【LLMO論文解説】文書から読者の意図を推測し足りない内容を補うGEO手法QI-GEO｜模擬環境での検証と限界（プレプリント）

2026年11月5日

AIが答えを作る検索では、検索のキーワードや質問の言い方を知らないまま、自社のページを最適化することはできるのでしょうか。2026年8月にarXivで公開された「Query Implied Generative Engine Optimization」（QI-GEO）は、この問いに取り組んだ手法の論文です。

この記事は、論文を原文から読み、手法の中身と、実験の環境、結果の数字を整理します。「客観スコアが最大15.9%、主観スコアが最大17.6%改善」という数字が、どんな条件の何と比べたものかも分かります。

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。この論文は、ページに「足りない内容」を見つけて補うという発想の効果を、どこまで信じてよいかを考える材料になります。

結論：3行で言うと

QI-GEOは、文書の中の言葉の関係から、読者が知りたそうなのに書かれていない内容を見つけ、短く書き足す手法です。質問のリストを使いません
実験は実際のAI検索サービスで測ったという記載はなく、5件の文書を固定して渡す模擬的な環境での実験です。比べた相手は、書き換える前の同じ文書だけでした
引用された割合は0.657から0.726（相対で約10.5%）に上がりました。日本語での検証と、書き足した内容が正しいかの確認は、論文にありません

この論文の基本情報

項目	内容
原題	Query Implied Generative Engine Optimization
著者	Shilpa Ramakrishna、William B. Andreopoulos（2人。所属はサンノゼ州立大学の計算機科学科）
公開日	2026年8月19日に投稿（版はv1のみ）
arXiv番号	2609.27845（分野はcs.IR、情報検索）。8ページ
掲載・採択状況	arXivのプレプリントです。arXivのページに、学会や雑誌への採択を示す記載は見当たりませんでした。査読を経たかどうかは確認できていません
種類	新しい手法を提案し、既存のベンチマークで評価した論文
実験データ・コードの公開先	使ったベンチマークは先行研究のものです。この論文自身のコードや書き換え後の文書の公開先は、原文に書かれていません

論文は、こちらで読めます。arXiv（2609.27845）、DOI（10.48550/arXiv.2609.27845）。

著者の所属は大学だけです。

この論文が答えた問い

質問の一覧を持たなくても、文書そのものから「読者が知りたいこと」を推測して、AIに引用されやすい文書に直せるか。

これまでのGEO（生成AI検索で自社ページが引用される確率を高める工夫）の手法は、多くが「その文書に関係する質問」を使います。質問を自動で作る手法もあります。

しかし、ページを作る側が、読者の質問をすべて把握するのは困難です。論文はここを出発点にして、質問を使わずに文書の意味の構造から、足りない内容を探すことを試しました。

1つ補足します。GEO原論文の解説は、別の記事にまとめています。

どうやって調べたのか

QI-GEOの手順

手法は、次の5つの段取りです。

段取り	やること
1. 関係の抽出	文書の中の「これは何と、どう関係するか」を、主語・関係・目的語の3つ組として取り出します。その前に、「それ」などの指示語を元の名前に直します
2. 知識グラフとの対応づけ	取り出した言葉を、知識グラフ（物事とその関係をまとめた大きな辞書のようなデータ）の項目に結びつけます
3. 1歩だけ広げる	結びつけた項目から、直接つながる隣の項目を集めます。定義・原因・説明にあたる関係を優先し、メタデータのような関係は除きます
4. 空白の発見と順位づけ	すでに文書に書かれている内容を除き、残った候補を点数で並べます。文書の複数の言葉から同時に導かれる候補ほど、高く評価します
5. 書き足し	上位の空白ごとに、どの文のそばに何を足すかの指示（位置・内容・必要度）を作ります。文書の書き換えは、多くの場合は、短い句や文を該当する文の後ろに足す程度にとどめます

