MENU
  • 料金
  • 会社案内
  • コンサル
  • お問い合わせ
  • 無料で1ページ頼む
AIO・LLMO・GEO対策の記事制作
合同会社謙虚
  • 料金
  • 会社案内
  • コンサル
  • お問い合わせ
  • 無料で1ページ頼む
  • 料金
  • 会社案内
  • コンサル
  • お問い合わせ
  • 無料で1ページ頼む
合同会社謙虚
  • 料金
  • 会社案内
  • コンサル
  • お問い合わせ
  • 無料で1ページ頼む
  1. ホーム
  2. LLMO
  3. LLMO論文
  4. 【LLMO論文解説】生成AIに引用されない原因を3段階で診断する枠組み|サイト改訂への変換と実験(EMNLP 2026 産業トラック)

【LLMO論文解説】生成AIに引用されない原因を3段階で診断する枠組み|サイト改訂への変換と実験(EMNLP 2026 産業トラック)

2026 11/10
2026年11月10日
中野輝規
生成AIに引用されない原因を3段階で診断する枠組み

生成AIの回答に自社が出てこないとき、原因はどこにあるのでしょうか。質問に合うページと見なされなかったのか、競合に順位で負けたのか、拾われたのに回答でうまく使われなかったのか、という3通りが考えられます。

2026年10月のEMNLP(自然言語処理の国際学会)の産業トラックに、論文「Beyond Final Visibility」が載りました。この論文は、この3つを別々に測る評価の枠組みを提案しています。

この記事では原文を通読し、枠組みの中身と、実験で確かめられた範囲を、論文の数値のまま整理します。

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「どの段階で落ちているのか」を切り分ける考え方を示しているため、読む価値があると考えました。

目次

結論:3行で言うと

  • 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、段階ごとの採点を次のサイト改訂に使う枠組みです
  • 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、11.20点増)になりました。診断を渡さずに同じ最適化の予算で書き換えた場合の増加は8.13点です
  • 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。ただし、対象は1社で、商用AIでの効果は確かめられていません

この論文の基本情報

項目 内容
原題 Beyond Final Visibility: A Three-Stage Diagnostic Framework for Enterprise Generative Search Optimization
著者 1名(原文の表記はCharming)。所属は、ニューヨーク大学上海と著者の所属企業
公開 2026年10月。会議は10月24〜29日、ブダペスト開催。掲載は1637〜1647ページ
掲載先(ACL Anthology)・DOI EMNLP 2026 Industry Track(会議録)。DOIは10.18653/2026.emnlp-industry.96で、Crossrefへの登録を確認しました
種類 EMNLP 2026 Industry Trackの会議録に載った論文(査読の方式は掲載ページに記載なし)。企業の実務側の報告という性格を持ちます
実験データ・コード 公開先の記載は、原文に見当たりませんでした。付録に、モデルの設定と実行手順が載っています

論文は、ACL Anthologyで読めます。DOIのリンクはこちらです。

arXivのプレプリントではなく、会議録に載った論文です。

この論文が答えた問い

生成検索で自社サイトが引用されないとき、原因は「質問との一致」「競合との順位」「根拠のある生成」のどの段階にあるのか。そして、段階ごとの誤りを、サイトの改訂にどう変えられるのか。

論文によると、企業の現場では商用のAIサービスで質問を繰り返し試し、取得率、ブランドの言及、引用の回数で状況を見ています。このやり方は費用がかかり、結果が揺れ、再現しにくいと論文は述べています。

