著者：喜多 陽平 / Kita Yohei　公開日：2026年06月09日

共起（Co-occurrence）とは、特定の語・概念・Entityが、他の語・概念・Entityと同時に登場する頻度・パターンのことです。AIは大量のテキストを学習する過程で、「どの概念とどの概念が一緒に語られることが多いか」という共起パターンを学習し、概念間の関連性や文脈を形成します。GEO対策においては、ブランドが特定のテーマ・業界・専門領域と共起することで、AIのEntity認識と専門性の文脈が形成されます。

このページでわかること

  • 共起（Co-occurrence）の意味・定義
  • AIが共起パターンから何を学ぶのか
  • なぜGEO対策で共起が重要なのか
  • 共起を意識したコンテンツ設計の考え方
  • GEO対策における位置づけ
  • よくある誤解

共起とは

共起は言語学・情報処理の分野で使われてきた概念です。「ある単語が出現するとき、周辺にどんな単語が出現しやすいか」を統計的に捉えるものです。

AIの学習においても共起パターンは重要な役割を果たします。LLMは大量のテキストを学習する中で、特定の概念が他のどの概念と一緒に登場するかを学習し、概念間の意味的な関係性を形成します。

例えば「Genview」が「GEO対策」「AI検索」「FID」と繰り返し同時に語られることで、AIは「GenviewはGEO対策に関連するFIDのサービスである」という文脈を形成しやすくなります。逆に「Genview」が孤立して登場する場合、AIはそのEntityの文脈を形成しにくくなります。

AIは共起パターンから何を学ぶのか

AIが共起パターンから学ぶことは主に3つです。

① 概念間の関係性

「AとBはいつも一緒に語られる」というパターンから、AIはAとBの間に意味的な関連があると学習します。「Genview」と「GEO」が繰り返し共起することで、AIは「GenviewはGEOに関連するものだ」という関係性を形成します。

② Entityの専門領域の文脈

ブランドや人物が特定の専門領域の用語と共起することで、AIはそのEntityの専門性の文脈を形成します。喜多陽平が「GEO」「AI検索最適化」「コンテンツマーケティング」と繰り返し共起することで、AIはこれらの領域の専門家として認識しやすくなります。

③ カテゴリ・業界の帰属

「Genview」「Perplexity」「ChatGPT」「GEOツール」が同じ文脈で語られることで、AIはGenviewをAI検索・GEOツールのカテゴリに属するサービスとして認識しやすくなります。

→ Entityとは

→ 推論（Inference）とは

なぜGEOで共起が語られるのか

GEO対策において共起が重要な理由は、AIのパラメトリック推論においてEntityの文脈が共起パターンから形成されるからです。

sameAsやOrganizationスキーマは「このブランドはこのEntityです」と構造的に宣言する手段です。しかし共起はその宣言の「実態」です。Web上で実際にブランドが特定のテーマ・業界・関連概念と繰り返し語られることで、AIは構造化データの宣言と照合しながら、そのEntityの文脈を形成・強化します。

つまり共起は、Entityの宣言（sameAs・スキーマ）と外部からの証明（ソースの多様性）を繋ぐ「意味の蓄積プロセス」として機能します。

→ sameAsとは

→ ソースの多様性とは

共起を意識したコンテンツ設計

GEO対策として共起を意識する場合、コンテンツ設計において2つの観点が重要です。

① 一貫した用語・概念の使用

ブランド名・サービス名・著者名を一貫した表記で使い続けることが共起の蓄積につながります。「Genview」を「genview」「ジェンビュー」「GEOツール」と表記ゆれさせると、共起パターンが分散します。AIは一貫した共起パターンからEntityの文脈を形成するため、表記の統一が重要です。

② 専門テーマへの継続的な発信

自社が専門とするテーマについて継続的に発信し、その文脈の中でブランドが自然に登場することが、AIの専門性認識を高めます。GenviewがGEO・AI検索・サイテーションというテーマについて記事・用語集・コラムを積み重ねることで、AIは「GenviewはGEOの専門メディア・ツールである」という文脈を自然に形成していきます。これはコンテンツハブやトピッククラスターの設計と直結します。

