SEO

GEO(生成エンジン最適化)とは?SEOとの違い7つとE-E-A-Tとの関係【2026年11月】

GEO(生成エンジン最適化)とは?SEOとの違い7つとE-E-A-Tとの関係【2026年11月】

GEO(Generative Engine Optimization、生成エンジン最適化)は、ChatGPTの検索機能やGoogleのAIによる概要のように、検索で集めたページを読んで回答文を組み立てるAIに対して、自社のページを引用元として選ばれやすくする取り組みです。名前を付けたのは2023年11月公開の研究論文で、出典・引用文・統計の追加によって実験上の可視性が最大40%改善し、キーワードの詰め込みは語数と登場位置を合わせた指標で基準を下回ったと報告しています。

SEOとの違いはよく「順位を狙うか、引用を狙うか」と説明されます。ただしGoogleは2026年5月に公開した公式ガイドで「生成AI検索への最適化も結局はSEO」と書いており、違いは目的よりも成果の現れ方と測り方にあります。本記事では、SEOとGEOの違いを7つの観点で整理したうえで、原典論文の実験結果、Googleの公式見解、E-E-A-Tとの関係、効果測定の方法を一次情報で確認します。

まとめ:GEOはSEOの土台に「引用される根拠」を足す取り組み

  • SEOとGEOの違いは、目的(上位表示か回答内の引用か)・評価の単位・成果の現れ方・指標・第三者サイトの影響・効かない施策・計測手段の7点に出る
  • インデックスされ、スニペットを表示できることがGoogleのAI機能に載る前提なので、着手の順序はSEOの土台が先で、GEOはその上の差分
  • 原典論文(arXiv 2311.09735、KDD 2024採録)で効いたのは「引用文の追加」「統計の追加」「出典の明記」。キーワードの詰め込みは基準を下回った
  • Googleはllms.txt・本文のチャンク化・不自然な言及の追求を「無視できる」とし、2026年5月15日にはスパムポリシーの適用範囲に生成AI回答を明記した
  • E-E-A-T自体はランキング要因ではないが、論文で効いた出典・統計・引用は、E-E-A-Tで最も重いTrust(信頼)を文章上で示す手段と重なる

効果はSearch Consoleの生成AIパフォーマンスレポート、Bing Webmaster ToolsのAI Performance、GA4の参照元の3か所で測れます。以下で根拠を示します。

GEOの定義と原典論文(KDD 2024)の位置づけ

論文が定義した「生成エンジン」と「可視性」の測り方

GEOという語は、インド工科大学デリー校とプリンストン大学の研究者ら6名の論文「GEO: Generative Engine Optimization」で提案されました。arXivへの初稿は2023年11月16日、最新の改訂版(v3)は2024年6月28日で、第30回ACM SIGKDD(KDD ’24、2024年8月・バルセロナ)に採録されています。

論文は、BingChat・GoogleのSGE・Perplexityのように「検索で集めた複数の情報源を言語モデルで要約して答える仕組み」を生成エンジンと総称し、回答の中で各サイトがどれだけ目立つかを「可視性」として数値化しました。指標は、引用された語数を登場位置で重み付けした Position-Adjusted Word Count と、関連性・影響度など7観点の主観評価 Subjective Impression の2種類です。

評価用のGEO-benchは1万件のクエリ(学習8,000・検証1,000・テスト1,000)で、情報収集型が80%、取引型とナビゲーション型が各10%です。「GEOで何%伸びた」という数字は、順位でもクリック数でもなく、回答内での情報源の目立ち方を語数・位置や主観評価で数値化した指標の変化を指しています。

GEOとAEO・LLMO・AIO・GXOの呼び分け

日本ではGEOのほかに、似た対象を指す略語が並立しています。範囲は使い手によって異なり、次の表は本記事での整理です。

用語 主な対象 詳しい記事
GEO 検索を読んで回答を生成するAI全般 本記事
AEO 強調スニペット・音声・AIの回答枠 AEOとは
LLMO 大規模言語モデル(学習・推論の両面) LLMOとは
AIO AI検索最適化の総称 AIOとは
GXO AI上のブランド体験の一貫性 GXOとは

Google自身も公式ガイドでAEOとGEOを並べて取り上げ、Google検索の観点ではどちらもSEOだと説明しています。呼び名の違いで施策を分ける必要はありません。

