2026年9月、合同会社謙虚は、LLMO(大規模言語モデル最適化。海外の論文ではGEO=Generative Engine Optimization、国内ではAIOとも呼ばれます)に関する海外の学術論文を170本、原文から読んで解説記事にしました。
1本ずつ読んでいるときは気づきにくいのですが、170本を並べて比べると、論文をまたいで繰り返し出てくる論点があります。
個別の記事は、論文1本ごとに「原文で何を測り、何が分かり、何が分かっていないか」を整理したものでした。この記事はその逆に、170本を横断して見えてきたことを、合同会社謙虚の見解としてまとめたものです。
個別の数値の裏取り(原文の表・節番号)は、それぞれの記事に書いてありますので、この記事では結果の要約と、そこからの読み取りに絞ります。
この記事は、合同会社謙虚の意見記事です。170本の論文を分野別に整理した、網羅的な一覧(読む順・地図)は、LLMO論文の一覧という別の記事にあります。
個別の論文を1本ずつ探したい方は、そちらをご覧ください。
170本は、2023年11月に公開された最初のGEO論文から、2026年に入って公開された査読前の論文まで、公開時期も掲載先もそろっていません。
学会での発表・採録や論文誌への掲載が確認できたのは4割弱で、残りは査読前の状態か、査読の有無を確認できませんでした。この記事では、論文ごとの掲載状況の違いを踏まえたうえで、複数の論文にまたがって繰り返し出てくる結果だけを「共通して見えたこと」として扱っています。
1本の論文だけが報告している数値は、個別記事のほうで確認してください。
この記事は、論文を読み進めるたびに更新していく前提で書いています。今回は2026年11月時点で170本を精査した内容です。
読んだ論文が増えるたびに、柱の追加や書き直しがあり得ます。
結論:3行で言うと
- 検索エンジンの順位と、生成AI検索での見え方は別の指標として動きます。出典の重なりが1〜2割程度しかないという実測が、複数の論文で出ています
- AIに見られるまでには、検索が起動する・ページが拾われる・引用される・回答に反映されるという複数の関門があり、途中のどこか1つが低いだけで、全体の見え方は下がります
- ページの書き換え(GEO施策)で伸びるのは、主に「AIに渡された後の目立ち方」です。渡される前の段階(検索・取得)を悪化させる書き換えも実測されています
- 引用されることと、内容が正しく・忠実に伝わることは別の軸です。引用の半分近くが出典で十分に裏づけられていなかったという実測もあります
ここまでは、170本の論文が実際に測って報告している内容です。ここから先で「合同会社謙虚の意見」を書く場合は、その章の冒頭で明示します。
170本の内訳は、生成AI検索の仕組み自体を扱った基礎研究(最初のGEO論文とそのサーベイ)、実サービスの出典や表示率を追った監査、書き換え(GEO施策)の効果を実験室や実サービスで測った研究、成果測定の枠組みを示した研究に、大きく分かれます。
分野も、旅行・小売・スタートアップ・一般的な質問応答と幅があり、対象言語もほとんどが英語です。次の章からは、この幅のある170本を横断して、繰り返し出てきた結果を柱として並べます。
170本を通して共通して見えたこと
ここは、170本の論文がそれぞれ報告している結果の要約です。合同会社謙虚の意見はまだ入れていません。
柱1:検索順位とAIでの見え方は別物
従来のSEO(検索エンジン最適化)では、目標は検索結果の1ページ目、できれば上位に順位を上げることでした。生成AI検索では、AIが複数のページを読んで1つの回答にまとめるため、「順位」に相当するものが画面上には現れません。
代わりに問題になるのは、そもそも自社のページが引用元として選ばれるか、そして選ばれた場合にどこまで内容が反映されるかです。
複数の論文が、この2つの現象(通常検索の順位と、AI検索での引用)を直接比べています。
通常のGoogle検索・AI Overviews・Geminiが引用する出典を比べた実測では、3つとも出典を返した質問だけで見ても、URLの重なり(ジャッカード係数)は0.11〜0.18にとどまりました(1万1,500問で比べた実測)。
別の実測では、AI Overviewsが引用したドメインの53%は通常検索の上位10件に入っておらず、27%は上位100件にもありませんでした。
2か月後の出典の重なりも、通常検索の45%に対しAI Overviewsは18%でした(4,706問で見た重なりと不安定さ)。
もう1本のサーベイが紹介する別の監査でも、2つのAIサービスの出典ドメインの重なりは26%でした(GEO研究45本の批判的サーベイ)。
引用元の性質そのものも、通常検索とAI検索で違いました。家電・自動車・ソフトウェアの商品カテゴリを調べた実測では、AIの回答は通常検索よりも自社サイト以外の第三者メディア(獲得メディア)を選ぶ比率が高いという結果が出ています(獲得メディアの偏りと限界)。
東京のホテルを対象にした実測でも、質問が取引型か体験型かで非OTA(宿の公式サイトなど)の引用比率が30.8%から55.9%まで変わり、日本語と英語でも差の大きさが違いました(OTAと日本語・英語の比較)。
メンタルヘルスの質問を7言語で調べた監査では、日本語の質問の引用の77.3%が日本の国別ドメインにあり、英語以外の6言語の中で最も国内のページに案内されていました(メンタルヘルスの質問の引用の監査、プレプリント)。
引用がすでに目立つ発信者に寄るかを調べた監査もあります。Web3の44事業について4つのAIの引用を数えたところ、発信者の引用を分析できた2つのAIの画面では、外部の順位表で上位10人に入る発信者ほど引用で有利でした(下位半分との差は事業あたり平均4.32〜7.16ポイント。
目立つ発信者と引用、プレプリント)。
同じ監査では、質問に「出典を挙げて」と付けても、出典の種類の割合は本文の値で最大2.1ポイントしか動きませんでした。GoogleとBaiduのAI要約を12か国・4言語の健康の質問で比べた監査でも、日本から聞いた場合の.jpの出典は、英語の質問で16.6%、日本語の質問で57.5%と約3.5倍になりました(健康の質問でのGoogleとBaiduのAI要約、プレプリント)。
128ブランド・12市場・13言語を対象にした、より大規模な実測でも同じ傾向が確認されています。AIの回答が引用したサイトのうち、ブランドの公式サイトは平均で1〜2割程度にとどまり、8割5分前後は第三者のサイトからの引用でした(128ブランドの多言語分析)。
この論文は日本語・日本市場を対象にしていませんが、規模の大きさから、獲得メディア重視の傾向が一部の業界・地域に限られたものではないことを裏づけています。
36万件超の引用を調べた分析でも、提供元による違いが出ています。ニュース源の引用は全体の9.0%で、そのうち上位20媒体が占める割合はOpenAI系で67.3%、Google系で31.9%、Perplexity系で28.5%でした。同じ提供元のモデルどうしでは0.82〜0.99だった引用ニュース源の似かたは、提供元が違うと0.11〜0.58に下がっています(AI検索が引用するニュース源の分析、プレプリント)。論文に日本語の検証の記載はありません。
10のAI検索(英語圏4つ、中国語圏6つ)に120問を聞いた測定でも、引用は少数のサイトに偏っていました。上位20ドメインが各AI検索の引用に占める割合は20.5%から70.8%で、最も偏った1つでは7割を超えています。質問は中国語と英語がほぼ半々で、日本語の検証はありません(誰でも投稿できるサイトからAI検索の引用へ、プレプリント)。
通常のGoogle検索とAI回答の出典を大規模に比べた、査読を経た実測でも同じ傾向が確認されています。家電・自動車の2分野で約1,000問を調べたところ、判定できた質問のうちAI回答と通常検索の出典が一致した割合は、分野や生成AIの種類によって大きな差があり、自動車分野では最低で42.6%にとどまりました(Google検索とAI検索の大規模比較)。
同じ実測では、AI回答が挙げるページの更新日の中央値が、通常検索より大幅に新しい(生成AIの種類によって148〜217日、通常検索は493日)という結果も出ており、AIが比較的新しいページを優先する可能性を示しています。
ここからは視点を変えて、訪問の話です。AIの回答が、サイトへの訪問につながる割合も測られ始めています。米国の家庭のパソコンの閲覧記録(2024年10月〜2025年7月)では、外部サイトへのクリックが出たのは、ChatGPTの会話で5.2%、Googleの検索で31.1%でした。会話1回と検索1回という単位の違う比べ方で、持ち込む用件が違う可能性は除けていません。ChatGPT検索が使えるようになった世帯は、ChatGPTもClaudeも使っていなかった世帯と比べて、従来の検索の回数が拡大前の平均の9.4%分少なくなりました。利用者の偏りが残る可能性は、論文自身が認めています(ChatGPTの外部クリックの閲覧記録分析、プレプリント)。調べたのは米国のパソコンの利用だけで、日本語の検証はありません。
AI Overviewsについても、米国の成人900人の閲覧データ(2025年3月の1か月)で、出典リンク(最初に表示される3件)がクリックされたのは、AI Overviewsが出た検索ページの訪問の約1%でした。検索結果のリンクがクリックされた割合は、AI Overviewsが出ない検索で15%、出る検索で8%です。観察データなので、AI Overviewsが原因とは言えないと論文自身が述べています(AI Overviewsの出典リンクのクリック、IC2S2 2026で発表と記載)。日本の検索は調べられていません。
実験もあります。米国の研究参加者の募集サービスと大学の学生から集めた1,100人に1週間、検索画面の条件を無作為に割り当てた事前登録実験では、すべての検索を強制的にAI Modeへ送った群の外部クリック率が、現在の検索の群より18.8ポイント低くなりました。AI Overviewsを外した群は、実際に外れた度合いで補正するとクリック率が8.8ポイント上がりました。ただし、途中の画面変更で、AI Overviewsを隠せた割合は全体で51.1%にとどまり、この補正はその割合に頼っています。割り当てた全員の平均では2.7ポイントで、統計的に確かな差とは言えません(AI回答機能を外す事前登録実験、プレプリント)。
Wikipediaでも、AI Overviewsが米国の標準の検索に入った2024年5月の後、英語版の外部検索からの訪問は、ドイツ語版との比較で約5.45%、フランス語版との比較で約4.82%少なかったと推定されています。英語版の訪問数がその分減ったという意味ではなく、比較相手の変化を差し引いた相対的な差です(AI Overviews導入と英語版Wikipediaの流入、プレプリント)。主な分析は英語版・ドイツ語版・フランス語版で、日本語版は付録の補助的な比較だけです。
複数の論文の重なりの数字を並べると、次のようになります。測り方(ジャッカード係数か、上位何件との比較か)は論文ごとに違うため、数字はそのまま足し引きできませんが、いずれも「重なりは小さい」という向きは共通しています。
| 比べた対象 | 重なりの実測値 | 出典 |
|---|---|---|
| 通常検索・AI Overviews・Geminiの出典URL(3つとも出典ありの質問) | 0.11〜0.18(ジャッカード係数) | 1万1,500問で比べた実測 |
| AI Overviewsの出典と、通常検索の上位10件 | 重なりは50%未満。ドメインの53%が上位10件外 | 4,706問で見た重なりと不安定さ |
| 2つの生成AI検索サービスの出典ドメイン | 26% | サーベイが紹介する別監査 |
柱2:見られるまでに複数の関門がある
柱1で見た「重なりの低さ」は、AIが通常検索と違う基準で出典を選んでいることを示す結果です。複数の論文を合わせて読むと、見え方が決まるまでには、いくつもの段階を順番に通過する必要があることが分かります。
サーベイ論文は、生成AI検索の見え方を「検索が起動する確率×取得される確率×引用される確率」の掛け算として整理しています。どれか1つの確率が低ければ、全体の見え方は低くなるという考え方です(GEO研究45本の批判的サーベイ)。
この構造を裏づける実測が複数あります。新興企業112社を調べた実測では、社名を出して聞いた質問には99.4%が答えに含まれた一方、社名を出さずカテゴリで探す質問では3.32%しか出てきませんでした。
差は約30倍です(Product Hunt 112社の調査)。
5つのAI検索で102ブランドを測った別の集計でも、社名を入れないカテゴリの質問で名前が出た割合は、知名度の高い順に73%・44%・11%と段ごとに約30ポイントずつ下がっていました(知名度の段ごとの言及率、計測企業の自社報告)。
AI Overviewsの出現率を調べた実測でも、疑問文での出現率は64.7%、疑問文でない検索では9.5%と、約6.8倍の差がありました(55,393件を40日間追った実測調査)。
243か国で英語の質問を打ち直した別の実測でも、AI Overviewsが出た割合は疑問文で60%、言い切りの文で37%、名前を探す質問で12%と、質問の形で大きく違いました。日本は2024年の33.3%から2025年の59.3%に増えていますが、質問はすべて英語で、日本語の質問での割合は示されていません(GoogleのAI回答の243か国調査、プレプリント)。
掛け算の最後の関門である「引用された後」も、一様ではありません。「引用された(選択)」ことと「回答の中身に反映された(吸収された)」ことを分けて測る枠組みが示され、その実測では、1質問あたりの出典の数はPerplexityが最多(平均16.35件)、ChatGPTが最少(平均6.88件)でした。
