrefsが2025年10月28日に公開したChatGPTの引用上位1,000ページの分析は、ChatGPTが2025年9月に引用した上位1,000ページの内訳を示しています。Wikipediaが29.7%、企業や製品のトップページが23.8%、解説ページが19.4%で、企業が記事で入り込める余地のある種類は32.3%でした。1,000ページのうち28.3%はGoogleで1つもキーワードの順位を持っておらず、検索順位と引用は完全には連動していません。分類はAIで行われた1か月分の集計なので、傾向として読むのが適切です。

GoogleとOpenAIの立場:GEO対策について公式に言っていること

GoogleとOpenAIは、GEO対策に特別な近道はないという点で一致しています。Googleは生成AI検索向けの最適化はSEOそのものだと述べ、OpenAIは掲載順は複数の要因で決まり、掲載に保証はないと書いています。

Google:「AEO / GEOハック」より効果的なSEO戦略を

GoogleのAI検索向けの公式ガイドは、重視すべき項目の1つに「『AEO / GEOハック』よりも効果的なSEO戦略を優先する」という見出しを置いています。近道より基本を、という姿勢です。同じガイドは、生成AI検索向けの書き方をする必要はなく、AIに合わせて内容を細かく分割する必要もないとし、Googleの内部システムにアクセスできる外部ツールは存在しないとも書いています。

Googleで検索部門のディレクターを務めるダニー・サリバン氏(元サーチリエゾン)も、2025年8月28日のWordCamp USの基調講演で、良いSEOは良いGEOでありAEOやAIOでもあると述べたことが、基調講演の報道で伝えられています。この見解はGoogle検索に限ったもので、論文のGEOが対象にした生成エンジンにはGoogle以外のサービスも含まれます。GoogleのAIによる概要に引用されるための具体的な施策は、AIによる概要に引用される7つの施策で扱っています。

OpenAI:掲載順は複数の要因で決まり、保証はない

OpenAIはChatGPTの検索機能のヘルプで、ChatGPTは関連性と信頼性の高い情報を見つけるための複数の要因で検索結果を順位付けし、掲載に保証はないと書いています。要因の中身は公開されていません。同じページは、質問を検索用の語句に組み替えて外部の検索事業者へ渡すこと、検索結果や引用には誤りが含まれ得ることも述べ、候補になる条件としてOAI-SearchBotという検索用クローラーを締め出していないことを挙げています。ChatGPTの仕組みと対策の全体はChatGPT検索の仕組みと対策にまとめています。論文が追加実験に使ったPerplexityでの引用対策は、別記事に譲ります。

GEOとSEOとの違い:最適化の対象と評価の単位、共通する土台

GEOとSEOの最大の違いは、最適化の対象です。SEOは検索結果一覧でのリンクの上位表示を、GEOは生成された答えの中に自社の情報を含め、出典として示されることを目標にします。評価の単位、根拠、測り方も異なりますが、土台となる作業の多くは共通しています。

SEOとGEOの比較図。最適化の対象はSEOがリンクの順位、GEOが回答への採用と出典表示。評価の単位はページと文・段落、根拠は公開されたランキング システムと実務の蓄積と、2023年の論文と追試。利用者の行動は検索してクリックと質問して答えを読む、測り方は順位・CTR・流入と言及率・引用数・AI機能での表示回数、結果の安定性はおおむね一定と実行ごとに変わる。共通する土台はクロールと索引登録、独自で有用な内容、信頼性の明示

図:SEOとGEOの違いと共通する土台(本記事の整理)

