【LLMO論文解説】調べものAIは根拠のつながりで推薦を変えるか「EcoGEO」｜1ページとの推薦率差は最大31.3ポイント（プレプリント）

これまでのGEO（生成AI検索向けの最適化）の研究は、多くが「1枚のページをどう書き換えるか」を調べてきました。

一方、ウェブを調べるAIは、検索し、ページを開き、検索し直し、リンクもたどりながら、複数の根拠を集めて答えをまとめます。

今回読む「EcoGEO」は、この「たどる道筋」と「根拠同士のつながり」を研究の単位にした論文です。上海科技大学の研究者が2026年5月にarXivで公開しました。

この記事では、どのAIとデータで何と何を比べ、推薦される割合がどれだけ変わったのかを原文の表から整理し、どこからが操作になるのかの境目も書きます。

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。1ページ単位の対策の限界を知る材料として、AIの根拠のたどり方を実験で確かめたこの論文を読みました。

結論：3行で言うと

• 架空の製品について、案内役の入口ページと、公式・レビュー・専門家・ニュース・掲示板・SNS風の複数ページを互いにつないだ「根拠の生態系」を実験用に作り、AIが推薦するかを調べた研究です
• GPT-5.1を使った実験で、推薦率は3つのデータで67.2%、71.9%、73.9%でした。各データで最も強い比較手法より14.9〜31.3ポイント高く、1ページを書き換える既存のGEO手法は、書き換えない1ページを上回りませんでした
• 検索結果の5番目に必ず差し込むなど、実験用に管理された環境での結果です。実際のAI検索サービスや日本語では試しておらず、著者自身も実世界への適用は勧めていません

この論文の基本情報

項目	内容
題名（原題）	EcoGEO: Trajectory-Aware Evidence Ecosystems for Web-Enabled LLM Search Agents
著者	Hengwei Ye、Jiasheng Mao、Zhenhan Guan、Zheng Tian（4人。所属はいずれも上海科技大学）
公開日	初版は2026年5月13日。確認した版は2026年7月1日の第2版
arXiv番号	2605.12887（分野は情報検索と人工知能）
掲載・採択状況	arXivのプレプリント（査読前の公開原稿）。コメント欄に学会名の記載はなく、論文の書式にも「Preprint」とあります
種類	手法の提案と、その効果を測った実験研究（大学の研究者による論文）
実験データとコード	安全上の理由で、実験コードの全体は公開しないと書かれています。評価用データ（OPR-Bench）は、論文の採択後に公開する予定とあります

論文はこちらで読めます。arXiv（2605.12887）、DOI。

この論文が答えた問い

ウェブを調べるAIが製品を推薦するとき、1枚のページを磨くよりも、互いにつながった複数の根拠ページを用意したほうが、推薦の結果とAIのたどる道筋は変わるのか。

論文が「ウェブ対応のエージェント」と呼ぶこの種のAIを、この記事では「調べものAI」と呼びます。

論文は、調べものAIでは順位に加えて、どの結果を最初に開くか、開いたページにどんなリンクがあるか、AIが検索し直すかどうかが答えを左右すると指摘しています。

そこで著者らは、1ページ単位のGEOを補う見方として、根拠の集まり全体を対象にする「EcoGEO（生態系のGEO）」を提案しました。

その具体化として作ったのが「TRACE」という、道筋を意識して連携させた根拠ページの集まりです。

1ページ単位のGEOの出発点になった研究は、GEO原論文の解説で整理しています。

どうやって調べたのか

実験の舞台

項目	設定
題材	製品の推薦。「〇〇向けに、おすすめの△△は？」のように、比較や購入の判断を求める質問
質問集（OPR-Bench）	公開済みの3つの質問集から、推薦を求める質問だけを残した3,124問。内訳はSafeSearch由来64問、E-Commerce由来121問、E-GEO由来2,939問。E-GEO由来は、先頭の1,000問だけを本実験に使いました
推薦してほしい製品	質問ごとに作った、もっともらしい架空の製品。実在のウェブには存在しません
調べものAIのモデル	GPT-5.1（温度0。答えの揺れを抑える設定）。検索は最大5回、ページを開くのも最大5回まで
検索結果	Googleの検索結果9件に、架空製品のページを1件だけ、必ず5番目に差し込む（論文は「9＋1」と呼んでいます）
判定	最終回答が架空製品を名指しで推薦したかを、別のAI（GPT-5.4-mini、温度0）が判定