さらに、失敗が取得、順位づけ、生成のどこで起きたのかは、指標の裏に隠れたままです。そこで、サービスの外に実験環境を作り、段階ごとに測る方法を提案しています。

どうやって調べたのか

実験の対象は、消費者向け健康・個別栄養の分野の匿名1社です。その公式サイトの文章を「構造化したサイト表現」に直して使いました。

論文はこの表現をsitemapと呼びますが、検索エンジン向けのXMLサイトマップとは別物だと断っています。

項目 内容
対象サイト 21ページ、約9万4千トークン(AIが文章を数える単位)。競合は同じ商品分野の9サイトで、15〜220ページ
質問 企業の担当者が出した実際の質問200問から選び、150問を50問ずつの3組に分割。改訂用、版の選択用、最終試験用で、重ならない
質問の型 カテゴリ需要6、場面需要8、問題解決11、比較15、購入判断10(各組とも同じ構成)
事実の文書 企業が提供した資料を整理した「検証済みの事実」。改訂が事実から外れないための枠として使い、取得や順位づけには入れない
改訂の回数 最初のサイトから100回。1回ごとに1版を作り、約20時間かかった

最終試験の50問は、改訂と版の選択から切り離してあります。この分け方で、「練習問題に合わせただけ」という疑いを減らしています。

3段階は、次のように別々に採点します。各段階は独立に動き、出力は段階の中で完結します。

段階 測っていること 実装 総合点での重み
取得(質問との一致) サイトの文章の断片が、質問にどれだけ合うか 単語一致と簡易の意味検索を組み合わせた自前の仕組み 0.3
順位づけ(競合との順位) 対象と競合9サイトを並べたとき、対象が何番目か、上位に入るか 公開の再順位づけモデル 0.3
生成(根拠のある回答) 回答が質問に合い、事実に基づき、対象の内容を適切に使っているか 別のモデルが回答を書き、さらに別のモデルが採点 0.4

各段階の点は、あらかじめ決めた幅で0〜100点に直し、重み付きで足して総合点にします。

改訂の手順は次のとおりです。

  1. 練習用の50問で3段階を採点し、「質問に合う文がない」「競合に負けた根拠が弱い」「事実と違う、または使われなかった」などの失敗を集める
  2. 集めた失敗と、検証済みの事実の文書を、改訂用のモデルに渡して、次の版を作らせる
  3. 版ごとに、選択用の50問で採点し、総合点が最も高い版を選ぶ。ただし、長さが元の0.6〜1.5倍の外の版、ページを消した版、事実の裏づけがない主張や禁止された主張を含む版は、選択から除く。キーワードの詰め込みなどは警告として次の改訂に回す
  4. 選んだ1版だけを、最終試験の50問で採点する

比べる相手は2つです。1つは診断なしで1回だけ書き換えた版(一括書き換え)、もう1つは診断なしで100回繰り返した版です。

後者は改訂の回数が全体の方法と同じで、診断フィードバックを渡さない点が違います。

結果

最終試験の50問での比較

方法 取得 順位づけ 生成 総合
元のサイト 45.44 60.00 67.88 58.78
一括書き換え(診断なし) 49.12 64.35 74.37 63.79
繰り返し書き換え(診断なし) 50.87 67.92 78.18 66.91
3段階の診断つき(全体の方法) 52.70 70.90 82.25 69.98
  • 総合点は、元のサイトより11.20点高くなりました。相対では約19%の増加です(概算。11.20÷58.78)
  • 診断なしの繰り返しは8.13点、一括書き換えは5.01点の増加です。診断つきは、診断なしの繰り返しより3.07点高く、論文はこの差を「記述的な差」と呼んでいます
  • 診断なしの繰り返しと比べた差は、取得1.83点、順位づけ2.98点、生成4.07点です
  • 増加分の約73%は、診断なしの繰り返しでも得られています(概算。8.13÷11.20)。診断の寄与は約27%です(概算。3.07÷11.20)

どの版が最良かは、段階で違った

版の選択用の50問では、元のサイトの総合点が59.82でした。論文が選んだ63回目の版は71.93です。

  • 順位づけの最高は63回目の73.08(元は60.16)
  • 生成の最高は58回目の85.35(元は70.58)
  • 取得の最高は100回目の55.17(元は45.14)。ただし、この版は順位づけと生成で63回目より悪く、最後の版が最良とは限りませんでした

論文は、質問への網羅、競合との関連、根拠の使われ方で、好ましいサイトの形が違うと読み取っています。内容を足すと取得は良くなっても大事な根拠が薄まり、宣伝調を強めると差別化は進んでも根拠の質が下がる、という説明です。