ところが、出典の内容が回答にどれだけ取り込まれたかを示す指標の平均は、逆にChatGPTが最も高く、PerplexityやGoogleのAI Overviewの約4倍でした(選択と吸収を分けて測る枠組み)。
「引用された回数が多いサービス」と「回答への影響が大きいサービス」が一致しない例で、「引用された回数」だけを数えても、この差は見えてきません。
「読まれた」ことと「引用された」ことの間にも差があります。API経由の11モデル・約1.4万件の会話を調べた実測では、1回答あたりの中央値が、Sonar系は読んだページ10に対して引用5、Gemini系は読んだページ4に対して引用0で、Gemini系の回答の約92%に引用がありませんでした(AI検索は読んだページをどれだけ引用するか、プレプリント)。画面ではなくAPI経由の結果で、日本語の検証はありません。
同じ考え方を評価用データとして整えた研究もあります。記事が回答の中で目立った度合いと、その記事を抜いて作り直したときに回答がどれだけ変わるか(回答の中身への影響)を分けて測ったところ、両者の相関はほぼゼロ(0.019)でした。
AIに渡される順番が後ろになるほど点数が大きく下がり、その幅は書き換えの効果より大きかったとも報告されています(「出典に出た」と「答えを変えた」を分けて測る評価用データ)。
「なぜ引用されないのか」を原因ごとに分類した実測もあります。引用されなかった原因の6割超は、質問の意図・文脈・地域・鮮度といった「質問との意味のずれ」で、文章の巧拙が原因だったものは少数でした(引用されない原因を分類する仕組み)。
関門を通過できない理由の多くは、書き方より前の「そもそも何を聞かれているか」の一致度にあるという見方です。飲食店4,776軒を全数調べた別の実測でも、AIが店を薦めない主な理由は情報の少なさで、閉店した店を紹介し続けるという「情報の古さ」も見つかっています(飲食店4,776軒の全数調査)。
柱3:書き換えの効果は「目立ち方」に集中し、検索段階を悪化させることがある
最初のGEO(Generative Engine Optimization)論文は、AIに渡すページがすでに5件に決まっている実験室で、文章に引用を足すと回答の中での目立ち方の指標が19.3から27.2(約41%)に上がり、統計を足す(25.2、約31%)、出典を示す(24.6、約27%)も上位に来たと報告しました。
一方、従来のSEOで使われてきたキーワードの詰め込みは17.7(約-8%)に下がりました。全員が同じ手法で最適化した場合は、検索順位1位のページの取り分が下がり(方法により約-20.6〜-30.3%)、5位のページは約2倍(方法により+97.9〜+115.1%)に増えています(GEO原論文)。
検索から回答までを通して測った実測では、本文だけを書き換えた場合、AIに渡された後の目立ち方は上がっても、検索の取得段階では平均で約9%、再ランク段階では約16%下がり、最終的な引用は約6%下がりました。ある自動化手法(AutoGEO)の本文のみ書き換えでは、検索段階で約36%、再ランク段階で約42%、最終的な引用で約22%下がっています(SAGEO Arena)。
| 書き換えの種類 | 検索の取得段階 | 再ランク段階 | 最終的な引用 |
|---|---|---|---|
| 本文のみ書き換え(平均) | -9% | -16% | -6% |
| 構造情報のみ書き換え(平均) | +22% | -17% | +2% |
| 本文+構造の両方(平均) | +15% | -25% | -5% |
| 自動化手法(AutoGEO)の本文のみ | -36% | -42% | -22% |
この表からは、「目立ち方の指標が上がる」ことと「最終的な引用率が上がる」ことが、必ずしも一致しない点が読み取れます(SAGEO Arena)。
6分野・4つのAIモデルで10通りの手法を試した実測では、回答役の1つ(gpt-4o-mini)の結果で、統計的に有意にプラスだったのは3か所だけでした。
統計を足す手法は、むしろ24設定中19設定で有意に下がっています(会話型検索向けSEOの検証)。
最初に引用されるページを決める要因を18種類・6モデルで調べた実測では、質問との関連性と、AIに渡されるときの位置が最も安定して効いており、書式だけの変更は6モデルのいずれでも有意な差になりませんでした(関連性・位置・価格・日付)。
生成AIの好みを取り出して自動で書き換える仕組みの実測では、目立ち方の指標が最大50.99%上がった一方、引用の正確さの指標が下がる組み合わせもありました(AutoGEOの実測)。
元の文章の完成度によって、同じ書き換えの効き方が逆転する例も報告されています。AIが生成した宣伝色の強い文章では、キーワード追加や権威的な文体といった書き換えが軒並み逆効果だった一方、人間が書いた既存ページでは同じ書き換えがむしろ目立ち方を上げていました(特徴量を先に決めて最適化する手法)。
実際のEC(通販)サイトで15種類の経験則を試した実測では、11種類が効果なしか逆効果で、広告調・外国語表現・一文への圧縮のような「見せ方だけを変える」書き換えが軒並み沈む一方、見出し・箇条書き・FAQ形式のような「情報を整理する」書き換えは比較的沈みにくいという結果でした(ECサイトでの実測)。
どの生成AIを使うかによって、最も効く固定ルールの順位が入れ替わるという実測もあり、単一の「勝ちパターン」に頼ることのリスクを示しています(生成AIごとに最適な戦略が変わる実測)。
書き換え作業そのものを、大規模言語モデルへのプロンプト指示ではなく、小さなモデルに学習させて自動化する試みも報告されています。
旅行・観光分野に限定したデータで小型モデル(BART)を微調整したところ、生成AIの回答での目立ち方が伸びたという実測です。
ただし、この実測は評価件数がわずか50問で、著者自身が「統計的な有意性を示すには小さすぎる」と明記しています(BART微調整によるGEO自動化の試み)。
書き換え手法の効果を測る実験は、母数が小さいものが少なくないという傾向は、柱5でも改めて触れます。
文章の中身を一切変えず、見出しの深さ・段落の長さ・構造化要素の比率・強調表現の量・内部リンクの密度という「構造」だけを調整した実測もあります。
6つの生成AI検索エンジンで引用率が平均17.3%(相対)改善し、寄与の内訳では見出しやリンク構成など文書全体の骨格(マクロ構造)が最も大きく、強調表現などの細部(ミクロ構造)は相対的に小さいという結果でした(構造だけを変えた実測)。
意味内容を書き換えなくても、見出しの整理や段落の長さの調整だけで一定の効果が期待できることを示す事例です。
書き換えではなく、引用された文章の特徴を観察した実測もあります。Googleの生成検索で約9.8万サイトの抜粋を調べると、AIにとって予測しやすい抜粋ほど引用される傾向があり、予測しやすさが標準偏差1つ分高いと、引用の確率は平均47%から56%に対応していました。従来の検索の順位とは有意な関係がなく、観察された関係であって、書き方を変えれば引用が増えるという因果は示されていません(生成検索が引用する文章の特徴、プレプリント)。
複数の役割・観点からコンテンツを読み直して書き換える手法も報告されています。4つの想定読者の視点で内省させてから書き換える実験では、AIが自動採点する「主観的な見え方」の指標は伸びた一方、著者自身が、内省の工程を外した簡易版のほうが客観指標と主観指標を合わせた総合力では上回ると認めています(複数の役割で読み直す書き換え手法)。
広告文を強化学習で書き換える別の実験でも、取得される確率を高める効果は確認された一方、効果を測る指標の定義と報告値が原文内で食い違っている箇所が見つかっており、数値の大きさをそのまま鵜呑みにせず、方法どうしの順位比較にとどめて読む必要があります(広告文の強化学習による書き換え)。
質問の裏にある需要を先に書き出してから文章を書き換える手法は、ACL 2026の本会議で発表されました。研究用の模擬環境で、書き換えなしと比べて客観指標で最大2.44倍、主観指標で平均1.23倍と報告されています。
ただし「潜在的な需要」は実際の利用者のデータではなく、AIが作った言い換えの質問でした(質問の裏の需要に沿って書き換える手法)。
書き換えの手順を、結果を見ながら育てていく方法も提案されています。商品ページを一括の指示文で書き換えるのではなく「どの項目に、何をしてよいか」を1つずつ決めた手順書を更新していく方法は、AIに10件の商品を並べさせる実験で、書き換えた商品が上がった順位の平均が1.611と、一括の指示文の0.351を上回りました。ただし、順位を決めるAIは書き換えるAIと同じ系列で、実際の検索での拾われ方やクリック・購入は測られていません(商品ページの書き換え手順を育てるGLOBE、REALM 2026)。
文章ではなくサイトの作りを変えた実験もあります。AIが扱いやすいサイトの条件を「読み取れる」「操作できる」「判断を誤らせない」の3本柱に整理し、同じ品ぞろえの試作の通販サイト2つで比べると、3つのAIが5つの作業を完全にこなせた割合は49.3%から89.3%に上がりました(計300回、採点は人手)。
試作サイトでの概念実証で、どの工夫が効いたのかの切り分けは今後の課題とされています(AIが扱いやすいサイト設計の枠組み、ICEME 2026採択と記載)。
柱4:引用と忠実度は別の軸
生成AI検索が普及し始めた時期の監査では、生成された文のうち出典で完全に裏づけられていたのは51.5%、付いた引用が文を正しく支えていたのは74.5%でした(GEO登場前の初期監査)。
より新しい実測でも、AI Overviewsが挙げた主張のうち、出典で完全に裏づけられていたのは41.9%にとどまり、約11%は根拠が不十分と分類されています。
内訳は、出典に書かれていないもの(約7.0%)が中心で、出典と反対のことを書いていたものは約2.7%、出典どうしが食い違っていたものが約1.4%でした(55,393件を40日間追った実測調査)。
9つの公開AIサービスに303問を聞いて8つの指標で監査した研究では、2025年8月27日時点で、回答の文のうち一覧のどの出典にも裏づけられないものの割合が、生成検索4種で23.1〜47.0%、ディープリサーチ5種で12.5〜97.5%でした。引用の正確さは、比較用のGPT-5検索を含む表の値で31.4〜79.1%(論文の要旨は40〜80%)で、論文は出典の数や回答の長さが増えても信頼性は上がらないと述べています(8指標で9つのAIサービスを監査したDeepTRACE、プレプリント)。
「引用元として選ばれる」条件と「回答の中で正しく使われる」条件は別々に測る必要がある、という考え方は、選択と吸収を分ける枠組みでも示されています(選択と吸収を分けて測る枠組み)。
検索つきの10モデルに英語の質問11,200問を聞いた実測では、評価できた引用76万1,495件のうち、回答の内容が出典と合わないものが30.6%、分野にふさわしくない種類の出典が27.1%でした(いずれもAIによる自動採点の値)。出典の内容に忠実なモデルはブログなどの出典を選びやすく、この2つを両方満たすモデルは10個の中にありませんでした(引用76万件の誤誘導の測定、プレプリント)。
出典のURLそのものが開けない場合もあります。ディープリサーチ型を含む10のモデル・エージェントが挙げたURLのうち、過去の保存記録すら見つからないものが3.0〜13.3%、開けないものが5.4〜18.5%でした。確認ツールを使わせると、最終回答の開けないURLは大きく減りましたが、この研究が測ったのはURLの実在までで、内容が主張を裏づけているかは測っていません。質問は英語と中国語で、日本語は未検証です(引用URLの実在を調べた実測、プレプリント)。
動画を引用するAI検索でも、裏づけの取れない主張がありました。Gemini 2.5 Proが動画を引用元にした主張11,943件を3つのAI審査員が判定したところ、引用された動画の文字情報で裏づけを確認できないとされた割合は3.7%から18.7%で、幅は審査員の厳しさで生まれていました。間違いという意味ではなく、動画に支えが見つからないという判定で、多かったのは動画に出てこない細かい数字や固有名詞の追加と、言い過ぎでした(動画を引用するAI検索の監査、プレプリント)。
回答が質問の核心をどこまで押さえているか、という観点の実測もあります。質問を「中核・背景・発展」の下位の問いに分けて数えると、調べた3つのAI検索はいずれも中核の問いを優先して答えていたものの、中核の問いの約半分(46〜58%)を回答から落としていました。
中核の問いに答えるページを引用元に持っていても、その内容が回答に入ったのは51〜71%でした(下位の問いで網羅を測る指標、NAACL 2025)。
引用されることと、引用元の中身が回答に使われることは、ここでも別の段階です。
投稿した記事の中身が回答に使われるかどうかも、引用とは別でした。誰でも投稿できるサイトに載せた架空の製品の記事は、85回の回答で引用率が36.4%でしたが、記事に仕込んだ目印が回答の文章に出た割合は4.7%でした(誰でも投稿できるサイトからAI検索の引用へ、プレプリント。中国語圏の投稿先が中心)。
候補に入った後の選ばれ方を、実験で確かめた研究もあります。架空のホテルで評判の要素を入れ替えて12のAIモデルに選ばせた実験では、属性の重要度の約7割を評価点(35.7%)と価格(33.8%)が占めました。
中身のない並び順も4.1%あり、系列(2.0%)や口コミの新しさ(1.7%)を上回っています(AIのホテル推薦を動かす評判の要素、プレプリント)。