ここで押さえておきたいのは、架空製品のページが最初の検索結果に必ず載る設定だという点です。そのページを開くかどうかは、AIが自分で決めます。

著者らによると、検索で上位に載るかはSEOの問題で、この研究の対象外です。

また、実在の検索エンジンに載せるには作り話の製品情報を公開する必要があり、安全でも再現可能でもないと説明しています。

比べた3種類の条件

条件	架空製品について用意したもの
単一ページ	公式サイト風のページ1枚。製品説明をそのまま載せ、書き換えはしない
1ページのGEO（3手法）	同じ1枚を、既存のGEO手法で書き換える。C-SEOとE-GEOはAIへの指示で書き換え、AutoGEOは学習済みのモデルで書き換える
TRACE（提案手法）	比較・評価の案内役になる入口ページ1枚と、6種類の「情報源の型」に分けた複数の補助ページ。型は公式サイト、レビュー、専門家の記事、ニュース、掲示板、SNS投稿

TRACEのページは、すべて同じ製品説明から作られています。

論文は、製品名・分類・主な特徴・向く用途・限界を全ページで揃えること（属性の一貫性）と、ページ同士の相互参照を、つながりの中身として挙げています。

入口ページには、AIが最初に開いたあと残りの根拠ページへ進みやすくする「案内板」の役を持たせたと、論文は説明しています。

E-GEOは質問集と書き換え手法の両方の名前なので、この記事では「E-GEO（質問集）」「E-GEO（手法）」と書き分けます。

2回目以降の検索で返したもの

AIが架空製品の名前で検索し直したときは、実在のウェブに情報がないため、TRACEでは用意した補助ページの中から、検索語に近い上位10件を返しました。

製品名を含まない検索では、再び9件に1件を5番目へ差し込みます。TRACEでは検索語に最も近い補助ページ、1ページの条件では同じ1枚です。

測った指標

• 推薦率：最終回答が架空製品を名指しし、適した選択肢として推薦した割合
• 最初の検索での閲覧率：1回目の検索で、差し込んだページが開かれた割合
• 製品名での再検索率：2回目の検索が、架空製品そのものを調べる検索だった割合
• 後からの閲覧率：1回目には開かず、あとで架空製品のページを開いた割合
• 内部リンクの閲覧率：開いたページの中のリンクから別ページを開いた割合

後の4つは、AIのたどり方を測る「道筋の指標」です。

結果

推薦率と、AIのたどり方（表1）

論文の表1から拾います（数字は%）。

「1ページGEOの最高」は、C-SEO、E-GEO（手法）、AutoGEOのうち、その行で最も高い値です。

質問集	指標	単一ページ	1ページGEOの最高	TRACE
SafeSearch（64問）	推薦率	35.9	35.9	67.2
	最初の検索での閲覧率	14.1	14.1	42.2
	製品名での再検索率	18.8	20.3	29.7
	後からの閲覧率	23.4	25.0	26.6
	内部リンクの閲覧率	対象外	対象外	9.4
E-Commerce（121問）	推薦率	56.2	55.4	71.9
	最初の検索での閲覧率	43.8	40.5	61.2
	製品名での再検索率	14.9	18.2	23.1
	後からの閲覧率	21.5	20.7	15.7
	内部リンクの閲覧率	対象外	対象外	19.0
E-GEO（質問集、1,000問）	推薦率	59.0	58.8	73.9
	最初の検索での閲覧率	27.0	26.8	48.9
	製品名での再検索率	11.0	10.3	21.9
	後からの閲覧率	31.9	32.6	24.9
	内部リンクの閲覧率	対象外	対象外	20.4

論文は、最も強い比較手法との差を31.3、15.7、14.9ポイントと書いています。推薦率の絶対値の差です。

比較相手の値は、いずれも単一ページの値と一致します（SafeSearchは3つの条件が35.9%で同点）。

SafeSearchは64問なので、1問が約1.6ポイントにあたります（100÷64の概算）。差の大きさを読むときは、問数の少なさも頭に置いておく必要があります。

