GEO（生成エンジン最適化）とは？LLMO・AIOとの違いと対策の共通点

最終更新日：2026年11月13日

GEO（ジーイーオー）とは、Generative Engine Optimization（生成エンジン最適化）の略です。AIが検索して答える仕組み（生成エンジン）の回答の中で、自社のコンテンツが引用されやすくなるよう整える考え方を指します。2023年に公開された研究論文が名付けた言葉です。似た言葉に、LLMO（大規模言語モデル最適化）や AIO（Google の「AIによる概要」への対策などを指す呼び名）があります。出どころや指す範囲は違いますが、やることの大部分は共通です。土台が SEO であることは、Google も Bing も公式の文書で説明しています。

なお、この記事の GEO は、地理（geography）に由来する「ジオ」とは別の言葉です。位置情報を使って広告を出し分けるジオターゲティングや、同じつづりの社名・ブランド名とも関係ありません。

本記事では、GEO を提唱した論文の中身（何を測り、どの方法が効き、何が限界か）を原文で確かめます。あわせて、Bing と Google の公式文書での扱いと、LLMO・AIO・AEO（回答エンジン最適化）との違いと共通点を整理します。

GEOとは？要点の早見表

項目	内容（2026年11月13日確認）
正式名称	Generative Engine Optimization（生成エンジン最適化）。読み方の決まりはなく、本記事では「ジーイーオー」
意味	生成エンジン（検索した情報をもとにAIが回答をつくる仕組み）の回答の中で、コンテンツの見え方を高める取り組み
出どころ	Aggarwal ほか「GEO: Generative Engine Optimization」（2023年11月公開、国際会議 KDD 2024 に採択）
論文が測ったもの	回答の中での見え方（visibility）。そのページを出典とする文の量と位置、AIによる印象の採点
効いた方法	出典・引用・統計の追加（実験環境で、見え方の指標の1つが30〜40%改善）
効かなかった方法	キーワードの詰め込み（ほとんど改善しない）、独自の語の追加（論文の表で「効果が出なかった方法」に分類）。権威的な口調も、全体では目立った改善なし
Bing の扱い	AIの回答で根拠・参照先として使われる対象になることに焦点を当てたもの。引用は保証しない
Google の扱い	AEO と並べて紹介。Google 検索の観点からは SEO であることに変わりはない
LLMO・AIO との違い	出どころと指す範囲が違う（LLMO・AIO は業界の呼び名で、公的な定義はない）。やることの大部分は共通

GEO は論文から生まれた言葉ですが、Google と Bing はどちらも、SEO の基本が土台だという立場です。以下、論文・Bing・Google の順に中身を確かめます。

GEOとは？意味と読み方

GEOは「生成エンジン最適化」の略

GEO は、Generative Engine（生成エンジン）と Optimization（最適化）を組み合わせた言葉です。読み方に公式の決まりはなく、本記事ではアルファベットどおり「ジーイーオー」と読みます。

「生成エンジン」とは：検索してAIが答える仕組み

論文は、生成モデル（文章などを生成するAI）を使って情報を集め、要約して質問に答える検索の仕組みを「生成エンジン」と呼びました。従来の検索エンジンはページの一覧を返します。生成エンジンは、複数の情報源をまとめた1つの回答を出典つきで返します（論文の概要と1章。意訳）。

論文は当時の例として、BingChat、Google の SGE、perplexity.ai を挙げています。SGE は、2023年5月に Google が試験提供を始めた、検索結果に生成AIの回答を出す機能です（Google の発表）。今のサービスでいえば、Google のAIによる概要・AIモード、ChatGPT のウェブ検索、Microsoft Copilot などがあります。いずれも検索結果をもとに回答をつくる点で、この定義に当てはまると考えられます（当社の整理）。AIサービスごとに情報の取り方がどう違うかは「AI検索対策とは？」で整理しています。

GEOの出どころ：論文「GEO: Generative Engine Optimization」の中身

いつ・誰が発表した論文か

論文は2023年11月16日に、論文の公開サイト arXiv で公開されました（arXiv:2311.09735）。著者は Pranjal Aggarwal ら6人で、インド工科大学デリー校やプリンストン大学などに所属する研究者です。データマイニング分野の国際会議 KDD 2024（2024年8月、バルセロナ）に採択されています。

