「見出しと短い答えを組み合わせた構造にすると、AIに引用されやすくなる」。LLMO対策の話で、よく聞く説明です。
この説明に、数字をつけて挑んだ論文が2026年9月に出ました。ACMのHypertext 2026(HT ’26)の会議録に載った、「Beyond the Blue Link」という論文です。
この記事は、その論文を原文から読み、何を測って、何が分かり、どこまでが実験室の話なのかを整理します。数値は論文の表と本文から拾い、私が計算し直した値には「概算」と添えました。
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。この論文を読むのは、「ページの構造」という手元で変えられる要素が、どこまで実験で確かめられているかを知っておくためです。
結論:3行で言うと
- 公開されたAIモデルに、同じ事実を載せた2種類の文書を読ませた実験です。見出しと答えを組にした構造の文書は、引用率が34.8%から91.2%(約2.6倍)、答えの再現の正確さが22.1%から87.4%(約4.0倍)でした
- 実在のAI検索3種を12か月測った現場調査でも、構造化などの施策を組み合わせた2組織で、引用される確率が上がりました。ただしインドの英語の質問に限った、少数の組織の結果です
- 著者らは、引用される確率を測る指標としてgSoV(関連する質問をまとめて見たときに、出典として引用される確率)を提案しています。同じ質問を10回ずつ聞いて平均する考え方です
構造を整えれば必ず引用される、とまでは読めない結果です。条件を1つずつ確かめながら読み進めます。
この論文の基本情報
| 項目 | 内容 |
|---|---|
| 題名 | Beyond the Blue Link: Empirical Evaluation of Generative Engine Optimization in Stochastic Retrieval Systems |
| 著者 | Mehta、Sharma、Kalluru、Kotwal(4人。3人は米国の大学の所属、1人は著者の所属企業) |
| 公開日 | 2026年9月(Crossrefの登録は9月5日、会議の開催は9月14〜18日、英国・ロンドン) |
| 掲載先・DOI | 第37回ACM Conference on Hypertext(HT ’26)の会議録、276〜283ページ。https://doi.org/10.1145/3800935.3830864 |
| 掲載状況 | Crossrefに「会議録の論文」として登録されていることを確認しました。査読の方式は、原文から確認できませんでした |
| 種類 | 実験と現場調査を組み合わせた実証研究(8ページ) |
| コード | 評価の手順とコードを公開すると論文に書かれています(GitHubのリポジトリ。アクセスできることを確認しました) |
論文の元になった「GEO」の話は、GEO原論文の解説記事で扱っています。論文はGEO原論文を先行研究に挙げ、長期の現場導入や確率としての測り方などの点で異なると述べています。
この論文が答えた問い
ページの構造や、置かれた場所を変えると、AIの回答での引用のされやすさは変わるのか。変わるなら、それは検索順位とは別の動きなのか。
「検索で拾われる」と「回答で引用される」は別の段階
論文は、AI検索の仕組みを3段階で説明しています。
- 1つ目は検索で、関連する文書を集める段階です
- 2つ目は合成で、AIが集めた文書から回答を書く段階です
- 3つ目は帰属で、回答の中で出典として示す段階です
従来のSEOが扱ってきたのは、1つ目の段階です。
論文は、集められたのに回答では使われない現象を合成拒否と呼んでいます。
検索と引用のあいだの隙間は、論文が「AEOギャップ」と名づけています。AEOは「Answer Engine Optimization」の略で、この論文が自分たちの枠組みに使う呼び方です。
研究の問いは4つあります。検索順位と別に引用を伸ばせるか、置き場所の効果、構造化の効果、設定や指示を変えたときの安定性です。
どうやって調べたのか
論文は、性質の違う3つの調べ方を組み合わせ、さらに他分野への展開も試しています。
| 調べ方 | 舞台 | 規模 |
|---|---|---|
| 統制した注入実験 | 公開されたAIモデル(Llama-3-70B)。再現として、Mistral-7Bでも実施 | 事実を載せた文書の組を、200の質問ごとに用意 |
| 出所の入れ替え実験 | ChatGPTとPerplexity(実在のサービス) | 架空の6組織、600の質問。同じ質問を10回ずつ |
| 12か月の現場調査 | ChatGPT、Perplexity Pro、Gemini(実在のサービス) | 実際の2組織(旅行関連と食品コンサルタント)。質問2,000件を10回ずつ、計6万回答 |
| 他分野への展開 | 使ったAI検索は原文に明記なし | 別の10組織、4業種。90日間。各200質問 |
現場調査の期間は2025年1月から2026年1月です。施策を入れる時期を2か月ずつずらして、どの施策が効いたかを見分けようとしています。
用語の言い換え
- 引用率:回答が、その文書を出典としてリンクまたは名指ししている割合
- 抽出の正確さ:質問の答えを、文書の言葉どおりに再現したか、あいまいな言い換えで済ませたかの割合
