GEO（生成エンジン最適化）とは？SEOとの違いと生成AI検索に引用される仕組み【2026年】

GEOとは、Generative Engine Optimization（生成エンジン最適化）の略で、ChatGPTやGoogle AI Overviewsなどの生成AI検索が作る回答の中で、自社のコンテンツが情報源として引用される状態を目指す取り組みのことです。レンタルショップのゲオや、地理情報を意味する「Geo」とは関係がありません。

この言葉は、2023年11月にarXivで公開された論文「GEO: Generative Engine Optimization」で提案されました。論文が実験に使ったのは、約10,000件のクエリです。一方、Brand UPが2026年に実施した分析は、日本の8業界50カテゴリで15,000プロンプトを実行し、約80万件の引用を調べたものです。研究室の実験と、日本の実際のAI検索の両方を見ると、GEOが何を指し、何を指さないのかが分かります。

GEOの意味、表記、語源

GEOは、Generative（生成）、Engine（エンジン）、Optimization（最適化）を並べた略称です。日本語では「生成エンジン最適化」と書かれ、「生成AI最適化」と言い換えられることもあります。「GEO対策」は、その最適化のための施策を指します。検索では「geoとは」「geo ai」「geo seo」といった形でも調べられており、SEOと並べて理解しようとする人が多い言葉です。

語源は、2023年の論文「GEO: Generative Engine Optimization」です。著者はPranjal Aggarwalらで、Princeton大学、Georgia Tech、IIT Delhiなどの研究者が参加しています（arXiv）。論文は、検索結果と大規模言語モデルを組み合わせて回答を作るシステムを「生成エンジン（Generative Engine）」と呼びました。そして、生成エンジンの回答内で、コンテンツの可視性を高める枠組みとして、GEOを提案しています。

論文では、約10,000件のクエリを集めたベンチマークで、複数の文章の改善手法を試しています。出典の追加、引用文の追加、統計データの追加といった手法で、回答内での可視性が最大で約40%向上したと報告されています。一方で、効果は分野によって異なると記されており、特定の書き方があらゆるAIの引用率を40%上げるという意味ではありません。

つまり、GEOは学術研究から生まれた言葉です。業界で統一された規格があるわけではなく、現在は、LLMOやAEOなどと重なる範囲で、マーケティングの現場でも使われています。

生成AI検索が引用元を選ぶ流れ

GEOを理解するには、生成AI検索がどのように回答を作るのかを知る必要があります。AI検索の回答には、2つの知識源が関わります。1つは、モデルの学習時に取り込まれた知識（事前学習）で、もう1つは、回答の生成時に検索して取得する情報（RAG、検索拡張生成）です。引用元として表示されるページは、主にRAGの段階で選ばれます。

RAGは、2020年にMeta AIのLewisらが提案した手法です。現在のChatGPTの検索機能やGoogle AI Overviewsなど、Web上の情報を参照して回答するAI検索の多くで、似た考え方が使われています。流れは次のとおりです。

第三者メディアが引用されやすい理由は、この段階にあります。取得される文書には、権威のあるドメイン、見出しや表で整理された構造、情報の鮮度、質問との意味的な近さという傾向があります。比較メディアは、これらの条件を満たしやすい立場にあります。仕組みはAI検索で競合ばかり引用される理由で詳しく説明しています。

事前学習の段階では、カテゴリ名とブランド名が複数の独立した文章で繰り返し登場するほど、そのブランドが連想されやすくなります。自社サイトだけの発信では、どちらの段階でも1つの情報源にとどまります。

なぜ今、GEOが必要とされているのか

生成AI検索では、回答がその場で完結することが増えました。AI要約が表示された検索ではクリック率が下がるという調査があります（Pew Research Center, 2025）。ゼロクリック検索と呼ばれる動きで、詳しくはゼロクリック検索とはで整理します。

リンクをクリックされない状況では、順位が高くても流入につながりません。回答の中で引用されることが、利用者に存在を知られる入口になります。

また、引用元は検索順位と必ずしも一致しません。GoogleはAI OverviewsとAI Modeについて、特別な追加要件はなく、クロールされ、インデックスされ、役に立つ内容であるというSEOの基本が重要だと案内しています（Google検索セントラル）。ただし、基本を満たしたうえで、実際にどのページが引用されるかは、質問ごとに計測しなければ分かりません。

自社データで見る、ドメインとページの引用の違い

Brand UPは2026年上期、日本市場の8業界・50カテゴリを対象に、ChatGPT、Gemini、Google AI Overviews、Google AIモードの4プラットフォームへ15,000プロンプトを投げ、約80万件の引用を分析しました。GEOで重要なのは、引用が「ドメイン」と「ページ」の2つの単位で起きている点です。

ドメイン単位では、チャットボットのカテゴリでBOXIL SaaSの引用率が90%でした。ページ単位に分けると、最も引用された1ページ（チャットボットのシェア・市場規模の記事）の引用率は56.7%です。BOXILが引用される場面の6割以上を、1本の記事が担っています。SNS管理・分析ツールのカテゴリでは、1本の比較記事が全プロンプトの70%で引用されていました。