商用のAIサービスでの小さな確認

中国の商用の生成検索2サービスで、20問を各サービスに3回ずつ入れました。対象サイトと競合4サイトを比べています。

サイトの名前、公式ドメイン、引用ページ、またはそのサイトと一意に分かる情報のどれかが回答に出れば「想起された」と数えました。

サイト 実験環境の点 サービスAでの想起率 サービスBでの想起率
対象サイト 67.40 63.3% 58.3%
競合1 63.80 56.7% 53.3%
競合2 58.90 46.7% 40.0%
競合3 56.70 41.7% 48.3%
競合4 49.50 30.0% 33.3%

実験環境の点と、2サービス平均の想起率とで、順位の並びの近さ(スピアマンの順位相関)を見ると0.90でした。

論文は、5サイト・20問・2サービスという規模のため、統計的な検証とは見なさないと明記しています。

人手の確認もあります。2人が200件の回答を採点し、評価役のモデルの判定と比べました。

人手の判定と評価役のモデルの判定の一致度(重み付きカッパ係数)は、「事実に基づくか」で0.82、「ブランドを薦めるのが妥当か」で0.69です。

論文は、確かめられたのはこの2つの診断ラベルで、生成の総合点そのものではないと述べています。

論文自身が書いている限界

  • 実験環境が再現できるのは、商用の生成検索の一部です。商用側はリアルタイムの索引、独自の検索と順位づけ、外部検索による補強、利用者ごとの出し分けを使う可能性があります
  • 取得、順位づけ、生成、評価の部品は固定されており、点数は部品の選び方に左右され得ます。点数は診断の目安で、特定のサービスでの引用確率の推定ではありません
  • 小さな商用での確認は、2サービス・20問・5サイトに限られ、サービス、モデル、時期をまたいだ安定した対応は示せていません
  • 対象は匿名の1社です。業種、言語、内容の種類をまたいで通用するかは、今後の検証に残されています。2026年6月から本番での検証を続けていますが、観察期間が短く、長期の検証には足りません
  • 対象は21ページです。大きなサイト、多数の競合、頻繁な更新、複数の商品分類では、準備と事実確認の手間が大きくなり得ます
  • 構造化したサイト表現は、文章とページ構造が中心です。リンクの網、ページの権威性、動くパーツ、画像・動画、サービスごとの構造化データの扱いは、モデルの外に置かれています

原文を読んで気づいた点

  • 日本語での検証は、原文に記載がありません。質問の言語は書かれておらず、商用での確認は中国のサービスです
  • 実行回数や分散の記載がなく、最終試験の差は、信頼区間や検定の記載が欠けた状態で報告されています。論文自身も、3.07点を記述的な差と呼んでいます。生成にも乱数の固定は設定されておらず、再実行で値が動く可能性があります
  • 採点の中心は、モデルによる自動評価です。人手の確認は200件、2つのラベルに限られます
  • 改訂の役のモデルも、評価の役のモデルも、同じ「検証済みの事実」の文書を見ます。「事実の文書に沿うこと」が、改訂の条件と採点の基準の両方に入っている点は、私の読み取りです
  • 商用での確認の「対象サイト」の点は67.40です。これは20問・5サイトの別の候補で測った値で、どの版かは原文に書かれていません。最終試験の69.98や58.78と並べて比べられる数字ではありません。論文は、未公開の改訂版は商用で直接測れないと述べており、改訂した版が商用で良くなったかは、この論文では測られていません
  • 本文は、競合2と競合3が「オンラインの結果」で入れ替わると書いています。表を見ると、入れ替わるのはサービスBだけです。サービスAは実験環境と同じ順位で、2サービスの平均にすると入れ替わります。順位相関0.90は、この1回の入れ替えに当たります(私の確認)
  • 著者は1名で、所属企業と実験対象の匿名企業の関係についての説明は、原文に欠けています。企業側の実務報告の性格は、読むときの前提として持っておく必要があります

