著者：喜多 陽平 / Kita Yohei　公開日：2026年06月09日

リランキング（Reranking）とは、RAGシステムにおいて初期検索で取得した複数のドキュメントを、より精度の高いモデルで再評価・並び替えるプロセスのことです。コサイン類似度による粗い絞り込みの後に実行される「二段階目の選別」であり、最終的にAIの回答コンテキストに採用されるコンテンツを決定します。GEO対策においては、コンテンツが取得されるだけでなく採用されるための条件を理解する上で重要な概念です。

このページでわかること

  • リランキングの意味・定義
  • コサイン類似度との違いと役割分担
  • RAGパイプラインにおける位置づけ
  • なぜGEO対策でリランキングが語られるのか
  • コンテンツ設計への影響
  • よくある誤解

リランキングとは

RAGシステムのRetrievalフェーズは、効率性と精度のトレードオフで設計されています。まずコサイン類似度のような軽量な指標で候補ドキュメントを素早く絞り込み（粗い検索）、その後より高精度なモデルで再評価する（リランキング）という二段階の構造が一般的です。

RAGパイプラインにおけるリランキングの位置

ユーザーのクエリ

↓

①初期Retrieval（コサイン類似度）

候補ドキュメントを100件→20件に粗く絞り込む

↓

②リランキング（高精度モデルで再評価）

20件→3〜5件に精密に絞り込む

↓

③コンテキスト構築

選ばれたドキュメントをLLMに渡す

↓

④推論（Inference）・回答生成

リランキングに使われるモデル（クロスエンコーダーなど）は、クエリとドキュメントを同時に評価するため、初期検索より関連性を正確に判断できます。ただし計算コストが高いため、すべてのドキュメントに対して実行するのではなく、初期検索で絞り込んだ候補に対して実行します。

なぜGEOでリランキングが語られるのか

GEO対策においてリランキングが重要な理由は、「コサイン類似度で取得されることと、リランキングで採用されることは別の問題」だからです。

コサイン類似度が高いコンテンツは初期Retrievalを通過しやすくなります。しかしリランキングでは「このコンテンツは本当にこのクエリに答えているか」という、より細かい関連性評価が行われます。表面的に意味が近いだけのコンテンツより、クエリの意図に的確に応答する構成のコンテンツが上位に残りやすくなります。

つまりGEO対策としては

  • 意味的な類似性を高める（コサイン類似度対策）
  • クエリの意図に的確に答える構成にする（リランキング対策）

の両方が必要です。

→ コサイン類似度とは

→ Retrievalとは

リランキングで考慮される可能性がある要素

リランキングモデルがコンテンツを評価する際の判断基準は、初期検索よりも多角的です。以下はリランキングで考慮される可能性がある要素の例です。実際の評価基準はシステムごとに異なり、多くは非公開です。

評価要素 内容 コンテンツ設計への示唆
クエリとの関連性 クエリの意図にどれだけ正確に応えているか クエリが問うことに直接答える構成
情報の完全性 クエリに対して十分な情報量と文脈を持っているか クエリに対して十分な情報量と文脈を持つ内容
信頼性シグナル 著者情報・引用元・組織情報が明示されているか Personスキーマ・参考文献の整備
コンテンツの鮮度 情報が最新であるか（特に検索連携系で影響する可能性がある） 公開日・更新日の明示

※ 上記はリランキングで考慮される可能性がある一般的な要素の例示です。実際の評価基準はシステムごとに異なり、すべての要素が同等に評価されるわけではありません。

GEO対策における位置づけ

GEO対策においてリランキングは「取得されたコンテンツが実際にAIの回答に採用されるかどうかの最終審査」として位置づけられます。

コサイン類似度の最適化がRetrievalの入口を広げる施策であるのに対し、リランキングを意識した設計は「取得された後に選ばれる」ための施策です。クエリの意図に正確に答える構成・信頼性を示す著者情報・情報の完全性——これらはリランキングでの評価に影響すると考えられる要素です。