論文の問題意識は、ウェブサイトの運営者の立場にあります。AIが答えをまとめて返すと、運営者は自分のコンテンツが「いつ・どう表示されるか」をほとんど制御できません。GEO は、運営者が回答の中での見え方を高めるための枠組みとして提案されました。

何を測ったか：回答の中での「見え方（visibility）」

検索結果なら、何位に出たかで見え方を測れます。生成エンジンの回答では、複数の出典が1つの文章に混ざるため、順位だけでは測れません。そこで論文は、次の2つの指標を作りました。

位置で重みづけした語数（Position-Adjusted Word Count）：回答のうち、そのページを出典とする文の語数の割合。回答の前のほうに出る文ほど重く数える
主観的な印象（Subjective Impression）：関連性・回答への影響度・クリックされそうかなど7つの観点を、AI（GPT-3.5）が採点する

どちらも、1つの回答の中の取り分として、すべての出典の合計が1になるよう調整されています（論文の3.4節）。あるページの見え方が上がれば、ほかのページの取り分は下がる関係です。実験の流れは次のとおりです。

GEO論文の実験の流れ

質問を用意する

論文が作った質問集 GEO-bench（1万件）から、評価用の1,000件を使う

情報源を集める

質問ごとに、Google 検索の上位5件のページを情報源にする

1ページを書き換える

5件から1件を選び、9つの方法でそれぞれAI（GPT-3.5）に書き換えさせる

AIが回答をつくる

GPT-3.5 が5件をもとに、文ごとに出典番号を付けて回答する

見え方を比べる

書き換えの前後で、そのページの語数・位置・印象を比べる

出典：Aggarwal ほか「GEO: Generative Engine Optimization」（arXiv:2311.09735、KDD 2024）の2〜3章・付録Bをもとに作成

結果の数字は、クリック数や売上ではなく、この見え方の指標の変化です。後で述べる「最大40%」を読むときの前提になります。

効いた方法・効かなかった方法

論文は9つの方法を試しました。下の表のスコアは、論文の表1にある位置で重みづけした語数の総合値です。

方法（原文の名前）	何をしたか	スコア（何もしない場合 19.3）
引用の追加（Quotation Addition）	信頼できる情報源からの引用文を加える	27.2
統計の追加（Statistics Addition）	定性的な説明を、できる範囲で数字に置き換える	25.2
流暢さの改善（Fluency Optimization）	文章の流れを整える	24.7
出典の追加（Cite Sources）	信頼できる情報源への参照を加える	24.6
専門用語の追加（Technical Terms）	できる範囲で専門用語を加える	22.7
分かりやすさ（Easy-to-Understand）	言葉をやさしくする	22.0
権威的な口調（Authoritative）	説得力があり権威的な口調にする	21.3（論文の本文では、全体として目立った改善なし。討論型や歴史の質問では効果）
独自の語の追加（Unique Words）	できる範囲で独自の語を加える	20.5（効果が出なかった方法に分類）
キーワードの詰め込み（Keyword Stuffing）	質問に含まれるキーワードを増やす	17.7（何もしない場合を下回った）

論文はページごとの改善率で比べ、出典・引用・統計の追加の3つが最も効果が高かったとしています。改善率は、位置で重みづけした語数で30〜40%、主観的な印象で15〜30%です。流暢さと分かりやすさの改善でも、15〜30%の向上がありました。一方、SEO で使われてきたキーワードの詰め込みは、ほとんど改善しませんでした。

効き方は分野によっても違いました。たとえば統計の追加は「法律・行政」の分野や意見を問う質問で、出典の追加は事実を問う質問で効果が大きかったとしています。また論文は、すべての情報源を同時に書き換えた場合（多くのサイトが GEO を取り入れた状況を想定）も評価しています（5.2節）。この条件で出典の追加を行うと、検索順位5位のページの見え方は115.1%増え、1位のページは平均で30.3%減りました（数字は論文の表2）。論文は、検索の下位のページほど GEO の恩恵が大きいとしています。

