生成AIがどのようにコンテンツを参照・引用するかを理解するためのガイドです。GEOの基本概念から始め方まで、まとめて解説します。
日本で生成AIを使ったことがある人は、50〜59歳で44.2%、60〜69歳で33.5%でした（総務省）。「年齢が上がるほど使う人が減る」は正しく、「50代以上はほとんど使わない」は言い過ぎでした。
→ 読むH1・H2・H3はどう使い分ける？見出し構造の基本から、H1を複数使う場合や階層飛ばし、SEO・AI検索との関係、構造化データとの違いまで、公式情報をもとに整理します。
→ 読むAIに引用されたかどうかだけでは、GEO対策の成果は判断できません。AIの回答の中での自社の扱われ方は、引用・言及・推薦・ブランドの認識に分かれ、別々に起きます。事業の成果（KGI）を先に決め、「どの質問で、どの状態を成功とするか」からKPIを決め、「何回中何回」で続けて測ります。
→ 読む記事の書き方は、ほとんど変わりません。変わるのは、1つの質問に何をそろえて伝えるかです。ページの働きを5つの役割に整理すると、3つはトピッククラスターと同じもので、新しく要るのは一次情報と「足りない内容」の2つでした。既存のSEO設計は、そのまま土台として使えます。
→ 読む「AIの回答は聞くたびに変わるので、引用元を追いかけても仕方がないのでは」。商談でそう言われることがあります。ただ、「変わる」と「全部変わる」は違います。同じ質問を17週間投げ続けた海外の調査を読むと、動いていないのはサイトで、入れ替わっているのはページのほうでした。その見立てを、日本語のChatGPTとGeminiの観測で確かめています。
→ 読むGEO対策の効果は、同じ質問でAIの回答を毎日記録し、施策の前後で比べてはじめて測れます。Genviewが自社の5キーワードを毎朝計測した記録（施策前は引用0日）をもとに、4つの指標と比べ方を解説し、結果を追記していきます。
→ 読むGEO対策ツールの施策提案は、まず「今あるページを直す」か「新しく作る」かを決め、AIに引用されているページとの差を項目ごとに見ると具体的になります。Genviewが自社の5キーワードを毎朝計測した記録をもとに、決め方と見方を解説します。
→ 読むGEO対策とは、生成AI・AI検索の回答の中で、自社やブランドが正しく理解され、言及・引用・推薦される状態を確かめ、改善していく取り組みです。弊社の15業界450問の調査では、AIが引用したサイトの75.0%が、同じ質問のGoogle検索の上位10位の外にありました。GEOはSEOを置き換えるものではなく、AIの回答での扱われ方を別に確かめます。
→ 読むGEOの支援会社・ツール会社4社の公開記事を比べると、どの会社も複数の指標を挙げていますが、中心に置く指標は同じではありませんでした。考え方は5つの型に分けられます。何をKPIにするかは、自社がGEOで変えたい顧客の行動で決まります。
→ 読むAI検索とは何かを初心者向けに解説。従来のGoogle検索との違い、ChatGPT・Gemini・Perplexityなどの種類、できること、注意点、企業の情報露出への影響まで整理します。
→ 読む理想のAI回答とは、AIが自社について答えるとき、自社をどう説明してほしいかを企業の側で決めたものです。AIの回答は聞くたびに変わり、根拠を聞いても判断の記録は返ってきません。理想を決めて初めて、今の回答とのズレが分かり、打つ手を選べます。
→ 読む「Salesforce」では出ないのに「Salesforceとは」では出る——Googleの内部クエリ分類データから、AI Overviewsの出現率を左右する本当の基準を読み解きます。
→ 読むBtoC with AIは、AIが企業とお客様の間に入っても主役はお客様のままだと考え、AIを新しい接客係として迎える考え方です。企業は、AIに自社を正しく教え、そのAIがお客様を接客する「二段階の接客」をすることになります。
→ 読むAI引用とは、生成AIの回答で、特定のWebページがリンクや出典として示されることです。引用は、言及や推薦とは別に起きます。引用元で一番多いのは各社の自社サイトで、それ以外の顔ぶれは業界と質問で変わり、AIが引用したURLの75.0%はGoogle検索の上位10位の外でした。
→ 読むGEOとSEOは、質の高いコンテンツと信頼を積み上げるという土台が共通しています。違いがはっきり出るのは、評価される単位、結果の安定性、情報が反映されるまでの進み方です。15業界450問の調査では、AIが引用したURLのうちGoogle検索の上位10位に入っていたのは25.0%でした。両方に取り組み、どちらを先にするかは自社の今の状態で決めます。