スキンケアの実験では、仕様がまったく同じなら3つのAIは670回すべてで有名ブランドを選びましたが、架空ブランドの評価を星0.075個分上げると半分の確率で逆転しました(有名ブランドの有利さと説得の文言、プレプリント)。
どちらも架空の商品を使った実験室の結果で、実際のAI検索の推薦そのものを測ったものではありません。
引用された出典が、要約の中で均等に使われるわけでもありません。1万1,000問を調べた研究では、AI Overviewsで、SNS・掲示板の出典は引用されても要約への反映が22.1ポイント少なく、否定的な論調の出典も13.8ポイント少なくなっていました(引用された出典の使われ方の偏り、EMNLP 2026と記載のプレプリント)。
出典の一覧に並ぶことと、中身が要約に写されることは、同じ研究の中でも別々に動いていました。中国語のAI検索4サービスを調べた監査でも、本文に番号を付ける2サービスでは並んだ出典の39.3%が本文で一度も使われず、出典のページに出てきたブランドのうち回答にも出たのは8.3%でした(中国語のAI検索4サービスの監査、プレプリント)。
引用された出典そのものの中身を調べた監査もあります。4つのAI検索が引用し、本文を取得できた1万9,154件のページのうち、約16%を検出ツールが「AI生成」と判定しました。
検出ツール1種類による判定で、論文は下限の目安として扱うよう求めています。AI生成のページが引用されやすいかどうかは比べていません(引用された出典のAI生成ページの監査、プレプリント)。
AI生成と判定されたページが引用されやすいかを、順位をそろえて比べた監査もあります。健康・金融・安全などの質問2,597件のAI Overviewsでは、出典のうちAI生成と判定されたページが10.34%で、検索結果の上位100件での割合(6.63%)より高く、1ページあたりの引用されやすさも37.10%高くなりました。ただし差は検索結果に出ていないページが引用されたケースに集中し、「検索結果に出て、しかも引用された」確率はAI生成と人間でほぼ同じで(-4.55%)、「AI生成」の判定は検出器の出力で精度は論文自身では測られていないため、AIが書くと引用されやすくなるとは読めません(AI Overviewsの引用のAI生成文書と人間の文書の比較、カナダ人工知能会議2026・PMLR)。
「出典どおり」と「確かな出典どおり」も別の話です。4つのチャット型AIの回答を小さな事実に分けて出典と照合した研究では、74〜86%が出典で裏づけられていましたが、信頼できる出典での裏づけに絞ると72〜81%に下がりました(チャット型AIの出典の信頼性と裏づけ、EACL 2026)。
専門家21人が3つのAI検索とGoogle検索を使い比べた調査でも、全員が「文を支えていない出典に引用が付く」付け違いを指摘し、AI検索では開いて確かめる出典がずっと少なくなりました(クリックは平均1回前後、Googleは3.80回。
出典付き回答の16の問題、FAccT 2025)。
人が2つの回答を見比べて選ぶ公開サイトの約2.4万件の対話と約1.2万票を分析した研究では、引用が多い回答ほど選ばれやすく、引用と主張の照合をLLMで判定した約800件の会話では、引用が主張を裏づけている数の係数は0.29、主張と無関係な数の係数は0.27とほぼ同じでした。読み手が引用の有無に反応しても、引用が主張を支えているかを区別しているとは限らないことを示す結果ですが、論文は相関であって因果ではないと書いています(引用が多い回答は好まれるのか、ICLR 2026採択と記載)。
回答に使われる材料の側にも偏りがあります。掲示板の回答機能を約3万回の回答で監査した研究では、回答に使われたコメントはスレッドの中ですでに評価が高く、早く書かれたものに偏り(評価の順位が標準的なばらつき1つ分高いと、選ばれるオッズが2.88倍)、回答文では「私は」にあたる一人称の割合が3.3%から0.06%に下がっていました。
論文は因果として読まないよう求めています(掲示板の回答機能の監査、プレプリント)。
出典になる資料が薄い話題では、答えそのものの正確さも下がります。28の紛争について5つのAIの回答を採点した研究では、-2〜+2の5段階の平均点が、報道や記録が最も厚い3分の1の紛争で+1.02、最も薄い3分の1で+0.71でした。
記録の薄い紛争では、情報が少数のサイトに集中していました(報道の少ない紛争とAIの答え、プレプリント)。
柱5:一度の測定は決め手にならない。競争が起きると効果は薄れる
同じ質問を24時間以内に繰り返し投げても、出典の重なりは3〜4割程度にとどまり、あるサービスでは57.8%の回答で引用が1件も付きませんでした(4サービス45日間の追跡)。
同じ200問を9日間投げ続けた別の実測では、1回の測定で出した引用割合に、SearchGPTでは多くのドメインで3〜6ポイントの幅(95%信頼区間)があり、それより小さい差は揺れと区別しにくいとされています(引用割合の不確かさを測る枠組み)。
同じ著者の続編では、引用元の順位表が信じられる状態になるまでに必要な回答数は、条件によって33件から94件まで開き、125件でも届かない組がありました(何件集めれば順位を信じてよいか)。
この2本と知名度の段ごとの集計は、いずれもAI検索の計測サービスを提供する企業の自社研究です。そもそも「どの質問を測るか」で数字が大きく変わる、という指摘もあります。
同じ公開データでも、質問の種類ごとの重みの付け方を変えるだけで、AI Overviewsの表示率が39.66%にも70.54%にもなりました(質問の集め方が数字を決める)。
実在の買い手が何を聞くかに近づけるため、AIで約100万人の買い手像と質問を作る試みもありますが、実際の買い手の質問との一致はまだ確かめられていません(AIで作った買い手像)。
質問の言い方の向きも、答えを動かします。2023年のBing ChatとPerplexityを調べた監査では、質問と回答の感情の向きに中程度の相関(0.46)があり、回答の約8割が質問の見方に沿っていました(質問の論調に寄るAI検索の監査、ASIS&T 2024)。
前向きな聞き方と後ろ向きな聞き方で、同じ話題でも別の答えが返りうるということです。温度をゼロに固定できるサービスでも、5分後や24時間後の聞き直しで9〜28%の質問の答えの向きが変わったという実測もあります(4,706問で見た重なりと不安定さ)。
どのAIに聞くかでも結果は変わります。5業種50ブランド・250の質問を3つのAIに各5回ずつ聞いた測定では、3つのAIが「いちばん多く挙げるブランド」で一致したのは250問のうち57.2%(2026年2月)で、約4割の質問ではAIによって筆頭が違いました。論文自身が、この数字はAIの出力の記述であり、売上や購買への効果、対策の効き目は何も測っていないと明記しています(AIの推薦に入るブランドの業界ごとの偏り、論文誌2026)。
競争が起きた場合の実測もあります。ある実験では、AIに競合を出し抜かせる書き換え(選好操作攻撃)によって、架空のカメラの推薦率が34.0%から59.4%に上がりました。
ただし、みんなが同じ手法を使うと個々の利益は薄れ、AIの回答の質そのものが下がっていく構図が、複数の実験で確認されています(全員が攻撃すると損をする囚人のジレンマ)。
スキンケアの推薦実験でも、権威づけの文言を1社だけが足すと推薦が大きく動きましたが、使う架空ブランドが増えるほど1社あたりの得は縮み、全9社がそろうと+0.802から+0.007まで小さくなりました(有名ブランドの有利さと説得の文言)。
順位だけを狙った書き換えが重なったときの影響を模擬実験で追った研究では、上位の型に寄せる書き換えを20回繰り返すと、「上位の型に近いこと」と品質の結びつきが6分野すべてで弱まりました(順位相関の変化は平均-0.068。
順位だけを目標にした書き換えの模擬実験、COLM 2026)。
売上や流入への効果を実サイトで検証した数少ない実測でも、あるサイト全体のChatGPTからの流入は同じ期間に5.7倍になりましたが、その内訳を見ると、書き直しの対象にしたページが6.1倍だったのに対し、手を加えていない対照ページも3.5倍伸びていました。
処置群と対照群の比は、施策の時期に1.82倍の段差を見せています。ただし、保守的な検定ではp=0.16で、論文自身も「示唆的だが決定的ではない」と述べています(対照ページで切り分けた1サイト分析)。
競合が同時に最適化を進めるという前提を組み込んで、書き換え戦略の選び方を定式化した実測もあります。競合がいない状態では既存の自動化手法を上回る程度でしたが、競合が最適化を進めるほど差が広がり、競合ありの状況では既存手法を18%超上回りました(競合を見て戦略を選ぶ手法)。
競合の動きを踏まえずに単一の「勝ちパターン」に頼ると、競合が追随してきたときに優位性を失いやすいことを示す結果です。
柱1から柱5までを、いったん「言えること」と「言えないこと」に分けると、次のようになります。
| 言えること(複数の論文が実測した範囲) | 言えないこと(まだ実測されていない範囲) |
|---|---|
| 通常検索の順位と、生成AI検索での見え方は別の指標として動く | 通常検索で上位に出れば、生成AI検索でも同じように引用される |
| 見られるまでに複数の関門があり、途中の1つが低いと全体が下がる | 特定の書き換えをすれば、どの関門も一様に通過できる |
| 本文だけの書き換えは、検索・取得段階を悪化させることがある | 目立ち方の指標が上がれば、最終的な引用や成果も同じ比率で上がる |
| 引用されることと、内容が正しく裏づけられていることは別の軸 | 引用された内容は、出典と矛盾なく伝わっている |
| 1回の測定は揺れが大きく、競争が起きると個々の利得は薄れる | 売上や問い合わせが、施策によってどれだけ増えるか |
合同会社謙虚の意見
ここからは、論文の主張を超えた、私たちの意見です。170本を読んで、合同会社謙虚として考えたことを書きます。
論文が直接検証した内容ではありませんので、その前提でお読みください。
海外・英語での実測結果を、日本語の中小企業向けの効果保証のように語ることには、警戒したほうがよいと考えています。
170本の実験のほとんどは英語圏のサービスと質問を対象にしており、日本語での検証がある論文はごく一部です。「海外の論文が実証した」という説明と、「日本語のページでも同じ大きさで効く」という説明の間には、まだ距離があります。
合同会社謙虚がクライアント様に説明するときも、「海外の実験ではこうだった」と「自社での実測ではこうだった」を、はっきり分けて伝えるようにしています
「AIに出た・出ない」を1つの指標にせず、取得・引用・忠実度・成果を分けて記録する運用を、私たち自身の3ドメインでも続けます。
柱2・4で見たとおり、これらは別々に動く指標です。1つの数字にまとめてしまうと、どこで見え方が落ちているのか(検索に拾われていないのか、拾われても引用されないのか、引用されても正しく伝わっていないのか)が分からなくなります
引用されない原因を「質問との一致・競合との順位・根拠のある生成」の3段階に分けて診断し、段階ごとの採点でサイトを改訂する枠組みを試した論文も、同じ考え方です。匿名の1社の実験で、検証用とは別の50問の採点が58.78点から69.98点(100点満点)に上がり、診断を渡さない書き換えの増加(8.13点)を上回りましたが、段階ごとに最良の版が違い、1つの指標だけを追うと別の段階が悪くなることがあると論文は述べています(引用されない原因の3段階診断、EMNLP 2026 産業トラック。商用AIでの効果は確かめられていません)。
通常検索での順位づくりを、LLMO対策と並行してやめるべきではないと考えています。
柱1・2のとおり、AIに渡される前の段階(検索・取得)を通過できなければ、どれだけ文章を整えても回答には反映されません。
通常検索の順位は、その手前の関門を通過するための土台であり続けています。「AI検索の時代だから、通常のSEOはもう要らない」という言い方は、170本の実測からは支持できないというのが、私たちの受け取り方です
著者名・資格・監修といった目印を「付ければAIに引用される条件」として語る説明には、慎重であるべきと考えています。
ChatGPTが健康の質問で引用した615件を調べた研究では、上位10組織が引用の52.8%を占める一方、著者の名前と資格の両方が見えるページは7.0%にとどまりました(AIが引用した健康情報源の目印)。
引用されなかったページとの比較ではないので、目印が効かないとも言い切れません。ただ、目印を付ければ引用されるという根拠にもなりません。
出典の種類がAIの選び方を動かすことを示す実験も出ています。架空の出典を使った実験で、13の公開モデルのうち11が、食い違う2つの情報のうち、政府や新聞のような機関の出典がついた方を、個人やSNSの方より選びやすい傾向を示しました。ただし、低く扱われる出典の情報を繰り返して見せると、この序列が逆転することがあり、実験は架空の出典、英語、選択式の設問に限られます(食い違う情報での出典の種類の好み、ACL 2026)。
出典の名前そのものが引用を動かすという実験もあります。5つのモデルすべてで、左寄りと評価された媒体の記事のほうが右寄りより多く引用され(左の引用の割合に直すと52〜55%ほどの概算)、記事の本文はそのままで媒体名だけを消す、または入れ替えると、この偏りは大きく縮みました。「偏りなく引用して」と指示を足しても偏りは減らず、英語のニュースで2本の記事を渡して引用させる単純化した実験です(媒体名と引用の政治的偏り、EMNLP 2025)。
合同会社謙虚は、著者情報や出典を、読み手が確かめるための材料として付けることを提案します
悪目立ちする最適化が業界内で広がれば、GEO・LLMOという言葉そのものの信頼が下がっていくと見ています。
