LLMO– category –
生成AIに引用されるためのコンテンツ最適化（LLMO／GEO）に関する記事
-
【LLMO論文解説】AI検索は質問の論調に寄り、出典は報道と企業に偏った｜2023年のBingとPerplexity（ASIS&T 2024）
-
【LLMO論文解説】AIに質問せずページを採点する指標は、引用されやすさを予測できるか｜水増しへの強さと相関0.11の意味（プレプリント）
-
【LLMO論文解説】AI検索の見え方の数字は質問の集め方で決まる｜重みだけで表示率が39.66%にも70.54%にも（プレプリント2026）
-
【LLMO論文解説】ブランドの見え方を測るための100万人の買い手像と516万の質問をAIで作る｜実在の質問との一致は未検証（プレプリント）
-
【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）
-
【LLMO論文解説】AI検索に社名が出る割合は知名度で73%・44%・11%｜5つのAIで102ブランドを測った計測企業の自社報告（プレプリント）
-
【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）
-
【LLMO論文解説】AIに引用されたページを16の観点で採点した「GEO-16」を原文から読む｜相関と利益相反の注意点（プレプリント）
-
【LLMO論文解説】AI検索で「出典に出た」と「答えを変えた」を分けて測る｜CC-GSEO-Bench（プレプリント）
-
【LLMO論文解説】AI検索の回答は、中核の論点の約半分を落としていた｜下位の問いで網羅を測る指標（NAACL 2025）