GEOとSEOの違い:目的・評価の単位・成果指標など7つの観点

7観点の比較表:上位表示とAI回答内の引用

観点 SEO GEO
1. 目的 検索結果での上位表示 AIの回答内での引用・言及
2. 評価の単位 ページ(一節も評価される) 回答に組み込まれる一節
3. 成果の現れ方 リンクのクリック 回答内の出典リンク・社名の言及
4. 成果指標 順位・表示回数・クリック 引用回数・引用ページ数・引用の割合
5. 第三者サイトの影響 被リンク 他サイトでの言及も回答の材料
6. 避ける施策 リンクスパム・キーワード詰め込み 同左・不自然な言及による回答操作
7. 計測手段 Search Console・GA4 生成AIレポート・Bing AI Performance

2の「評価の単位」は誤解されやすい点です。AIの回答は複数ページの一節を組み合わせて作られ、GoogleのAIによる概要とAIモードは、1つの質問を複数の関連検索に分解して情報を集める「クエリファンアウト」を使うことがあると公式に説明しています。そのため、元の質問ではなく分解された関連検索の答えとして、ページの一部だけが拾われることがあります。一方で通常の検索もページ内の一節を理解して順位を付けるので、「SEOはページ、GEOは一節」と単純に分けられるわけではありません。

5の第三者サイトの影響では、自社サイト以外に掲載された製品情報や評価も、AIの回答の材料になりうる点を押さえてください。AIは複数の情報源を突き合わせて答えるため、比較記事や業界メディアでの扱われ方が回答の内容を左右します。ただし、自作自演などの不自然な言及によってGoogle検索の生成AI回答を操作する行為は、スパムポリシーの対象です(後述)。

引用されてもクリックが増えるとは限らない:ゼロクリックとの関係

SEOの成果は「表示→クリック→サイト内での行動」とつながりますが、GEOでは回答の中で疑問が解消されれば利用者はサイトを訪れません。引用回数が増えても流入が増えない状態は、ゼロクリック検索と同じ構造です。

そのためGEOの成果は「引用された回数」だけで評価せず、GA4で識別できるAI経由のセッションと問い合わせのキーイベントを併せて確認します。GoogleのAI機能からの流入は、通常検索と切り分けられない点に注意してください。社名や製品名が回答に出ること自体に価値がある商材(指名検索が後から増える商材)と、記事への流入そのものが収益源のメディアとでは、同じ引用数でも評価が変わります。

SEOとGEOの着手順序:技術要件の整備を優先

先にやるべきはSEOの土台です。理由は、主要な生成AI検索がいずれも検索インデックスとクローラーを前提にしているからです。

  • Google:AIによる概要・AIモードで補助リンクとして表示されるには、インデックス済みでスニペットを表示できる状態であることが条件
  • OpenAI:ChatGPTの検索結果に要約や引用として載るには、検索用クローラー OAI-SearchBot の取得を許可しておく必要がある(拒否したサイトもナビゲーション用のリンクとしては表示されることがある)
  • Microsoft:Copilotなどは引用元を探すときに検索語(grounding queries)を使い、その検索語をBing Webmaster ToolsのAI Performanceで公開している

インデックスされていない、スニペットを止めているページは、少なくともGoogleのAI機能では補助リンクになりません。ほかのAI検索については、各サービスの取得条件と掲載制御を個別に確認してください。予算が限られるなら、まず技術面のSEOとページの中身を整え、そのうえでGEO固有の作業(出典・統計・一次情報の追加と、回答の定点観測)を対象ページを絞って足す順序にしてください。

Googleの公式見解:生成AI検索への最適化も「SEO」

AIによる概要・AIモードの掲載条件とSearch Consoleの掲載制御

Google検索セントラルの「AI features and your website」は、AIによる概要とAIモードについて、表示のための追加要件や特別な最適化はない(There are no additional requirements to appear in AI Overviews or AI Mode)と書いています。補助リンクとして表示される条件はインデックス済みであることとスニペット付きで表示できることで、表示を制限したいときは nosnippet・data-nosnippet・max-snippet・noindex を使います。

2026年5月15日に公開された「Optimizing your website for generative AI features on Google Search」(英語版の最終更新は2026年7月10日、日本語版は2026年10月30日)は、これに加えてSearch Consoleの生成AI機能への掲載対象に含まれていることを条件に挙げています。Search Consoleの「検索の生成 AI 設定」は既定が「含める」で、「除外する」を選ぶとサイトのリンクとコンテンツは生成AI機能に表示されず、回答の根拠にも使われません。

