【LLMO論文解説】AI検索の出典は聞く場所で変わる｜ChatGPTは申告した都市、Geminiは接続元の国に従う（プレプリント）

AIに「近くのおすすめの配管業者は？」と聞くと、答えに出てくる業者や引用元は、聞いた場所によって変わるのでしょうか。

2026年10月16日にarXivで公開された「Location, Location, Generation: Where You Ask Matters for Generative Engine Optimization」は、この疑問を、場所を管理した実験で調べた4ページの短い論文です。

この記事では、原文を通読して、何を測り、何が分かり、どこまで言えるのかを整理します。

実験の場所は米国など英語圏の都市で、質問も英語です。日本は含まれていません。

合同会社謙虚は、3つのドメインを並行して運用し、何を変えると数字が動くかを測り続けています。この論文を読む理由は、AI検索での見え方を「どの場所から測るか」によって、測定結果そのものが変わり得るのかを確かめておきたいからです。

結論：3行で言うと

• ChatGPT（APIの小型モデル）は、アプリが申告した場所に都市の単位で従い、自分の検索語に地名を書き込みました。接続元の場所は無視しました
• Gemini（APIの小型モデル）は、接続元の国に従いました（申告された座標には反応しなかったと、数値のない予備実験として書かれています）。場所と関係のない質問でも、出典が変わりました
• 答えが薦める事業者も、出典に合わせて変わりました。1つの場所から測った結果は、別の場所の結果を代表しません

ただし、対象は英語圏の都市と英語の質問で、使われた小型モデルもAPI経由です。日本の地名や日本語の質問、利用者が実際に使う画面での結果は、この論文では確かめられていません。

この論文の基本情報

項目	内容
題名（原題）	Location, Location, Generation: Where You Ask Matters for Generative Engine Optimization
著者	Mahe Chen、Nick Koudas（2人。所属はトロント大学）
公開日	2026年10月16日（arXiv初版）。2026年11月1日に確認した版は、この初版だけでした
arXiv番号	2610.24081（分野はcs.IR、情報検索）。4ページ
掲載/採択状況	arXivのプレプリントです。arXivのコメント欄は「4 pages」だけで、採択された学会や雑誌の記載は確認できませんでした。原稿の書式は、会議名やDOIが仮の値のままの雛形で、採択の手がかりにはなりません
種類	大学の研究者による、条件を統制した監査。新しい手法は提案せず、サービスの出力を条件ごとに比べた研究
実験データ・コード	論文は「質問、コード、回答を公開する」と書いています。ただし公開先のURLは、本文に見当たりませんでした

論文はこちらで読めます。arXiv（2610.24081）、arXiv発行のDOI。

著者らは、AI検索がどんな種類のサイトを引用するかを調べた先行研究を引用し、その上に「場所」という軸を足したと書いています。先行研究の解説はAI検索は第三者の媒体を選びやすいのかにまとめています。

著者のうち2人が共通する別の論文として、Google検索とAI検索の引用元の重なりを調べたものがあります。

その解説はGoogle検索とAI検索は引用元がほとんど重ならないです（今回の論文は引用していません）。研究の全体像はサーベイ論文の解説にあります。

この論文が答えた問い

利用者の場所が変わると、ChatGPTやGeminiのような生成エンジンが引用する出典と、答えが薦める事業者は変わるのか。変わるなら、場所はどの経路で伝わるのか。

生成エンジンとは、質問に対して文章で答え、いくつかの出典を添えるAI検索のことです。論文は、GEO（生成エンジン最適化）の現場では、決まった質問をたいていは1つの場所から投げて、どの出典やブランドが出るかを監視していると述べています。

論文は、場所を調べる理由を3つ挙げています。

• ある場所で得た監視結果が、別の場所でも成り立つとは限らないこと
• 地域の事業者は、自分の場所の中で見え方を競うこと
• 監査をするなら、エンジンがどの場所の信号を使うかを先に知る必要があること

場所が伝わる2つの経路

• 申告された場所：アプリがAIに「利用者はこの都市にいる」と伝える設定です。論文ではAPIの「おおよその利用者位置」を指します
• 接続元の場所：インターネットの接続元から、AIが推測する場所です。論文はVPNの出口を変えて試しています