柱5で見たとおり、競争が起きると個々の利得は薄れ、AIの回答の質も下がる構図があります。誰かが過激な最適化に踏み込めば、他の事業者もそれに合わせざるを得なくなり、結局は業界全体でAIの回答の質が下がって、そのカテゴリ自体がAIに使われにくくなるおそれがあります(選好操作攻撃の記事で見た囚人のジレンマと同じ構図です)。
この懸念は、もはや理屈の上だけの話ではなくなっています。実際の検索結果を調べた実測では、GEO対策済みと判定されたページが全体の8.90%、2026年に更新されたページに限ると16.36%に上っていました(実サイトでのGEO対策済みページの検出)。
過激な最適化は、もはや見分けがつく段階に入っているというのが私たちの読み取りです。合同会社謙虚は、この構造を踏まえて、やりすぎない情報設計を提案する立場を続けます
企業自身が発表する「本番で◯%増えた」という見出しの数字は、必ず元の表まで遡って確認したほうがよいと考えています。
ある画像サービスの産業界の報告では、要旨と結論で「本番トラフィックが20%増えた」と述べていましたが、根拠として示された表の実測値は最大でも1.83ポイントで、20%を裏づける記載はどこにも見当たりませんでした(画像サービスでの実装報告)。
見出しの数字と、本文の表の数字が食い違うことは実際に起こりえます。AI検索の支援サービスを手がける企業の創業者が書いた別の論文では、利益相反の申告がないまま、引用されたページだけを採点して「品質の点が高いほど引用される」と読める結論を示していました。
比べる相手の群がない設計では、分かるのは相関までです(16の観点で引用ページを採点した研究)。
英国のオンラインギャンブル分野を扱った企業の技術レポートは、独自の測定を1件も持たないまま、効果の表を載せていました。その表は、順位も一部の符号もGEO原論文と食い違い、原論文に無いp値まで付いていました(英国ギャンブル分野の企業レポート)。
自社で販売する採点の仕組みを自社で検証した別の論文でも、点数と引用されやすさの順位の相関は0.11程度にとどまっていました(AIに質問せずページを採点する指標)。
合同会社謙虚が他社の実績数値を紹介するときも、見出しの数字だけで判断せず、元の表・実験条件まで確認する姿勢を続けます
商品説明の書き方ひとつでAIの推薦が動く以上、書き手の側の節度がいっそう問われると考えています。
6つのAIで試した実験では、「多くの人が選んでいる」と示す書き方や値引きの強調は推薦を増やし、「残りわずか」「限られた人だけ」はおおむね推薦を減らしました(認知バイアスとAIの商品推薦、EMNLP 2025)。
売り手のページを1枚書き換えるだけで、条件を満たさない商品がAIの推薦の上位3件に入る割合が、現実的な書き換えの平均で+70.2〜+78.2ポイント増えたという実験もあります(売り手のページによる推薦の歪み、プレプリント)。
AIの予約代行の測定では、28のAIのうち5つが条件をほぼ見ずに最初に載っている選択肢を選び続け、一覧の並び順を握る側がそのAIの予約の88〜100%を左右できる状態でした。同じ課題でも、AIによって平均予約額は1泊247ドルから393ドルまで動いています(AIの予約代行の価格・品質・ブランドの選び方、EMNLP 2026 産業トラック。対象は米国ニューヨークのホテルと英語のプロンプト)。
検索結果の上位3件に出てくる実在ブランド名を架空の名前に置き換えた汚染ページでは、12のAIすべてが架空ブランドを薦めました(平均42.7%。
汚染ページとAIの推薦、EMNLP 2026 Findings採択と記載)。
商品情報に最適化した文字列を足すと、内部を読める公開AIで架空の商品の推薦1位が入れ替わった実験(商品情報に仕込んだ文字列、プレプリント)や、ページに仕込んだ指示で4つのAIとAPI経由のAI検索の紹介順が上がった実験(ページに仕込んだ指示と紹介順、EMNLP 2024)もあります。
その後も、宣伝語を避けて見つかりにくくした文字列(見つかりにくい文字列、ICML 2026ワークショップ)、短くて自然に見える文字列(自然に見える短い文字列、ACL 2026)、文書に仕込んだ指示で順位づけの判断そのものを乗っ取る方法(順位づけの盲点、EMNLP 2025)と、公開AIを相手にした操作の研究が続いています。
商品画像と説明文を同時に加工すると、画像も読むAIの商品順位が平均2.25位分上がった実験(マルチモーダル順位操作、ACL 2026ワークショップ)、AIの偏りを突いた書き換えで検索結果の説明文が要約に選ばれる割合が0.37から0.83に上がった実験(要約に選ばれる説明文、プレプリント)もあります。
内部を読めない商用のAI4つに候補10件を直接渡した実験では、口コミ風・推論風の文章を足すと、最下位の商品が1位に来た割合が8割前後になりました(口コミ風の文章とおすすめ順、プレプリント)。
この実験では、口コミ風の文章は機械の指標でも人の判定でも元の説明と見分けにくく、試された3つの見張りはどれも不十分でした。
ページ1枚の書き換えで、観光の推薦の1位が124回中62回入れ替わった実験もあります(ページ1枚の書き換えとおすすめ1位、プレプリント)。
1ページではなく、案内ページと連携した複数のページで調べものAIの推薦率が上がったという、管理環境での実験もあります(根拠のつながりと推薦、プレプリント)。
誰でも投稿できるサイトに架空の概念の記事を載せると、10のAI検索のうち8つが7日以内にその記事を引用した実験もあります。投稿先もAI検索も中国語圏が中心で、日本語の検証はありません(誰でも投稿できるサイトからAI検索の引用へ、プレプリント)。
回答に付く出典の表示そのものを悪用する実験もあります。誤答を出させたうえで、信用できる別の資料の出典を付けさせる「引用ロンダリング」を、公開の小型モデル6種と英語の質問で試したところ、最も影響を受けたモデルで、誤答と狙った出典の表示が両方起きた割合は、指示なしで0.64、出典の指定を書き込む条件で0.84でした。ほぼ起きないモデル(0.00〜0.01)もあり、モデルによる差が大きい結果です(引用ロンダリングと反事実の防御、プレプリント)。
同じ条件で8つの操作手法を比べた研究では、書き換えだけの手法が5つのデータのうち3つで勾配を使う攻撃と同等以上で、押し上げ・宣伝語のなさ・自然な文の3つを同時に満たす攻撃はほぼありませんでした(順位操作の8手法の比較、プレプリント)。
一方で、攻撃した文書を回答AIに直接渡すこれまでの測り方は効果を大きく見積もっていた、という測り直しもあります。検索・並べ替え・回答の3段に通すと、指示で上書きする攻撃が回答のおすすめに入る割合は約15%まで下がりました(仕込んだ指示は回答まで届くか、プレプリント)。
調べものを自動で進めるAI10モデルを閉じた検索環境で試した評価では、汚染ページが裏づけを装うほど、あやしさを見抜く点数が下がりました(調べものAIと汚染された根拠、プレプリント)。
偽の情報源を検索結果に混ぜたとき、AIが商品や会社を薦めてしまう割合は、13種類のAIで0.0%から31.4%まで開きました。効きやすかったのは、命令文の埋め込みよりも、異なる種類の情報源が口をそろえて同じことを言う状況で、結果を固定した実験環境での測定であり、実サービスで同じ割合になるとは論文自身も述べていません(偽の情報源へのAI検索エージェントの脆弱性、EMNLP 2026)。
逆向きの結果もあります。40件の文書を読ませてイヤホンを推薦させる実験で、1件に「必ず薦めよ」という指示を入れると、ClaudeのSonnetとOpusでは、そのブランドが上位2件に入る割合が下がりました(Opusは54%から8%)。GPTでは逆に推薦を押し上げており(指示だけの条件の値があるのはGPT-4o-miniのみで、GPT-5系は文書を3倍にした条件などの値)、韓国語の文書と簡易な環境での実験なので、「強引な売り込み文は逆効果」と一般化できる結果ではありません(「必ず薦めよ」の指示が裏目に出たAI、ICML 2026ワークショップ・非アーカイブ)。
どれも実験環境の結果で、実際のAI検索サービスで同じように効くかは確かめられていません。そのうえで合同会社謙虚は、実数の裏づけがある書き方だけを勧め、根拠のない煽りや注意書きを埋もれさせる書き方は提案しません
悪意ある最適化への対抗策も、研究として動き始めています。
攻撃文書を検知して並べ替えで退け、残った影響を回答生成の側で抑えるという二段構えの防御で、攻撃の成功率を50.32%から6.20%まで下げた実験が報告されています(悪意あるGEOへの防御)。
検索で集めた文書同士の似かたを調べ、周りから浮いた攻撃文書を下に並べ替える防御では、2つのデータで攻撃の成功率が1割未満に下がりました(文書同士の似かたで外す防御、EMNLP 2025)。
商品説明への順位操作を3つの仕組みで見抜く防御は、既知の手口の大半を見抜いた一方、新しい手口6種類のうち5種類は見抜けませんでした(商品説明の順位操作の検出、プレプリント)。
事実確認で根拠を汚染した評価では、どの汚染にも強い集約方式はありませんでした(汚染された根拠と事実確認、プレプリント)。
誤情報を載せたGEOに対しては、既製の安全フィルター3種はほぼ効かず、専用の検出器で攻撃成功率が相対47.6%下がりました(誤情報を載せたGEOへの防御、EMNLP 2026採択と記載)。
従来型のブラックハットSEO(5種類・1,000ページ)は、9つのAI検索で平均99.78%が途中で阻止されました。ただし、正常な文章に宣伝を混ぜる手法は阻止をすり抜けやすく、著者が新しく試した7つの手法のうち、文章を短く区切る手法と、AIが言い換えそうな検索語を詰め込む手法は、工夫なしのページより多く出ています(ChatGPTとGeminiを除く7サービスでの小さな実験です。従来のブラックハットSEOはAI検索に効くか、WWW 2026)。
まだ研究段階の技術で、守りにも盲点がありますが、悪目立ちする最適化が一方的に広がり続けるだけではなく、それを見分けて防ぐ側の技術も並行して進んでいるという構図は、合同会社謙虚として心強く読みました
操作をどう抑えるかは、罰だけでなく、仕組みの設計と開示の問題としても論じられ始めています。
攻撃するかどうかを繰り返しの囚人のジレンマとして理論化し、防御で成功率を下げても攻撃が減らない条件を示した研究(繰り返す囚人のジレンマ、ICML 2026ワークショップ)、罰だけの防御は行き詰まりうるとし、元の文書で確かめられる事実に加点する仕組みを提案した研究(引用の奪い合いを共存に変える仕組み、プレプリント)があります。
AIの要約が作り手の意欲を下げると検索エンジン自身の長期の利益も減り、引用と支払いの仕組みで改善しうるという理論と試算(AIの要約と作り手の意欲、プレプリント)、AIでの見え方は時間で薄れると数式で主張した理論提案(確信度の減衰と専門AIへの引き継ぎ、実験データなし)もあります。
出典に訪問が返らない場合に、出典になる側で何が起きるかを扱った研究もあります。AIが出典に訪問を返さない割合がある閾値を超えると、AIが読めるWebの量・質・寿命が下がり続けるという帰結が、論文が置いた仮定のもとで数学的に示されました。現実のWebで測った値は、論文に出てきません(出典に訪問を返さないとAIが読むWebはどうなるか、プレプリント)。
理論とは別に、観察データでは逆向きの動きも出ています。AI Overviewsの出典になり得る大手の掲示板サイトのコミュニティは、出典にならない成人向けの区分より、日々のコメントが12.0%、書き込む人が12.4%多く増えました(比較の相手に対する相対の差)。増え方は、体験談・助言・意見を読み合う分野で2.3〜2.8倍大きく、会話形式のAI Modeが始まると、その体験型の上乗せ分は、コメント数では消え、書き込む人の数で59%小さくなりました。コミュニティの分類はAIによる自動判定で、AI Mode後の観察は2025年8〜12月と短い期間です(AI Overviewsの出典になり得る掲示板のコメントの増減、プレプリント)。
立場論文は、影響の集中、開示されない商業的な影響、学術と産業の盲点を挙げ、回答単位の開示と外部の監査を求めています(GEOが生む3つのリスク、ICML 2026)。
AIクローラに「誰が・何の目的で・いくらで読むか」を伝えるファイル(terms.txt)と、それを入口で確かめる仕組みを提案した論文もあります。追加の処理時間は1回のアクセスあたり0.20〜0.65ミリ秒でしたが、通信の暗号化なしで同じ機械の中で通信する試験環境での測定です。提案の段階で、採用事例の報告や「設置すれば対価がもらえる」という結果は含まれません(terms.txtの提案、プレプリント・投稿中)。
回答が出典との関係(提携・報酬など)を省いていないかを、質問・出典・回答の組ごとに記録して監査する仕様の提案もあります。ただし確かめたのは人工の81通りの記録でプログラムが仕様どおりに動くことだけで、検出の精度も利用者への効果も示されていません(出典間の関係の省略を監査する仕様、IEEE AI2A 2026採択と記載)。
AIの回答に広告が入る場合の開示も、同じ問題です。航空券の予約サイトに置いたAIアシスタントに、提携先を優先する一文を指示文に入れて23モデルを試した模擬の条件では、安い非スポンサー商品と価格がおよそ2倍のスポンサー商品の二択で、スポンサー商品を薦めた割合は、最も高かったGrok-4.1 Fastで83%でした(推論の有無と利用者像を平均した値)。利用者が別の便を指名した別の場面では、価格などの事実の誤りは検出されませんでしたが、スポンサー商品を持ち出した回答のうち、スポンサーであることを伝えなかった割合は、平均で55%でした(広告のあるAIチャットは利用者と広告主のどちらを優先するか、COLM 2026と記載)。実在のサービスの動作ではなく、日本語での検証もありません。
