【LLMO論文解説】利用者の頼み方でGEOの効きは変わる｜指示を固定するAMOは引用順位の改善が学習型より平均約35%大きい（プレプリント）

同じ商品説明でも、利用者の頼み方によってAIの推薦での出方は変わるのでしょうか。2026年11月3日にarXivへ公開された論文「IntentGEO: Intent-aware Generative Engine Optimization for Recommendation」は、この問いを実験で調べています。

この記事は、論文を原文から読み、何を測り、何が分かり、何が分かっていないのかを整理します。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」と付けています。

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、AIによる書き換えの自動化が「どんな質問でも効く」とは限らない理由を、実験の記録つきで示しているため、読む価値があります。

結論：3行で言うと

• 利用者の頼み方（条件の具体さ、探している段階）で、書き換えの効き方は変わりました。条件が説明文の内容とぴったり合う質問（P5）では、定番のC-SEO Benchの10手法がすべて引用順位を下げました
• AIに書き換え方の指示を学習させると、手書きの指示より成績が下がる場合がありました。更新を追うと、事実を残す指示が薄れ、キーワードや行動喚起といった一般的な宣伝の手口が全更新に入っていました（論文は「ドリフト」と呼びます）
• 推薦の指示を固定し、追記だけを学習する方法（AMO）は、既存の学習型で最良の手法より、引用順位の改善が平均で約35%（概算）大きくなりました。ただし、固定した指示だけでも成績の大部分は出ています

この結果は、約9件の候補説明文を固定した実験室の設定で得られたものです。日本語や、いま使われているAIへの当てはまりは、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	IntentGEO: Intent-aware Generative Engine Optimization for Recommendation
著者	Runlin Lei、Shiqi Zhang、Xiaokui Xiao、Zhewei Wei（4人。所属は中国人民大学とシンガポール国立大学）
公開日	2026年11月3日（初版v1）
arXiv番号	2611.04225（分野はcs.IR、情報検索）。12ページ、図3点
掲載・採択状況	arXivのプレプリントです。要旨ページに学会や査読誌への採択を示す記載はなく、原文にも投稿先の記載はありません。確認した範囲では査読を経ていません
種類	評価の枠組みの提案、既存手法の再評価、新しい学習手法（AMO）の提案
実験データ・コードの公開先	原文を通読した範囲では、公開先の記載を見つけられませんでした

論文はこちらで読めます。arXiv（2611.04225）、DOI（確認時点では登録待ち）。

この論文が答えた問い

1つの商品説明を書き換えたとき、その効果は、利用者の頼み方（必要の具体さと、検討の段階）が変わっても続くのか。続かないなら、書き換えの指示はどう作ればよいのか。

GEOは、AIの回答で自分のページや商品が引用されやすくなるよう、文章を書き換えることです。これまでの研究は、一般的な質問での目立ち方を測るものが中心でした。

実際には、同じ種類の商品を探す人でも、質問は大きく違います。「携帯電話がほしい」という漠然とした頼みもあれば、「メモリ16GBで電池が長持ちするもの」という条件つきの頼みもあります。

「いくつか教えて」と「一番いいものを1つ選んで」でも、AIの答え方が変わります。

商品説明は、頼み方を知る前に1つだけ公開されます。だから論文は、「1つの書き換えが、いろいろな頼み方の下でどうなるか」を測ろうとしました。

どうやって調べたのか

頼み方を2つの軸で10通りに変える

論文は、頼み方を2つの軸で変えました。同じ商品、同じ候補群のまま、質問だけを変えます。

• P系列（必要の具体さ）：P1は分野名だけ。P2は「〜についての本」のような名詞句。P3からP5は、対象商品の説明に書かれた特徴を、1つ、2つ、それ以上と増やして条件にします
• Q系列（検討の進み方）：Q1は詳しい概説、Q2は短い概説、Q3は「〜がほしい」という分野の依頼、Q4は複数の推薦、Q5は「一番良いものを1つ」です