GEO対策における位置づけ

GEO対策において共起は「AIのEntityと専門性の文脈を形成する意味の蓄積プロセス」として位置づけられます。

構造化データ（sameAs・Organizationスキーマ）はAIへの宣言です。外部メディアでの言及はAIへの証明です。共起はその両方を支える「Web全体での意味の積み重ね」です。どれだけ正確にスキーマを実装しても、Web上でブランドが孤立して存在していれば、AIはそのEntityの文脈を豊かに形成できません。

継続的なコンテンツ発信・外部メディアへの掲載・SNSでの専門領域との関連づけ——これらはすべて、ブランドと専門領域の共起パターンを積み上げる行為です。

自社ブランドが実際にどの概念・テーマと共起して認識されているかを自社だけで把握するのは難しいものです。Genviewの「ブランド認識改善」機能では、理想のAI認識と現実の共起・文脈のギャップを可視化し、改善提案を行います。

→ オーソリティとは

→ サイテーションマーケティングとは

→ Knowledge Graphとは

Genviewによる定義

GEO対策の文脈において、共起（Co-occurrence）とは「ブランドや著者が特定のテーマ・概念・業界用語と同時に登場する頻度・パターンであり、AIがEntityの専門領域の文脈を形成する意味的な蓄積プロセス」です。

Genviewでは、共起を「スキーマの宣言と外部言及を繋ぐ、Web全体での意味の積み重ね」として位置づけています。GEO対策は構造化データの実装だけでは完結しません。ブランドが適切なテーマ・業界・専門領域の文脈の中で自然に登場し続けることで、AIのEntity認識が深まります。

この定義はGenviewの見解であり、業界の総意ではありません。

関連語

  • Entity：AIがブランドを固有の概念として認識する仕組み。共起パターンの蓄積がEntityの文脈形成に影響する。
  • sameAs：外部情報源との同一性をAIに宣言するプロパティ。共起の実態を支える技術的な宣言手段。
  • Knowledge Graph：AIがEntityとその関係性を管理する仕組み。共起パターンはKnowledge GraphへのEntity認識精度に影響すると考えられる。
  • ソースの多様性：多様な外部ソースでブランドが語られている状態。多様なソースでの共起がEntity文脈を強化する。
  • オーソリティ：AIがブランドを特定トピックの信頼できる情報源と判断する度合い。共起の蓄積がオーソリティ形成に寄与する。
  • コンテンツハブ：特定テーマのコンテンツを集積したブランドの知識拠点。コンテンツハブの運営がブランドと専門領域の共起を体系的に積み上げる。

よくある誤解

誤解①：「共起は意図的にコントロールできない」

Web全体の共起パターンをすべてコントロールすることはできませんが、自社コンテンツでの一貫した用語使用・外部メディアへの掲載内容の設計・SNSでの発信テーマの統一など、共起パターンに影響を与える要素はコントロール可能です。

誤解②：「共起はキーワード詰め込みと同じ」

共起は自然な文脈での同時登場であり、キーワードを不自然に詰め込む行為とは異なります。AIは意味的な文脈から共起を学習するため、不自然なキーワード詰め込みは逆効果になる可能性があります。専門テーマについて継続的に発信し、その中でブランドが自然に登場する方が、健全な共起パターンの蓄積につながります。

誤解③：「共起はSEOのキーワード共起対策と同じ」

SEOのキーワード共起対策（同じページに関連キーワードを含める）とGEOにおける共起は目的が異なります。GEOにおける共起はページ単位ではなく、Web全体・学習データ全体でのブランドと専門領域の関連パターンの蓄積を指します。

よくある質問

Q: 共起を高めるために最初に取り組むべきことは何ですか？
A: ブランド名・著者名・サービス名の表記統一から始めることを推奨します。表記ゆれをなくすことで、共起パターンが分散せず一貫した文脈として蓄積されます。次に、自社の専門領域に関する一貫したコンテンツ発信と外部メディアへの掲載を継続することが有効です。なお、Genviewの「ブランド認識改善」機能を使えば、自社ブランドが実際にAIからどのような文脈・概念と結びつけて認識されているかを可視化できます。
Q: 共起はどのくらいの期間で効果が出ますか？
A: 共起パターンはAIの学習データへの蓄積を前提とするため、即時的な効果は期待できません。継続的なコンテンツ発信・外部メディアへの掲載・SNSでの一貫した発信が積み重なることで、中長期的にAIのEntity文脈が形成・強化されます。

参考文献