論文は、候補の点数を「複数の言葉から導かれた度合い」「関係の種類ごとの重み」「元の言葉の重要度」の3つの積で計算しています。

足した内容は、元の文のどこに結びついているかを追えるので、後から確認しやすいと、論文は述べています。

実験の環境

項目	論文の記載
実際のAI検索か	候補の文書を固定する、先行研究と同じ評価方法（固定検索）で実施しました。ChatGPTやGoogleのような実際のサービスで測ったという記載はなく、模擬的な環境とみられます
データ	GEO-Bench（質問と文書の組が1万件）と、同じ情報の聞き方を5通りに増やした拡張版
文書の候補	1つの質問につき5件。このうち1件が、書き換えの対象です。残り4件は変えません
書き換えに使ったモデル	Qwen2.5の7B（70億パラメータ）。関係の抽出には、既存の専用モデルを採用しました
回答を作るモデル、採点するモデル	原文に、モデル名の記載は見つかりませんでした。主観の採点はLLM（大規模言語モデル）による自動採点とだけ書かれています
知識グラフ	「汎用の知識グラフ」と書かれ、名前は示されていません
比べた相手	書き換える前の、同じ文書

この「固定条件」は、GEO研究でよく使われる方法です。検索で拾われるかどうかの差を除いて、書き換えの効果だけを見るためです。

評価に使った指標は、次のとおりです。

引用率：対象の文書が、回答の中で引用された質問の割合
PAWC（位置を加味した語数）：回答の中で、その文書に由来する語数の割合を、引用の位置が前にあるほど重くして数えた値。論文が主な客観指標としています
主観スコア：関連性、影響、独自性など7つの観点を5段階で採点した平均
安定性：書き換えて同等以上になった割合（勝ち・引き分け率）と、悪化の大きさ（下振れリスク）

結果

引用率と、見え方の指標

単一の質問で見た場合と、同じ内容を5通りに聞いた場合（複数質問）の結果です。数値は、論文の表1〜3からそのまま拾いました。

指標	設定	書き換え前	QI-GEO	相対の変化
引用率	単一の質問	0.657	0.726	+10.5%
引用率	複数質問（5通り）	0.713	0.772	+8.3%
PAWC	単一の質問	0.2137	0.2407	+12.6%
PAWC	複数質問（5通り）	0.2038	0.2363	+15.9%
主観スコア	単一の質問	2.332	2.743	+17.6%
主観スコア	複数質問（5通り）	2.137	2.503	+17.1%

冒頭の「客観スコア最大15.9%」は、複数質問でのPAWCの相対的な伸びです。「主観スコア最大17.6%」は、単一の質問での相対的な伸びです。

どちらも、書き換え前の同じ文書との比較です。

絶対値で見ると、単一の質問の引用率は、0.657から0.726へ、0.069（約6.9ポイント）上がっています。「約10.5%」は、0.069を元の0.657で割った相対の値です。

基準の値も添えて読む必要があります。

引用が増えた質問と、減った質問

論文の図2は、書き換えで引用を得た質問と、失った質問の数を示しています。

単一の質問：引用を得た質問が123、失った質問が55で、差し引き+68です。比率は約2.2倍（123÷55、概算）です
複数質問（5通り）：得た質問が616、失った質問が323で、差し引き+293です。比率は約1.9倍（616÷323、概算）です

論文の要旨にある「引用の増加は減少の約2倍」は、この比率のことです。引用される割合そのものが2倍になった、という意味とは別の数字です。

質問の聞き方が変わっても効くか

同じ情報を5通りに聞いたときの、文書ごとの結果が表4です。

指標	値
5通りの平均が0以上だった文書	66.0%
5通りのうち3通り以上で、改善または同等だった文書	73.7%
5通りすべてで、改善または同等だった文書	22.2%
効いたときの平均の伸び／悪化したときの平均の落ち	+0.1634 ／ -0.0629
勝ち・引き分け率／下振れリスク	0.67 ／ 0.0097

図5では、87.5%の文書が、5通りのうち少なくとも1通りの聞き方で改善しています。

読み取れること

引用率とPAWCは、単一の質問でも複数質問でも、書き換え前を上回りました
PAWCの勝ち・引き分け率は0.70、下振れリスクは0.011です。7割の質問で同等以上でした（論文は、どの設定の値かを明記していません）
主観スコアの勝ち・引き分け率は0.81です。論文の図3は、単一の質問で、もともとスコアが低かった文書が中程度以上に移ったことを示します
5通りすべてで改善または同等だった文書は、22.2%にとどまりました。聞き方によって結果が変わることは、論文のデータにも表れています