観点 SEO GEO
最適化の対象 検索結果の一覧におけるページのリンクの順位 生成された回答への採用と、出典としての表示
評価の単位 ページ(と、そのページへのリンク) 回答内の文や段落。論文の指標はワード数と位置
根拠となる知見 Googleが公開する検索ランキング システムと長年の実務 2023年の研究論文と、2024年以降の追試・観察研究
利用者の行動 検索語を入力し、結果からクリックして読む 質問文を入力し、答えを読む。出典を開くのは一部
主な測り方 順位、表示回数、クリック率、自然検索の流入 言及の有無と割合、引用された回数、生成AI機能での表示回数
結果の安定性 同じ検索語であれば短期間の結果はおおむね一定 同じ質問でも回答と出典が実行ごとに変わる
共通する土台 クロールと索引登録、独自で有用な内容、信頼性の明示 SEOと同じ。検索で評価されたページが材料になる

違い1:リンクの順位か、回答への採用か

SEOの目標は、GoogleのSEOスターター ガイドの説明を借りれば、検索エンジンに内容を理解させ、訪れる価値があるサイトかどうかを利用者が判断できるようにすることです。GEOの目標は生成された答えの中に入ることで、評価されるのは「回答の中で何ワード分、どの位置で使われたか」であり、答えの中で正しく語られても訪問に結びつかないことがあります。

違い2:ページ単位か、文や段落の単位か

SEOでも、Googleが文書化したランキング システム群の解説にある「パッセージ ランキング システム」のように、ページ内の個々のセクションを特定して関連性を細かく理解する仕組みはあります。それでも、検索結果に表示されるのはページ単位のリンクです。GEOでは回答に採用されるのはページの一部で、論文の9つの手法が文章の書き換えだったのも、評価の単位が文や段落だからです。1つの段落に、主張と数値と出典がそろっているかが問われます。

共通する部分:検索で評価されることが前提

土台は共通です。Googleの生成AI機能は検索インデックスからページを取得して答えを作り、ChatGPTの検索も検索事業者の結果を使うため、検索エンジンが把握していないページは生成エンジンの材料にもなりません。C-SEO Benchが示した「文脈内の位置が決める」という結果も、検索で上位にあることの価値を裏付けています。

なお、SEOとGEO対策に予算や人手をどう配分するかは事業の種類と現状で異なるので、別の記事に任せます。配分の考え方と判断の手順は2027年に向けたAI対策とSEO対策の配分で整理しています。

GEOが語られる市場環境:2026年のデータ

GEOが語られる背景には、情報を探す行動がAIへ移りつつあるという事実があります。2026年公表のデータでは、AIは「調べる入口」として広がる一方、サイトへ人を送る力は検索に比べてまだ小さいことも分かります。

調べ始めはAI、確かめるのは検索エンジン

マネーフォワードが2026年9月25日に公表した生成AIと検索エンジンの利用実態調査は、生成AIで調べ物をした経験のある社会人2,204名を対象にしています(調査開始は2026年1月16日)。調べ物の際に生成AIを「よく使う」「ほぼ毎回使う」と答えた人は58.1%、検索エンジンの利用が減ったと答えた人は44.8%(20代は57%、50代は30%)でした。

同じ調査では、AIの回答を得た後に状況に応じて再検索する人が8割を超え、再検索の理由は信頼性の確認が28.4%、一次情報の確認が14.3%でした。生成AIの回答に対する不安では、情報の正確性が45.6%で最多、情報源が分からないことが14.4%です。一次情報と出典への需要は、論文の方向性とも整合します。

ニュースの入口としてのAIは10%、クリックは4%

オックスフォード大学のロイター・ジャーナリズム研究所が2026年6月16日に公開したDigital News Report 2026によると、ニュースを得るためにAIチャットボットを週に1回以上使う人は、前年の7%から10%に増えました。最も若い年齢層では17%、最も高い層では5%です。一方、AIチャットボットから「いつも、またはよく」リンクをクリックして元の記事に進む人は、27市場の全体で4%にとどまり、検索経由の19%、SNS経由の17%を下回ります。GEO対策の価値は流入の置き換えではなく、比較の候補に名前が入るかどうかにあり、成果を訪問数だけで測ると答えの中での露出を見落とします。