読み取れること

• 1ページの書き換えは、書き換えない1ページを上回りませんでした。3つの手法とも、どの質問集でも単一ページと同じか低い推薦率です。AutoGEOはSafeSearchで28.1%と、単一ページの35.9%を下回りました
• TRACEは、1回目の検索で差し込んだページを開かれる割合が、3つの質問集すべてで最も高くなりました。論文は、入口ページが最初に開かれやすくなり、それが製品名での再検索につながったと読んでいます
• ページ内のリンクから別の根拠ページへ進む動きは、TRACEでだけ起きました（9.4〜20.4%）。1ページの条件には、たどるリンクがありません
• 「後からの閲覧率」は、E-CommerceとE-GEO（質問集）でTRACEが最も低くなりました。一因は、1ページの条件では同じページが繰り返し差し込まれることだと論文は説明しています。それでも1ページの条件の推薦率は低いままでした

論文の説明では、ページを開く前にAIに見えるのは題名とリンクと短い説明文だけで、書き換えの効き目の大半は開かれたあとにしか届きません。

推薦の質問では、AIが候補を比べ、別の情報源で確かめ、製品名で調べ直します。1枚のページではその動きを支えきれない、というのが論文の見立てです。

何が効いたのかを切り分けた実験（表2）

TRACEはページ数も多いため、著者らは小さい2つの質問集で、最初に開くページを強制的に固定した比較も行いました。

質問集	指標	つながりなし	相互につなぐ	TRACE
SafeSearch	推薦率	75.0	82.8	89.1
	製品名での再検索率	54.7	40.6	43.8
	内部リンクの閲覧率	対象外	0.0	29.7
E-Commerce	推薦率	81.8	87.6	93.4
	製品名での再検索率	46.3	37.2	40.5
	内部リンクの閲覧率	対象外	6.6	25.6

「つながりなし」と「相互につなぐ」は、どちらも最初にレビュー風のページを開かせ、補助ページも用意しています。

論文の説明では、違いは主に、ページ同士が出典のようなリンクで結ばれているかどうかです。

TRACEは、最初に開くページをレビュー風から案内役の入口ページに替えたものです。

• つながりなし→相互につなぐで推薦率が上がったことを、論文は「ページ同士をつなぎ、製品情報を揃えた効果」と読んでいます
• 相互につなぐ→TRACEでさらに上がり、内部リンクの閲覧率も大きく伸びたことを、論文は「案内役の入口ページの効果」と読んでいます。SafeSearchでは、リンクがあっても「相互につなぐ」ではたどられた割合が0.0%でした
• 一方で、製品名での再検索率は、TRACE（43.8%・40.5%）が「つながりなし」（54.7%・46.3%）より低く、「相互につなぐ」よりは高い値でした。論文は表1をもとに「入口ページが製品名での再検索を増やす」と述べていますが、最初のページをそろえたこの比較では、その向きは確認できません。本文にこの点の説明はありません

論文自身が書いている限界

論文は、最後の節で次の限界を挙げています。

• 架空の製品と管理された環境のため、順位の変動、自然に見つけられる過程、内容の時間変化など、現実の動きを捉えきれていない可能性があります
• 試したのは、連携させた根拠の集まりの1つの形だけです
• 補助ページの数、型の多様さ、入口ページの順位、リンクの密度などで効果がどう変わるかは、今後の課題です
• より多くの独立した情報源で根拠を確かめるよう、AIを促す防御の開発も今後の課題に挙げています

倫理の節では、この研究は影響を与えるリスクを理解し、より安全な調べものAIをつくるためのものだと書かれています。著者らは、この手法を実際のシステムや公開のウェブに使うことを勧めていません。

原文を読んで気づいた点

• 実際のAI検索サービスでは試していません。実際のAI検索サービスでも同じ差が出るとは、この論文からは言えません
• 日本語での検証はありません。原文に言語の明記はありませんが、例示はすべて英語で、日本語での検証はありません
• 架空製品のページは、最初の検索結果の5番目に必ず載ります。実際のウェブでは、そもそも検索結果に載るかどうかが最初の関門になります
• AIが製品名で調べ直したとき、TRACEでは用意したページだけが最大10件返りました。実際のウェブなら、無関係な第三者の評判や否定的な情報も混ざるはずの場面です
• 推薦の判定は、別のAI（GPT-5.4-mini）による自動判定です。人の目による確認や、繰り返したときのばらつきは原文に見当たりませんでした
• 「単に情報量を増やしたからではない」という主張の根拠は、最初のページを強制的に開かせた、小さい2つの質問集での切り分け実験です
• レビュー風のページを1枚開かせただけの「つながりなし」でも、推薦率は75.0%と81.8%でした。私は、開かれるかどうかの段階が結果を大きく左右していると読みます（本実験とは条件が違います）
• 質問集は全3,124問とされますが、E-GEO（質問集）は先頭1,000問だけを評価に使ったと付録にあります