論文自身が書いている限界

この論文には、「限界」と題した節はありません。結論の末尾に、今後の課題として次の3点が書かれています。

知識グラフの広げ方を工夫すれば、見つかる空白の質と範囲を良くできる可能性がある
空白を1つずつ独立に扱わず、複数の意図をまとめて扱う方法が考えられる
汎用の知識グラフではなく、法律、金融、医療、地理情報のような専門分野の知識グラフを使えば、より正確になる可能性がある

この3点は、現在の手法が汎用の知識グラフと、空白を1つずつ処理する設計であることの裏返しでもあります。

原文を読んで気づいた点

ここからは、論文の記述ではなく、原文を読んで私が気づいた点です。

日本語での検証はありません。日本や日本語への言及は、原文にありませんでした。使っている関係抽出や書き換えのモデルが日本語の文書でどう動くかは、この論文からは分かりません
実験は模擬環境です。実際のAI検索は、質問のたびに候補ページを集め直します。この論文では5件の候補を固定しているので、検索で拾われるかどうかは測っていません
比較の相手は書き換え前の文書だけです。先行のGEO手法との比較や、各部品を外した場合の比較は、結果に示されていません。関係抽出の手法を複数試したとは書かれていますが、その結果の数字も載っていません
採点は自動です。主観スコアはLLMによる採点で、人が確かめた結果はありません。採点や回答に使ったモデルの名前も、原文に見つかりませんでした
足した内容が正しいかは、確かめられていません。足す内容は知識グラフから来ますが、事実として正しいか、書き換えで文書が長くなったかどうかの報告はありません。長くなったこと自体が引用率に影響している可能性は、否定できません
対象の数は、はっきり書かれていません。差し引き+68が引用率の差0.069に対応すると仮定すると、単一の質問は約1,000件（68÷0.069、概算）です。図5の横軸も約1,000文書で、整合します。ただし、これは私の推定です
用語と数字に細かなずれがあります。手法の名前が、「QI-GEO」と「QIO」の2通りの略称で出てきます。表4の1行目と3行目は、本文では「正の平均」「5通りすべてで改善」、表では「0以上」（改善または同等）と書かれています。図の見出しにある「400w」の説明も、本文にはありません
査読の有無は不明です。arXivのv1のみで、会議や雑誌への採択の記載は見当たりませんでした

この論文から、言えること・言えないこと

言えること（論文の範囲）	言えないこと
固定条件の模擬環境で、書き換えた文書は、書き換え前より引用されやすく、PAWCも主観スコアも高かった	実際のAI検索で、同じ程度に引用が増えること
質問の一覧がなくても、文書の中の言葉の関係から、書き足す候補を作れる	書き足した内容が、事実として正しいこと
同じ内容を5通りに聞いても、書き換えた文書の平均は上向きだった	すべての聞き方で効くこと。5通りすべてで同等以上は22.2%
単一の質問で、もともと主観スコアが低かった文書が、中程度以上に移った	先行のGEO手法より優れていること。比較していない
7Bの小さなモデルでも、書き換えの実験は成立した	日本語の文書で動くこと、アクセスや問い合わせが増えること

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。

「足りない内容を探す」という考え方は、手でも試せます。自社のページに出てくる言葉ごとに、「読者が次に知りたいこと」を書き出し、本文にあるかを確認する作業は、手法の発想を人が行う形です。ただし、この方法の効果を、論文が直接確かめたわけではありません
足す内容は、自社で確かめられるものだけにします。論文の手法が足すのは、一般的な知識グラフ由来の情報です。自社の事実や、サービスの条件とずれていないかを、人が確かめる必要があります
「15.9%」「17.6%」という数字を、そのまま自社の期待値にしないでください。模擬環境で、書き換え前の同じ文書と比べた相対値です。実際のAI検索では、そもそも拾われるかどうかが先にあります
短く、元の構造を保って足す方針は、参考になります。論文は、文書を大きく作り直さず、既存の文のそばに短く足すことを選んでいます。すでに成果が出ているページを崩さずに直す場面で、この考え方は使えます