要点
Generative Engine Optimization（GEO）とは、AI が生成する回答の中で、自社コンテンツが引用元として表示されやすくなるように整える取り組みです。SEO は今も重要ですが、GEO ではもう一段の要件が加わります。ページはクロールしやすく、抽出しやすく、検証しやすく、さらに回答エンジンが引用したいと思えるほど有用でなければなりません。
ゼロから始めるなら、いきなり新規記事を 50 本作る必要はありません。まず次の 5 つから始めます。
- AI クローラーと検索クローラーが重要ページにアクセスできることを確認する。
- 優先ページを書き直し、各セクションが直接的な回答から始まるようにする。
- 日付、数値、定義、著者、出典といった具体的な根拠を追加する。
- 適切な箇所に Article、FAQ、Product、Organization、HowTo schema を追加する。
- AI システムを自社の重要ページへ案内する
llms.txtファイルを作成する。
これが実務的な出発点です。GEO は魔法ではありません。多くは、情報設計を改善し、根拠を明確にし、曖昧な文章を減らす作業です。
SEO は検索結果での順位とクリックを獲得しようとします。GEO は retrieval set に入り、回答内で引用される情報源になることを目指します。
GEO を平易に説明すると
GEO は、ChatGPT search、Perplexity、Google AI Overviews、Gemini、Web アクセスを持つ Claude、その他の retrieval ベースのアシスタントといった AI 回答エンジン向けにコンテンツを最適化することです。
従来の検索は通常、ユーザーが検索し、検索結果ページを見て、リンクをクリックし、そのページが役立つか判断する流れでした。AI 検索はこの流れを圧縮します。ユーザーが質問し、システムが情報源を取得し、回答を書き、必要に応じて引用を表示します。あなたのページが retrieval set に入っていなければ、ユーザーがそのページを見ることはないかもしれません。
GEO を初めて学術的に定式化した論文は、2023 年 11 月 16 日に arXiv へ投稿され、その後 KDD 2024 に採択されました。この論文は、generative engines を複数の情報源から情報を統合するシステムとして説明し、生成された回答内で情報源の可視性を高める方法を研究しています。報告された実験では、戦略や領域によって、generative engine の回答内で最大 40% の可視性向上が見られました。
グロースチームにとっての要点はシンプルです。ページは今、二度競争します。まず見つけられるために競争します。次に、引用されるほど信頼されるために競争します。
SEO vs GEO：変わること、変わらないこと
GEO は SEO を置き換えるものではありません。変わるのはゴールです。
| 領域 | SEO の目標 | GEO の目標 | やるべきこと |
| --- | --- | --- | --- |
| 可視性 | 検索結果ページで順位を獲得する | 統合された回答の中に表示される | 単独で意味が通るセクションを書く |
| コンテンツ形式 | 網羅的なページ | 根拠付きで抽出しやすい回答 | 最初の文に答えを置く |
| 権威性 | リンク、評判、トピックの深さ | 情報源への信頼と検証可能な主張 | 著者、日付、引用、schema を追加する |
| 技術的アクセス | クロール可能でインデックス可能なページ | クロール可能、インデックス可能、機械可読なページ | robots、sitemap、schema、llms.txt を確認する |
| 計測 | 順位、クリック、表示回数 | AI 引用、referral traffic、ブランド言及 | AI referrers を追跡し、prompt tests を実行する |
ページは検索で順位を得ていても、役立つ答えが長い導入の下に埋もれていれば GEO では失敗します。逆に、特に狭い B2B 領域では、説明が明確で大手サイトよりも根拠が優れていれば、主要な SEO 勝者になる前に AI に引用されることもあります。
そのため Auspia は、GEO を SEO の上に重なるレイヤーとして扱います。別物の信仰ではありません。
AI 回答エンジンは情報源をどう選ぶか
多くの AI 回答プロダクトは、何らかの retrieval-augmented generation を使っています。細部は異なりますが、マーケターにとって十分な作業モデルは次の通りです。
- ユーザーが質問する。
- システムがその質問を retrieval タスクに変換する。
- 検索インデックス、パートナーデータ、ブラウジングツール、内部ソースプールから候補文書を集める。
- 関連しているように見えるパッセージを抽出する。
- 回答を書き、必要に応じて引用を付ける。
この流れの中で、コンテンツは 4 つの場所で失敗する可能性があります。
| 失敗点 | どう見えるか | 修正方法 |
| --- | --- | --- |
| アクセス失敗 | クローラーがページに到達できない | robots.txt と sitemap.xml で正しいページを開放する |
| マッチング失敗 | ページがクエリに明確に答えていない | 回答優先の見出しと FAQ セクションを追加する |
| 信頼失敗 | 主張に根拠がない、または宣伝色が強すぎる | 出典、日付、著者情報、バランスの取れた表現を追加する |