論文の限界：「最大40%」をどう読むか

論文の概要にある「最大40%」は、実験環境で見え方の指標がどれだけ変わったかを示す数字です。実際のAIサービスで、引用やクリックが40%増えるという意味ではありません。読むときは次の点に注意が必要です。

実験用の生成エンジン：Google 検索の上位5件を GPT-3.5 に渡して答えさせる、研究用の仕組みです。論文は当時の商用サービスの設計に近いとしていますが、今の各社のAI検索と同じとは限りません。
実サービスでの検証は一部：Perplexity.ai でも試しています。位置で重みづけした語数で、引用の追加は22%改善し、キーワードの詰め込みは約10%悪化したと報告しています（6章・表5）。ただし質問は200件で、Perplexity 自身のウェブ検索は使っていません。論文側で用意した情報源の文章をファイルとしてアップロードし、それをもとに答えさせています（付録C.1）。
書き換えたのはAI：各方法は、AI（GPT-3.5）に指示して文章を書き換えて試しています。
著者が挙げる限界：生成エンジンの進化に合わせて方法も変える必要があること、検索順位への影響は評価していないことを挙げています（9章）。
日本語の検索：論文は、日本語の検索での結果には触れていません。

GEOとSEOの違いは？論文・Bing・Googleの見方

GEO と SEO の関係は、論文と、検索エンジンを運営する Bing・Google とで、言い方が少し違います。

論文：従来のSEOの手法は、そのままでは当てはまらない

論文は、生成エンジンのAIは単純なキーワードの一致に限られないとしています。そのため、ページ内の改善やリンクの獲得といった従来の SEO の手法は、そのままでは当てはまらないという立場です（2.2節・7章。意訳）。実験でも、キーワードの詰め込みは効果がありませんでした。

Bing：GEOはAIの回答の根拠になることが焦点。引用は保証しない

Microsoft の Bing Webmaster Guidelines は、GEO の焦点を「AIの回答で根拠や参照先として使われる対象になること」としています。同じ箇所で、SEO は順位や流入を保証せず、GEO もAIの回答での根拠としての利用や引用を保証しない、と書いています（意訳）。

一方で、ガイドラインの1項目めは「SEO の基本は、AIの回答でも有効」です。Copilot の回答も、通常の検索と同じ仕組みを土台にする、という説明です（意訳）。その仕組みとは、クロール（ページの巡回と読み込み）、インデックス（検索用のデータベースへの登録）、ランキングです。キーワードの詰め込みや不自然な言い回し、言語モデルを操作するための文章は、表示が減ったり検索から除外されたりする対象とされています。

Google：AEO・GEOも、Google検索の観点ではSEO

Google は公式ガイド「Google 検索の生成 AI 機能向けにウェブサイトを最適化する」で、AEO と GEO に触れています。日本語版の最終更新日は2026年10月30日です。どちらも「AI 検索エクスペリエンスでの視認性の向上に特化した作業を説明するために使用されることがある用語」だとしています。そのうえで、Google 検索の観点からは「SEO であることに変わりはありません」と書いています。

同じガイドは、AEO や GEO の名で提案される「ハック」の多くは効果がないとも述べています。Google 検索の実際の仕組みでも裏付けられていない、という説明です。Google 検索では必要ないこととして挙がっているのは、次の5つです。

llms.txt などの AI 向けのファイルや、特別なマークアップ（ページに付けるタグなどの目印）
コンテンツの「チャンク化」（AI 向けに細かく分割すること）
AI システム向けの書き換え（生成 AI 検索向けの書き方は不要）
不自然な「言及」集め
生成 AI 検索のための構造化データ（ページの内容を検索エンジンに伝える決まった書式）。リッチリザルト（画像や評価などを加えた検索結果の表示）のためには引き続き推奨

なお、Google の生成 AI 機能に表示されるには、インデックスに登録され、スニペット（検索結果の説明文）を表示できることが前提です。加えて、Search Console の「検索の生成 AI 設定」でサイトを除外していないことも条件です（初期設定は「含める」）。