ただし、リランキングの実装はAIシステムによって異なり、すべてのAIがリランキングを行っているわけではありません。またリランキングモデルの評価基準は非公開のものが多く、GEO対策としては「クエリに誠実に答える高品質なコンテンツを作る」という原則に立ち返ることが、最も長期的に有効です。

自社コンテンツがクエリの意図に的確に答える構成になっているか、著者情報や参考文献が十分に整備されているかを一つひとつ確認するのは手間がかかります。Genviewの「サイト診断」機能では、AI可読性のチェックを通じてこうした構造上の課題を発見できます。

→ 推論（Inference）とは

→ AI可読性とは

→ 情報密度（Information Density）とは

Genviewによる定義

GEO対策の文脈において、リランキングとは「RAGシステムの初期Retrievalで取得した候補ドキュメントを高精度なモデルで再評価・並び替えるプロセスであり、最終的にAIの回答コンテキストに採用されるコンテンツを決定する段階」です。

Genviewでは、リランキングを「取得と採用の間に存在する精密な審査フェーズ」として位置づけています。コサイン類似度がRetrievalの入口を決めるのに対し、リランキングは採用の可否を決めます。この二段階を意識したコンテンツ設計がGEO対策の精度を高めます。

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

  • Retrieval：RAGシステムでクエリに関連するコンテンツを取得するプロセス。リランキングはRetrievalの後段として位置づけられる。
  • コサイン類似度：初期Retrievalで使われる意味的類似性の指標。リランキングはコサイン類似度による粗い絞り込みの後に実行される。
  • 推論（Inference）：LLMが回答を生成するプロセス。リランキングで選ばれたドキュメントがコンテキストとして渡され推論に使われる。
  • チャンク：RAGシステムでコンテンツを取得する単位。リランキングはチャンク単位で再評価を行う。
  • 情報密度（Information Density）：テキストが持つ情報量の濃さ。情報密度の高いコンテンツはリランキングでも評価されやすい傾向がある。
  • AI可読性：AIがコンテンツを読み取り・参照しやすい状態のこと。AI可読性の高い構造はリランキングでの関連性評価を助ける。

よくある誤解

誤解①：「コサイン類似度が高ければリランキングでも上位になる」

コサイン類似度はRetrievalの入口を通過しやすくする指標ですが、リランキングでは異なる評価軸が使われます。意味的に近くてもクエリの意図に正確に答えていないコンテンツは、リランキングで下位になることがあります。

誤解②：「すべてのAIがリランキングを実装している」

リランキングの実装はAIシステムによって異なります。一部のシステムでは初期Retrievalのみで回答コンテキストを構築するものもあります。GEO対策としては、リランキングの有無にかかわらず有効な「クエリに誠実に答える高品質なコンテンツ」が最も安定した施策です。

誤解③：「リランキングの評価基準は公開されている」

多くのAIシステムのリランキングモデルは非公開です。公開されている情報をもとにした推測は可能ですが、特定の評価基準が確実に影響するとは断言できません。

よくある質問

Q: リランキングを意識したコンテンツ設計とは具体的に何ですか？
A: クエリが問うことに直接答える構成であること・クエリに対して十分な情報量と文脈を持つ内容であること・著者情報や参考文献が明示されていることが基本です。「誰が・何を・なぜ・どのように」という問いに答えられる情報構造が、リランキングの関連性評価で有利に働く可能性があります。なお、Genviewの「サイト診断」機能を使えば、コンテンツの構造・著者情報の整備状況がAI可読性の観点から適切かどうかを自動的にチェックできます。
Q: コサイン類似度とリランキングはどちらが重要ですか？
A: 両方が必要です。コサイン類似度で初期Retrievalを通過しなければリランキングの対象にすらなりません。一方でリランキングを通過しなければ最終的に採用されません。GEO対策は「取得される」と「選ばれる」の両方を設計することが重要です。

参考文献