| 抽出失敗 | 見た目は豊かだがテキストが少ない | HTML テキスト、schema、transcripts、整理された markdown-like 構造を追加する |
ここには不都合な事実があります。AI システムは、最も美しいページを評価するわけではありません。解析でき、なぜ使うべきかを説明できるページを評価します。
ステップ 1：扉を開く。ただし制御は手放さない
まずはクローラーアクセスから始めます。次を確認してください。
https://yourdomain.com/robots.txt https://yourdomain.com/sitemap.xml
robots ファイルが、引用されたいページを誤ってブロックしていてはいけません。Google の公式ドキュメントでは、robots.txt はクローラーがアクセスできる URL を伝えるもので、主にクロール管理のために使われ、検索から機密ページを隠す正しい方法ではないと説明されています。この違いは GEO にとっても重要です。商業的に重要なページを robots レベルでブロックすると、情報源の候補から外れてしまう可能性があります。
シンプルな開始例は次の通りです。
`User-agent: * Allow: /
Sitemap: https://yourdomain.com/sitemap.xml`
次に、自社ポリシーに従って、名前のある AI クローラーを確認します。検索クローラーや AI 回答クローラーを許可しつつ、学習用クローラーをブロックするブランドもあります。より厳格な法務判断をするブランドもあります。それ自体は問題ありません。問題なのはポリシーがなく、あとになって重要ページが古いプラグイン設定でブロックされていたと気づくことです。
WordPress では「discourage search engines」設定や SEO プラグインの robots エディターも確認します。headless サイトでは build 時の robots 生成を確認します。大規模サイトでは staging、faceted navigation、内部検索 URL を見直し、クロールトラップを開かないようにします。
ステップ 2：引用されるページを書く
AI 回答エンジンは、ブランド戦略資料ではなくパッセージを引用します。引用されやすいパッセージには 4 つの特徴があります。
- 1 つの質問に直接答えている。
- 前の段落がなくても理解できる。
- 主張の条件や制限を含んでいる。
- セールス色の強い表現を避けている。
弱い例：
当社のプラットフォームは、強力な AI 機能によって現代のコンテンツワークフローを変革し、チームが新しい成長機会を解き放つのを支援します。
GEO-ready な例：
コンテンツ監査では、検索意図、トラフィック傾向、コンバージョン上の役割、鮮度に基づいてページを分類するべきです。B2B サイトでは、価格、競合、購買者の質問がすばやく変化するため、高意図の製品ページ、比較ページ、ソリューションページを 30〜60 日ごとに見直します。
2 つ目の例は、AI が引用できる有用な材料を提供しています。タスクを定義し、評価軸を示し、期間を与え、その理由も説明しています。
Auspia のルールは、重要なセクションがすべて「1 段落コピー」テストに通ることです。1 段落だけを AI 回答に持っていっても意味が通るでしょうか。通らないなら書き直します。
ステップ 3：信頼が必要な答えに根拠を追加する
元の GEO 論文では、最適化手法は領域によって異なることが示されました。これは実務上の観察とも一致します。旅行ページ、SaaS 比較ページ、医療ページでは、必要な証拠が同じではありません。
次の証拠の階段を使います。
| 主張の種類 | 弱い根拠 | より良い根拠 |
| --- | --- | --- |
| 定義 | 「専門家によると」 | 名前のある標準、論文、ドキュメントページ、用語集 |
| パフォーマンス主張 | 「速い」 | テスト設定、日付、サンプルサイズ、指標、制限 |
| 製品主張 | 機能リスト | スクリーンショット、ドキュメント、changelog、料金ページ、use cases |
| ローカル/サービス主張 | 汎用 landing page | 住所、対応エリア、ライセンス、レビュー、実績、FAQ |
| 研究主張 | ブログ要約 | 論文、dataset、著者、公開日へのリンク |
権威を装ってはいけません。AI システムは薄い主張を無視する能力を高めていますし、人間の読者はすでにそれを見抜きます。明確な制限は信頼を高めることがあります。「この benchmark は project management カテゴリの英語クエリ 120 件を使用しました」は、「当社ツールは best in class です」より強い表現です。
ステップ 4：技術的な GEO ファイルを整える
有用な GEO 設定には 4 つの技術要素があります。
robots.txt
これはアクセスレイヤーです。重要な公開ページがクロール可能であることを確認します。低価値または非公開の領域は、偶然ではなく意図的にブロックします。
sitemap.xml
これは発見レイヤーです。canonical URLs、CMS が対応している場合は更新日を含め、sitemap を整理された状態に保ちます。クローラーに大量の不要 URL を選別させないようにします。
構造化データ
これは機械向けの説明レイヤーです。見つけた schema をすべて入れるのではなく、ページに合う schema を使います。多くのグロース系サイトは次から始めるとよいでしょう。