広告の差し込み方を比べた評価基準もあります。回答を先に作ってから広告を差し込む方式は、指示文に広告を混ぜる単純な方式より、正確さ・信頼・押しつけの少なさで高く採点されました。ただし、広告に気づく・クリックするといった関与の項目は、差が小さいか単純な方式のほうが高い場面が多く、採点はAIによるものが中心で、実際の利用者の行動ではありません(広告つき回答の評価基準GEM-Bench、KDD 2026の会議録に掲載)。
広告を出すかどうかを、いま得られる広告収入と、広告なしで使い続けてもらった場合の将来の価値との比べ合いとして置いた経済モデルもあります(模擬データのシミュレーションで、実在のサービスの収益データは使っていません。広告か課金かの経済モデル、プレプリント)。模擬の利用者が作った疑似ラベルで学習し、広告のクリック意図を点数で予測する評価器と料金の導出を示した論文もありますが(実際のクリックとの一致は測っていません)、料金の部分は数学的な導出と1つの計算例で、実際の広告配信で試された結果ではありません(広告のクリック意図を予測する評価器と料金設計、プレプリント)。
GEOの支援をしている合同会社謙虚にとっても、つながりを開示し、確かめられる事実で勝負するという線引きは、自分たちの仕事の基準です
論文自身の説明文と、論文自身が示す表の数値が食い違っている例を、これまでに複数見つけています。
ページ数の記載ミス、実験に使ったハードウェアの取り違え、指標の定義の範囲を超えた報告値、多峰設定の効果についての本文の説明と表の実測値の食い違いなど、原因はさまざまですが、いずれも原文を通読して表まで数字を追わなければ気づけないものでした。
この経験から、合同会社謙虚が論文や他社の実績を紹介するときは、要約や見出しの文言だけで判断せず、必ず元の表・数式まで遡って確認する姿勢を続けます
まだ分かっていないこと・今後読みたい論文の方向性
170本を読んでも、まだ埋まっていない範囲があります。ここに書くのは「論文が測っていない」という事実で、合同会社謙虚の推測を交えていません。
逆に言えば、ここに挙げた範囲について「効果がある」「効果がない」と断定している情報を見かけたら、その根拠がどの論文に基づくのか、確かめる価値があります。
- 日本語・国内サービスでの実証研究が、ほとんどありません。170本のうち、日本語の質問を扱った実測は、東京のホテルを対象にした1本、メンタルヘルスの質問を7言語で調べた1本(日本語は3問)、健康の質問をGoogleとBaiduで比べた1本、製品の推薦を求める質問を英語と日本語で比べた1本(広告の効果測定手法を生成AI向けに拡張)、日本と米国の政党についての質問で引用元を調べた2本(日米の政治の質問で公式サイトの引用割合を測った研究、政治の質問での生成検索の攻撃面)にとどまり、他の大半は英語圏のサービスと質問を対象にしています
- 売上や問い合わせといった事業成果への因果効果を検証した研究は、まだ少数です。生成検索が中小サイトの流入を減らす問題は、法学誌の論考でも取り上げられていますが、そこで示される減少率は他の調査から引いた二次的な数字で、論文自身の測定ではありません(生成検索とシャドーバンの法学論考、German Law Journal)。訪問・クリックの実測は柱1で見たとおり米国のものだけで、事業成果までは測られていません。1サイトの流入を対照ページと比べた実測が1本あるほか、AIでの露出を売上効果に結びつける統計の枠組みを示した論文もありますが、この枠組み自体はシミュレーションでの検証にとどまり、実際の売上データには、まだ適用されていません(広告の効果測定手法を生成AI向けに拡張)
- 忠実度(引用の正しさ)を継続的に測る仕組みが、まだ確立していません。柱4で見た数値は、いずれも研究ごとの1回限りの監査で、同じ物差しで時系列を追った研究は見当たりませんでした
- 査読を経た研究と、査読前のプレプリントが混在しています。170本のうち、学会発表・採録の記載があるのは66本(査読の有無が不明なものを含む)で、残り104本はarXivのコメント欄などから査読の有無が確認できないか、査読前・査読中の状態でした
| 掲載状況 | 本数 | 該当する会議・査読状況(例) |
|---|---|---|
| 学会発表・採録の記載がある(査読の有無が不明なものを含む) | 66本 | KDD、SIGIR、WWW、NeurIPS、ICLR、ACL(本会議・Findings)、HFE、ASIS&T、EMNLP(本会議・産業トラック・併設ワークショップ)、EACL、FAccT、COLM、IC2S2、Canadian AI、Hypertext、JCDL、WebSci、MIPRO、ICEME(採択と記載)、論文誌の掲載5本など |
| プレプリントで、査読の有無が確認できない、または査読前・査読中 | 104本 | 学術誌への掲載は確認できたが査読の手続きを確認できない法学論考1本を含む。arXivのコメント欄に「Under Review」等の記載、または採択の記載なし |
今後は、地域の中小事業者やBtoBサービスを対象にした実測、悪目立ちする最適化への対策を検証した研究(準備中とされる論文が既に予告されています)を優先して読んでいく予定です。
更新履歴
| 日付 | 内容 |
|---|---|
| 2026年9月23日 | 初版公開。18本を精査した内容で作成 |
| 2026年9月23日(同日追記) | 27本に増補。柱2(引用されない原因の分類、飲食店全数調査)・柱3(元の文章の完成度による逆転、EC実測、生成AIごとの順位変動)に実測を追加。意見章に、GEO対策済みページの実サイト検出率(8.90%〜16.36%)を追加。学会採択・査読の内訳を14本/13本に更新 |
| 2026年9月23日(3回目の同日追記) | 30本に増補。柱1に128ブランドの多言語分析を追加。意見章に、自社報告の見出し数字は元の表まで確認すべきという論点(大手画像共有サービスの運営企業による実装報告)と、悪意あるGEOへの防御研究(GEO Defender)を追加。学会採択・査読の内訳を14本/16本に更新 |
| 2026年9月23日(4回目の同日追記) | 33本に増補。柱1に通常検索とAI検索の大規模比較(出典の一致率・鮮度差)を追加。柱3にBART微調整による自動化の試みを追加。学会採択・査読の内訳を15本/18本に更新 |
| 2026年9月23日(5回目の同日追記) | 36本に増補。柱3に広告文の強化学習書き換え・複数役割での読み直し手法を追加。意見章に、論文自身の説明文と表の数値が食い違う例を複数見つけたという気づきを追加。学会採択・査読の内訳を17本/19本に更新 |
| 2026年9月23日(6回目の同日追記) | 39本に増補。柱3に構造だけを変えた実測(GEO-SFE)を追加。柱5に競合を見て戦略を選ぶ手法(Competitor-Aware GEO)を追加。学会採択・査読の内訳を17本/22本に更新 |
| 2026年9月24日 | 42本に増補。柱2に「出典に出た」と「答えを変えた」の相関がほぼゼロという評価用データを追加。柱4に、AI検索が中核の問いの約半分を回答から落としていたという実測を追加。意見章に、利益相反の申告がない相関研究の例を追加。学会採択・査読の内訳を18本/24本に更新 |
| 2026年9月24日(2回目) | 45本に増補。柱2に知名度の段ごとの言及率(73%・44%・11%)を追加。柱5に、1回の測定の引用割合の幅と、順位表を信じられるまでに必要な回答数(33〜94件)を追加。学会採択・査読の内訳を18本/27本に更新 |
| 2026年9月25日 | 48本に増補。柱5に、質問の集め方で数字が変わるという指摘と、AIで作った買い手像のデータを追加。意見章に、自社の採点ツールを自社で検証した論文の例を追加。論文著者の所属企業名を伏せる表記に統一。学会採択・査読の内訳を18本/30本に更新 |
| 2026年9月25日(2回目) | 51本に増補。柱4に、引用された出典が要約で均等に使われないという実測を追加。柱5に、質問の論調に回答が寄るという監査を追加。意見章に、著者名・資格などの目印を引用の条件として語ることへの注意を追加。学会採択・査読の内訳を19本/32本に更新 |
| 2026年9月25日(3回目) | 54本に増補。柱2に、候補に入った後の選ばれ方の実験(ホテルの評判の要素、有名ブランドの有利さ)を追加。柱5に、説得の文言を全社が使うと1社あたりの得が縮むという実験を追加。意見章に、独自の測定がないまま効果の表を載せた企業レポートの例を追加。学会採択・査読の内訳を19本/35本に更新 |
| 2026年9月25日(4回目) | 57本に増補。柱1に、日本語を含む7言語のメンタルヘルスの質問の監査を追加。柱4に、中国語のAI検索で並んだ出典の約4割が本文で使われなかった監査と、記録の薄い紛争ほどAIの答えの正確さが下がった研究を追加。日本語の質問を扱った実測を2本に更新。学会採択・査読の内訳を19本/38本に更新 |
| 2026年9月25日(5回目) | 60本に増補。柱3に、質問の裏の需要に沿って書き換える手法(ACL 2026)と、AIが扱いやすいサイト設計の実験を追加。柱4に、引用された出典の約16%をAI生成と判定した監査を追加。学会採択・査読の内訳を20本/40本に更新 |
| 2026年9月28日 | 66本に増補。柱4に、信頼できる出典での裏づけ率の低下(EACL 2026)、専門家21人が挙げた出典付き回答の16の問題(FAccT 2025)、掲示板の回答機能の監査を追加。柱5に、順位だけを狙った書き換えの模擬実験(COLM 2026)を追加。意見章に、商品説明の書き方で推薦が動く2つの実験(EMNLP 2025ほか)を踏まえた書き手の節度を追加。学会採択・査読の内訳を24本/42本に更新 |
| 2026年9月28日(2回目) | 69本に増補。柱1に、引用がすでに目立つ発信者に寄るかを調べた監査を追加。意見章に、汚染ページで12のAIが架空ブランドを薦めた実験を追加。まだ分かっていないことに、流入の減少を論じた法学論考(数字は二次的)を追加。学会採択・査読の内訳を24本/45本に更新 |
| 2026年9月28日(3回目) | 72本に増補。柱1に、健康の質問でGoogleとBaiduのAI要約を比べた監査(日本語を含む)を追加。意見章に、仕込んだ文字列・指示で推薦順位が動いた2つの実験を追加。日本語の質問を扱った実測を3本に更新。学会採択・査読の内訳を25本/47本に更新 |
| 2026年9月29日 | 75本に増補。意見章に、公開AIを相手にした順位操作の研究3本(ICML 2026ワークショップ、ACL 2026、EMNLP 2025)を追加。学会採択・査読の内訳を28本/47本に更新 |
| 2026年9月29日(2回目) | 78本に増補。意見章に、画像と説明文の同時加工で順位が動いた実験(ACL 2026ワークショップ)、要約に選ばれる説明文の操作、口コミ風の文章で商用AIのおすすめ順が動いた実験を追加し、重複していた一文を整理。学会採択・査読の内訳を29本/49本に更新 |
| 2026年9月30日 | 81本に増補。意見章に、順位操作の8手法を同条件で比べた研究、仕込んだ指示が検索・並べ替えを通って回答まで届くかを測り直した研究、調べものAIが汚染された根拠を見抜けるかの評価を追加。学会採択・査読の内訳を29本/52本に更新 |
| 2026年9月30日(2回目) | 84本に増補。意見章の防御の項に、文書同士の似かたで攻撃文書を外す防御(EMNLP 2025)、商品説明の順位操作の検出、汚染された根拠と事実確認の評価を追加。学会採択・査読の内訳を30本/54本に更新 |
| 2026年9月30日(3回目) | 92本に増補し、一覧の論文をすべて解説済みに。意見章に、ページ1枚の書き換えでおすすめ1位が入れ替わった実験、根拠のつながりと推薦、誤情報を載せたGEOへの防御、操作を仕組みの設計と開示で抑える理論・立場論文5本を追加。学会採択・査読の内訳を33本/59本に更新 |
| 2026年10月3日 | 95本に増補。材料の一覧に、AIが取得して読めるサイトと推薦の関係を調べた研究、会話全体でGEOを評価する理論の枠組み、4つのAI検索で引用URLの重なりを測った監査の3本を追加。柱と意見の章は変えていません。学会採択・査読の内訳を33本/62本に更新 |
| 2026年10月5日 | 98本に増補。材料の一覧に、BaiduとGoogleのAI要約の出典の監査、新聞社サイト内のAI検索の無作為化実験、会話の文脈が回答に与える影響の実験の3本を追加。柱と意見の章は変えていません。学会採択・査読の内訳を34本/64本に更新 |
| 2026年10月6日 | 101本に増補。材料の一覧に、会話の中で依頼の手がかりがどう散らばるかの計測、実際のAIとの会話での購入相談の監査、AIの回答が従来の検索何回分にあたるかを数える指標の3本を追加。柱と意見の章は変えていません。学会採択・査読の内訳を34本/67本に更新 |
| 2026年10月18日 | 102本に増補。材料の一覧に、ChatGPT Webの通信の記録から検索候補と引用の関係を観察した研究の1本を追加。柱と意見の章は変えていません。学会採択・査読の内訳を34本/68本に更新 |
| 2026年11月1日 | 105本に増補。材料の一覧に、AI検索の出典が聞く場所で変わるかの監査、選挙の質問でWebページの書き換えが回答をどこまで動かすかの測定、同じサイト内で比べたときに何が引用と結びつくかの分析の3本を追加。柱と意見の章は変えていません。学会採択・査読の内訳を34本/71本に更新 |