- 注意の散らばり:AIが文書のどこに注目しているかのばらつき。小さいほど、関連する部分に集中していると論文は説明しています
- SAA(構造化された回答の設計):見出しに質問を置き、直下に60語未満の答えを書く。定義リスト(dl・dt・dd)を使う。結論を文書の最初に置く、という3つを合わせた書き方です
回答に出てきた出典の抽出は、AI(GPT-4o-mini)が自動で行っています。
人が採点した500回答と照らし合わせた結果は、適合率0.98、再現率0.94です。判定者間の一致度(コーエンのカッパ係数)は0.91と報告されています。
結果
1. 構造だけを変えた注入実験(最も統制された結果)
同じ事実を、構造化した形と、3段落の文章の形で用意しました。語数の差は±5%で、AIに渡す位置も同じです。
| 指標 | 構造あり | 構造なし | 倍率(概算) |
|---|---|---|---|
| 引用率 | 91.2% | 34.8% | 91.2÷34.8で約2.6倍 |
| 抽出の正確さ | 87.4% | 22.1% | 87.4÷22.1で約4.0倍 |
| 注意の散らばり | 2.14 | 3.87 | 構造ありのほうが小さい |
Llama-3-70Bの結果です。Mistral-7Bでは、引用率が84.3%対29.1%、抽出の正確さが79.8%対18.6%で、論文は「質的に似た結果」と述べています。
2. 現場調査:2組織で引用される確率が上がった
| 組織・質問の種類 | 施策前 | 施策後 | 相対の伸び | 差(概算) |
|---|---|---|---|---|
| 旅行・おすすめ系 | 4.2% | 28.5% | +578% | +24.3ポイント |
| 旅行・情報系 | 8.1% | 14.3% | +76% | +6.2ポイント |
| 食品・規制系 | 2.5% | 38.1% | +1424% | +35.6ポイント |
| 食品・比較系 | 12.0% | 41.2% | +243% | +29.2ポイント |
表の数字はgSoV(引用される確率)で、「相対の伸び」は論文の値、右端の列は私が引き算した概算です。出発点が低いため、相対の伸びは大きく見えます。
同じ質問での検索順位は動きませんでした(順位の変化とgSoVの変化の相関が-0.14、p=0.31)。論文は、この結果が、AI検索での引用を検索順位とは別の最適化の対象とみる考えと整合的だと述べています。
3. 置き場所の実験:主観的な質問では掲示板が強かった
同じ文章を、掲示板(Reddit)、一般的なサイト、権威あるサイトの3か所に置いた実験です。
| 質問の種類 | 掲示板 | 一般的なサイト | 権威あるサイト |
|---|---|---|---|
| 主観的(おすすめなど) | 26.4% | 8.2% | 12.1% |
| 事実を問う | 14.8% | 11.2% | 18.3% |
- 主観的な質問では、掲示板が一般的なサイトの約3.2倍で、差は18.2ポイントです(論文の記載、p<0.001)
- 事実を問う質問では、権威あるサイトが上回りました(差3.5ポイント、p=0.03)
4. そのほかの結果
- 他分野への展開:別の10組織に、構造化と質問の集約だけを90日間入れた結果です。gSoVは平均+21.5ポイント上がりました(論文の表4。4分野の値の単純平均)。事実系の法務と医療で大きく、主観的な教育関連では+14.2ポイントでした
- どの施策が効いたか:施策を1つ外した分析で、すべての施策を入れた状態と比べたgSoVの低下率で、旅行では掲示板への参加を外すと-82.4%、食品では構造化を外すと-91.5%でした(論文の表5)
- サービス間のずれ:引用された上位5組織の重なり具合(Jaccard係数)は0.24〜0.31で、3サービスの結果はかなり違っていました
- 指示を変えたときの耐性:AIへの指示を変える実験で、「懐疑的な人として答えて」のような役割指定が入ると、耐性を示す値は0.42まで下がりました(書式の指定では0.96)
論文自身が書いている限界
- 非公開のサービスの内部は見えないため、現場調査は「準因果的」(ある前提のもとでの因果の推定)にとどまると、著者らが述べています
- データはインド市場の英語(en-IN)に限られます。個人向けの出し分けの影響は調べていません
- 掲示板の効果を現場で確かめたのは、2組織だけです。出所の入れ替え実験は、架空の6組織を使っています
- gSoVが測るのは明示的な引用であり、売上は対象外です。言い換えによる引用の取りこぼしもあります
- 期間中のモデル更新による変化があり、差の差の設計で部分的に抑えたとしています
- 今後の課題として、他言語での再現が挙げられています
原文を読んで気づいた点
ここからは、論文が書いている限界とは別に、原文を読んで私が気づいた点です。
- 最も強い2.6倍は、実サービスではなく公開モデルの結果です。注入実験はLlama-3-70Bで行われ、「文書を渡して、出典を示して答えて」と頼む設定です。実在のAI検索で測った値とは別物です。実在のAI検索で測ったのは、現場調査(3サービス)と出所の入れ替え実験(2サービス)です
- 構造化の中身が、1つにまとまっています。構造あり側は、見出し・定義リスト・結論先出しを同時に入れています。どの部品が効いたのかは、分けて測られていません