- 編集系ページ向けの
ArticleまたはBlogPosting - 実際の FAQ セクションがある場合の
FAQPage - ブランド識別向けの
Organization - 商用ページ向けの
Product、SoftwareApplication、Service - サイト構造向けの
BreadcrumbList
llms.txt
llms.txt は /llms.txt に置くことが提案されている markdown ファイルです。Jeremy Howard はこの提案を 2024 年 9 月 3 日に公開しました。目的は LLMs にサイトの簡潔な地図を渡すことです。サイトが何であり、どのページが重要で、きれいな markdown リソースがどこにあるかを示します。
実務的な例は短くできます。
`# Acme Analytics
Acme Analytics は B2B SaaS チームが product-led revenue、activation、retention を測定するのを支援します。
主要ページ
ガイド
- Activation metrics guide: activation、time to value、cohort analysis の定義と計算式。
任意
- 会社ブログ: 追加の製品アップデートと解説。`
正直に書きます。llms.txt はガイドであり、ランキングハックではありません。本当に役立つページを指しているときに最も効果を発揮します。
最初の監査として使います。アクセス、回答品質、根拠、エンティティの一貫性を確認します。
ステップ 5：AI に適した FAQ ブロックを作る
FAQ セクションは、人々が AI システムにプロンプトを入力する方法と合っているため有効です。また、書き手に答えを隠させない効果もあります。
良い FAQ の回答は短く、具体的で、単独で理解できます。まず答えを書き、その後にニュアンスを加えます。
| 弱い FAQ 質問 | より良い FAQ 質問 |
| --- | --- |
| 「GEO の戦略的重要性とは何ですか？」 | 「GEO とは何ですか？」 |
| 「当社のソリューションは現代のチームをどう支援しますか？」 | 「AI ツールに引用されやすいページにするにはどうすればよいですか？」 |
| 「高度な最適化の利点は何ですか？」 | 「基本的な GEO クリーンアップにはどれくらい時間がかかりますか？」 |
多くのページでは、5〜8 個の質問で十分です。定義、プロセス、期間、費用、失敗、比較に関する質問をカバーします。空白を埋めるために薄い FAQ を 20 個追加してはいけません。
ステップ 6：プラットフォームごとに調整する。ただし噂を追いすぎない
回答エンジンごとに情報源のプールは異なります。Perplexity は引用の多いリサーチアシスタントに近い挙動をすることがあります。Google AI Overviews は Google Search エコシステムに近い位置にあります。ChatGPT search は、クエリや製品状態によって Bing、ファーストパーティの browsing、パートナーコンテンツ、モデル挙動を組み合わせることがあります。エンタープライズアシスタントは、公開 Web よりも社内文書に依存することがあります。
つまり、1 つのページがすべての場所で同じように機能するわけではありません。
有用なプラットフォーム別プランは次の通りです。
| プラットフォーム種別 | 通常役立つこと | 注意点 |
| --- | --- | --- |
| 検索連動型 AI 回答 | 強い SEO ページ、schema、鮮度、クロールアクセス | 弱い snippets や埋もれた回答があるページ |
| 引用重視の AI ツール | 明確なパッセージ、出典リンク、日付付きの主張 | 根拠のない主張、曖昧な導入 |
| コミュニティ要素が強い結果 | 第三者の言及、レビュー、議論 | 外部証拠のないブランド発信のみの内容 |
| エンタープライズ AI retrieval | 整理されたドキュメント、PDF、knowledge base 構造 | 壊れた権限設定、重複ファイル |
チームが見落としがちなのは、自社サイト外での一貫性です。価格、製品カテゴリ、創業者名、住所、機能主張がディレクトリ、レビューサイト、ドキュメント、ソーシャルプロフィールで食い違っていると、AI システムは混乱を解決しなければなりません。自社サイト、ナレッジベース、パートナーページ、主要プロフィールで、核となる事実を一致させます。
ステップ 7：GEO を測る。ただし正確すぎるふりはしない
GEO の計測はまだ不完全です。しかし、それは測らない理由にはなりません。
4 つのシグナルを追跡します。
chatgpt.com、perplexity.ai、claude.ai、gemini.google.comなどのドメイン、および analytics に現れる AI ブラウザ面からの referral traffic。- Prompt visibility：毎週固定の prompt set を実行し、自社ブランドや URL が表示されるか記録する。
- 引用品質：どのページが引用され、どの主張が使われ、引用が正確だったかを記録する。
- Assisted conversions：AI referrals にタグを付け、lead quality を organic search や paid channels と比較する。