GEO対策の実務:9つの手法を企業サイトに落とす手順

GEO対策を企業サイトで進める手順は、論文の9つの手法を「主力の質問に答えるページに、根拠を目に見える形で足す作業」に置き換えることです。ここから先は論文の知見をもとにした本記事の提案で、論文が検証した内容ではない点をあらかじめ明記します。

GEO論文の手法を企業サイトの書き方に読み替えた対応図。統計の追加は時期・対象・件数付きの数値、出典の明記は主張の直後に一次情報へのリンク、引用文の追加は名前と立場付きの専門家・顧客の声、権威的な文体は著者経歴・運営者情報の明示、流暢さの改善と平易な表現は見出し直下に答えと短い文、専門用語の追加は正式名称・規格名・法令名、独自の語彙は自社サービス名・固有の事例。キーワード詰め込みは論文で逆効果のため行わない

図:論文の9つの手法を企業サイトに読み替える対応表(本記事の提案)

手法を企業サイトに読み替える対応表

論文の手法 企業サイトでの具体例 注意点
統計の追加 「多くの企業が導入」を「従業員30〜99名の企業の導入率は62%(自社調査、2026年、n=150)」のように書く(数値は想定例) 数値には時期、対象、件数を添える。想定例の数値は実数と区別する
出典の明記 公的統計や公式ドキュメントへのリンクを主張の直後に置く 一次情報を優先し、他社の解説ページを根拠にしない
引用文の追加 社内の専門家や顧客の発言を、名前と立場付きで引用する 許諾を得る。やらせの口コミは法令違反になり得る
権威的な文体 著者の経歴と資格、運営者情報を明示し、根拠がある箇所は断定する 根拠のない断定は信頼を損なう
流暢さの改善・平易な表現 見出しの直下に答えを書き、1文を短くし、専門用語に説明を添える 内容を薄めない。読者が必要とする詳細は残す
専門用語の追加 正式名称、規格名、型番、法令名を正確に書く 略語には正式名を添える
独自の語彙 自社サービス名、独自の手法名、固有の事例を書く 造語の乱用は避ける
キーワード詰め込み 行わない 論文でも逆効果。Googleのスパムポリシーでいう「キーワードの乱用」にあたり得る

手順1:対象ページを選ぶ(主力の質問に答えるページから)

目安は、自社の商材について想定顧客がAIに聞きそうな質問に答えているページで、料金、比較、選び方、導入手順、用語の解説などが該当します。論文の順位別の結果を踏まえると、検索で5〜10位にいるページは根拠を足す改善の恩恵を受けやすい候補で、「順位は中位で、質問への答えを持っているページ」から始めます。

手順2:主張を洗い出し、根拠のない文に印をつける

対象ページを読み、「おすすめです」「多くの企業が」「効果的です」のように、数値も出典もない主張に印をつけます。これらが、統計の追加と出典の明記の対象です。同時に、画像や図の中にしかない数値を探し、本文か表組みの文字としても書きます。生成エンジンが読むのは文字だからです。

手順3:統計を足す(自社データを優先し、時期・対象・件数を添える)

印をつけた文に数値を足します。優先するのは自社のデータです。導入社数、継続率、処理時間、顧客の属性など、自社だけが持つ数字が最も強い根拠になります。公開できる数字がない場合は、公的統計や公式ドキュメントの数値を使い、出典を添えます。数値には時期・対象・件数の3点を欠かさず書き、架空の例には「想定例」と明記します。たとえば、月間100件の問い合わせのうちAI経由と判明したものが12件なら、AI経由の比率は12%です(想定例)。

手順4:出典を明記する(主張の直後に、一次情報へ)

出典は主張の直後に置きます。段落の末尾にまとめて並べるより、「〇〇の調査(2026年、n=2,204)では58.1%でした」のように文中で示すほうが、文単位で引用される生成エンジンの評価に合います。出典は、公的機関の統計、プラットフォームの公式ドキュメント、研究論文、調査の発表元といった一次情報を優先します。

