「で、この30項目、どれからやります？」
構造化データを入れる。引用を足す。統計を入れる。AI検索向けの対策を書き出していったら、へクス子の表は30行まで伸びておりました。
先月の定例では、その表を映したまま20分が過ぎましてね。誰も1行目を指させないまま、次の議題へ移りました。
ところが、AI向けの最適化を扱った研究を45本まとめて読み直した論文だと、どのプラットフォームでも一貫して効いていた要因は2つしか残っておりません。
2026年7月に投稿された、査読前のプレプリントであります。
GEOの施策のうち、一貫して効いているのはどれなのか
質問との関連性と、文脈の中での位置。この2つです（MartinezのR）。45本を横断して、条件が変わっても残ったのはここだけでした。
GEOってのは、AIの回答で自社のページが引用・参照されやすくなるようにする取り組みのこと。日本語では「生成エンジン最適化」と訳されます。
対象になったのは、2023年11月16日から2026年7月14日までに出た45本ですね。
効くと言われている2つは、実務でいうとどこを触る話なのか。
権威的に書くより、質問に答えているほうが選ばれます
1つ目は、質問と文書の関連性です。モデルは、人間が信頼性の手がかりとして見るものより、質問との明示的な一致を強く選ぶ。サーベイはそう整理しております。
具体の数字は、GEOという言葉を最初に定義した2024年の元論文のほうにあります。9つのデータセット由来・25領域にまたがる1万件の質問で、書き換えの手法ごとに可視性がどう動くかを測ったものですね（Aggarwalらの研究R）。
そこでの伸びは、引用文の追加が約44%、統計・数値の追加が約34%、出典の明記が約29%でした。いずれも応答内での出現量を位置で重み付けした指標で、ベースライン比の相対改善です。
いっぽう、権威的な書き方に寄せる手法は約13%。キーワードの詰め込みにいたっては、約8%のマイナスであります。
答えの中身を具体的にする手法が上に、書きぶりを寄せる手法が下に来ている。この並びを「モデルは権威の手がかりより、質問との一致を選ぶ」と読んだわけですな。
読んだのはサーベイの著者です。45本とは別に、新しい実験で確かめたものではありません。
実務側で動かせるのは、見出しと本文を質問の形に合わせるところ。読者が実際に打ち込む質問の平叙形を見出しに置いて、その直下で答え切る形ですね。
情報源を文脈の上へ動かすほうが、書き換えより効きます
2つ目が、文脈の中での位置です。情報源を文脈の上のほうへ動かすことは、大半の書き換えより効果が大きい。
ここでいうってのは、AIが回答を書く直前に手元へ集めた文書のかたまりのことですね。ここに入っていない情報は、どれだけ書き方を工夫しても回答には出てきません。
つまり位置の話は、集められたあとの並び順を指しております。誰の文書を上に置くかを決めるのは検索の側なので、こちらが直接いじれる場所ではない。
じゃあ、こちらから触れるところは無いのでしょうか。
集められた1本の中で、答えがどこに置かれているかは、こちらの持ち物であります。冒頭で答えている文書と、5画面ぶんスクロールしてやっと答えが出る文書とでは、切り出される断片が変わりますからね。
ただし、サーベイが測っているのは文書どうしの順番であって、ページの中の順番ではありません。ここは推測を1つ挟んでおります。
施策の数を増やす前に、取得される手前を通します
汎用の小技は、プラットフォームをまたいでは移りません。あるAIで効いた書き換えが、別のAIでも同じように効くという確認が取れていない。
サーベイには、もう少し厳しい書き方もしてありましてね。プラットフォームをまたいで時間的にも安定した「自然な見つかりやすさ」への因果効果を示せた手法は、45本の中に1つも無かった。
効いたと報告されている数字の多くは、すでに候補に入っている文書に対して測られたものだからです。候補に入る手前を動かした証拠ではない。
先に通すのは、どちらでしょうか。
取得される手前、つまり検索にページを見つけてもらって候補の一覧に入っているところと、質問との関連性が先です。そのうえで、取得されたあとの置かれ方を見る。
前段が通っていないと、後段の工夫は届きません。棚に並んでいない商品のPOPを何枚描き直しても、お客さんの目には入らないのと同じでありますな。
45本の中身を見ると、測り方に偏りがあります
著者はを5段階に置いております。いちばん上が現場で条件を無作為に割り振る試験、いちばん下が固定文脈の合成シナリオですね。
エビデンスの階層ってのは、その結果がどれくらい確からしいかを、研究のやり方の側から並べた物差しのこと。
で、45本の多くは下位の「固定文脈の合成シナリオ」に当たります。実際の検索から文書が取得される過程を含まない条件で測られた、ということですな。
そもそもこれは新しい測定ではありません。既存の研究45本を読み直したサーベイです。
査読前のプレプリントでもあります（arXiv:2607.14035、2026年7月15日投稿）。第三者の点検はまだ入っておりません。
著者の所属は、論文の1ページ目に書かれておりませんでした。連絡先のメールアドレスと、研究者ひとりずつに振られるORCIDという識別番号だけです。どこの誰がやったかで信頼度を測ることはできない、ということですね。
対象になった研究も、英語圏が中心でしてね。日本語での再現は含まれておりません。
日本語の回答で同じ2つが残るかは、まだ誰も測っていない。ここは自社で確かめる側に回るしかないところであります。
チェックリストを「関連性」「位置」「それ以外」の3つに割る
AI対策の表に、箱を3つ用意します。質問との関連性に効く行、取得されたあとの置かれ方に効く行、そのどちらでもない行。
どちらでもない行は、消さずに下へ回します。45本の中で一貫した効果が確認できなかっただけで、効かないと証明されたわけではありませんからね。
着手の順番は、関連性が先です。
位置の箱を開くのは、取得される手前が通ったあとですね。
個別の施策がどれだけ引用を動かすかはAIに引用される記事には「数字と出典」を足せ、と示した研究の話に、検索順位とAIの引用が別物である話は「うちは検索で勝てないからAIでも無理」？むしろ11位以下にこそチャンスありに置いてあります。
へクス子の30行は、9行と21行に割れました。会議で20分黙っていた表が、9行まで減ると急に指させるようになるもんですな。
出典
- Martinez, O., “Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023-2026)”, arXiv:2607.14035, 2026-07-15, https://arxiv.org/abs/2607.14035
- Aggarwal, P. et al., “GEO: Generative Engine Optimization”, 2024, https://arxiv.org/abs/2311.09735