どうやって調べたのか

項目	設定
質問	著者が英語で書いた300問。10分野（住宅サービス、医療、金融、保険、通信、飲食、小売、自動車、旅行、公共サービス）に、3種類を各10問ずつ。どの質問にも地名は入っていません
質問の3種類	「近く」型（例：best plumber near me）／場所で答えが変わる型（例：how much is sales tax on a car）／場所と関係ない型（例：best robot vacuum）
実験1：申告した場所	ChatGPT（gpt-5.4-mini、検索ツールつきのAPI）に、米国15都市とロンドン、トロント、シドニー、ダブリンの計19か所を申告。場所なしの条件もあり、各2回ずつ。検索するかをAIが決める版と、質問の頭に「Search the web:」を付けて必ず検索させる版の2通り。24,000回答。接続元は1か所
実験2：接続元の場所	場所を申告せず、ChatGPT（「Search the web:」を付けた版のみ）とGemini（gemini-3.1-flash-lite、Google検索による裏づけつき）に各2回。著者のカナダの回線、VPN出口のニューヨーク・ロサンゼルス・ロンドン・シドニー、3日後のカナダの回線の6セッション。7,200回答
確認の実験	フルサイズのgpt-5.4で、60問を6か所から。720回答

実験1と実験2の合計が、要旨にある31,200回答です。確認の実験の720回答は、この合計に入っていないように読めます。

測り方

• 出典のずれ指数：質問ごとに、2つの回答が引用したドメインの重なりを計算します（共通するドメイン数÷全体のドメイン数）。同じ設定で2回聞いた「双子」の重なり（実行ごとのぶれ）の平均から、設定を変えたときの重なりの平均を引きます。0なら、場所の効果はぶれの範囲内です
• 地域の出典：URLに回答の市名か州名が入っている、または国別のドメインの末尾を持つ出典です
• 薦められた事業者：言語モデルが、回答に出る事業者・ブランド・商品を書き出します（ディレクトリ、口コミサイト、公的機関は除外）。人手の確認では、36件中29件が完全に正しい抽出でした（約81%、29÷36の概算）

指数は「重なりの低下幅」です。0.14は、出典の14%が入れ替わるという意味ではありません。

結果

場所を変えると、出典が変わる

表は、出典のずれ指数です。数字は論文の本文から拾いました。

比べた条件	「近く」型	場所で変わる型	場所と関係ない型
ChatGPT・申告・米国の2都市の間	0.14	0.17	0.00
ChatGPT・申告・2つの国の都市の間	0.28	0.43	0.03
Gemini・接続元・2つの国の間	0.43	0.40	0.23
ChatGPT・接続元・2つの国の間	0.00	0.01	0.01

最下段は、本文の記述順から私が質問の3種類に割り当てました。Geminiの「近く」型の0.43は、信頼区間が0.40〜0.46、「場所と関係ない型」の0.23は0.20〜0.27と書かれています。

• ChatGPTは、場所と関係ない質問の出典をほとんど動かしませんでした（0.00と0.03）。動いたのは「近く」型と「場所で変わる型」です
• Geminiは、場所と関係ない質問でも0.23動きました。要旨は「出典の大半を変える」と書いていますが、この0.23は重なりの低下幅で、入れ替わった割合ではありません
• ChatGPTは場所を申告しないと、「近く」型の63%で郵便番号か都市名を聞き返しました（申告ありでは4%）。出典つきで答えた割合も、全質問で見ると、申告ありの64〜73%に対し、申告なしでは46%でした
• 場所で変わる型を分野別に見ると、最も強いのは公共サービス（0.57。州ごとの政府サイトを引用）、最も弱いのは通信・公共料金（0.02。全国規模の出典を引用）でした。各分野10問のため、目安です

場所は、エンジンごとに別の経路で入る

ChatGPTの場合、申告した場所は2つの形で結果に入っていました。1つ目は、モデルが検索語に地名を書き込む形です。

2つ目は、検索語に地名がなくても、検索の裏側が結果を地域に寄せる形です。

質問の種類	ChatGPTが検索した割合	検索語に地名を書いた割合	自分の場所の出典（米国の都市）	自分の場所の出典（他国の都市）	Geminiの検索語に国名が入った割合
「近く」型	100%	100%	79%	92%	56%
場所で変わる型	67%	48%	22%	77%	59%
場所と関係ない型	49%	0%	1%	10%	4%

ChatGPTの列は、都市を申告した実験1の値で、Geminiの列は、接続元を変えた実験2（5か所）の値です。「自分の場所の出典」は、回答した都市（米国は市名か州名、他国は国別ドメイン）を示す出典を引用した回答の割合です。