→ 読むGEOとAEOは何が違うのか。目的や対策の違い、実務上の重なり、共通する基盤、SEOとの関係を整理し、両者をどのように使い分けるべきか解説します。
→ 読むGEOには学術研究の原典があり、LLMOには単一の原典がありません。検索上位の4ページはどれもLLMOを「学習」の側に置いていましたが、サイト運営者はモデルの学習を直接決められず、同じAIでも質問によってWebを使ったように見える回答が出ます。企業がやることの多くは重なるため、別々に進める必要は高くないと考えています。
→ 読むAIで確かめた結果は、起きたことと、その理由について自分が考えたことを分けて書くと、あとから確かめられる記録になります。観察事実・発見・解釈・仮説・限界と再観察の5つのステップと、残しておきたい記録項目を、Grokで検索語による表示の違いを確かめた実例とあわせて整理します。
→ 読むChatGPT・Gemini・Claude・Perplexity・Grok・Microsoft Copilotを比較。Web検索や情報源表示、Google・Microsoft・Xとの連携、向いている用途の違いと、GEOで複数AIを確認する重要性を解説します。
→ 読むAIに自社を正しく認識してもらうとは、回答の中で名前が挙がり（言及）、正しく説明され、候補として推薦される状態を整えることです。AIは自社のことも自社サイトだけを見て語っているわけではなく、推薦は質問の中身や会話の一言で変わります。自社の定義、情報の統一、一次情報、第三者の情報を整え、どの段で止まっているかを確かめます。
→ 読む一次情報の材料は、大量のデータではなく日々の業務の中にあります。顧客接点・業務経験・検証・自分の観察の4つから一次情報を作る方法と、公開するときに整理する6項目（対象・期間・方法・結果・解釈・限界）をまとめました。あわせて、公開した情報がAIにどう扱われているかの確かめ方を、15業界450問の調査データとともに整理しています。
→ 読むAI検索やAI Overviewsで検索流入は減るのか。流入減とCV・CVRの関係、影響を受けやすい検索、SEO成果の見方、AI上の言及・引用までわかりやすく解説します。
→ 読むAI検索が質問を理解し、検索クエリを生成・分解して情報を取得し、LLMが回答を生成するまでの仕組みを解説。RAG、Retrieval、Embedding、ベクトル検索、AIクローラーの役割も整理します。
→ 読むAEO対策とは何かを、SEO・GEO・LLMOとの違いとあわせて解説。質問設計、理想回答、AI回答の確認、GAP改善まで、実務で進める5ステップを紹介します。
→ 読むLLMO対策とは、生成AIが自社をどう理解・説明・参照しているかを確かめ、理想とのズレを直していく取り組みです。LLMに学習させることではありません。検索順位だけではAIの回答の中身は分からず、「引用されたか」だけでも判断できません。GEO対策と実際にやることはほぼ同じで、GEO対策のツールもそのまま使えます。
→ 読むAIが回答生成時にどの情報を評価し利用するのかを解説。Primary Source、Evidence、Entity Recognitionなど、GEOで重要になる情報設計の考え方を紹介します。
→ 読むAIクローラーのBotは、動くタイミングと目的で3種類＋土台に分けられます。ではAIごとに対策を分けるべきかというと、そうはなりませんでした。robots.txt で99個のBotを断っていた amazon.co.jp を、ChatGPTは108回答中41回答で出典にし、Geminiは151回答中0回答。設定を分けても、そのとおりに扱われるとは限りません。読みに来るのはどのBotも同じHTMLです。
→ 読むAIに引用される会社に、共通する単一の条件は確認されていません。企業・ブランド・サービスの関係、一次情報、自社サイト以外の情報、情報の取得しやすさ、発信主体と根拠の5つの観点と、15業界450問の調査から分かった引用元の違い、自社で確認する3つのステップをまとめました。
→ 読むゼロクリック化で変わるのは、検索流入だけではありません。AI検索によって、情報収集・ブランド認知・比較・候補絞り込みの一部がサイト訪問前に進む構造変化を解説します。
→ 読む業界調査や独自調査は、なぜ生成AI・AI検索の情報源として使われるのでしょうか。独自データ、比較条件、調査方法、数値の意味、調査の限界という5つの観点から、一次情報が参照される理由と注意点を解説します。