手順5:専門家の発言と顧客の声を引用する

論文で最も効いた引用文の追加は、企業サイトでは専門家の見解と顧客の声にあたります。社内の有資格者や責任者の発言は氏名と立場付きで、顧客の声は許諾を得たうえで会社名や業種と状況を添えて引用します。

注意したいのは引用の作り方です。消費者庁によると、ステルスマーケティング規制(施行は2023年10月)で規制されるのは供給側の事業者、すなわち広告主です。対価を払って書かせた好意的な感想を、広告と判別できない形で載せる行為はこの規制の対象になり得ます。第三者の言及を増やす正当な方法は、サイテーションを増やす企業向けの手順で整理しています。

手順6:読みやすさを整え、見出しの直下に答えを置く

流暢さの改善と平易な表現にあたる作業です。見出しを質問の形か答えが分かる名詞にし、その直下の1文で答えを書きます。1文は短くし、専門用語には初出で説明を添え、比較は表に、作業の説明は番号を振った手順で示します。目的はAI向けの文体ではなく、人が答えにすぐたどり着ける構造です。

手順7:書き手と運営者を明示し、検索の土台を点検する

権威的な文体の企業サイト版は、誰が書いたか、どの会社が運営しているかを明示することです。著者の経歴、運営者情報、公開日と更新日をページに置きます。最後に、インデックス登録の有無、AIの検索用クローラーを締め出していないか、重要な情報がHTMLの文字として読めるかを確かめます。これらはLLMO対策を自社で点検する10項目の最初の項目にあたります。構造化データの実装の進め方は別記事に委ねます。

既存ページの改修ではなく記事の新規制作から入る場合は、調査から構成までの設計をコンテンツSEOの記事設計で確認してください。

避けるべき3つの行為

1つめはキーワードの詰め込みで、論文でも逆効果でした。2つめは、AIへの指示文を本文や隠しテキストに埋め込むプロンプトインジェクションの類で、Googleのスパムポリシーは生成AIの応答を操作する試みをスパムに含めています。3つめは、言及や口コミを買うことです。Googleのガイドも、ウェブ上の「言及」を探し回る行為は見かけほど役立たないとし、不自然な言及の追求を無視できる戦術に挙げています。

GEO対策の計測・費用・90日の進め方

GEO対策は、着手前に現状を記録し、90日を単位に「見える化、根拠の追加、第三者への展開」の順で進めると、成果と誤差を区別しながら判断できます。計測と費用の詳細は別の記事に譲り、ここでは要点と進め方に絞ります。

GEO対策の最初の90日のロードマップ。1〜30日目は質問20問の書き出し、主なAIでの複数回の実行と記録、公式レポートの表示回数の控え、対象5〜10ページの選定。31〜60日目は自社データに時期・対象・件数を添え、出典を主張の直後に置き、名前と立場付きの引用を加え、見出しの直下に答えを置く。61〜90日目は調査・事例を社外へ公開し、同じ質問・同じ回数で再計測し、表示回数を着手前と比べ、誤差か傾向かを判断する。報告は根拠を足したページ数と言及の割合の推移を分けて示す

図:GEO対策の最初の90日の進め方(本記事の提案)

計測:公式レポートと、繰り返しの手動確認を組み合わせる

GoogleのAI機能での露出は、Search Consoleの生成AIパフォーマンスレポートに出ます。数えられるのは、自社サイトのリンクがAIの回答の中で表示された数で、AIによる概要とAIモードが対象です。ページ別、国別、日付別、デバイス別に見られ、2026年8月31日を期して世界中のサイトに提供が広がりました。ChatGPTなどでの言及は公式の数字がないため、主要な質問を決め、複数回・複数日にわたって繰り返した言及と引用の割合で記録します。指標の設計と記録の方法は、LLMOの効果測定の方法にまとめています。