つまり、AIはサイトを丸ごと評価して引用しているのではなく、質問に合う特定のページを選んでいます。論文が示した「文章の書き方による可視性の向上」と、実際のAI検索で見られるこのページ単位の集中は、別の層の話です。書き方を改善しても、そもそも取得される場所にいなければ、回答に使われません。

この数値は、2026年上期の8業界50カテゴリでの結果であり、すべての業界や時期に同じ水準で当てはまるとは限りません。調査の全体像はAI検索の引用は特定の1サイトに集中するレポートで公開しています。

GEOとSEOの違い

SEOとGEOは、改善の成果を見る場所が違います。SEOは検索結果ページでのリンクの順位、表示回数、クリックを主に扱います。GEOは、生成エンジンが作った回答の中で、自社のページが引用されたか、どの文脈で紹介されたかを扱います。

両者は対立しません。クロールできる、インデックスされるという基礎は共通で、GEOはその上に、回答内の可視性の計測と、外部情報の確認を加えた取り組みです。

論文で効果が確認された出典や統計の追加は、SEOの観点でも読者に役立つ書き方です。GEOのために特別な文章を書くというより、根拠を明示した、質の高い文章を書くことが前提になります。

GEOとLLMO・AIO・AEOの違い

実際の作業は大きく重なり、違いは分析の入口にあります。GEOは、回答と引用元を一緒に見るため、どのページが根拠として使われたかを分析したいときに向いています。LLMOはモデルによる理解と説明、AIOはAI検索全体の運用、AEOは質問への回答への採用に着目します。比較表はLLMO・GEO・AIO・AEOの違いにまとめています。

引用されているページの種類を見る

引用の偏りを見ると、GEOで注目すべきページの種類が分かります。Brand UPの分析で、特定のページに引用が集中していたのは、SNS管理・分析ツールの「おすすめ比較」、副業マッチングサービスの「おすすめ17選」、チャットボットの「シェア・市場規模」のように、比較や選び方、市場の全体像を扱う記事でした。

生成エンジンは、利用者の質問と意味が近いページを取得します。「おすすめを比較して」という質問には、比較の形で情報がまとまったページが選ばれやすくなります。自社の公式サイトに料金ページと機能ページしかなければ、比較の質問では候補に上がりにくくなります。

そのため、GEOでは次の2点を確認します。自社サイトに、利用者が比較や選定のときに探す情報を、根拠付きで説明するページがあるか。そして、AIがすでに引用している比較記事に、自社が正確に載っているか。後者は、記事の運営会社への情報提供や掲載の依頼など、自社サイトの外での対応が必要になります。

GEOで確認する指標

GEOの成果は、次の指標を分けて確認します。

• 引用率は、対象の質問への回答のうち、自社のURLが根拠として表示された割合です。
• 言及率は、回答の本文に自社の名前が含まれた割合です。名前が出ても、引用されない場合があります。
• 引用元の種類は、引用されたドメインが公式サイトか、比較メディアか、ニュースかを分類したものです。
• 説明の正確性は、料金や機能の説明が公式情報と一致しているかの確認です。

回答は実行のたびに変わるため、質問数、実行回数、対象のAI、期間を固定し、母数を併記して割合を出します。AIごとの傾向の違いは、AIプラットフォーム別の引用元の違いで扱っています。

論文の結果を、そのまま実務に当てはめない理由

論文の結果は、GEOを理解するうえで有用ですが、そのまま実務の根拠にしないほうが安全です。理由は3つあります。

1つ目は、実験環境と実際のサービスが異なる点です。論文は、特定の生成エンジンの設計と、ベンチマークとして集めたクエリで試した結果です。ChatGPTやGoogle AI Overviewsの内部の挙動は公開されておらず、モデルの更新でも変わります。

2つ目は、効果が分野によって異なる点です。論文自身が、手法の効果は分野によって違うと述べています。医療、金融、SaaSのように、参照される情報源が異なれば、有効な書き方も変わります。

3つ目は、可視性の測り方です。論文は、回答内での引用の位置や量を基準にしています。事業にとって重要なのは、顧客が実際に投げる質問で、自社が候補に入り、説明が正しいかどうかです。論文の手法は、自社の質問セットで試し、前後を比較して初めて、自社での効果として判断できます。

GEO対策の概要

GEO対策は、次の3つの作業に分けられます。

• 引用されたい質問を決め、回答本文、引用ドメイン、引用URLを同じ条件で記録します。
• 自社サイトで、根拠となる出典、統計、条件を明示し、公式情報をそろえます。あわせて、AIが引用している外部ページに、自社が正確に載っているかを確認します。
• 同じ質問セットで再計測し、引用の変化を確認します。

具体的な進め方は、GEO対策（生成AI検索最適化）のやり方で解説しています。計測に使うツールの比較はGEOツールおすすめ比較にまとめています。

よくある質問

出典・参考データ

1. [1]GEO: Generative Engine Optimization（arXiv）2023-11
2. [2]AI features and your website（Google Search Central）2026-08
3. [3]Google users are less likely to click on links when an AI summary appears in the results（Pew Research Center）2025-07-22