P2とQ3は文面が同じですが、回答は別々に作られます。平均を出すときは、共通のこの1つを、各系列の平均に1回ずつ入れます。

実験の設定

項目	設定
データ	推薦の4分野（本、小売、ビデオゲーム、Ragdoll）。前の3つは既存の公開ベンチマークC-SEO Bench由来
テスト	分野ごとに50件、合計200件。10通りの質問に広げて2,000回の評価
学習用	訓練574件、検証75件（3分野のみ。Ragdollは学習に使わず、未知の分野への当てはまりを見る用）
候補の数	1問あたり平均9.26件の説明文。書き換えるのは対象の1件だけで、他は固定
回答を作るAI	主にgpt-4o-mini。複数の別モデルや、検索道具を使う流れ、商用アシスタントでも確認
指標	引用順位の改善幅。書き換え前の順位から書き換え後の順位を引いた値。プラスなら前に出た

引用順位は、回答の中で、そのページが何番目に引用されたかです。引用されなかった場合は「候補数＋1」位として扱うので、改善幅には「回答に入ったかどうか」も含まれます。

比べた手法

• C-SEO Benchの10手法：引用を足す、統計を足す、文章を滑らかにする、といった定番の書き換えです
• RecGEO：論文が用意した、手書きの推薦向け書き換え指示です
• 学習型：AutoGEO（AIの好みを規則にして書き換える手法）と、MetaOpt（引用順位の結果を見ながら書き換え指示そのものを更新する手法）。MetaOptは、出発点の指示（種）と訓練用の質問を変えた4つの版が作られました
• AMO：論文の提案手法。固定した「核」の指示に、学習した追記だけを足します

MetaOptは、通販向けGEO試験環境の論文（E-GEO）の手法です。その解説記事もあります。

E-GEOの解説は学習型が経験則より順位を上げたと紹介しますが、本論文は環境と比べる相手が違い、手書きの種を上回れない場合を報告しています。

結果

1. 頼み方で、効き方が変わった

次の表は、10通りの質問ごとの引用順位の改善です。書き換えなしの順位（Base、小さいほど良い）と、3つの手法の改善（大きいほど良い）を、論文の表3から拾いました。

質問	書き換えなしの順位	RecGEO（手書き）	MetaOpt-Prog（学習型で最良）	AMO
P1 分野名だけ	9.33	+2.12	+2.12	+2.44
P2 名詞句	8.98	+1.31	+1.38	+1.46
P3 特徴1つ	7.37	+1.26	+1.05	+1.03
P4 特徴2つ	5.87	+1.00	+0.79	+1.13
P5 特徴を多数	2.50	+0.01	-0.42	+0.06
P系列の平均	6.81	+1.14	+0.98	+1.22
Q1 詳しい概説	7.27	+0.35	+0.39	+0.49
Q2 短い概説	7.83	+0.75	+0.49	+0.78
Q3 分野の依頼	8.70	+0.83	+0.85	+1.20
Q4 複数の推薦	8.33	+0.80	+0.68	+1.06
Q5 1つだけ選ぶ	9.39	+1.11	+0.98	+1.59
Q系列の平均	8.30	+0.77	+0.68	+1.02
全体の平均	7.56	+0.95	+0.83	+1.12

• 条件が増えるほど、書き換えの伸びしろは縮みました。P5では書き換えなしでも平均2.50位に入っています。説明文の内容と質問がぴったり合うからです
• P5では、C-SEO Benchの10手法がすべてマイナスでした（-0.05から-0.70）。手書きのRecGEOは+0.01、学習型のMetaOptは-0.42、AutoGEOは-0.29です
• AMOは、10通りのうち9通りで平均の改善が最大でした。例外はP3で、RecGEOの+1.26に対してAMOは+1.03です

2. 学習で「手書きの種」より悪くなる場合があった

手書きのRecGEOが学習型と並ぶ成績だったため、論文はRecGEOを種にしてMetaOptを学習させました。次の表は、全体の平均の引用順位の改善です（表1と表3）。

手法	種	全体の平均	P5
RecGEO（学習なし）	手書き	+0.95	+0.01
MetaOpt-Rec	種はRecGEO	+0.67	-0.66
MetaOpt-Rec-Prog	種はRecGEO、質問を混ぜて学習	+0.71	-0.58
MetaOpt	種は内容改善（Content Impr.）	+0.80	-0.42
MetaOpt-Prog	種は内容改善、質問を混ぜて学習	+0.83	-0.42