費用:制作と計測の外注が中心で、施策別の月額相場は約37.8万円

GEO対策の外注費用は、調査会社のPRIZMA(プリズマ)によるLLMO対策の外注費用の調査が目安になります(2026年8月6日公表。回答は、年商5億円以上で従業員30人以上の企業でLLMO対策を外注中の担当者418名、実施は同年7月下旬)。一次情報・ファクトコンテンツの企画・制作は月額約37.8万円、AIでの引用状況の定点モニタリングも月額約37.8万円でした(各施策を実施中の企業の回答から出した相場平均)。外注先に任せている施策では、主要なAI検索での自社ブランドの引用・露出の定点モニタリングが44.3%、既存コンテンツのAI向けのリライトが40.7%で、論文の手法に近い「根拠を足す制作」と「計測」が中心です。料金体系の種類と見積もりの比べ方は、LLMO対策会社の選び方と費用に譲ります。

1〜30日目:記録と対象ページの選定

  1. 想定顧客がAIに聞きそうな質問を20問書き出す
  2. 主なAIサービスで各質問を複数回ずつ実行し、言及の有無と引用元を記録する
  3. Search Consoleの同レポートで、ページ別の表示回数を控える
  4. 主力の質問に答えるページを5〜10ページ選び、根拠のない主張に印をつける

31〜60日目:根拠を足す

  1. 自社データを棚卸しし、公開できる数値を時期・対象・件数付きで本文に入れる
  2. 公的統計や公式ドキュメントへの出典を、主張の直後に置く
  3. 社内の専門家の見解と、許諾を得た顧客の声を、名前と立場付きで加える
  4. 見出しの直下に答えを置き、画像だけの数値を文字にする

61〜90日目:社外に広げ、再計測する

  1. 自社の調査や事例を公開し、業界メディアや取引先の事例ページで取り上げられる機会を作る
  2. 30日目と同じ質問・同じ回数で測り直し、言及の割合と引用元の変化を比べる
  3. 同レポートの表示回数を、着手前と比べる
  4. 変化が誤差の範囲か傾向かを判断し、次の90日の対象ページを決める

90日で回答が動くとは限らないため、報告では根拠を足したページ数という作業の実績と、言及の割合の推移を分けて示します。

よくある質問(FAQ)

GEOとSEOの違いは何ですか?

最適化の対象が違います。SEOが狙うのは検索結果一覧でのページのリンクの上位表示、GEOが狙うのは生成AIが作る答えの中に自社の情報が入り、出典として示されることです。評価の単位はSEOがページ、GEOが回答内の文や段落ですが、土台の作業は共通です。

GEOとLLMOは同じものですか?

実務上は、ほとんど同じ取り組みを指す別の呼び名です。GEOは2023年の研究論文が初出の言葉で、「生成エンジン」への最適化を強調します。LLMOは大規模言語モデル(LLM)を相手にした最適化を意味し、国内で多い呼び名です。

GEO対策の着手点はどこですか?

着手前の記録です。想定顧客がAIに聞きそうな質問を書き出し、主なAIサービスで複数回実行して言及と引用元を記録します。次に、主力の質問に答えるページを選び、根拠のない主張に数値と出典を足します。

論文の「最大40%」は、自社サイトでも再現できますか?

そのままの再現は期待できません。40%は、2023年にGPT-3.5とGoogle検索上位5件という条件で、研究用のベンチマーク1,000件を使って測った値です。2025年のNeurIPS採択の追試では、54の条件のうち有意な改善は3件でした。論文の数値は「根拠を足す書き換えに効果が出る方向性」として読み、自社での効果は計測で見極めます。

キーワードを詰め込むと逆効果ですか?

論文の実験では逆効果でした。質問の語を文章に増やすキーワード詰め込みは、可視性の指標が19.3から17.7へ下がり、9つの手法で唯一の悪化で、Perplexity.aiの追加実験でも基準値を10%下回りました。Googleのスパムポリシーでも、順位操作を狙って語句や数字を詰め込む「キーワードの乱用」は違反に数えられています。

統計や引用を足せば、AIの回答に採用されますか?