| 2026年11月1日(午後) | 112本に増補。材料の一覧に、GEO手法の比較をそろえる分類の提案、似た答えを減らす方向の探し方、AIの引用を予測する採点器の比較、ニュースの所有者と引用の集中、売り手の一文の効きを値上げ幅で測る監査法、AI Overviewsの健康回答の裏づけ、売り手のAIが説明文を盛る実験の7本を追加。柱と意見の章は変えていません。学会採択・査読の内訳を34本/78本に更新(表の本数も本文に合わせて直しました) |
| 2026年11月5日 | 115本に増補。材料の一覧に、架空ブランドを実際のウェブに公開してGEO手法の効果を確かめた実測、記事に1回だけ差し込んだブランド名が回答に出るかの検証、利用者の頼み方でGEOの効きが変わるかの研究の3本を追加。柱と意見の章は変えていません。学会採択・査読の内訳を34本/81本に更新 |
| 2026年11月5日(夕方) | 121本に増補。材料の一覧に、政治の質問で生成検索の攻撃面を測った研究、AIの商品推薦でのブランドの出方を繰り返し数える枠組み、日米の政治の質問で公式サイトの引用割合を測った研究、質問の言語とブランド推薦の調査、引用されたWebページの質を採点する基準、llms.txtが読まれている根拠の点検の6本を追加。日本語の質問を扱った実測の一文に、日米の政治の質問を扱った2本と、漏れていた製品推薦の日英比較の1本を加えました。柱と意見の章は変えていません。学会採択・査読の内訳を、論文ごとの掲載状況から数え直して38本/83本に更新し(これまでは前回の数に足していく方式で、「採択と記載」の扱いが日によって揺れていました)、冒頭の「確認できたのは半数程度」を内訳の数に合わせて「3割程度」に直しました |
| 2026年11月6日 | 127本に増補。材料の一覧に、AIが担当者の個人名を挙げるかを調べた研究、同じ事実を支える2ページの提示の仕方を入れ替えた実験、読者の意図を推測して足りない内容を補う手法(QI-GEO)、ChatGPT・Gemini・AI Overviewsの商品推薦の監査、育児・妊娠の検索でAI Overviewsと強調スニペットを比べた監査、AI検索と従来検索の出典を比べた研究の6本を追加。6本とも日本語の質問は扱っていないため、日本語の実測の一文は変えていません。柱と意見の章も変えていません。学会採択・査読の内訳を論文ごとの掲載状況から数え直し、39本/88本に更新しました(ICWSM 2026に掲載予定と記載され、論文の1ページ目に学会の著作権表示がある1本が加わりました)。冒頭の「3割程度」は39/127本で変わりません |
| 2026年11月6日(2回目) | 133本に増補。材料の一覧に、検索つきAIの回答への投票を調べた分析、AI検索が引用するニュース源の分析、生成検索が引用する文章の予測しやすさの研究、GoogleのAI回答の243か国調査、AI検索が読んだページをどれだけ引用するかの測定、AI検索の出典が回答を支えていたかの8指標の監査の6本を追加。柱1にニュース源の引用の集中、柱2にAI Overviewsの出方の243か国調査と「読まれたが引用されない」差、柱3に予測しやすい文章と引用の関係、柱4に出典の裏づけの監査と、引用の有無に反応する投票の結果を、それぞれ1か所足しました。日本語の質問を扱った実測の一文は、6本とも日本語の質問を分けて分析していないため変えていません。意見の章も変えていません。学会採択・査読の内訳を論文ごとの掲載状況から数え直し、40本/93本に更新しました(ICLR 2026採択と記載の1本が加わりました)。冒頭の「3割程度」は40/133本で変わりません |
| 2026年11月6日(3回目) | 139本に増補。材料の一覧に、引用URLの実在を調べた実測、誰でも投稿できるサイトからAI検索の引用に至る経路の測定、回答の出典表示を悪用する引用ロンダリングの実験、出典間の関係の省略を監査する仕様、AI検索の引用76万件の誤誘導の測定、動画を引用するAI検索の監査の6本を追加。柱1にAI検索ごとの引用の偏り、柱4に出典と回答の食い違い・URLの実在・動画の裏づけ・引用と内容反映の差、意見の章に投稿先を経由した引用の実験・引用ロンダリング・関係の省略の監査仕様を、それぞれ足しました。日本語の質問を扱った実測の一文は、6本とも日本語の質問を使った検証がないため変えていません。学会採択・査読の内訳を論文ごとの掲載状況から数え直し、41本/98本に更新しました(IEEE AI2A 2026採択と記載の1本が加わり、残り5本はプレプリントです)。冒頭の「3割程度」は41/139本で変わりません |
| 2026年11月9日 | 150本に増補。材料の一覧に、ChatGPTの外部クリックの閲覧記録分析、AI Overviewsの出典になり得る掲示板のコメントの増減、AI Overviews導入と英語版Wikipediaの流入、AI回答機能を外す事前登録実験、terms.txtの提案、AI Overviewsの出典リンクのクリック、広告のクリック意図を予測する評価器と料金設計、広告か課金かの経済モデル、広告のあるAIチャット、出典に訪問を返さないとAIが読むWebはどうなるか、広告つき回答の評価基準の11本を追加。柱1にAI検索での訪問・クリックの減少を測った4本、意見の章に出典側への影響の2本・AIクローラへの条件提示・AIの回答の広告の4本を、それぞれ足しました。柱の構成と結論は変えていません。日本語の質問を扱った実測の一文は、11本とも日本語の質問を使った検証がないため変えていません(Wikipediaの論文は日本語版を付録で比較相手に置くだけで、日本語の質問や日本のサイトは調べていません)。学会採択・査読の内訳を論文ごとの掲載状況から数え直し、45本/105本に更新しました(IC2S2 2026で発表と記載の1本、COLM 2026と記載の1本、KDD 2026の会議録に掲載の1本が加わり、残り8本はプレプリントです。採択と記載のICEME 2026の1本も、同じ書き方のEMNLP 2026 Findingsにそろえて数える側に移しました)。冒頭の「3割程度」は45/150本で変わりません |
| 2026年11月10日 | 160本に増補。材料の一覧に、食い違う情報での出典の種類の好み、AI Overviewsの引用のAI生成文書と人間の文書の比較、引用されない原因の3段階診断、AIの推薦に入るブランドの業界ごとの偏り、「必ず薦めよ」の指示が裏目に出たAI、AIの予約代行の価格・品質・ブランドの選び方、従来のブラックハットSEOはAI検索に効くか、偽の情報源へのAI検索エージェントの脆弱性、媒体名と引用の政治的偏り、商品ページの書き換え手順を育てるGLOBEの10本を追加。柱3に手順書を育てる書き換え、柱4にAI生成ページの引用されやすさ、柱5にAIごとの筆頭の違いを、意見の章に出典の種類・名前の影響の2本、引用されない原因の3段階診断、予約代行のAI、偽の情報源、「必ず薦めよ」の裏目、ブラックハットSEOの阻止率を、それぞれ足しました。柱の構成と結論は変えていません。日本語の質問を扱った実測の一文は、10本とも日本語の質問を使った検証がないため変えていません。学会採択・査読の内訳を論文ごとの掲載状況から数え直し、55本/105本に更新しました(10本とも採択・掲載の記載があり、ICML 2026ワークショップ(非アーカイブ)の1本と、論文誌掲載の1本を含みます)。冒頭の「3割程度」は55/160本で変わりません |
| 2026年11月14日 | 168本に増補。材料の一覧に、構造化したHTMLの引用率の実験、ブランドの出身国と商品順位の偏り、AI Overviewsをめぐる言説分析、台湾の健康検索の出典の監査、AIとWeb検索の意見と理由づけの比較、順位から回答への取り込みを論じた概念研究、三層の枠組みの事例研究、AIエージェント向け広告の理論モデルの8本を追加。柱と意見の章は変えていません。日本語の質問を扱った実測の一文は、8本とも日本語の質問を使った検証がないため変えていません。学会採択・査読の内訳を論文ごとの掲載状況から数え直し、65本/103本に更新しました(8本とも会議録・論文誌の掲載があり、EMNLP 2026の本会議論文としてACL Anthologyに載った既存の2本を数える側に移しました)。冒頭の割合は65/168本で約39%になったため、「3割程度」を「4割弱」に改めました |
| 2026年11月14日(2回目) | 170本に増補。材料の一覧に、政治・ニュース検索でのAI Overviewsの画面の監査(学術誌)と、AI検索とクリック減少・GEOの追試を整理した改訂版の総説(プレプリント)の2本を追加。柱と意見の章、日本語の質問を扱った実測の一文は変えていません(2本とも日本語の検証なし)。査読の内訳は66本/104本(学術誌の1本を数える側、プレプリントの1本を残り側)。冒頭の「4割弱」は66/170本で変わりません |
個別に読みたい方へ
この記事は、170本の論文を横断した要約です。1本ずつ、原文の表や節番号まで含めて読みたい方は、LLMO論文の一覧から読む順番を選べます。
一覧のページには、今後読んだ論文も順に増えていきます。「この記事の柱に入っていないから重要でない」という意味ではなく、単にこの記事の更新が追いついていないだけの場合もありますので、その点はご了承ください。
今回この記事の材料にした170本は、次のとおりです。
| 論文 | 分かったこと(1行) |
|---|---|
| GEO原論文(KDD 2024) | 引用・統計・出典を足すと目立ち方の指標が上がる。キーワード詰め込みは下がる |
| GEO研究45本の批判的サーベイ | 見え方は7段階の掛け算。長期の因果効果を示した研究はまだない |
| 生成AI向け因果推論の枠組み | AI露出と売上を結ぶ統計の枠組み。実データへの適用はまだ |
| 東京のホテルの実測 | 質問の言い方・言語で、引用元がOTAか公式サイトかが変わる |
| 獲得メディアの偏り | AIは通常検索より第三者メディアを選びやすい |
| SAGEO Arena | 本文だけの書き換えは、検索・再ランク段階を悪化させることがある |
| 会話型検索向けSEOの検証 | 10手法のうち有意にプラスは3か所のみ |
| 対照ページで切り分けた1サイト分析 | 流入増の大半はサービス全体の伸び。施策の追加効果は約1.8倍 |
| 新興112社の調査 | 社名を出せば99.4%認知。カテゴリ質問では3.32% |
| 4サービス45日間の追跡 | 同じ質問の再実行でも出典の重なりは3〜4割止まり |
| 選択と吸収を分けて測る枠組み | 「引用された」と「回答に使われた」は別の指標 |
| 関連性・位置・価格・日付の実験 | 質問との関連と位置が最も安定して効く。書式は効かない |
| 1万1,500問で比べた実測 | 通常検索・AI Overviews・Geminiの出典はほとんど重ならない |
| 55,393件を40日間追った実測 | 疑問文で出現率が上がる。主張の約11%は根拠が不十分 |
| 4,706問で見た重なりと不安定さ | AI Overviewsの出典は通常検索と別物で、2か月で入れ替わる |
| GEO登場前の初期監査 | 引用の半分近くが出典で完全には裏づけられていなかった |
| 選好操作攻撃の実測 | 攻撃は効くが、全員が使うと業界全体が損をする |
| AutoGEOの実測 | 好みのルール化と自動書き換え。目立ち方は上がるが質の低下もある |
| AIが説得力を判断する根拠 | 質問との関連性が最も重視される |
| 引用されない原因の診断 | 原因の6割超は質問との意味のずれ |
| 複数エージェントによるスキル蓄積 | うまくいった編集を再利用。生成AIごとに好みが異なる |
| 複数の質問の書き換え要求を調停 | 優先順位を決めないと一方だけ伸びて他方が落ちる |
| ECサイトでの全数実測 | 15の経験則中11が効果なしか逆効果 |
| 自己進化型の書き換えエージェント | 固定ルールの効き方は生成AIごとに順位が変わる |
| 特徴量を先に決めて最適化 | 元の文章の完成度で書き換えの効き方が逆転する |
| 飲食店4,776軒の全数調査 | 閉店した店を紹介し続ける「情報の古さ」が実務上の課題 |
| GEO対策済みページの検出 | 実サイトの8.90%(更新済みは16.36%)が対策済みと判定 |
| 悪意あるGEOへの二段防御 | 攻撃成功率を50.32%から6.20%に低減 |
| 画像サービスでの実装報告 | 見出しの「20%増」と本文の表(最大1.83pt)が食い違う |
| 128ブランドの多言語分析 | 引用の8割5分前後が第三者サイト。日本語は対象外 |
| 中国系AIと欧米系AIのブランド言及率の差 | 学習データの違いで0%対65.6%の差。著者と事例企業が同一所属 |
| 通常検索とAI検索の大規模比較 | 出典の一致率は最低42.6%。AI回答の出典はより新しい |
| BART微調整によるGEO自動化 | 旅行分野限定・評価はわずか50問 |
| 広告文の強化学習による書き換え | 取得確率は向上。指標の定義と報告値に食い違いあり |
| 複数の役割で読み直す書き換え手法 | 主観指標は伸びるが客観指標は簡易版に劣る |
| 画像キャプションの差し込み | 多峰設定限定で効果あり。本文の説明と表の数値に食い違い |
| 構造だけを変えた実測(GEO-SFE) | 意味内容を変えず引用率が平均17.3%改善 |
| 競合を見て戦略を選ぶ手法 | 競合の最適化が進むほど、優位性の差が広がる |
| バンディット制御による自動選択(Agent2UCB) | 総当たりの10分の1の呼び出し回数で同等以上の効果 |
| 下位の問いで網羅を測る指標 | AI検索は中核の問いの約半分を回答から落としていた |