RecGEOを種にしたMetaOptは、学習で0.95から0.67へ下がりました。質問を混ぜて学習させても、手書きの種には届きませんでした。

種をContent Impr.（総合的な内容改善）にした場合は、学習前の+0.79に対して学習後が+0.80で、ほぼ同じです。

3. 何が起きたか：指示の「ドリフト」

論文は、RecGEOを種にした学習（MetaOpt-Rec）の36回の更新を調べ、4つの語句がプロンプトに含まれるかを数えました（表2）。

• 「事実を全部残す」は、種にはあり、36回の更新のうち3回にだけ残りました
• 「推薦者の口調」は、種にはあり、0回でした
• 「キーワード」と「行動喚起」は、種になく、36回すべてに入っていました

最終版では「すべての事実を残せ」が「事実の正確さを保て」に弱まり、キーワード調査や「緊急の行動喚起」、統計や体験談の追加が加わっていました。

論文はこれを、推薦の根拠を残す方向から、一般的な宣伝の訴求へ強調点が移ったものと見て、ドリフトと呼んでいます。

4. AMO：指示を固定して、追記だけ学習する

AMOは、RecGEOの指示を整理した「核」を固定します。学習が書き換えるのは、その後ろに足す追記だけです。

核には、専門家として推薦する書き方、独自の価値の強調、すべての事実の保持といった7項目が入っています。学習で足された追記は、特徴のまとめ、箇条書き、競合との比較、事例の追加などです。

全体の平均で、AMOは+1.12です。比較の内訳は次のとおりです。

• 手書きのRecGEO（+0.95）に対して、約18%大きい（概算：1.12÷0.95）
• 学習型で最良のMetaOpt-Prog（+0.83）に対して、約35%大きい（概算：1.12÷0.83。論文も35%と書いています）
• 差の95%信頼区間は、RecGEOとの差が+0.172［+0.072、+0.271］、MetaOpt-Progとの差が+0.293［+0.175、+0.412］で、どちらもゼロをまたぎません

要素ごとの比較（表4）では、核だけが+0.98、全文を学習で書き換える版が+0.74、AMOが+1.12でした。

核だけでも、学習型で最良の+0.83を上回ります。AMOとの差の+0.14が、追記の学習の分です。

5. ほかの環境でも試した

• 検索道具を使う流れ（GPT-4o miniが検索を1回呼ぶ。書き換えは再学習なしで流用）：AMOは全体+0.832、RecGEOは+0.730。上位5件に入る率は43.48%で、書き換えなしの33.85%を上回りました
• 別のモデル（選ばれた指示をそのまま使用）：Gemini 2.5 Flash-LiteではAMOが+0.62（RecGEOは+0.54）、Qwen3-30B-A3BではAMOが+1.54（AutoGEOは+1.10）です
• 商用アシスタントDoubao（公式のAPIで検索機能を切り、候補を検索履歴の形で渡し、Doubaoの引用結果で別に学習）：AMOは全体+1.048、AutoGEOは+0.906、RecGEOは+0.849。上位5件に入る率は58.34%で、書き換えなしの43.52%を上回りました

Doubaoでは、書き換えなしで引用されなかった572件のうち、AMOは264件（46.2%）で新たに引用されました。

6. 書き換えた文章の質

書き換え前後の説明文は、AI（gpt-4o-mini）が5点満点で採点しました（表6）。AMOの平均は4.57で、MetaOptと並び、Content Impr.の4.62に次ぐ水準です。

「元の説明との一致」は4.01で、いくつかの比較手法より低い値でした。

統計を足す手法は「元の説明との一致」が2.98と最低で、論文は、統計や引用を商品説明にそのまま持ち込むと質が落ちる恐れがあると述べています。

論文自身が書いている限界

この論文には、限界だけをまとめた節はありません。本文中で、論文自身が断っている点を拾います。

• 評価は、AIが回答を作る段階だけです。候補は固定し、書き換えるのは対象の1件だけです。操作を狙う手法（ブラックハット）は対象外で、書き換えは自然で事実に沿うものに限っています
• 全文を学習で書き換える版が低かったのは、論文が使った学習と選択の手順の下での結果だと断っています
• 引用の測定と、AIによる品質の採点は、別の側面を見るもので、補い合う証拠だと位置づけています