• 検索語に地名がなくても、結果は変わりました。2つの回答のどちらの検索語にも地名がない場合の指数は0.17（信頼区間0.09〜0.25）、どちらにも地名がある場合は0.37でした
• ChatGPTの地域化は、距離で薄れませんでした。「近く」型の指数は、1,000km未満の都市の間で0.13、3,000km超で0.14です。距離との順位相関は0.01、最も近い組は293kmでした
• 論文は、ChatGPTにとってはほかのどの都市も別の場所で、Geminiにとっては別の国だけが別の場所だ、とまとめています
• Geminiは、接続元の国に従いました。ニューヨークとロサンゼルスの間の指数は0.00（信頼区間-0.03〜0.04）で、検索語には国名が入りますが都市名は入りませんでした
• 同じ回線を3日後に測った差は0.03、0.01、0.05でした。論文は、時間経過によるぶれでは国の効果を説明できないと述べています
• 場所を申告しないChatGPTは、「場所を指定しない米国の利用者」として全国規模の出典で答えました。Geminiの既定の場所は、接続元の国でした

薦められる事業者も変わる

比べた条件	「近く」型	場所で変わる型	場所と関係ない型
ChatGPT・申告・米国の2都市の間	0.18	0.14	0.01
ChatGPT・申告・2つの国の都市の間	0.22	0.22	0.03
Gemini・接続元・2つの国の間	0.41	0.28	0.07
ChatGPT・接続元・2つの国の間	0.03	0.02	0.00

数字は、薦められた事業者・ブランド・商品の名前の重なりで計算した指数です（論文の表3）。

• ChatGPTの「近く」型の回答は、平均4.3件の事業者を挙げました。同じ依頼を2回送ると名前の23%が共通し、申告した都市が違うと共通は4%でした
• 論文の例では、ChatGPTは都市ごとに地元の組織を挙げ、Geminiは場所を含まない質問でも国ごとに別の全国チェーンを挙げました
• 「近く」型で、ある都市から測ると、別の都市で薦められる事業者の8%しか捉えられませんでした（同じ都市で繰り返した場合は32%）。事業者の96%は、15都市のうち1都市にしか出てきませんでした
• 「近く」型の質問で監視する都市を増やすと、捕捉できる事業者の割合は1都市で9%、5都市で36%、10都市で69%でした（場所に左右されない型の基準値は、1都市で19%、5都市で53%）。曲線は頭打ちにならず、都市を足すたびに新しい事業者が出てきます
• 場所で変わる型では、差が小さく、31%対34%でした

確認の実験

検索を必ず行わせる第2の版でも、指数は同じ水準でした（0.19、0.20、0.01）。フルサイズのgpt-5.4（60問・6か所・720回答）は、小型モデルと同じ質問と場所で、同等以上に地域化しました。

指数は0.26、0.35、0.11で、小型モデルの0.23、0.31、0.07を上回りました。

論文自身が書いている限界

論文は最後に、次の点を限界として挙げています。

• 各エンジンのAPIと小さなモデルを使いました。消費者向けのアプリと同じ挙動とは限りません。フルサイズモデルの確認は、ChatGPTだけです
• VPNの出口はデータセンターのアドレスで、接続元の場所は5か所にとどまります。家庭の回線なら、Geminiはもっと細かく地域化するかもしれません
• 質問は英語で、著者らが書きました
• 測定は2026年10月時点のエンジンの様子です

原文を読んで気づいた点

ここからは、私が原文を読んで気づいた点です。論文の主張とは分けて書きます。

• 日本は対象に入っていません。申告した場所は米国15都市と英国・カナダ・オーストラリア・アイルランドの4都市、接続元はカナダ・米国東西・英国・オーストラリアです。米国15都市の全名は、本文に載っていません
• 日本語での検証は報告されていません。質問は英語だけで、日本の地名や日本の地域サイトで同じ結果になるかは分かりません
• 採点は自動です。出典はドメインの重なりだけを見ています。事業者の抽出は言語モデルが行い（どのモデルかは本文に書かれていません）、人手の確認は36件中29件です。出典の中身や回答文の違いは見ていません
• ぶれの土台が小さい可能性があります。各設定を2回ずつ聞いて「双子」の重なりを出しているため、ぶれの見積もりは2回の比較に基づきます
• Geminiが申告を無視するという結論は、本文では予備実験に頼っています。「申告した座標は予備実験で効かなかった」と書かれていますが、その結果の数値は載っていません
• 事業者の重なりの数字は、定義が本文に書かれていません。「同じ依頼は23%、申告都市が違うと4%」と「別の都市で捉えられる割合は8%、同じ都市で繰り返すと32%」は値が違うので、別の指標と読めます（これは私の推定です）。混ぜて読まないほうが安全です
• 採択・査読の記載は確認できませんでした。arXivのプレプリントです。表の一部（事業者の重なりの表）の信頼区間は公開先にあると書かれていますが、その公開先は本文から確認できませんでした