| 「出典に出た」と「答えを変えた」を分けて測る評価用データ | 目立ち方と回答への影響の相関はほぼゼロ(0.019) |
| 16の観点で引用ページを採点した研究(GEO-16) | 比較群がなく相関まで。著者は支援企業の創業者で利益相反の申告なし |
| 引用割合の不確かさを測る枠組み | 1回の測定の引用割合には数ポイントの幅がある |
| 知名度の段ごとの言及率 | 社名なしの質問で73%・44%・11%。計測企業の自社報告 |
| 何件集めれば順位を信じてよいか | 必要な回答数は33〜94件と条件で大きく変わる |
| AIで作った買い手像 | 約100万人の合成データ。実在の質問との一致は未検証 |
| 質問の集め方が数字を決める | 重みの付け方だけで表示率が39.66%にも70.54%にも |
| AIに質問せずページを採点する指標 | 水増しには強いが、引用されやすさとの相関は0.11程度 |
| 質問の論調に寄るAI検索の監査(ASIS&T 2024) | 回答の約8割が質問の見方に沿い、出典は報道と企業が多い |
| AIが引用した健康情報源の目印 | 上位10組織で引用の52.8%。名前と資格が見えるページは7.0% |
| 引用された出典の使われ方の偏り | SNS・掲示板や否定的な出典は、引用されても要約で薄く扱われる |
| 英国ギャンブル分野の企業レポート | 独自の測定なし。効果の表はGEO原論文と食い違う |
| AIのホテル推薦を動かす評判の要素 | 評価点と価格で重要度の約7割。並び順だけでも4.1% |
| 有名ブランドの有利さと説得の文言 | 仕様が同じなら有名ブランド。星0.075個の差で逆転 |
| 中国語のAI検索4サービスの監査 | 出典のブランドが回答に出たのは8.3%。アプリ版とウェブ版でも引用元が違う |
| 報道の少ない紛争とAIの答え | 記録の薄い紛争ほど正確さが下がり、情報が少数のサイトに集中 |
| メンタルヘルスの質問の引用の監査 | 約4分の3が4種類の組織。日本語は最も国内のページへ |
| 質問の裏の需要に沿って書き換える手法(ACL 2026) | 模擬環境で客観指標が最大2.44倍。需要はAIが作った言い換えの質問 |
| 引用された出典のAI生成ページの監査 | 引用ページの約16%をAI生成と判定。下限の目安 |
| AIが扱いやすいサイト設計の枠組み | 試作サイトで完全成功率49.3%→89.3% |
| 順位だけを目標にした書き換えの模擬実験(COLM 2026) | 型に近いことと品質の結びつきが6分野すべてで弱まった |
| 認知バイアスとAIの商品推薦(EMNLP 2025) | 社会的証明・値引きは推薦を増やし、希少性・限定性はおおむね減らした |
| チャット型AIの出典の信頼性と裏づけ(EACL 2026) | 裏づけ74〜86%、信頼できる出典に絞ると72〜81% |
| 掲示板の回答機能の監査 | 評価の高いコメントに偏り、一人称は3.3%→0.06% |
| 出典付き回答の16の問題(FAccT 2025) | 専門家21人が付け違いなどを指摘。確かめる出典は少なかった |
| 売り手のページによる推薦の歪み | 条件外の商品の上位入りが平均+70.2〜+78.2ポイント |
| 汚染ページとAIの推薦 | 12のAIすべてが架空ブランドを薦めた(平均42.7%) |
| 生成検索とシャドーバンの法学論考 | 流入の減少を米国法の論点から論じる。実測なし |
| 目立つ発信者と引用 | 順位表の上位10人ほど引用で有利(2つのAIの画面) |
| 健康の質問でのGoogleとBaiduのAI要約 | 日本から日本語で聞くと.jpの出典が約3.5倍 |
| 商品情報に仕込んだ文字列 | 公開AIで架空の商品の推薦1位が入れ替わった |
| ページに仕込んだ指示と紹介順(EMNLP 2024) | 4つのAIとAPIモデルで紹介順が上がった |
| 見つかりにくい文字列(ICML 2026ワークショップ) | 宣伝語を避けつつ4つの公開AIで順位が上がった |
| 順位づけの盲点(EMNLP 2025) | 文書に仕込んだ指示で順位づけの判断が乗っ取られた |
| 自然に見える短い文字列(ACL 2026) | 4つの公開AIで平均順位が想定値より上位に |
| 要約に選ばれる説明文 | AIの偏りを突く書き換えで選ばれる割合0.37→0.83(条件つき) |
| マルチモーダル順位操作(ACL 2026ワークショップ) | 画像と説明文の同時加工で商品順位が平均2.25位分上昇 |
| 口コミ風の文章とおすすめ順 | 商用AI4つで最下位の商品が1位に来た割合が8割前後 |
| 順位操作の8手法の比較 | 書き換えだけの手法が5データ中3つで勾配攻撃と同等以上 |
| 仕込んだ指示は回答まで届くか | 3段に通すと指示型の攻撃は回答到達約15%に低下 |
| 調べものAIと汚染された根拠 | 裏づけを装う汚染ほど見抜きの点数が低下(10モデル) |
| 文書同士の似かたで外す防御(EMNLP 2025) | 2つのデータで攻撃の成功率を1割未満に |
| 商品説明の順位操作の検出 | 既知の手口は大半を検出、新しい手口5種類は見抜けず |
| 汚染された根拠と事実確認 | どの汚染にも強い集約方式はなかった(638件) |
| 誤情報を載せたGEOへの防御(EMNLP 2026採択と記載) | 既製フィルターはほぼ効かず、専用検出器で相対47.6%減 |
| 根拠のつながりと推薦 | 連携した複数ページで推薦率が最大31.3ポイント高い(管理環境) |
| ページ1枚の書き換えとおすすめ1位 | 124回中62回で1位が入れ替わった(実サービスでは未検証) |
| 繰り返す囚人のジレンマ(ICML 2026ワークショップ) | 防御を強めても攻撃が減らない条件を理論で示した |
| 引用の奪い合いを共存に変える仕組み | 確かめられる事実に加点する仕組みを提案(模擬実験) |
| AIの要約と作り手の意欲 | 引用と支払いの設計で長期の利益が改善しうる(理論と試算) |
| 確信度の減衰と専門AIへの引き継ぎ | 見え方は時間で薄れると主張(実験データなし) |
| GEOが生む3つのリスク(ICML 2026 立場論文) | 回答単位の開示と外部監査を提案 |
| AIが読めるサイトと推薦 | 読める群は明確な推薦が20.4%対10.6%(著者の所属企業の物差し、英語中心) |
| 会話全体でGEOを評価する枠組み(HAI 2026採択と記載) | 早く引用された出典が引用され続ける現象を理論で定式化(実測なし) |
| 4つのAI検索の引用URLの重なり | URL528件のうち509件は1つのAI検索にしか出なかった(15問・1日) |
| BaiduとGoogleのAI要約の出典(EMNLP 2026ワークショップ採択と記載) | 回答の意味は近くても、表示される出典の重なりは小さい(英語と中国語訳の500問) |
| 新聞社サイト内のAI検索の実験 | AIの回答で読者の共通の話題が増え、関心は人気の低い話題へも広がった(37,561人の無作為化実験、サイト内検索) |
| 会話の文脈で回答はどれだけ変わるか | 最後の質問だけで答えさせると44.7%が実質的に変わる(英語の会話180件、重みづけ後) |
| 会話の中で依頼の手がかりはどこにあるか | 履歴にはあるが最後の質問に無い手がかりが、会話の44.8〜50.3%で見つかった(英語の会話670件と公開データ7,463件) |
| AIとの会話での購入相談の監査 | 購入相談67件のうち52件で候補や購入経路が示されたが、その後に買った・やめたという発言は0件。推薦は見えても決定は記録に残りにくい |
| AIの回答は従来の検索何回分か | 回答を従来の検索で組み立て直すのに要る検索の最小回数を数える指標を定義。実際に検索して測ったのは作成した6課題の試験段階 |
| ChatGPTの引用は検索候補からどう選ばれるか | 同じ質問を20回繰り返すと候補は大きく入れ替わり、多くの回で候補に入ったページほど引用されやすい傾向。GoogleとAPIの候補では引用を部分的にしか再現できない(中国語と英語の質問80問) |
| AI検索の出典は聞く場所で変わるか | ChatGPTは申告した都市、Geminiは接続元の国に合わせて出典が変わった(英語圏の都市・API・小型モデル) |
| 選挙の回答はページの書き換えでどこまで動くか | 政党名を指定した書き換えで出方が増え、指定しないとほとんど増えない。検索を切った実験で、実際のAI検索での効果は未検証 |
| AIの引用は何で決まるか | 同じサイト内で比べると、引用と結びついたのは質問と題名・段落の合致。FAQや構造化データは差が見えず、ChatGPTの引用はすべて自身の検索で取得されたページ |
| GEO手法の比較をそろえるには | ベンチマークごとに書き換えの範囲や制約が違って比べにくいとして、どこを・どう・何を狙うかの分類と共通の評価手順を提案。実験はなし |
| 似た答えを減らす方向の探し方 | 質問に関係があって、まだ誰も占めていない方向を埋め込み空間で探す手法。GEOへの当てはめは4つの商品市場の模擬実験 |
| AIの引用を予測する採点器の比較 | 同じ候補ページを渡した10のAIの引用を予測。蒸留した4Bの小型モデルは、27Bの判定モデルと229の質問で統計的に区別できなかった |
| AIの引用はニュースの所有者に集中するか | 77か国のニュース所有者を調べ、5つのAIの引用は媒体単位でアクセスの1.23〜2.08倍集中。母国語で聞くと国家管理メディアが民間より引用されやすかった(主にロシア・中国) |
| 売り手の一文はAIの買い物代行にどれだけ効くか | 推薦文や人気表示の効きを、選ばれる割合が半分になるまでの値上げ幅(%)で測る監査法を提案。7つの言語モデル・113,472試行 |
| AI Overviewsの健康回答は出典で裏づけられたか | 健康の質問3,611問で、引用が付いた記述が引用先で裏づけられていたのは推定56.7%。医師の採点基準での得点は38.2% |
| 売り手のAIは説明文を盛るか | 選ばれることだけを指示された売り手のAIが、自発的に説明文の主張を増やした。あるモデルでは、買い手のAIの課題成功率がECで89%から約30%に低下(模擬市場) |
| GEOの効果は実際のウェブでも残るか | 架空80ブランドを実際のウェブに公開し、GEO5手法の効果を3つのAI検索で比較。首位率66.3〜76.3%、AI間の首位一致は48.8〜66.3% |
| 記事に1回だけ差し込んだブランド名はAIの回答に出るか | 記事の1文に架空ブランドを混ぜると回答に出るかを、架空60ブランドで検証(査読中のプレプリント) |
| 利用者の頼み方でGEOの効きは変わるか | 頼み方で変わるGEOの効き。指示を固定するAMOは、引用順位の改善が学習型より平均約35%大きい |
| 政治の質問でAIはどの公開元を引用するか | 米国と日本の政治分野で、3つの生成検索の引用元から、毒入れ攻撃の入り込みやすさを測る指標を提案。与党は野党より攻撃面が広く、利用者プロフィールの影響は小さい |
| AIの商品推薦に自社ブランドは出るか | 6つのLLM・5カテゴリで推薦を繰り返し数える枠組み。定番ブランドが推薦から外れることが多く、順位は検索への関心やブランドの話題量と結びついた |
| 日米の政治の質問で公式サイトの引用割合を測った研究 | 質問に出てきた政党の公式サイトからの引用は、米国で約25〜45%、日本で60〜65%。悪意あるページが回答に入り込む余地も見積もった |
| 質問の言語でブランドの推薦は変わるか | 欧州12言語・35,640回答。英語の質問から本拠地の言語に変えると、推薦される割合(0〜1)が地元ブランドで0.80、世界的なブランドで0.15上がった(割合の差) |
| AIが引用するWebページの質を採点する基準 | 内容の質とページ側の信号の8指標・100クエリで、8つのLLM、Google検索、3つのAI検索ツールが挙げた3,996件を評価 |
| llms.txtは実際に読まれているか | 検索AIが/llms.txtを使う根拠を39件の資料で点検。自動取得が観測されなかったという数字は先行調査の引用で、本論文自身の24タスクの小規模試験では、悪意ある文を読ませると21/24で攻撃者の指定した答えを採用 |
| AIは担当者の個人名を挙げるか | ヨーロッパ4市場の不動産・自動車販売・保険で、4モデル×120プロンプト×各5回の2,400回答を分析。個人名が挙がったのは25.8%(不動産35.4%、自動車販売店32.9%、保険9.1%。検出漏れがあるため下限)。個人名が挙がった回答は、事業者名だけを挙げた回答より、1人で営む事業者のサイトの引用割合が2.6ポイント高かった |
| ページの見せ方でAIの引用は誰に回るか | 同じ事実を支える2ページの提示の仕方を入れ替えた実験。構造化した提示で対象ページの引用数は回答あたり+0.50増えたが、引用されるかどうかの差(+4.5ポイント)は確定しなかった |
| 読者の意図を推測して足りない内容を補う手法(QI-GEO) | 模擬環境(GEO-BenchとExtended GEO-Bench)で、客観スコア(PAWC)が最大15.9%(言い換え5通りの設定)、主観スコアが最大17.6%改善。書き足した内容が正しいかの確認は論文にない |
| AIの商品推薦はサービスで何が違うか | ChatGPT・Gemini(画面とAPI)とAI Overviewsで、英語の物理商品の質問117問を3回ずつ聞き、得られた1,536回答を監査。画面の回答のうち商品を推薦した700回答で、一人称で好みを述べる割合はChatGPT79%、Gemini7%、AI Overviews2%。同じ質問で画面に出る出典ドメインの共通は、ChatGPTとGeminiの間で平均5.4%(オランダからの収集) |