GoogleのAI機能で引用されないときは、インデックスされていない、nosnippet などでスニペットを止めている、検索の生成 AI 設定で除外している、という基本設定の問題を先に疑ってください。なお、Geminiの学習などを拒否する Google-Extended は、Google検索への掲載にもランキングにも影響しないとGoogleは明記しています。AIによる概要の仕組みはAIによる概要(AI Overview)の解説記事、引用される記事構造の実装はAI Overview対策の解説で扱っています。

llms.txt・チャンク化・不自然な言及を「無視できる」とした理由

同じガイドは、生成AI検索への最適化は検索体験への最適化であり thus still SEO、つまりSEOそのものだという立場です。そのうえで、Google検索向けには次の施策を無視してよいと列挙しています。

  • llms.txtなどのAI向けテキストファイル:Google検索は使っておらず、置いても置かなくても可視性や順位は変わらない
  • 本文を小さな断片に分ける「チャンク化」:Googleは1ページ内の複数の話題を理解できるので不要
  • 不自然な言及(inauthentic mentions)の追求
  • 構造化データへの偏重:生成AI機能に構造化データは必須ではなく、専用のschema.orgも不要

不自然な言及については、同じ2026年5月15日にスパムポリシーも更新され、スパムの説明に「Google検索の生成AI回答を操作しようとする行為」(attempting to manipulate generative AI responses in Google Search)が明記されました。Googleはこれを新しい禁止規定ではなく適用範囲の明確化と説明していますが、AIに社名を言わせるための自作自演のレビューを投稿したり、利用者への価値が乏しい記事を量産して回答を操作したりする施策は、スパムポリシーに抵触しうるため避けてください。

llms.txt自体はGoogle以外のサービスが読む可能性があり、置くことは禁止されていません。仕様と実際の取得状況はllms.txtの解説にまとめています。

原典論文の実験で効いた手法と逆効果だった手法

9手法の比較:引用文・統計・出典が上位、キーワード詰め込みは基準以下

論文はGPT-3.5 turboで生成エンジンを再現し、情報源のページを9通りに書き換えて可視性を比べました。表はPosition-Adjusted Word Count(Overall)とSubjective Impression(平均)の値で、書き換えなしの基準はどちらも19.3です。

手法 内容 語数×位置 主観評価
Quotation Addition 信頼できる情報源の引用文を足す 27.2 24.7
Statistics Addition 定性的な説明を統計に置き換える 25.2 23.7
Fluency Optimization 文章を流暢にする 24.7 21.9
Cite Sources 出典を明記する 24.6 21.9
Technical Terms 専門用語を増やす 22.7 21.4
Easy-to-Understand 平易な言葉にする 22.0 20.5
Authoritative 断定的・説得的な文体にする 21.3 22.9
Unique Words 珍しい語を足す 20.5 20.4
Keyword Stuffing クエリの語を詰め込む 17.7 20.2

引用文の追加は27.2で、基準比およそ41%増です。論文はこれを「最良の手法で41%と28%の改善」とまとめ、要旨の「最大40%」もここから来ています。キーワード詰め込みは語数×位置で基準を下回り、論文は offer little to no improvement と評価しました。Perplexity.aiに情報源をファイルで渡し、その内容だけで回答させたテスト200件での追試でも、引用文の追加が語数×位置で22%改善し、キーワード詰め込みは基準より10%悪化しています。

ただし、これはGPT-3.5 turboで再現した生成エンジンと、論文執筆時点のPerplexity.aiでの実験結果です。現在のすべての生成AI検索や、検索意図に合う語を自然に使うことの効果まで否定したものではありません。

上位5件を同時に書き換えた実験での順位別の可視性変化

上の結果は、1つのクエリにつき情報源を1件だけ書き換えた場合のものです。論文は別に、GEOが普及して全員が書き換えた状況を想定し、Google検索上位5件の情報源をすべて同時に書き換える実験も行っています(第5.2節・表2)。

手法 1位 2位 3位 4位 5位
Cite Sources -30.3% +2.5% +20.4% +15.5% +115.1%
Quotation Addition -22.9% -7.0% +3.5% +25.1% +99.7%
Statistics Addition -20.6% -3.9% +8.1% +10.0% +97.9%