原文を読んで気づいた点

• 日本語での検証は報告されていません。例示されている質問は英語です。商用アシスタントでの実験も、英語の質問が例に出ています
• 実験室と実サービスの差があります。候補は1問あたり平均9.26件に固定されています。検索道具を使う実験でも、返ってくる候補は固定です。Doubaoの実験は、検索機能を切って候補を渡す形です。実際に公開されたページが検索で拾われるかどうかは、この実験の対象外です
• 採点はすべて自動です。回答の作成も品質の採点もAIが行い、人が評価した結果は原文にありません。採点役のAIは、回答を作る主なAIと同じ型番（gpt-4o-mini）です
• 差の大きさと、ばらつきの比較が要ります。書き換えなしの順位でも、同じ文面のP2とQ3の差は+0.290でした（信頼区間は-0.040から+0.635）。同じ文面でも回答の揺れでこれだけ動くので、0.1台の差は読み過ぎないほうが安全です
• 核だけの版が、P3からP5ではAMOを上回りました。表14では、核だけがP3で+1.29、P4で+1.17、P5で+0.23です。AMOは+1.03、+1.13、+0.06でした。追記の学習が効いたのは、主に分野名だけの広い質問（P1、P2）とQ系列です
• AMOはP5でほとんど伸びていません（+0.06）。書き換えなしとの差は、ゼロをまたぎます（+0.063［-0.305、+0.435］）。ここは論文が限界として述べた点ではなく、表から読み取った私の指摘です
• ドリフトの証拠は、語句の出現を数えたものです。1つの学習の36回の更新を調べた結果で、その語句が成績低下の原因かどうかは分かりません

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）
質問の具体さと検討の段階で、書き換えの引用順位への効き方が変わった	日本語の質問・ページで同じ傾向が出ること
説明文の内容と質問がぴったり合う場合、多くの手法は引用順位を下げた	自社のページを書き換えると、順位や売上が上がること
RecGEOを種にした学習は、種より低い成績になった	学習型の最適化がいつも手書きに負けること（Content Impr.を種にした版はほぼ同じ）
学習の更新では、キーワードや行動喚起の語句が全更新に入っていた	その語句が成績低下の原因であること
指示を固定して追記を学習するAMOは、評価した手法の中で平均が最大だった	AMOより良い手法が他にないこと。P3からP5では核だけの版が上回る
固定した評価環境、検索道具を使う流れ、Doubaoで、AMOの平均が最大だった	実際に公開されたページで同じ結果になること

「約35%」は、引用順位の改善の平均値（+1.12と+0.83）を比べた相対の値です。回答に載る確率が35%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. 説明文に書いた事実を、書き換えで削らない

P5のように質問の条件が説明文の記述と重なる場合、書き換えの伸びしろは小さく、手法によっては損をしました。スペックや対象者といった「条件で探される事実」が、書き換え後も元と同じ精度で残っているかを先に確かめます。

2. AIに書き換えを任せるときは、指示の中身を読む

自動で文章を直すツールが、いつのまにか「キーワードを入れる」「行動を促す」といった一般的な宣伝の指示に寄っていく可能性を、この論文は記録で示しています。AIの出力だけでなく、AIに渡している指示の文面も見直す対象です。

「事実を残す」という項目を、指示の最初に固定して書いておく、という使い方は、論文の方向と合っています。

3. 効果は、頼み方を分けて、複数回聞いて測る

「広く尋ねたとき」「条件をつけたとき」「1つに絞ったとき」で、自社の見え方を分けて記録します。同じ文面でも結果は0.3位ほど動いたので、同じ質問を複数回聞いて平均を見るほうが安全です。

よくある質問

IntentGEOのAMOは、どんな手法ですか

AMO（Anchored Meta-Optimization）は、推薦向けの指示を「核」として固定し、後ろに足す追記だけを引用順位の結果から学習する手法です。日本語や実際のサービスで同じ結果が出るかは、確かめられていません。

IntentGEOの結果は、日本のサイトの書き換えにそのまま使えますか

そのままは使えません。この論文の質問は英語で、候補の説明文は固定された約9件です。

日本語の文章や、実際に公開されたページが検索で拾われる段階は含まれていません。使えるのは「頼み方ごとに分けて測る」「書き換えの指示で事実を残す」という考え方の部分です。

まとめ：今日できる1つのこと

自社のいちばん見てほしい商品やサービスの説明文を1つ選び、「広く尋ねる質問」「条件を3つ入れた質問」「1つに絞る質問」の3種類を、AIに同じ回数ずつ尋ねてください。

書き換えの前と後で、自社が何番目に出るかを記録すると、広い質問で得をして、条件つきの質問で損をしていないかが見えます。

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。

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。