検索1位でもAIに無視される？「GEO」と従来のSEOは別ゲームである理由
本記事は、GoogleのAI OverviewやChatGPTなどの生成AIが普及する現代において、従来のSEO（Search Engine Optimization）だけでは不十分であり、「GEO（Generative Engine Optimization）」という新たな最適化概念が必要であることを解説している。GEOとは、2023年にPrinceton大学のAggarwalらによって提唱されたもので、「AIが生成する回答の中に自社コンテンツを引用してもらうための最適化」を指す。
従来のSEOが「クローラーに正しく評価され、検索結果一覧でランキングされる技術」であるのに対し、GEOは「LLM（大規模言語モデル）にコンテンツを『引用』してもらう技術」という点で根本的に異なる。AI検索フローでは、RAG（関連コンテンツ取得）を経てLLM推論が行われ、この過程でコンテンツが引用候補として選ばれるかどうかが重要となる。
記事は、LLMがコンテンツを引用する際に影響を与える具体的なシグナルを提示している。引用されやすい「geo_positive_signals」には、「固有名詞・数値・研究引用の密度（entity_density）」や「明確な事実文（fact_clarity）」「構造化データの実装（schema_markup）」などが挙げられる一方、逆に「〜かもしれない」といった曖昧な表現や具体的な数値がないことはマイナスとなる。
実測データに基づくと、GEOスコアが60を超えるとAI OverviewやChatGPTの引用率が急激に上昇することが示されており、これが最初の目標ラインとされている。具体的な改善策として、FAQPage Schemaの実装や、エンティティ密度を高めるリライト（固有名詞・数値の追加）が推奨されている。結論として、コンテンツは「段落単位でLLMに引用される」という粒度を意識して作成することが重要である。
背景
近年、Google検索エンジンは従来のリンク集表示から、AIによる要約回答（AI Overview）を提供する形へと進化している。この変化に伴い、コンテンツが単に「上位表示」されるだけでは不十分となり、「AIの生成回答の中に引用されること」自体が新たなSEO課題として浮上した。
重要用語解説
- GEO (Generative Engine Optimization): 大規模言語モデル（LLM）による生成回答内に自社コンテンツを『引用』してもらうための最適化技術。従来の検索エンジン対策（SEO）とは異なる概念である。
- RAG (Retrieval-Augmented Generation): AIが質問に答える際、外部の信頼できる情報源（関連コンテンツ）を取得し、それを基に回答を生成する仕組み。GEOはこの取得プロセスでの引用を目指す。
- エンティティ密度: 記事内に含まれる固有名詞、具体的な数値、専門用語などの「実体」情報の密度。LLMが事実として認識しやすくするための重要なシグナルである。
今後の影響
コンテンツ制作者は、単なるキーワード対策から脱却し、「AIに引用されるための構造化されたファクト（事実）」を意識したライティングへとシフトする必要がある。GEOスコアの向上は、今後のデジタルマーケティング戦略における最重要課題となることが予想される。