3つの見方はどうつながるか

論文は従来の SEO の手法が全般に、そのままでは当てはまらないとしています。ただし、論文の実験の生成エンジン自体も、Google 検索の上位5件を情報源にしています。検索順位への影響は評価していないことも、限界として書いています。

Bing は、AIの回答も従来の検索と同じクロール・インデックス・ランキングの基盤に立つと説明しています（意訳）。Google も、生成 AI 機能は検索のランキングと品質のシステムに根差すとしています。「検索に載る基盤は SEO で整え、そのうえでAIの回答での見え方を考える。小手先は効かない」とまとめると、3つの見方はつながると当社は考えています。

GEOとLLMO・AIO・AEOの違い

用語	何の略か	出どころ	Google・Bing の公式文書での扱い
GEO	Generative Engine Optimization（生成エンジン最適化）	2023年の論文（Aggarwal ほか）	Google は AEO と並べて紹介。Bing はガイドラインで説明
LLMO	Large Language Model Optimization（大規模言語モデル最適化）	業界で使われている呼び名。公的な定義はない	Google のガイド・Bing のガイドラインには出てこない
AIO	AI Overviews（AIによる概要）、または AI Optimization	業界で使われている呼び名。公的な定義はない	Google のガイド・Bing のガイドラインには出てこない（Google の機能名は「AIによる概要」）
AEO	Answer Engine Optimization（回答エンジン最適化）	業界で使われている呼び名。公的な定義はない	Google は GEO と並べて紹介

4つのうち、出どころがはっきりしているのは GEO だけです。本記事で確かめた Google のガイドと Bing のガイドラインでも、名前が出てくるのは GEO（両方）と AEO（Google のみ）だけです。表の確認日は2026年11月13日です。

GEO対策とLLMO対策の違いは？

目指すことは、ほぼ同じです。どちらも、AIの回答の中で自社の情報が取り上げられることを目指します。違いは定義の有無です。GEO は論文で定義され、見え方を測る指標も提案されています。LLMO は業界で使われている呼び名で、何をもって成果とするかの決まりはありません。

そのため「GEO対策」「LLMO対策」とうたうサービスを比べるときは、名前より「何を、どの数字で測るか」を確かめるのが近道です。LLMO という言葉の意味や読み方は「LLMOとは？」で解説しています。

AIO・LLMOとGEOの違いは？

AIO は、Google の「AIによる概要」（英語名 AI Overviews）への対策の意味で使われるほか、「AI Optimization」の略とする説明もあります。公的な定義はありません。

GEO との大きな違いは、出どころです。AIO・LLMO は、論文で定義された言葉ではなく、本記事で確かめた Google のガイド・Bing のガイドラインにも出てきません（Google のガイドに出てくるのは機能名の「AIによる概要」です）。論文で定義された GEO とは、この点が違います。Google の AIによる概要に絞った対策は「AIO対策とは？」で解説しています。

GEO・LLMO・AIOの対策の共通点

論文・Bing・Google の3つを並べると、呼び名が違っても重なる点が見えてきます。

論文・Bing・Googleに共通する3つの点

根拠を示す

論文：出典・引用・統計の追加が有効

・Bing：事実と定義をはっきり書く

・Google：独自の経験や専門的な見解

・実務：数字は一次情報と出典つきで

読みやすく整える

論文：流暢さ・分かりやすさが有効

・Bing：要点を先に、1URL1テーマ

・Google：段落と見出しで構造を明確に

・実務：冒頭で結論、1記事1テーマ

操作しない

論文：キーワードの詰め込みは効果なし

・Bing：詰め込みやAIの操作は表示低下に

・Google：生成AIの回答の操作もスパム

・実務：読者に見える本文に根拠を書く

出典：Aggarwal ほか「GEO: Generative Engine Optimization」、Bing Webmaster Guidelines、Google 検索セントラル「Google 検索の生成 AI 機能向けにウェブサイトを最適化する」「スパムに関するポリシー」をもとに当社が整理