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
失敗を3段階に分けて採点し、次の改訂に使うと、実験環境では最終試験の点が上がった 商用のAIでの引用や言及が増える
段階ごとに最良の版が違い、1つの指標を追うと別の段階が悪くなることがある どの段階を直すべきか、他社でも同じ順になる
診断なしの繰り返し書き換えでも、点は大きく上がった(8.13点) 診断が差の主因である、3.07点の差が再現される
小さな確認で、実験環境の順位と、2サービスの想起率の順位が近かった 日本語のサイトや、日本のサービスでも同じ関係になる

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。

  • 「引用されない」を、3つの段階に分けて見る。サイトに質問へ直接答える文があるか、競合と並べたとき自社だけの根拠が目立つか、その根拠が短く確かめられる形か。3つに分けて見直すと、直す場所が絞れます。論文は、取得には直接の答えやFAQ形式、順位づけには際立つ根拠、生成には簡潔で検証できる主張を、1つの事例の説明として挙げています
  • ページを足したら、大事な根拠が埋もれていないか見返す。論文は、内容を足すと取得は良くなっても根拠が薄まる可能性がある、と述べています(測定は示していません)。増やす前後で、いちばん見せたい根拠の位置を確かめる作業は、手作業でもできます
  • 先に「事実の範囲」を決める。この枠組みは、検証済みの事実の文書を先に作り、その外へ出ないことを改訂の条件にしています。価格、効能、保証のような言い切りを、文書にない形で足さないための仕組みとして参考になります
  • 11.20点は、実験室の点として受け取る。100点満点に直した点差で、AI検索での引用率とは別の量です。自社のサイトで同じことを確かめるなら、複数の質問、複数のサービス、複数の日で記録する必要があります

自社での確認の仕方は、GEO対策の効果測定の記事にまとめています。

よくある質問

3段階診断の枠組み(段階分離評価)は、これまでのSEOの順位チェックと何が違いますか

最終的な順位や言及の回数だけでなく、取得、順位づけ、生成のどこで失ったのかを分けて採点する点が違います。論文は、最終の言及だけでは、失敗がどの段階で起きたのか特定できないと述べています。

3段階診断の枠組みの「11.20点の改善」は、AI検索での引用が11.20%増えるという意味ですか

別の量です。100点満点に直した総合点が、元のサイトの58.78点から69.98点になったという意味です。

測ったのは論文が用意した実験環境の中の採点で、商用サービスでの引用確率とは別のものです。

3段階診断の枠組みは、日本語のサイトでも使えますか

論文に、日本語での検証の記載はありません。質問の言語も不明です。

考え方は日本語のサイトにも当てはめられますが、点数や改善の幅は、この論文から読み取れる範囲の外です。

まとめ:今日できる1つのこと

自社のいちばん大事なページについて、実際にお客様が聞きそうな質問を3つ選んでください。それぞれについて、「ページに直接の答えがあるか」「競合のページには無い自社だけの根拠があるか」「その根拠は事実として確かめられるか」を、表に○×で書き出します。

×がついた段階が、最初に直す場所の候補です。1つ直したら、ほかの段階が悪くなっていないかも、同じ表で見直してください。

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。

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。

まず1ページ、無料で作らせてください

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。

まず動画で詳しく見る(約30分)
無料診断を受ける

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

LLMO論文
SEO対策 生成AI
よかったらシェアしてね!
  • URLをコピーしました!
  • 【LLMO論文解説】AI Overviewsの引用は、AI生成の文書と人間の文書で違うか|2,597件の質問で順位をそろえて監査(カナダ人工知能会議2026・PMLR)
  • 【LLMO論文解説】AIの推薦に入るブランドは業界でどれだけ偏るのか|5業種50ブランドを3つのAIで2回測定(論文誌2026)

この記事を書いた人

中野輝規のアバター 中野輝規

合同会社謙虚 代表社員。20代から、売る言葉だけを仕事にしてきました。電話営業で受話器を握っていた時代から、数千社のWEB集客に関わったいままで。詳しいプロフィールはこちら

