業界ごとのGEO対策のポイントと取り組み方を解説します。
GEO優先度を「AI言及・引用頻度」「AI不在の経営インパクト」という2つの独立した軸で評価。ChatGPT・Gemini対象の実測調査をもとに、15業界をS〜Cの4段階に分類しています。
→ 読むLLM経由の小売トラフィックが前年比393%増加。AI経由の訪問者はコンバージョン率が42%高いというAdobe調査データをもとに、EC・小売のGEO対策を解説します。
→ 読むEC・小売のGEO対策では、商品名やブランド名だけでは不十分です。悩み・用途・比較・評判という4つの文脈でTOFU・MOFU・BOFUのクエリを設計する、実践的なガイドです（家電を例に解説）。
→ 読むB2B購買担当者の94%がLLMを活用し、70%が初回コンタクト前に購入先を決定（Forrester/6sense）。BtoB特有のダークファネルとBuying Committee対策を解説します。
→ 読むBtoBのGEO対策では、サービス名や会社名だけでは不十分です。悩み・用途・比較・評判の文脈でTOFU・MOFU・BOFUのクエリを設計し、Buying Committeeの役職別視点も踏まえた実践ガイドです（在庫管理システムを例に解説）。
→ 読むB2Bバイヤーの40%がAIでソフトウェアをリサーチする一方、SaaS企業の44%はAI可視性スコアが50点以下で事実上不可視（DerivateX調査）。このギャップとSaaS特有のGEO対策を解説します。
→ 読むSaaSのGEO対策では、サービス名や機能名だけでは不十分です。業務課題・機能比較・料金・導入判断の文脈でTOFU・MOFU・BOFUのクエリを設計する実践ガイドです（CRMを例に解説）。
→ 読む小規模パブリッシャーの検索トラフィックが2年で60%減少（Chartbeat/Axios）。「引用されるが訪問されない」というメディア特有の逆説とGEO対策を解説します。
→ 読むメディアのGEO対策では媒体名だけでは不十分です。「商品を買う」ではなく「引用元に選ぶ」という文脈に合わせてTOFU・MOFU・BOFUを読み替えた、実践的なクエリ設計ガイドです（ビジネス・経済ニュースを例に解説）。
→ 読むAIに金融相談する米国人が1年で10%→55%に急増（TD Bank）。YMYL・情報鮮度リスクという金融特有のGEO課題と対策を解説します。
→ 読む金融のGEO対策では機関名や商品名だけでは不十分です。悩み・用途・比較・評判の文脈でTOFU・MOFU・BOFUのクエリを設計し、YMYL特有の数値鮮度リスクも踏まえた実践ガイドです（投資信託・NISAを例に解説）。
→ 読む不動産エージェントの91%がAIに不可視（FlyDragon）。エージェント自身はAIを積極活用しているのに消費者向けAIには見えないという逆転現象を解説します。
→ 読む不動産のGEO対策では会社名やエージェント名だけでは不十分です。悩み・用途・比較・評判の文脈でTOFU・MOFU・BOFUのクエリを設計し、エリア名を組み合わせる不動産特有の工夫も踏まえた実践ガイドです（中古マンション購入を例に解説）。
→ 読むAI生成回答が全Google検索の16.48%に登場（Clio）。専門特化型の中規模事務所に有利な「民主化の機会」と、法律事務所向けGEO対策を解説します。
→ 読む法律のGEO対策では事務所名や弁護士名だけでは不十分です。悩み・用途・比較・評判の文脈でTOFU・MOFU・BOFUのクエリを設計し、専門分野×地域という法律特有の組み合わせも踏まえた実践ガイドです（労働問題を例に解説）。
→ 読む毎日4,000万件の健康質問がChatGPTに投稿される（OpenAI）。YMYLコンテンツとしての医療GEOの特有課題と、医療機関が今日から取り組める対策を解説します。
→ 読むヘルスケア・医療のGEO対策では医院名や施術名だけでは不十分です。悩み・用途・比較・評判の文脈でTOFU・MOFU・BOFUのクエリを設計し、YMYL特有の医師名・資格明記の重要性も踏まえた実践ガイドです（美容皮膚科を例に解説）。
→ 読むブランド名検索の引用率97%が、旅行計画クエリでは10〜15%に急落する「発見の崖」。ホスピタリティ業界特有のGEO課題と対策を解説します。
→ 読むホスピタリティのGEO対策では施設名だけでは不十分です。悩み・用途・比較・評判の文脈でTOFU・MOFU・BOFUのクエリを設計し、「発見の崖」という業界特有の課題も踏まえた実践ガイドです（京都のホテル選びを例に解説）。
→ 読む旅行計画にAIが使えると知る旅行者は90%だが、実際に使った人は38%。この62ポイントのギャップと、デスティネーション向けGEO対策を解説します。
→ 読む観光・旅行のGEO対策ではデスティネーション名だけでは不十分です。悩み・用途・比較・評判の文脈でTOFU・MOFU・BOFUのクエリを設計し、Wikipedia等のエンティティ整備も踏まえた実践ガイドです（東南アジア旅行を例に解説）。
→ 読むGoogleには86%が掲載されているのに、AIに推薦されるのはわずか17%。この構造的なギャップと、飲食店向けGEO対策を解説します。
→ 読む飲食のGEO対策では店舗名だけでは不十分です。悩み・用途・比較・評判の文脈でTOFU・MOFU・BOFUのクエリを設計し、評価スコアの閾値という業界特有の要素も踏まえた実践ガイドです（渋谷のイタリアンを例に解説）。
→ 読む消費者の40%以上がGen AI検索で新製品を発見（RoC CMO）。ビジュアル中心だったPDPをAI対応に構造改革する動きを解説します。
→ 読む美容のGEO対策ではブランド名や商品名だけでは不十分です。悩み・用途・比較・評判の文脈でTOFU・MOFU・BOFUのクエリを設計し、成分透明性という業界特有の要素も踏まえた実践ガイドです（スキンケア・美容液を例に解説）。
→ 読むGen Zの97%がAIパーソナライズ体験を求める（Deloitte）。GEO対策でAI検索可視性が25%向上するという分析と、ファッション特有の課題を解説します。
→ 読むアパレルのGEO対策ではブランド名や商品名だけでは不十分です。悩み・用途・比較・評判の文脈でTOFU・MOFU・BOFUのクエリを設計し、ビジュアル依存からの脱却も踏まえた実践ガイドです（スニーカーを例に解説）。
→ 読むAIが回答に入れるブランドはわずか3〜5件（Barrel）。「見えない棚」とエージェントコマースがCPGの競争構造を変える実態を解説します。
→ 読む食品・CPGのGEO対策ではブランド名や商品名だけでは不十分です。悩み・用途・比較・評判の文脈でTOFU・MOFU・BOFUのクエリを設計し、AIエージェント時代の属性タグ付けも踏まえた実践ガイドです（子供向けスナック菓子を例に解説）。
→ 読むChatGPTのバックエンド検索エンジンはBing。GoogleではなくBingへの最適化が必要という自動車GEOの盲点と対策を解説します。
→ 読む自動車のGEO対策ではディーラー名やブランド名だけでは不十分です。悩み・用途・比較・評判の文脈でTOFU・MOFU・BOFUのクエリを設計し、「ChatGPTのバックエンドはBing」という業界特有の盲点も踏まえた実践ガイドです（SUVを例に解説）。
→ 読む