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）
管理された実験環境では、連携した複数の根拠ページのほうが、1枚のページより推薦率が高かった	実際のAI検索サービスでも、同じ大きさの差が出ること
1枚のページを既存のGEO手法で書き換えても、書き換えない1枚を上回らなかった	1ページの書き換えが、どんな質問でも効かないこと
案内役の入口ページがあると、AIがページ内のリンクをたどって根拠を集める動きが増えた	検索結果に自然に載らないページでも、同じように開かれること
最初のページを固定した比較では、ページ同士をつないだほうが推薦率が高かった	日本語の質問や、実在する製品・サービスでも同じ傾向になること
道筋の指標で、推薦に至る過程を分けて見られる	第三者の独立した情報が混ざる現実のウェブで、用意したページが優位を保つこと

「31.3ポイント高い」は、64問のSafeSearchで推薦率が35.9%から67.2%になった差です。実際のAI検索で推薦される確率が3割上がる、という意味ではありません。

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。

1ページを磨くだけでは届かない場面がある

この実験では、1枚のページを書き換えても、推薦率は書き換えない1枚を超えませんでした。

自社サイトなら、サービス紹介、料金、よくある質問、事例など、判断の材料がそろっているかを見直す価値がありそうです。

ただし、この論文が評価したのは架空製品の実験用ページだけで、実在の企業サイトでの効果の大きさは未知数です。

自社の資料同士で、情報を食い違わせない

TRACEの中身の1つは、製品名・特徴・向く用途・限界を全ページで揃えることでした。自社のページ同士で価格や対応範囲がずれていると、AIが根拠を突き合わせたときに不利になる可能性があります（論文は、情報の食い違いの影響を単独では測っていません）。

自社が書いたと分かるページの中で情報を正確に揃えるのは、正当な整備の範囲です。

第三者の言及は、作らずに、実在するものを正しく示す

この実験の補助ページは、レビューや掲示板、SNS投稿の「形」をした、同じ作り手による架空のものです。現実に同じことをすれば、自作自演の比較記事や偽の第三者ページを並べることになります。

日本では、広告であることを隠した表示は、2023年10月から景品表示法のステルスマーケティング規制の対象です。消費者庁の措置命令を受けると、事業者名が公表されます。

正当なのは、実際に書かれた報道や口コミを、自社サイトから出典として正しく示すことです。第三者の記述に古い価格などの誤りがあれば、先方に訂正をお願いする方法もあります。

AI検索と第三者の媒体の関係は、第三者の媒体を選びやすいかを調べた論文の解説で整理しています。

見抜く側の研究も進んでいる

著者らは、独立した情報源で確かめるようAIを促す防御を、今後の課題に挙げています。

調べものAIが汚染された根拠を見抜けるかを調べた研究は、HAE-GEOの解説で読めます。

よくある質問

EcoGEO（根拠の生態系を対象にしたGEO）は、1ページ単位のGEOと何が違いますか

1ページ単位のGEOは、1枚のページを書き換えて回答に取り上げられやすくする研究です。

EcoGEOは、AIが検索し、ページを開き、リンクをたどる道筋全体を対象に、複数ページのつながり方まで含めて影響を調べます。

論文は、EcoGEOを1ページ単位のGEOを補う見方として位置づけています。

TRACEの推薦率の結果は、実際のAI検索サービスでも同じですか

分かっていません。実験は、架空製品のページを検索結果の5番目に必ず差し込む、GPT-5.1の実験用の調べものAIで行われました。

例示はすべて英語の質問で、実際のAI検索サービスは対象外です。

EcoGEOの研究を参考に、第三者を装ったページを自社で作ってもよいですか

勧めません。著者ら自身が、実際のシステムや公開のウェブへの適用を勧めておらず、安全上の理由で実験コードの全体も非公開としています。

自社の宣伝を第三者の声に見せる表示は、ステルスマーケティング規制の対象です。自社の資料を正確に揃え、実在する第三者の言及を正しく示すところまでが、境目の内側です。

まとめ：今日できる1つのこと

自社のサービス紹介、料金、よくある質問、事例のページを開き、サービス名・価格・対応範囲・向かない人の書き方を、1つの表に書き出してみてください。

食い違いが見つかったら、正しいほうに揃えます。AIがどのページから入っても、同じ事実にたどり着ける状態にする作業です。

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。