採用が約束されるものではありません。論文が示したのは、すでに回答の材料に選ばれたページの中で、根拠のあるページがより長く、前の位置で使われる傾向です。材料に選ばれる段階は検索での評価に左右され、2026年のサーベイも、取得段階での効果はまだ確認されていないと指摘しています。根拠を足す作業は読者にも価値があるので無駄にはなりませんが、計測で確かめる前提で進めてください。

GEOの効果はどう測りますか?

GoogleのAI機能内の表示回数は、Search Consoleで、AIによる概要とAIモードを対象に確認できます(生成AIパフォーマンスレポート)。ChatGPTなどでの言及は、決めた質問を定期的に複数回実行し、回答が実行ごとに変わることを前提に、言及と引用の割合の推移で判断します。

GEO対策を外注する場合、費用の相場はありますか?

施策別の月額相場で約37.8万円という公開調査があります(2026年8月公表のPRIZMAの調査、418名)。一次情報・ファクトコンテンツの企画・制作と、AIでの引用状況の定点モニタリングの相場平均がいずれも月額約37.8万円でした。頼む施策と納品物で中身が大きく変わるため、見積もりは施策の単位で比べます。

GoogleはGEOを認めていますか?

言葉としては認めていますが、独立した対策とは位置づけていません。Googleの公式ガイドは、GEOを「生成エンジン最適化」の略と記したうえで、生成AI検索への最適化もSEOの範囲にあると述べ、「AEO / GEOハック」より効果的なSEO戦略を優先せよと促しています。

まとめ:GEOは「根拠を文章に置く」研究の成果であり、計測で確かめる対策である

GEO(生成エンジン最適化)は、2023年の研究論文が提案した「生成エンジンの回答の中での可視性を高める」枠組みで、その知見は「根拠を文章の中に見える形で置く」という一点に集約されます。要点は次の6つです。

  • GEOは米国とインドの大学の研究者が2023年11月に提案し、KDD 2024で発表された論文に由来する。評価の対象は検索順位ではなく、回答の中での引用の分量と位置
  • 9つの手法のうち、引用文の追加、統計の追加、出典の明記が最も効き、最良の手法で41%の改善。キーワード詰め込みは唯一の逆効果
  • 恩恵は検索順位が低いページほど大きく、5位のページは出典の明記で115.1%増、1位のページは30.3%減
  • 2025年以降の追試では効果は限定的で、文脈内の位置を上げる従来型の対策のほうが有効。競合が同じ手法を使うと差は縮む
  • GoogleはGEOを「生成エンジン最適化」の略と定義しつつSEOの一部とみなし、「AEO / GEOハック」よりSEOの基本を優先せよと促している
  • 実務では、主力の質問に答えるページに、時期・対象・件数付きの数値、一次情報への出典、名前付きの引用を足し、繰り返しの計測で確かめる

着手の第一歩は、想定顧客がAIに聞きそうな質問を20問書き出し、主なAIサービスで複数回実行して、自社の言及と引用元を記録することです。この記録が改善の前後を比べる基準になります。

論文の9つの手法を、自社の点検項目に移すための資料

GEOの研究が示した方向性を自社サイトの点検に落とすには、EREVISTAの資料「【AIO・LLMO】AIが“答え”を出す時代、その答えに選ばれているか」が使えます。AIO/LLMOに未着手でSEOだけ進めている、など3つの“あるある”で現在地を確かめ、最初の90日を3段階(30日ごとに可視化、実体づくり、分布づくり)で示した進め方を確認できます。本記事の手順1〜7に入る前に、「今日からできる5つ」と点検テンプレで、着手するページと順番を決める使い方もできます。

資料をダウンロードする

出典・参考資料

記事内のデータは2026年10月25日時点で確認したものです。