論文で効いた「出典・引用・統計を加える」「読みやすく整える」は、Bing・Google が勧める内容と重なります。キーワードの詰め込みを避けるべき点も共通です。論文では効果がなく、Bing は表示の低下や除外の対象としています。Google もスパムに関するポリシーで「キーワードの乱用」を禁じています。

違う点もあります。論文は文章を書き換えて見え方を上げる実験でしたが、Google は AI 向けの書き方は不要としています。AI のためだけに文章を変えるより、読者にとって根拠が分かりやすくなる改善に絞るのが安全だと当社は考えています。

具体的な施策は「LLMO対策とは？」で、クローラーの確認から記事の書き方・更新まで、10の施策として解説しています。アドミルのオウンドメディア運用代行でも、冒頭で結論を書き、法令やガイドラインは一次情報で確かめて出典を書く記事の型をとっています。

GEOでやってはいけないこと・よくある誤解

やってはいけないこと	なぜ問題か	代わりにどうするか
「GEOでAIの引用が40%増える」と説明する	40%は研究用の仕組みで測った見え方の指標の変化。実際のAIサービスの引用数やクリック数ではない	Search Console や Bing Webmaster Tools など、自社の数字で変化を測る
AIに数字や引用を足させ、確かめずに公開する	論文自身も、AIの言語モデルには事実と異なる情報をつくる傾向があると述べている	一次情報の数字と出典のある引用だけを使い、公開前に人が原典と照合する
SEO をやめて GEO だけに切り替える	Bing も Google も、AIの回答の土台は従来の検索の仕組みだと説明している	SEO の基本を続け、そのうえでAIの回答での見え方も追う
キーワードやAIへの指示文を本文に仕込む	論文では詰め込みは効果がなかった。Bing は表示の低下・除外の対象、Google はスパム（キーワードの乱用、生成 AI の回答の操作）としている	読者に見える本文に、結論と根拠を書く

どれも、論文の結果や公式文書の一部だけを切り取ると起きやすい誤解です。

数字や引用を足すときの注意（化粧品・健康食品など）

論文で効果が大きかったのは、数字・引用・出典を加える方法でした。ただし、自社商品の効果や性能を数字で示す場合は注意が必要です。景品表示法は、優良誤認（品質などを実際より著しく優れていると示すこと）を禁じています。消費者庁は、表示が優良誤認に当たるか判断するため、事業者に資料の提出を求めることができます。求められるのは、表示の裏付けとなる合理的な根拠を示す資料です。期間内に出せない場合や根拠と認められない場合は、措置命令との関係で不当表示とみなされます（第7条第2項。消費者庁「優良誤認とは」）。

記事が自社商品の宣伝として読まれる内容なら、AIに引用されるかより先に、表現と根拠を確かめましょう。表示に当たるか、表現が適切かは、商品区分や表示全体の印象による個別の判断です。合理的な根拠の考え方は「不実証広告規制とは？」で解説しています。

GEOに関するよくある質問

Q. GEOの効果はどうやって確かめますか？

論文の2つの指標は研究用のもので、Google や Bing の公式の道具が同じ数字を出すわけではありません。公式に見られるのは、次の2つです。Google は Search Console の「生成 AI パフォーマンスレポート」で、AIによる概要・AIモードでの表示回数を出します（2026年8月31日に全サイトへ提供）。Bing は Bing Webmaster Tools の「AI Performance」で、Copilot などでの引用数を出します（2026年2月10日に公開プレビューとして発表）。ほかは、決まった質問をAIに聞いて記録する定点観測と、問い合わせ時のヒアリングで補います。

Q. 「GEO対策ツール」や代行サービスは使ってもよいですか？

作業の助けとして使うのは問題ありません。ただし Google は、上位表示を約束したり、Google の「内部」の指標を使うと主張したりするツールに注意するよう呼びかけています。外部のツールは Google の内部のランキングや AI のシステムにアクセスできない、という説明です。出典は前述の生成 AI 向けのガイドと、「サードパーティの SEO ツール、サービス、アドバイスの使用に関する Google 検索のガイダンス」です。Bing も、GEO は引用を保証しないとしています。何を測り、何を根拠に提案しているかを確かめて選びましょう。