- 現場調査は2組織で、組織名は伏せられています。施策は2か月ずつずらして入れています。ただし論文の表1の施策後の値は、すべての施策を入れた後のものです。施策ごとの単独の効果は示されていません。比較対象に置いた競合5社ずつの前後の値は、表に見当たりません
- 日本語での検証は、この論文には載っていません。質問は英語で、市場はインドです
- 採点は自動です。出典の抽出はAIが行い、500回答だけを人が確かめています
- 数字の食い違いや読みにくい箇所があります。事実系の質問で権威あるサイトが上回った差3.5ポイントは、掲示板との差(18.3-14.8)にあたります。一般的なサイトとの差は7.1ポイントです。原文は、どちらとの差かを明記していません。また、構造化は「事実系だけ」に入れたと書かれながら、論文の表5では旅行で構造化を外すと-12.3%と出ています。12組織の効果量(d=1.42)と、論文の表4の10組織の平均+21.5ポイントも、対象の数が違います
- 査読と掲載の状況。会議録に載っていることは確認できましたが、査読の方式や厳しさは原文から読み取れません。著者の1人は企業所属ですが、研究への資金提供や利害関係の記載は、私が確認した範囲では見当たりませんでした
- 倫理への言及があります。掲示板への参加は、自然な書き込みを装った組織的な投稿(アストロターフィング)に変わりうると、論文自身が警戒しています。論文は、これを広く勧める手法ではなく、検出すべき現象として示すと書いています
この論文から、言えること・言えないこと
| 言えること | 言えないこと |
|---|---|
| 公開モデルに同じ事実を渡したとき、見出しと答えを組にした構造は、構造のない文章より引用されやすく、答えも正確に再現された | 実在のChatGPTやGeminiで、構造化により引用率が2.6倍になる |
| 2組織では、施策後に引用される確率が上がり、検索順位は動かなかった | 構造化だけで引用が増えたこと。施策は組み合わせで、対照も十分には示されていない |
| 主観的な質問では、掲示板に置いた同じ文章が、一般的なサイトより引用された | 掲示板に投稿すれば引用される、という手法の勧め(論文自身が慎重な立場) |
| 3つのAI検索で、引用される出典はかなり違う | 日本語や日本の市場でも同じ結果になること |
| 構造化した文書は、AIの設定(温度)を上げても、引用のばらつきが小さかった(分散0.04。掲示板に頼る内容は0.21。使ったモデルは原文に明記なし) | 引用がアクセスや売上につながること |
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。確度は、書いてある順に低くなります。
- 見出しを質問にし、直下に短い答えを置く書き方は、試す価値があります。注入実験の方向は明確ですが、公開モデルでの結果です。実在のAI検索で同じ効果が出るかは、自分のサイトで測る必要があります
- 「検索で上位」と「AIに引用される」は、別々に測るほうが安全です。論文は、検索3位のページが掲示板での言及の差で、検索1位のPDFが構造の問題で、それぞれ引用されなかった例を報告しています。ただし事例は各1件です
- 引用の測り方は、1回ではなく複数回です。同じ質問でも、AIの答えは回ごとに変わります。gSoVのように、同じ質問を繰り返して割合で見る考え方は、小さなサイトにも取り入れられます
- 掲示板への組織的な書き込みは、勧められません。論文自身が、人を欺く投稿に近づくおそれを述べています。自社の経験を、開示した上で正直に書く範囲にとどめるのが無難です
よくある質問
Beyond the Blue Linkの「構造化HTMLで引用率2.6倍」は、実際のChatGPTでも同じ数字になりますか
同じ数字になる保証はありません。この2.6倍は、公開されたAIモデルに文書を渡した統制実験の値です。
実在のサービスでの現場調査では、構造化に加えて複数の施策が同時に入っています。構造化だけの効果を切り出した数字とは別物です。
gSoVは、これまでのシェア・オブ・ボイスと何が違いますか
論文が定義するgSoVは、関連する質問の集まりについて、AIの回答がその組織を出典として挙げる確率の平均です。同じ質問を10回ずつ聞き、引用された割合で表します。
AIの回答が毎回変わることを前提にした指標で、順位ではなく確率で見る点が違いです。
Beyond the Blue Linkの結果は、日本語のサイトにも当てはまりますか
この論文の検証は英語のみです。質問は英語で、対象の組織はインド市場のものです。
他言語での再現は、論文自身が今後の課題に挙げています。日本語のサイトに当てはめるなら、自分のサイトで測って確かめることになります。
まとめ:今日できる1つのこと
自社の主力ページを1つ選び、見出しを質問の形にして、直下に60語未満の答えを書いてみてください。変更の前後で、同じ質問をAIに数回ずつ聞き、自社が出典に出る回数を数えます。
論文が示したのは方向であり、効果の大きさではありません。自分のサイトでの数字が、いちばん確かな答えになります。
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。
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