上位5件すべてに出典を足すと、5位の可視性は115.1%増え、1位は30.3%下がりました。回答の長さには限りがあるので、下位の取り分が増えれば上位の取り分が減る関係にあると読めます。論文はこれを、被リンクなどで劣る小規模サイトにとっての好機と位置づけています。

実務に直すと、競合もGEOを始めれば、検索上位にいるだけではAIの回答内の取り分は守れないということです。ただしこの実験は競合も同時に書き換える条件なので、自社ページを単独で書き換えた場合の増減は判断できません。2ページ目以降のページや、一次情報の有無による差も検証されていません。

分野で効く手法が変わる:法律・行政は統計、歴史は引用文

論文の表3では、統計の追加は「法律・行政」「討論」「意見」、引用文の追加は「人と社会」「説明」「歴史」、出典の明記は「事実の記述」「法律・行政」で効果が大きく、断定的な文体は「討論」「歴史」「科学」で効いていました。技術解説やBtoBの製品ページでも、出典や統計の追加は検証候補になります。ただし、これらのページ種別での効果を論文が直接確認したわけではありません。断定調への書き換えは分野で効き方が割れるので、単独の施策にしないほうが安全です。

GEOとE-E-A-Tの関係

E-E-A-Tはランキング要因ではなく、中心はTrust(信頼)

E-E-A-Tは経験(Experience)・専門性(Expertise)・権威性(Authoritativeness)・信頼性(Trustworthiness)の頭文字です。Googleの「Creating helpful, reliable, people-first content」(英語版の最終更新は2026年10月5日)は、E-E-A-T自体を特定のランキング要因ではないとしたうえで、4つのうち信頼が最も重要で、残る3つは信頼に寄与する要素だと説明しています(Of these aspects, trust is most important.)。

同じページの現行版には、E-E-A-Tの説明に続けて「Beyond E-E-A-T」で始まる段落があり、ページ品質の評価で重要なのはメインコンテンツの品質、つまりページの目的を果たして満足できる体験を提供できているかだと書かれています。評価者向けの定義は検索品質評価ガイドラインの解説、サイトでの示し方はE-E-A-Tの評価4要素の記事で扱っています。

論文で効いた手法とE-E-A-Tの対応:出典・統計・引用は信頼の具体化

次の表は、GEO論文の手法をE-E-A-Tの観点から本記事で整理した対応です。論文やGoogleがこの対応関係を検証したものではありません。

論文で効いた手法 対応するE-E-A-Tの要素
出典の明記 信頼(検証できる根拠)
統計の追加 専門性・信頼(数値の具体)
引用文の追加 信頼(発言と出典の検証可能性)
(論文に無い)一次体験 経験

最後の行が重要です。論文の9手法には「自分で試した結果を書く」ものがありません。一方でGoogleの生成AI最適化ガイドは、独自の視点や当事者のレビューのような、ほかで手に入らない内容(non-commodity content)を重視すると書いています。論文の手法は既存の文章に根拠を足す方法で、独自性までは作れません。GEOでE-E-A-Tを意識するなら、出典・統計を整えたうえで、自社にしか書けない一次情報を1つ加えるのが、2つの文書を突き合わせた本記事の結論です。

著者情報の偽装は欺瞞:AI生成の顔写真・架空の名前・虚偽の資格

E-E-A-Tを「著者プロフィールを充実させること」と捉えると、逆効果になる場面があります。Creating helpful contentの現行版は、誰がコンテンツを作ったかを示すよう勧める一方で、avoid using deceptive authorship information と書き、AI生成の顔写真・架空の名前・虚偽の資格情報で人間の専門家が書いたように見せることを欺瞞(deception)としています。

GEOの文脈では「AIは著者の専門性を見るので監修者を立てよう」という提案が出がちですが、実在しない監修者や、実際には関わっていない専門家の名前を載せるのは信頼を損なう行為です。著者情報は実在する担当者を実際の役割どおりに書き、体験していないことは体験談の形で書かないでください。

第三者サイトでの言及(サイテーション)の扱い

他サイトで社名や製品名が言及されること(サイテーション)は、AIの回答の材料になりえます。ただし前述のとおり、Googleは不自然な言及の追求を無視してよい施策に挙げ、生成AI回答の操作をスパムポリシーの対象に明記しています。

