--- title: "GEO（生成エンジン最適化）とは？SEOとの違い・E-E-A-Tとの関係" url: "https://www.issoh.co.jp/column/details/8679/" published: 2025-09-03 updated: 2026-09-25 categories: ["SEO"] publisher: "株式会社一創" --- # GEO（生成エンジン最適化）とは？SEOとの違い・E-E-A-Tとの関係 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、検索結果を読んで回答文を組み立てるAIに対して、自社のページが引用元として選ばれやすくする取り組みです。名前が付いたのは2023年11月に公開された研究論文で、そこでは「出典・引用文・統計を足すと可視性が最大40%伸び、キーワードの詰め込みは逆効果」という実験結果が示されています。 一方でGoogleは、2026年7月更新の公式ガイドで「生成AI検索への最適化も結局はSEO」と明言しました。本記事では、原典論文が実際に何を測ったのか、Googleの公式見解とどう整合するのか、そしてGEOとE-E-A-Tの関係を一次情報で整理します。 ## まとめ：GEOはSEOの土台に「引用される根拠」を足す取り組み - GEOを提案したのは Aggarwal ら計6名の論文（arXiv 2311.09735、KDD 2024採録）。1万件のベンチマークを構築し、そのうちテスト用1,000件で9つの書き換え手法を比較した - 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 - 検索上位5件をすべて同時に書き換えた追加実験では、5位の可視性が最大115.1%伸びた一方、1位は出典の追加で30.3%下がった＝全員がGEOをすると取り分の奪い合いになる - Googleは「AIによる概要・AIモードに追加要件はない」「GEOもSEO」とし、llms.txtや細切れ化（チャンキング）は不要と明記している - 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の中心であるTrust（信頼）を文章上で示す手段と重なる GEOを始めるときは、新しい施策を足す前にインデックス・スニペット制御・一次情報の3点を確認し、そのうえで効果をSearch ConsoleとBing Webmaster Toolsの引用レポートで測るのが現実的な順序です。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による論文「[GEO: Generative Engine Optimization](https://arxiv.org/abs/2311.09735)」で提案されました。arXivへの初稿は2023年11月16日、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（Generative Engine）と総称し、その回答の中で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2種類です。 | 指標 | 測るもの | | ---------------------------- | --------------------- | | Position-Adjusted Word Count | 引用語数を登場位置で重み付けした値 | | Subjective Impression | 関連性・影響度・独自性など7観点の主観評価 | 評価用に作られた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%という実際の検索に近い配分です。つまり「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、**引用された情報源の可視性を、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。各用語の範囲は使い手によって異なります。次の表は本記事での整理であり、実務の打ち手には重なりがあります。 | 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](/column/details/4941/) | | LLMO | 大規模言語モデル（学習・推論の両面） | [LLMOとは](/column/details/6980/) | | AIO | AI検索最適化の総称 | [AIOとは](/column/details/9302/) | | GXO | AI上のブランド体験の一貫性 | [GXOとは](/column/details/13589/) | Google自身も公式ガイドで AEO と GEO を並べ、どちらも「AI検索での可視性を上げる作業を指す語」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。 ## 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、出典の明記・統計の追加も2指標でそれぞれ最大9%・37%の改善を示しました。キーワード詰め込みは基準より10%悪化しています。 従来のSEOで繰り返されてきた「対策語を本文に何回入れるか」という発想は、生成エンジンに対しては効かない。これが論文の最も実務的な結論です。 ### 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 ここまでの結果は、1つのクエリにつき情報源を1件だけ選んで書き換えた場合のものです。論文はこれとは別に、「GEOが広く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）。その結果を元の検索順位ごとに示したのが表2で、順位によって結果は正反対になりました。 | 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した条件では、5位の可視性は115.1%増え、1位は平均30.3%下がりました。回答の長さには限りがあるため、下位の情報源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。論文自身はこの結果を、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。また対象は検索上位5件で、2ページ目以降のページや一次情報の有無による差は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は、手法ごとに効果が大きかったクエリの分野を示しています。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」で上位でした。断定的な文体（Authoritative）は「討論」「歴史」「科学」で効いています。 技術解説やBtoBの製品ページのように事実の正確さで選ばれる分野では、出典と統計を足す方向が論文の結果と合います。逆に、意見や比較のクエリで断定調に書き換えるだけの施策は、分野によって効いたり効かなかったりするので、単独の施策にしないほうが安全です。 ## GEOとSEOの違いと、Googleの「追加要件なし」という公式見解 ### SEOとGEOの比較：目的・成果指標・露出先 | 観点 | SEO | GEO | | ------ | ------------ | ------------- | | 目的 | 検索結果での上位表示 | AIの回答内での引用・言及 | | 成果指標 | 順位・表示回数・クリック | 引用回数・引用ページ数 | | 主な露出先 | 検索結果のリンク等 | 生成回答と出典リンク等 | | 効かない施策 | 低品質な被リンク | キーワードの詰め込み | AIの回答では、複数ページの情報が組み合わされます。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](/column/details/13796/)」を使うことがあると公式に説明しています。1つのページが、元の質問ではなく分解された関連検索の答えとして拾われることもありえます。各章の冒頭で答えを簡潔に示すと読者が要点を把握しやすくなりますが、SEOより強く効果が出ると確認された書き方ではありません。 ただし、AIの回答で疑問が解消されれば、利用者はサイトを訪れません。引用されてもクリックが増えるとは限らない点は、[ゼロクリック検索](/column/details/13371/)と同じ構造です。 ### 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](https://developers.google.com/search/docs/appearance/ai-features)」（2025年12月10日更新）は、AIによる概要とAIモードについて次のように書いています。 - 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`） - 補助リンクとして表示されるには、インデックス済みで、スニペット付きで表示できる状態であること - 2026年7月更新の公式ガイドでは、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が条件として明記された - 表示を制限したいときは `nosnippet`・`data-nosnippet`・`max-snippet`・`noindex` を使う - 専用のschema.org構造化データは不要 Search Consoleの「検索の生成 AI 設定」（［設定］＞［検索の生成 AI］）は2026年8月31日から全世界のサイトに提供されています。既定は「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。 ここから逆算すると、GoogleのAI機能で引用されない場合は、まず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、という基本設定上の問題がないかを確認してください。条件を満たしても掲載は保証されません。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そのものは[AIによる概要（AI Overview）の解説記事](/column/details/3049/)で扱っています。 ### llms.txtとチャンキングをGoogleが「無視してよい」とした理由 2026年7月10日更新のGoogle公式ガイド「[Optimizing your website for generative AI features on Google Search](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide)」は、GEOについてさらに踏み込みました。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。同じガイドは、Google検索では次の3つ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割する「チャンキング」：Googleは1ページ内の複数の話題を理解できるので不要。理想のページ長も無い - 作為的な言及（inauthentic mentions）の獲得 llms.txtはJeremy Howard氏が2024年9月3日付で提案した仕様で、Google以外のサービスが読む可能性はあります。ただ、Google検索のAI機能を狙って導入するものではありません。AI向けに本文を細切れにし、同じ内容をFAQで繰り返すような作り替えは、Googleの説明に照らすと効果の根拠がなく、読みにくさだけが残ります。 ## 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](https://developers.google.com/search/docs/fundamentals/creating-helpful-content)」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.`）。健康・金融・安全のように人生に大きく影響する話題では、E-E-A-Tの強い内容をさらに重く扱うとも書かれています。 E-E-A-Tが評価者向けにどう定義されているかは[検索品質評価ガイドラインの解説](/column/details/4721/)、サイトでの示し方は[E-E-A-Tの評価4要素の記事](/column/details/4622/)で詳しく扱っています。 ### 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 以下は、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表です。論文やGoogleが、この対応関係や同じ効果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 | 権威性（第三者の発言） | | （論文に無い）一次体験 | 経験 | 表の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2026年のガイドは、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）が長期的に最も影響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、Googleが求める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**というのが、2つの文書を突き合わせた本記事の結論です。 逆に、体験していないことを体験談の形で書くのは、経験を装う行為で信頼を損ないます。出典や第三者の言及を増やしたいときも、[サイテーション分析](/column/details/4616/)で実際の言及を調べるところから始め、作為的な言及づくりには手を出さないことです。 ## GEOの進め方と効果測定 ### 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） 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た後、3〜5で説明の分かりやすさ、根拠、独自情報を改善します。記事単位の書き方の具体例は[AIに引用されるための記事構造とサイト対策](/column/details/15415/)にまとめています。 ### AI経由の露出を測る指標：Search ConsoleとBingの引用レポート 計測はGoogleとMicrosoftの公式レポートで行えます。 | ツール | 分かること | | ---------------------------------------- | --------------------------------- | | Search Console Generative AI performance | Google検索とDiscoverの生成AI機能での表示 | | Search Console 検索パフォーマンス | AIによる概要・AIモードを含む「ウェブ」検索全体 | | Bing Webmaster Tools AI Performance | Copilotなどでの引用回数・引用ページ・グラウンディングクエリ | 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](https://blogs.bing.com/webmaster/2026/2/Introducing-AI-Performance-in-Bing-Webmaster-Tools-Public-Preview/)され、Total Citations（引用回数）・Average Cited Pages（選択期間内の1日あたり平均ユニーク引用ページ数）・Grounding queries（AIが引用元を取得する際に使った検索語のサンプル）が見られます。どのページが、どんな問いの根拠として使われたかが分かるので、書き足すべき章を決める材料になります。 Googleは、Googleの内部指標を使っていると称する外部ツールについて「どの外部ツールもランキングや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。独自の「AI可視性スコア」は計測対象や算出方法を確認し、公式レポート、回答の定点観測、実際の流入・成果を照合して判断してください。 ### 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。 - 検索順位だけを根拠に全面改稿を提案されている：論文の同時最適化実験からは、自社ページ単独の改稿効果は判断できない。目的と測定方法を決めてから小規模に検証する - 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機能はインデックスとスニペット適格という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：Googleはほかのサイトの焼き直しではなく独自の内容を作るよう求めており、出典を並べ替えるだけの書き換えでは差がつかない - 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いる。FAQの量産についても、読者への価値や効果検証が伴わない提案は見送る 生成AI経由の流入が本当に事業の論点になっているかを先に測り、そのうえで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、根拠の追加前後で引用や流入の変化を確認してください。GEOの支援会社を比較する場合は[LLMOコンサルティングの業務範囲と発注判断](/column/details/17110/)も参考になります。 ## よくある質問 ### GEOとSEOは何が違いますか？ SEOは検索結果で上位に表示されることを、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。通常検索もページ内の一節を理解するため、SEOとGEOを評価単位だけで区別することはできません。さらにGoogleは2026年7月更新の公式ガイドで、生成AI検索への最適化もSEOだとしています。インデックス・スニペット適格・有用な内容という土台は共通なので、GEOはSEOとは別物ではなく、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。 ### GEOとE-E-A-Tはどう関係しますか？ 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、E-E-A-Tの中心である信頼（Trust）を文章上で示す手段と重なります。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ていますが、信頼を最も重視すると説明しています。論文の9手法には一次体験の追加は含まれません。実体験が読者の判断に役立つテーマでは、記録のある実測値や事例を補う方法があります。 ### 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2026年7月更新の公式ガイドで、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上がりも下がりもしないと明記しています。Google以外のサービスが読む可能性はあるため、置くこと自体に害はありませんが、Googleの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。 ### GEO対策は何から始めればよいですか？ まず対象ページがインデックスされているか、nosnippetなど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します。次にrobots.txtでOAI-SearchBotなどAI検索のクローラーを意図せず止めていないかを見ます。そのうえで各章の冒頭に答えを置き、主張ごとに出典と統計を付け、自社にしか書けない一次情報を足します。着手するページは検索順位だけで決めず、事業上の重要度と補うべき情報の有無で選び、変更前後の引用数を比べます。 ### 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Generative AI performanceレポートで、Google検索とDiscoverの生成AI機能での表示を確認できます。MicrosoftについてはBing Webmaster ToolsのAI Performanceで、Copilotなどで引用された回数・引用されたページ・AIが使った検索語が分かります。ChatGPTやPerplexityの引用状況は、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する方法があります。 ## 関連記事 - [AIに引用されるには？生成AIの回答に選ばれる記事構造とサイト対策【2026年時点】](/column/details/15415/) - [LLMOとは？SEOとの違いと生成AIに引用される記事の作り方](/column/details/6980/) - [AEO（Answer Engine Optimization）とは？SEO・GEO・LLMOとの違いと対策手順](/column/details/4941/) - [E-E-A-Tとは？Googleの評価4要素と品質評価ガイドライン現行版の読み方](/column/details/4622/) - [AIによる概要（AI Overview）とは？Google検索の仕組み・SEOへの影響と対策【2026年版】](/column/details/3049/) --- 出典: [GEO（生成エンジン最適化）とは？SEOとの違い・E-E-A-Tとの関係]()（株式会社一創）