この論文から、言えること・言えないこと

言えること（論文の設定で確認された）	言えないこと（論文では確認されていない）
ChatGPT（APIの小型モデル）は、申告された都市に応じて出典と薦める事業者が変わった	日本の都市や日本語の質問でも、同じ結果になること
申告された場所は、検索語への地名の書き込みと、検索の裏側の地域化の2経路で結果に入った	利用者が使うChatGPTやGeminiの画面でも、同じ挙動になること
ChatGPTの地域化は、1,000km未満の都市の組（最短293km）でも、3,000km超と同程度だった	地域の事業者が、何をすれば自分の地域の答えに載るのか（ページの内容を変える実験はない）
Geminiは、接続元の国で出典と薦める事業者が変わり、場所と関係ない質問でも動いた	家庭の回線から使うGeminiも、国の単位にとどまること
1つの都市から測った結果は、他の都市で薦められる事業者の一部しか捉えなかった（8%）	2026年10月以降も、同じ挙動が続くこと

中小企業の視点で、どう受け取るか

ここからは論文の主張とは別の、私の読み取りです。論文の対象に日本が入っていないため、確度を添えて書きます。

1. 定点観測の記録に、「どこから測ったか」を書き添える

論文では、場所を設定しないChatGPTは「場所不明の米国の利用者」として、Geminiは測定した機器がある国の利用者として答えました。

日本からの測定で同じことが起きるかは未検証です。

まず、自分が使っている測定の道具が、場所を申告する設定なのか、どの国から接続しているのかを確かめておく価値があります（確度：中。論文の発見から導いた確認項目です）。

2. 商圏が複数の市区町村にまたがるなら、1か所の結果を全体にしない

英語圏のデータでは、ChatGPTの地域化は距離で薄れませんでした。日本の市区町村でも同じかは分かりません。

それでも、隣の市の結果を自分の市の結果とみなすのは避け、商圏ごとに場所を変えて測る前提で記録します（確度：低〜中）。

3. 地域の事業者は、「地域の媒体に載っているか」を確かめる

論文は、ChatGPTの結果から、地域の事業者は全国ランキングより、地域のディレクトリ、口コミサイト、地域の機関のサイトなど、場所を指定した検索で見つかるページを通じて見えるようになる、と示唆しています。

これは出典の傾向から導いた示唆で、ページを変えて確かめた実験ではありません。日本でどのサイトが該当するかも、この論文の範囲外です。

お店の情報の整え方は、MEOとAI対策の記事でまとめています（確度：低〜中）。

4. 複数の国に展開しているなら、国ごとに確認する

Geminiは、接続元の国で出典も薦める事業者も変わりました。

海外向けの販売や拠点がある場合は、国ごとに見え方を確かめます（確度：中。ただし対象国は英語圏です）。

よくある質問

「Location, Location, Generation」の実験で、ChatGPTは利用者の場所をどう扱いましたか

アプリが申告した都市に従いました。検索語に地名を書き込み、検索の裏側も結果を地域に寄せています。

接続元の場所は無視しました。

「Location, Location, Generation」の結果は、日本の地域ビジネスにも当てはまりますか

当てはまるとは言えません。実験の場所は英語圏の都市で、質問も英語です。

日本での検証は報告されていません。

GeminiのAPIで出典を測るとき、接続元の国は結果を変えますか

この論文の設定では、変えました。接続元の国で、出典も薦める事業者も変わっています。

測るときは、接続元の国を固定して記録します。

まとめ：今日できる1つのこと

AI検索の見え方を記録している表があれば、「どこから測ったか」の列を1つ足してください。申告した場所、接続元の国、測った日を書きます。

表がまだなければ、自社の商圏の地名を入れた質問を1つ決めて、同じ条件で週に1回、答えと出典を記録するところから始められます。

この論文は、LLMO論文の一覧の一本です。ほかの論文の解説も、順次公開しています。

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。