実務で取るべき順序は、作ることではなく調べることです。まず業界メディア・比較記事・Q&Aサイトで自社がどう言及されているかを洗い出し、誤った情報があれば掲載元に訂正を依頼し、言及される理由になる一次情報(調査結果・事例・仕様の公開)を自社サイトに置きます。調べ方はサイテーション分析の解説にまとめています。

GEO対策の具体的な進め方と効果測定

着手の順序:インデックス確認から一次情報の追加まで

  1. 対象ページがインデックスされ、nosnippet や max-snippet:0 でスニペットを止めていないか、Search Consoleの検索の生成 AI 設定で除外していないかを確認する
  2. robots.txtで、使ってほしいAI検索のクローラーを止めていないかを確認する(OpenAIではChatGPTの検索に使う OAI-SearchBot と、学習用の GPTBot は別のボットで、別々に許可・拒否できる)
  3. 各章の冒頭に、その章の問いへの答えを1〜2文で置く
  4. 主張ごとに出典・統計・引用文を付け、数値は出典の日付と一緒に書く
  5. 自社の実測値・事例・判断基準など、ほかのサイトに無い情報を足す

1と2で情報源として取得される条件を整え、3〜5で分かりやすさ・根拠・独自情報を改善します。記事単位の書き方はAIに引用されるための記事構造とサイト対策にまとめています。

AI経由の露出と流入を測る:Search Console・Bing・GA4

ツール 分かること 分からないこと
Search Console 生成AIレポート AIによる概要・AIモードでの表示回数 クエリ・クリック
Bing AI Performance 引用回数・引用ページ・検索語・引用の割合 ChatGPT等の他社AI
GA4 ChatGPT等からの流入セッション クリックされなかった引用

Search Consoleの生成AIパフォーマンスレポートは2026年6月3日に発表され、8月31日までに全世界のサイトへ展開されました。検索用のレポートで見られる指標は表示回数で、ディメンションはページ・国・日付・デバイスです。ただし、生成AI機能での表示回数が十分でないサイトでは、レポート自体が表示されない場合があります。クエリ別の内訳は無く、AI機能経由のクリックは通常の検索パフォーマンスの「ウェブ」に含まれます。見方の詳細はサーチコンソールの生成AIレポートの解説で扱っています。

Bing Webmaster ToolsのAI Performanceは2026年2月10日にパブリックプレビューとして公開され、Copilotなどでの引用回数、引用されたページ、AIが引用元を探すのに使った検索語(grounding queries)が見られます。2026年6月16日にはIntents・Topics・Citation Share・Compareの4機能が追加されました。Citation Shareは、同じgrounding queryで全サイトに付いた引用のうち自社サイトに付いた割合で、順位やトラフィックの割合ではありません。

ChatGPTからの流入は、OpenAIが公開者向けFAQで、参照URLに utm_source=chatgpt.com を自動で付けると説明しています。GA4では、セッションのソースが chatgpt.com のセッションとして集計されます。GoogleのAIによる概要からのクリックは通常のGoogle検索と区別できないので、GA4だけでGoogleのAI経由の流入を切り出すことはできません。

GEO監視ツールを選ぶときの確認点

ChatGPTやPerplexityの回答に自社が出ているかを定点観測する外部ツールは増えていますが、Googleは生成AI最適化ガイドで、どの外部ツールもGoogleのランキングやAIの内部システムにはアクセスできないと注意を促しています。導入前に次の点を確認してください。

  • どのAIを、どの方法で取得しているか(画面の回答か、API経由の回答か)が開示されている
  • 観測する質問を自社で登録でき、実行日時・地域・言語が記録に残る
  • 回答本文だけでなく、出典URLを1件ずつ記録できる
  • 独自の「AI可視性スコア」の算出方法が公開され、Search Console・Bingの公式レポートと突き合わせられる

生成AIの回答は同じ質問でも実行のたびに変わるので、1回の観測結果で施策の成否を判断しないことが前提です。

GEOに投資すべきでない場面

次のどれかに当てはまるなら、GEOの名目で書き換えや予算を追加するのは見送ってください。

  • インデックスやスニペットの設定に問題が残っている:GoogleのAI機能は通常の検索と同じ技術要件が前提なので、設定を直すほうが先
  • 書ける一次情報が無い:出典を並べ替えるだけの書き換えでは、Googleが重視する独自の内容にならない
  • llms.txtの設置やFAQの量産だけで引用増を保証する外注:Googleはllms.txtを検索に使わないと説明しており、効果検証の方法が示されない提案は見送る
  • 自作自演のレビューや低価値な記事の量産で言及を増やす外注:生成AI回答の操作を目的とする施策は見送る