この著者の記事一覧へ

関連記事

  • AI検索エージェントは偽の情報源にどこまで従うか
    【LLMO論文解説】AI検索エージェントは偽の情報源にどこまで従うか|13種類のAIで測った推薦の脆弱性(EMNLP 2026)
  • AIの回答の出典を悪用して誤答を信用させる「引用ロンダリング」と、その防御を測った実験
    【LLMO論文解説】AIの回答の出典を悪用して誤答を信用させる「引用ロンダリング」と、その防御を測った実験|小型モデル6種・英語200問(プレプリント)
  • 動画を引用するAI検索の裏づけを監査
    【LLMO論文解説】動画を引用するAI検索の裏づけを監査|Gemini 2.5 Proの主張1.2万件をAI審査員3種で検証(プレプリント)
  • 生成AIの引用は記事の中身より媒体名に左右されるか
    【LLMO論文解説】生成AIの引用は記事の中身より媒体名に左右されるか|政治的偏りの実験(EMNLP 2025)
  • AI検索の引用割合は1回の測定で決められない:信頼区間と必要な質問数
    【LLMO論文解説】AI検索の引用割合は1回の測定で決められない:信頼区間と必要な質問数|測定企業の自社研究(プレプリント2026)
  • 本文だけ書き換えると検索で不利になる?構造情報まで測った実験
    【LLMO論文解説】本文だけ書き換えると検索で不利になる?構造情報まで測った実験|SAGEO Arena(KDD 2026)
  • 競合も書き換える前提でLLMO対策を選ぶ「Competitor-Aware GEO」論文を読む
    【LLMO論文解説】競合も同時に最適化する前提でGEO戦略を選ぶ|Beyond the Vacuum(プレプリント)
  • AI検索の引用順位は何件の回答を集めれば信じてよいか
    【LLMO論文解説】AI検索の引用順位は何件の回答を集めれば信じてよいか|3サービス30組で33〜94件、計測企業の研究(プレプリント2026)
最近の投稿
  • パーセプションチェンジとは 中小企業がホームページで認識を変える4つの手順
  • ドアインザフェイスとは 意味と由来を論文で確かめ中小企業の提案に使う手順
  • プライミング効果とは 例でわかる意味と中小企業のサイトで最初に見せるもの
  • canvasタグとは 使い方とアニメーションと代替の内容を仕様で確かめる
  • smallタグとは 廃止や非推奨の噂と注意書きの大きさを確かめる
最近のコメント
  • ブランド認知度とは 調査会社に頼らず手元の数字で測る指標と上げる手順 に パーセプションチェンジとは 中小企業がホームページで認識を変える4つの手順 - 合同会社謙虚 より
  • ポジショニングマップの作り方 軸の選び方から空白の読み方まで自社サイトに落とす手順 に パーセプションチェンジとは 中小企業がホームページで認識を変える4つの手順 - 合同会社謙虚 より
  • AI Overviews対策とは?CTR低下データと中小企業が取るべき施策 に LLMOとAIOの違いとは 中小企業が最初にすべき対策の優先順位 - 合同会社謙虚 より
  • 【2026年最新】上位表示される記事の書き方|273クエリを実測して分かった「AIに引用される」条件 に SEOライティングのコツ|AI検索時代に評価基準が変わった本当の理由 - 合同会社謙虚 より
  • 返報性の原理とは 例でわかる意味と問い合わせ前に見せる情報の決め方 に ドアインザフェイスとは 意味と由来を論文で確かめ中小企業の提案に使う手順 - 合同会社謙虚 より
  • 記事制作(KCW)
  • 売れるサイトはみな謙虚
  • サービス一覧
  • サイトの無料診断
  • 合同会社謙虚とは
  • 代表プロフィール
  • ブログ
  • お問い合わせ
  • プライバシーポリシー
  • 特定商取引法に基づく表記
  • AIのプロ名鑑

© 合同会社謙虚

目次