→ 読むサイト更新後にAIが古い情報を参照する問題は、301転送・サチコ削除申請・サイトマップ更新の3つで解決可能。Genviewの実際のGEO検証データをもとに具体的な手順を解説。
→ 読むSchema.orgの型は800を超えますが、全部入れる必要はありません。GenviewはGEO対策で先に入れる構造化データを21種類に絞り、Organization・WebSite（S）→ Person・FAQPage・AboutPage（A）→ BreadcrumbList・Articleなど（B）→ C の順を推奨しています。構造化データで引用が増えるかは、弊社でも確かめていません。
→ 読む引用数が増えた＝GEOの成果、と読むのは危ういと考えています。引用は推薦ではなく、推薦は選定ではありません。さらに私たちの観測では、引用されたサイトが前回と同じだった割合は多くても6割程度。一方で6回とも同じ社名が挙がった質問は32.1〜95.7%ありました。引用数より、何回中何回名前が挙がったかを見る理由を整理します。
→ 読むReddit で、AIに拾われることを狙った宣伝の投稿を、企業が組織的に植え付けていたことが報じられました。弊社の調査では、化粧品でAIの引用の8.0〜12.4%が利用者の投稿でした。AI時代のステマを防げるかは、まだ分かりません。
→ 読むGEO対策を「理想のAI認識 → 現状計測 → 自社情報の改善 → 第三者情報の改善 → 再計測」の5ステップで解説。何から始めるべきか、どの指標を見るべきかを実践順に整理します。
→ 読むロングテールキーワードは要らなくなるのではなく、「誰が・どんな条件で聞くか」という質問に置き換えて使います。AIが引用したURLのうち、同じ質問のSEO上位10位にもあったのは25.0%でした。
→ 読むGEO対策の失敗は、考え方・コンテンツ・技術・外部の情報・測り方の5つの段階に分かれます。AIで作ること、FAQ、構造化データ、llms.txtそのものは問題ではなく、それだけで終わりにすることが問題です。やってはいけないことに共通するのは、「AIに選ばれること」そのものを目的にして、実際のAIの回答を確かめなくなることです。
→ 読むAI検索で自社が出ているかは、名前・説明・引用元の3つを分けて、同じ質問を何度か聞いて確かめます。Geminiがキュレルの名前を出した62回答のうち、キュレルのページも引用していたのは3回答でした。
→ 読む英会話サービスの公式サイトでAIに引用されたページは9割がブログ・コラムの記事で、Geminiが社名を出さずに引用していたカード会社のページも解説記事でした。GEO対策のために記事を全部書き直す必要はなく、見直すのは問いに答える書き方、見出し、ページの役割、ページどうしのつなぎ方です。
→ 読む自治体にもGEO対策を考える意味はあります。行政の手続き・福祉・防災では公式の情報が正しく伝わることの比重が大きく、観光・移住・地域振興では自治体も比べられて候補に挙がります。
→ 読むllms.txtは、Webサイトの概要や重要なページをLLMやAIエージェント向けに整理するための提案仕様です。本記事では、Google検索での位置づけやrobots.txt・sitemap.xmlとの違いを整理したうえで、EC、SaaS、医療、飲食、メディア、コーポレートサイトの6業種別に、掲載したい一次情報と具体的なllms.txtサンプルを紹介します。
→ 読むChatGPTで競合ばかり出てくるときは、原因をAIに聞くのではなく、何回中何回か・どの質問か・競合がどの情報源で出ているかを確かめます。AIが引用したURLのうち、同じ質問のSEO上位10位にもあったのは25.0%でした。
→ 読むGEO対策のクエリ設計とは、AIに相談される場面を3つの軸で選び、測る質問の組を決めることです。化粧品の「調べ始め」の9問では、6回聞いても社名が1つも挙がりませんでした。言い回しより「誰向けか・どんな条件か」を変えて測ります。
→ 読むGEO対策は、広報だけの仕事ではありません。名前を届けるところは広報がカバーでき、AIが正しく説明できる情報を整えるところは、ほかの部署と組んで進めます。弊社のプレスリリースのあと、Geminiは名前の似た別会社と混同しました。
→ 読むAIに選ばれる会社と人に選ばれる会社は、重なっても同じではありません。用途の合わない商品について理由を聞くと、Geminiは12回とも、そのまま勧めました。GEOの役割は、「良い会社なのに選ばれない」を減らすことだと考えています。
→ 読む