Generative Engine Optimization (GEO)

この用語は2023年の研究論文「GEO: Generative Engine Optimization」（Aggarwal et al.、KDD 2024で発表）に由来し、コンテンツの変更がAI生成の回答における可視性にどう影響するかをベンチマークしました。論文のベンチマークでは、引用、引用句、統計の追加といった手法によってソースの可視性が最大40%向上した一方で、従来のキーワードの詰め込みはほとんど効果がありませんでした。

GEOが重要なのは、AIエンジンが検索エンジンのランク付けとは異なる方法で回答するからです。検索エンジンは10本のリンクを返してユーザーに選ばせますが、回答エンジンは取得したわずかなソースから1つの回答を組み立て、ごく少数のブランドやページしか挙げません。あなたのコンテンツが取得されない場合、あるいは取得されても引用できない場合、その回答の中であなたは単純に存在しないことになります。

実際のところ、GEOは3つの層にまたがります。アクセス（AIクローラーがあなたのページを取得でき、llms.txtやrobotsのルールがそれを許可していること）、リトリーバル（コンテンツが十分に構造化され、具体的で、エンティティが豊富であり、回答のコンテキストに引き込まれること）、そして引用（モデルがそのまま抜き出せるように書かれた文章。定義を冒頭に置き、主張には数値と出典を添え、明快なQ&Aブロックや表を用いること）です。

GEOはSEOの上に重なる層であり、置き換えるものではありません。回答エンジンは検索インデックスに依存しており、ChatGPT searchやCopilotはBingに、GeminiやAI OverviewsはGoogleに依存しているため、従来のランキングシグナルが依然としてAIエンジンが何を見るかを左右します。最も成果を上げるチームは、1つの変更で両方に効くようにします。引用を勝ち取り、同時にランキングも維持する修正です。

eコマースにとって、この変化は直接的です。買い手は今や何を買うべきかをAIエンジンに尋ねます。「$200以下のベストなアセテート製サングラス」「このブランドのサイズ表記は正確か」といった具合で、その回答は2〜3の店舗を挙げます。こうした引用は質問ごと、製品ごとに起こるため、可視性はサイト単位だけでなくSKU単位で追跡して修正する必要があります。

店舗のGEOの表面は、その大半が製品データです。実際の買い手の質問に答えるPDPのコピー、FAQブロック、JSON-LD（Product、Offer、FAQPage）、そしてページ間で一貫した事実です。これらはまさに販売者が変更できるアセットであり、そのためGEOは一度きりの監査ではなく、運用上のループ（失われたプロンプトを検知する → ページを修正する → 検証する → 追跡する）になります。

例示的なシナリオ：偏光サングラスを販売する販売者が、どのページも答えていないために、すべてのエンジンで「運転に偏光レンズは価値があるか？」というプロンプトを失います。出典付きで質問を起点としたFAQブロックを該当するPDPとコレクションページに追加すると、エンジンに引用可能な文章が与えられます。これはGEOツールが検知し、下書きし、検証する、まさにそうした単一の修正です。