生成AI経由の流入が事業の論点になっているかを先に測り、事業上の重要度と内容の不足を基準に対象ページを選び、根拠を足す前後で引用と流入の変化を比べてください。支援会社に任せる場合はLLMOコンサルティングの業務範囲と発注判断が参考になります。弊社でも、AI検索での引用状況の調査から記事改善までをLLMO対策支援として提供しています。

よくある質問

GEOとSEOの違いは何ですか?

SEOは検索結果で上位に表示されてクリックされることを、GEOは生成AIの回答の中で引用・言及されることを目指します。違いは目的のほか、成果の現れ方(クリックか回答内の出典か)、指標(順位か引用回数か)、計測手段に出ます。ただしGoogleの公式ガイドは生成AI検索への最適化もSEOだとしており、インデックス・スニペット表示・有用な内容という土台は共通です。GEOはSEOの上に引用される根拠を足す作業と考えるのが実態に合います。

E-E-A-TはAI検索の時代でも意味がありますか?

あります。GoogleはE-E-A-T自体を特定のランキング要因ではないとしながら、4要素のうち信頼を最も重視すると説明しています。GEOの原典論文で効果が大きかった出典の明記・統計の追加・引用文の追加は、その信頼を文章上で示す手段と重なります。一方で、AI生成の顔写真や架空の名前で専門家が書いたように見せる著者情報は、Googleが欺瞞としているので避けてください。

AEOやLLMOとGEOは同じ意味ですか?

重なりは大きいものの、厳密には同じではありません。AEOは強調スニペットや音声アシスタントなど回答枠全般、LLMOは学習と推論の両面を含む大規模言語モデルへの最適化、GEOは検索結果を読んで回答を生成するAIへの最適化を指すことが多い語です。使い手によって範囲が違い、Google自身はAEOもGEOもGoogle検索の観点ではSEOだとしています。

GEO対策としてllms.txtは必要ですか?

Google検索に対しては不要です。Googleは生成AI最適化ガイドで、Google検索はllms.txtなどのAI向けテキストファイルを使っておらず、設置しても可視性や順位は変わらないと説明しています。ほかのサービス向けに置いておくことはGoogleも問題ないとしていますが、AIによる概要やAIモードを狙う施策としては優先度が低い位置づけです。

自社がAIに引用されているかはどう確認しますか?

GoogleについてはSearch Consoleの生成AIパフォーマンスレポートで、AIによる概要とAIモードでの表示回数をページ別に確認できます。MicrosoftについてはBing Webmaster ToolsのAI Performanceで、Copilotなどで引用された回数・ページ・AIが使った検索語が分かります。ChatGPTからの流入はGA4で参照元 chatgpt.com として見られます。クリックされなかった引用は、主要な質問への回答と出典欄を定期的に記録する定点観測で把握します。

関連記事

お気に入りに入れた記事の一覧

一創の公式 SNS

X では毎朝の新着記事と IT ニュースの速報を、YouTube・TikTok・Instagram・LinkedIn・Facebook では記事の解説動画を配信しています。

この記事は以下の記事からリンクされています

ほか 9 件の記事からもリンクされています。

資料請求

今日のトレンド記事 直近 24 時間で、いつもより多く読まれている記事

  1. 2026.11.18 テックブログ Java脆弱性CVE-2026-114938(Java4Shell)とは?影響版・修正版と回避フラグの実装手順
  2. 2026.11.20 テックブログ MAI Code 2とは?Flashとの違い・料金・GitHub Copilotでの使い方【2026年11月】
  3. 2025.12.19 コラム アンダーマイニング効果とは?具体例と報酬でやる気が下がる条件、エンハンシング効果との違い
  4. 2026.11.19 テックブログ Oracle 2026年11月CSPUの655件:WebLogicとAccess ManagerのCVSS 10.0と抽出・適用順
  5. 2026.08.17 コラム ガバメントクラウドの対応ベンダー5社と選定基準|令和8年度審査結果と自治体の利用団体数

RELATED POSTS 関連記事

目次