| AI Overviewsと強調スニペットの食い違い | 米国の英語検索で、育児・妊娠の1,508クエリを監査。AI Overviewsと強調スニペットが同じ画面に出た場合、その33%で内容が食い違い、医療上の注意書きがあるのはAI Overviews11%、強調スニペット7%(ICWSM 2026に掲載予定と記載) |
| AI検索と従来検索で出典はどう違うか | 6つのAI検索と2つの従来検索を55,936件の質問で比較。両方を合わせたドメインの37%はAI検索にだけ出ていたが、信頼性・政治的中立性・安全性では従来検索を上回らなかった |
| Search Arena | 約2.4万件の対話と約1.2万票を分析。引用が多い回答ほど選ばれやすく、引用が主張を裏づけていても無関係でも同じ向きだった(ICLR 2026採択と記載) |
| AI検索が引用するニュース源の分析 | 36万件超の引用のうちニュース源は9.0%。上位20媒体の割合はOpenAI系67.3%、Google系31.9%、Perplexity系28.5% |
| 生成検索が引用する文章の特徴 | 約9.8万サイトの抜粋で、AIにとって予測しやすい文章ほど引用される傾向。従来の検索の順位とは有意な関係がなく、因果は未検証 |
| GoogleのAI回答の243か国調査 | 英語の質問でAI Overviewsが出た国は7か国から229か国に。日本は33.3%から59.3%(質問は英語のみ) |
| 読んだページと引用の差 | API経由の11モデル・約1.4万件の会話で、Gemini系の回答の約92%は引用なし。Sonar系は中央値で10ページを読み5ページを引用 |
| DeepTRACE | 9つのAIサービスを8指標で監査。出典に裏づけられない文は生成検索4種で23.1〜47.0%、ディープリサーチ5種で12.5〜97.5% |
| 引用URLの実在を調べた実測 | 10のモデル・エージェントが挙げたURLのうち、保存記録すら見つからないものが3.0〜13.3%、開けないものが5.4〜18.5%。質問は英語と中国語で、日本語は未検証 |
| 誰でも投稿できるサイトからAI検索の引用へ | 10のAI検索で、上位20ドメインが引用の20.5〜70.8%を占めた。架空の概念の記事を投稿すると、10のうち8つが7日以内に引用(中国語圏が中心、日本語の検証なし) |
| 引用ロンダリングと反事実の防御 | 誤答に信用できる資料の出典を付けさせる攻撃を、小型モデル6種・英語の質問で測定。誤答と出典の表示が両方起きた割合は、指示なしで最大0.64、出典の指定を書き込む条件で最大0.84 |
| 出典間の関係の省略を監査する仕様 | 質問・出典・回答の組ごとに、関係の省略を記録する仕様の提案。確かめたのは人工の81通りの記録での動作のみ(IEEE AI2A 2026採択と記載) |
| 引用76万件の誤誘導の測定 | 検索つきの10モデル・英語の質問11,200問。評価できた引用76万1,495件のうち、回答が出典と合わないもの30.6%、分野に不向きな出典27.1%(AIによる採点) |
| 動画を引用するAI検索の監査 | Gemini 2.5 Proが動画を引用元にした主張11,943件を3つのAI審査員で判定。動画の文字情報で裏づけを確認できないのは3.7〜18.7%(審査員で差) |
| ChatGPTの外部クリックの閲覧記録分析 | 米国の家庭のパソコンの閲覧記録で、外部サイトへのクリックが出たのはChatGPTの会話の5.2%、Googleの検索の31.1%。ChatGPT検索が使えるようになった世帯は、使っていない世帯と比べて従来の検索の回数が9.4%少ない(米国のパソコンのみ、日本語の検証なし) |
| AI Overviewsの出典になり得る掲示板のコメントの増減 | 出典になり得る区分は、出典にならない成人向けの区分より、日々のコメントが12.0%、書き込む人が12.4%多く増えた。AI Modeが始まると、体験型の分野の上乗せ分が縮んだ(プレプリント) |
| AI Overviews導入と英語版Wikipediaの流入 | 英語版の外部検索からの訪問は、ドイツ語版との比較で約5.45%、フランス語版との比較で約4.82%少ないと推定(比較相手を差し引いた相対の差。日本語のサイトの検証なし) |
| AI回答機能を外す事前登録実験 | 米国の1,100人・1週間の実験。AI Modeのみの群は外部クリック率が18.8ポイント低下。AI Overviewsを外した群は補正した推定で8.8ポイント上昇(割り当て全員の平均は2.7ポイントで、確かな差ではない) |
| terms.txtの提案 | AIクローラに「誰が・何の目的で・いくらで読むか」を伝えるファイルと入口での確認の提案。追加の処理時間は0.20〜0.65ミリ秒(暗号化なしの試験環境)。採用事例の報告はない(プレプリント・投稿中) |
| AI Overviewsの出典リンクのクリック | 米国の成人900人の閲覧データ。出典リンクのクリックはAI Overviewsが出た検索ページの訪問の約1%。結果リンクのクリックは、出ない検索15%、出る検索8%(IC2S2 2026で発表と記載) |
| 広告のクリック意図を予測する評価器と料金設計 | 模擬の利用者が作った疑似ラベルで広告のクリック意図を点数化。5人の評価者との一致は、評価者ごとの平均86%、多数決92%(100組)。料金は数学的な導出と計算例のみ(プレプリント) |
| 広告か課金かの経済モデル | 広告を出すかは、いまの広告収入と広告なしの将来の価値の比べ合いで決まる。競合が強いほど広告なしに寄る。理論と模擬データで、実在のサービスの収益データは使っていない(プレプリント) |
| 広告のあるAIチャットは利用者と広告主のどちらを優先するか | 23モデルを模擬の広告条件で測定。価格がおよそ2倍のスポンサー商品を薦めた割合は最大83%、スポンサーであることを伝えなかった割合は平均55%(COLM 2026と記載、日本語の検証なし) |
| 出典に訪問を返さないとAIが読むWebはどうなるか | 訪問を返さない割合が閾値を超えると、AIが読めるWebがゼロへ向かうことを仮定つきの理論モデルで証明。現実のWebで測った値はない(プレプリント) |
| 広告つき回答の評価基準GEM-Bench | 回答を先に作り広告を差し込む方式は、単純な指示文方式より正確さ・信頼・押しつけの少なさで高く採点された。関与の項目は差が小さい。AIによる採点が中心(KDD 2026の会議録に掲載) |
| 食い違う情報での出典の種類の好み | 13の公開モデルのうち11が、機関の出典がついた情報を個人・SNSより選びやすい。低く扱われる出典を繰り返すと序列が逆転することがある。架空の出典・英語・選択式(ACL 2026) |
| AI Overviewsの引用のAI生成文書と人間の文書の比較 | 質問2,597件で、AI生成と判定されたページは出典の10.34%(上位100件では6.63%)。差は検索結果に出ていないページの引用に集中し、「出て、しかも引用された」確率はほぼ同じ。判定は検出器の出力(カナダ人工知能会議2026・PMLR) |
| 引用されない原因の3段階診断 | 質問との一致・競合との順位・根拠のある生成の3段階で診断してサイトを改訂。匿名の1社で50問の採点が58.78点から69.98点。商用AIでの効果は未確認(EMNLP 2026 産業トラック) |
| AIの推薦に入るブランドの業界ごとの偏り | 5業種50ブランドを3つのAIで測定。3つのAIの筆頭ブランドの一致は250問中57.2%。売上や購買への効果は測っていない(論文誌2026) |
| 「必ず薦めよ」の指示が裏目に出たAI | 40件の文書でイヤホンを推薦させると、ClaudeのOpusでは上位2件に入る割合が54%から8%に下がった。GPTでは押し上げた。韓国語の文書と簡易な環境(ICML 2026ワークショップ・非アーカイブ) |
| AIの予約代行の価格・品質・ブランドの選び方 | 28のAIで、179のホテルから選ぶ3,600件の課題を測定。5つのAIは最初に載っている選択肢を選び続けた。平均予約額は1泊247ドルから393ドル。米国ニューヨーク・英語(EMNLP 2026 産業トラック) |
| 従来のブラックハットSEOはAI検索に効くか | 5種類・1,000ページが9つのAI検索で平均99.78%阻止された。正常な文章に宣伝を混ぜる手法はすり抜けやすい。新しい7手法は小さな実験(WWW 2026) |
| 偽の情報源へのAI検索エージェントの脆弱性 | 13種類のAIで、偽の情報源を薦めてしまう割合が0.0%から31.4%。命令文より、異なる種類の情報源が口をそろえる状況が効いた。結果を固定した実験環境(EMNLP 2026) |
| 媒体名と引用の政治的偏り | 5つのモデルすべてで左寄りの媒体が多く引用された(概算52〜55%)。媒体名を消す・入れ替えると偏りは大きく縮んだ。「偏りなく」と指示しても減らない(EMNLP 2025) |
| 商品ページの書き換え手順を育てるGLOBE | 項目ごとの手順書を更新する方法は、10件の順位実験で上がった順位の平均が1.611(一括の指示文は0.351)。順位を付けるAIは書き換えるAIと同じ系列。実際の検索や購入は未測定(REALM 2026) |
| 構造化したHTMLはAIに引用されやすいか | 公開モデルの実験で、見出しと答えを組にした文書は引用率が34.8%から91.2%(約2.6倍)。実在のAI検索の現場調査は、インドの英語の質問と少数の組織に限る(HT 2026) |
| ブランドの出身国と利用者の所在地でAIの商品順位は動くか | 3つのモデルで1位のブランドの出身地域の割合が違った。利用者の所在地だけでは変化が小さく(1位の割合の相対変化で最大約6%)、ブランドの出身国も示すと大きく動く場合があった(最大約59%。ただし元の割合が小さい地域)。英語・米国向けの商品データ(FAccT 2026) |
| Google・記者・SEO担当者はAI Overviewsをどう語ったか | 言説分析で、語りを4つのフレームに整理した。利用者の声はほとんど無かった。引用された数字は誰が言ったかを示すもので、論文が検証した事実ではない(学術誌2026) |
| 健康の質問でAI Overviewsは誰を出典にするか(台湾) | AI Overviewsが出た417件の概要で、出典(重複をまとめて3,325件)は病院・診療所40%、商業サイト24%、政府機関12%。90%が台湾のドメイン。4ページの予備的な報告(JCDL 2026) |
| AIとWeb検索の意見と理由づけの比較 | 賛否の傾きはGoogleとBingでよく似ていた(相関0.81〜0.85)が、AIと検索結果では低かった(0.34〜0.47)。英語の質問と小型のモデルの実験(WebSci 2026) |
| 検索順位から回答への取り込みへ | 見え方は順位から「回答に入るか入らないか」へ変わると論じる概念的な研究。論文自身が実証していないと述べ、数字はすべて他者の調査からの引用(MIPRO 2026) |
| 三層の意味の枠組みと引用の事例 | コースのレビューページ1件・質問1つで、整える前は引用0、整えた後は多かったと報告。抄録の77.1%は本文の表と食い違う。著者自身のページの観察で、掲載誌は創刊号(論文誌2026) |
| AIエージェントが選ぶ時代の広告の理論モデル | AIが消費者の代理で選ぶ場面では、広告の相手が人からAIへ移ると論じる概念論文。実測データはなく、「AIは物語に動かされない」という主張も論文の外の知見に頼る(論文誌2026) |
| 政治・ニュース検索でAI Overviewsはどう出るか(画面の監査) | オーストラリア向けの検索語160語・17,000件以上で、表示はデスクトップ47.04%、モバイル49.11%。速報性の高いニュースには出さないとするGoogleの説明に対し、調べた政治・ニュース検索の半数近くで出た。日本語の検証はない(学術誌2026) |
| AI検索でクリックはどこまで減ったか(改訂版の総説) | 他者の実験・調査を整理した総説で、著者自身の新しい測定はない。引用された米国のパソコン利用者の実験では、AI概要が出た検索で自然検索のクリックが約40%減った。GEOの元の効果は、引用の順位や検索の段階まで含めた追試では再現されないと整理している(ただし測る指標が違う可能性も残る。SSRNプレプリント・査読なし) |
この記事に書いたことを、そのまま御社のページに
生成AIに引用されるページを、お話しいただくだけでお作りします。お時間をいただくのは初回15分のヒアリングだけです。まず1ページ、無料でお作りします。
OKが出るまで、何度でも直します。事実が違う、言い回しが硬い、この話は入れないでほしい。どれも遠慮なくおっしゃってください。何度お直ししても、追加の料金はいただきません。
これまでに127社にご利用いただきました。毎月ご依頼いただいている方の6割以上が、月10ページを選ばれています。料金はページに掲載しています。
ページを増やしても問い合わせが来ないなら、原因はページの外にあります。その場合は、下の入口からご相談ください。
自社のマーケティング課題を根本から解決しませんか?
ウェブサイトから要素を引き算し、訪れた人が迷わず次の一歩に進む形へ組み直す。初回60分のオンラインで御社のサイトを一緒に読み、どこから直すべきかをお伝えします。手順をまとめた無料の診断と解説動画もご用意しています。
初回は無料・60分・オンライン完結・その場で契約のお願いはいたしません