最初は簡単なスプレッドシートで十分です。列は date、prompt、engine、location、cited source、answer position、competitor sources、notes。4 週間後にはパターンが見えます。どのトピックで引用されるのか、どの競合が繰り返し出るのか、どのページにより強い answer block が必要なのかが分かります。
最初の把握を早めたい場合は、AI Search Visibility Checker で初期 prompt set を作り、重要な prompts を意思決定前に手動で確認します。
10 項目の GEO ローンチチェックリスト
最初の 1 週間で使うチェックリストです。
| 優先度 | タスク | 完了 |
| --- | --- | --- |
| 1 | 製品、比較、ソリューション、ガイド、FAQ の優先ページを 10 件選ぶ | |
| 2 | それらのページがクロール可能で sitemap に含まれていることを確認する | |
| 3 | 各ページの最初の 100 語を書き直し、答えがすぐ見えるようにする | |
| 4 | 著者、日付、組織情報を追加または更新する | |
| 5 | 統計、定義、benchmark 主張に出典を追加する | |
| 6 | 明確なユーザー質問があるページに FAQ ブロックを追加する | |
| 7 | Article、FAQ、Product、Organization、Breadcrumb schema を検証する | |
| 8 | 重要ページと短い説明を含む /llms.txt を公開する | |
| 9 | AI referral domains 向けの GA4 exploration を設定する | |
| 10 | 毎週 25 個の prompts を実行し、引用を記録する | |
全社プログラムにする前に、まず 10 ページを終わらせます。戦略ワークショップから始めると GEO は曖昧になります。購買者と回答エンジンがすでに重視しているページを書き直したとき、GEO は実用的になります。
よくある失敗
最大の失敗は、GEO を裏技として扱うことです。llms.txt を追加しても薄いコンテンツは救えません。Schema は根拠のない主張を信頼できるものにはしません。AI が書いた用語集ページを 100 本公開すると、可視性よりも後始末が増える可能性が高いです。
2 つ目の失敗は、SEO コンテンツの型をそのままコピーしすぎることです。長い導入、キーワードの反復、広すぎるトピックカバーは、場合によってはまだ順位を取れるかもしれません。しかし AI 回答エンジンには、コンパクトで根拠を示せるパッセージが必要です。
3 つ目の失敗は、第三者の証拠を無視することです。自社サイトは製品を定義できますが、外部情報源はカテゴリを検証します。レビュー、アナリストページ、パートナーページ、marketplace listings、ドキュメント、顧客事例は、回答エンジンがあなたの存在を理解する助けになります。
Auspia のまとめ
最初の GEO プロジェクトは派手である必要はありません。10 ページを選びます。クロール可能にします。答えを明確にします。根拠を追加します。Schema を追加します。llms.txt を公開します。1 か月間 prompts を追跡します。
この作業は、AI システムにとって読みやすい、より整理された事業情報を提供します。同時に、人間の購買者にとっても良いページになります。だからこそ、attribution が完璧になる前でも GEO に取り組む価値があります。
FAQ
GEO とは何ですか？
GEO は Generative Engine Optimization の略です。AI 回答エンジンがコンテンツを見つけ、理解し、信頼し、生成回答の中で引用できるように改善する実践です。
GEO は SEO と違いますか？
はい。ただし SEO の土台に依存します。SEO は順位とクリックに焦点を当てます。GEO は AI 生成回答の中に含まれ、引用されることに焦点を当てます。同じページでも、クロール可能で権威があり、直接的な回答で書かれていれば、両方を支えられます。
GEO に llms.txt は必要ですか？
必須ではありませんが、低コストで有用な追加施策です。良い llms.txt ファイルは、AI システムにサイト内の重要ページの簡潔な地図を渡し、それぞれのページに何が含まれるかを説明します。
基本的な GEO クリーンアップにはどれくらい時間がかかりますか？
優先ページ 10 件の基本的なクリーンアップは、通常 1〜2 週間です。最も早い成果は、robots と sitemap の確認、answer-first な書き直し、FAQ 追加、schema 検証、llms.txt 公開から得られます。
Google で順位がないページを AI ツールが引用することはありますか？
あります。特にニッチなテーマでは起こり得ます。ただし強い SEO シグナルは発見と信頼を助けます。SEO を土台、GEO を引用レイヤーとして扱います。
最初に何を測るべきですか？
Prompt visibility、引用された URL、AI referral traffic、assisted conversions から始めます。1 つの指標だけに依存しないでください。AI 検索の attribution はまだ不完全なので、複数のシグナルを組み合わせて見ます。
出典
- GEO: Generative Engine Optimization, arXiv:2311.09735
- /llms.txt ファイルの提案
- Google Search Central: robots.txt の概要
